问题——需求结构之变加快显现。当前，浙江制造业推进全球先进制造业基地建设的同时，也在经历“人工智能+”带来的岗位重塑。春招旺季中，人工智能涉及的岗位占比上升、求职者关注度提高，机器人、智能汽车科技等领域的用人需求集中释放。企业普遍反映，招聘不再只盯传统研发、生产或运维岗位，而更看重能把算法能力、工程能力与产业场景衔接起来的人才。制造业的“招人难”正从数量不足转向结构性短缺：岗位不少，但匹配的人更少。 原因——从“工具应用”走向“体系重构”。业内人士指出，人工智能对制造业的影响已不再局限于设备替代、视觉检测等单点改造，而是向研发设计、工艺优化、供应链计划、质量管理、运维保障等全流程延伸。企业对人才的要求随之变化：不仅要掌握岗位专业知识，还要理解工艺逻辑、数据机制与算法边界，具备工程化思维、场景落地能力和持续学习能力。此外，开源模型与通用算力降低了技术门槛，也让竞争更集中在“谁更懂制造场景、谁更能把数据转化为生产力”。这使得“懂不懂、会不会用”成为岗位胜任的新分界线。 影响——从工程师到技工，岗位能力被重新标注。采访显示，“人工智能+制造”主要形成两条路径：一是人工智能产业化，如智能机器人、智能终端等新产品新业态；二是产业智能化，如智能工厂、数字化车间等改造升级。两条路径都需要跨界人才支撑。以智能车间为例，工程师要能用数据分析快速定位故障、调试工业机器人；在产品侧，岗位需要具备模型选择与迭代思维，能够完成需求定义与价值评估；在生产一线，技能重点从“熟练操作”转向“人机协作、参数管理、异常处置与提升”。不少企业还提出，财务、计划、采购等岗位也需要理解智能排产、质量预测对成本结构与交付效率的影响，才能在管理决策中与技术系统协同。 浙江企业的实践继续印证了该趋势。在电机、芯片等制造现场，引入基于历史与实时数据的智能预警、全流程智能质检等系统后，企业在产能、良率、停机损失等指标上获得改善，运维响应与质量控制也从“事后追溯”转向“事前预警”。岗位变化随之更加明显：技术人员从“工艺标准制定者、方案设计者”逐步转向“智能化场景定义者、数据价值挖掘者、系统架构组织者”，而部分依赖经验重复积累的工作被自动化系统覆盖，职业能力评价体系也需要同步调整。 对策——以系统化培养补齐结构性短板。面对新需求，政策端正强化兼顾。浙江发布制造业人才支持计划行动方案（2025—2027年），对制造业人才队伍建设作出系统部署；国家层面近期也明确提出培养既懂人工智能又懂制造业应用的复合型人才。落实到实践层面，应在三上形成合力： 一是以产业需求牵引教育培训供给。围绕工业视觉、边缘计算、数字孪生、工业软件、工业大模型应用等方向，推动校企联合制定课程与实训标准，增加工程化、项目制训练比重，让人才从“会理论”走向“能落地”。 二是以岗位体系为抓手推进技能再塑。为工程师、产品经理、一线技工等建立分层能力模型：工程师侧重数据治理、模型微调、系统集成与验证；产品侧重场景洞察、价值评估与交付闭环；技能人才侧重人机协作、设备智能运维与工艺参数优化。通过职业技能等级、企业内部认证与项目实战评价，把“会用、用得好、能迭代”纳入考核。 三是以企业为主体完善人才生态。龙头企业可通过产业训练营、共享实训平台、开放真实场景等方式，带动产业链中小企业共同提升；地方可探索“产业导师+工程师”机制，推动技术、工艺、数据、管理的跨部门协同，缩短从研发到生产的转化链条。 前景——谁先形成“人、数据、场景”的组织能力，谁就更具竞争优势。随着智能化改造向更广范围、更深层次推进，制造业对复合型人才的需求将持续释放，但竞争不会停留在“有没有模型”，而在于“能否把模型稳定、安全、低成本地部署到生产现场”。未来一段时间，复合型人才仍将紧缺，人才流向也会更集中于数据基础扎实、场景丰富、迭代速度快的企业与区域。对浙江而言，数字经济与制造业基础叠加，为形成“技术创新—场景落地—人才集聚”的循环提供了条件。若能在标准体系、人才培养、数据治理与产业协同上沉淀可复制的经验，有望在新一轮产业竞争中抢占先机。
制造业的竞争，表面是设备、产线与成本的较量，深层是人才与组织能力的比拼。“人工智能+制造”带来的不是简单的岗位替换，而是对知识结构、能力体系与产业生态的重塑。顺应这个趋势，既要加快引进急需紧缺人才，也要把培养、使用、评价、激励打通，让更多劳动者在智能化进程中实现技能跃升与价值提升，以更强的人才支撑制造业持续向前。