在海若词元工厂采访时，最让我意外的不是机器有多聪明，而是人居然这么少。

去之前，我设想过一座“造模型”的工厂该是什么样子：人声、机声、脚步声交织，工程师盯着屏幕行色匆匆。可真正走进车间，扑面而来的是一种近乎无声的秩序感：偌大的空间走一圈，一个班不过十几个人。

一张订单进来，负责接单、拆解的是“数字伙伴”；负责调度数据准备、模型训练、评测和集成的，是被称作“海若大脑”的总调度系统——32个数字员工、190多个智能体在流水线上协同流转，AI指挥AI。

人去哪了？

他们大多守在“总工艺师”的位置上，对流水线上送来的结果，平静地按下“通过”或“退回”。

那一刻我忽然意识到，这座工厂真正的“产品”，与其说是模型，不如说是一种新的分工。

浪潮集团总工程师、浪潮云董事长肖雪把企业里的岗位和角色大致分成三类：只做固定输入输出的岗位，机器比人可靠，尽可交给工具；能独当一面、张罗一摊事的“骨干”，可以授权给智能体，拿不准的再上报；而经验丰富的老专家，从此卸下细活，专心做判断、当“老师”。

这三类划分，比关于“AI会不会抢饭碗”的泛泛争论，更贴近现实。

采访中，我特意去看了具身智能训练场：一台机器狗为学会巡检的最佳路径，每天在数字孪生场景里反复走上一万遍。可它每一次试错、每一条路径的优化，都离不开人预先教给它的门道——哪里有坑、哪里该停、异常长什么样。

模型出厂要“考试”，最终把关的是人；工厂沉淀出的75道工序、180套工具，背后也是人把多年经验拆解、固化，再注入机器。

机器处理的是“已知”，而人要面对的是“未知”。自动化程度越高，那些能提问、懂行业、敢负责、会判断的人，反而越被推向舞台中央。

“人工智能不是替代谁，而是帮助谁。”在车间里，这句话不再是一句口号，而是每天都在发生的分工。

写代码的人少了，检查、部署代码的人多了；机械重复的数据标注终将被机器接管，能判断、懂行业的人反而更紧俏。一些岗位会消失，新的岗位也在悄悄长出来。

技术一路向前，真正被淘汰的，往往不是某个岗位，而是不愿意“转身”的人。那句被说过很多遍的“终身学习”，在明灭的算力指示灯下，第一次有显得如此具体。

回望工业史，流水线的每一次进化，被替代的多是重复劳动，被“解放”的始终是人。这一次，也不例外。

只是它对人提出了更高要求：从出卖体力、重复操作，转向提供经验、作出判断、承担责任。老工人不必为机器学会了刷胶而失落——教会机器刷胶、并决定它何时必须停下的，依然是人。

夜色渐深，机柜依旧灯火不熄。一个个行业模型从这里“毕业”，走向福建的制鞋流水线、汛期的水库大坝、沿海的石化塔林、青岛的医院诊室……大模型的高下，最终不只在对话框里谁更妙语连珠，更在产业现场谁能真正解决问题。

让AI走出“对话框”、走进“产业端”，从“山东制造”迈向“山东智造”——这条路，铺在一个又一个真实场景里，也铺在每一个愿意学习、敢于转身的人脚下。

（大众新闻记者贾涵宇）