让工程师成为部署工作的核心
将 AI 试点应用到日常制造，需要同时做好技术和人才准备。在 Reimagining Tomorrow: AI, Innovation and Workforce Transformation 活动中，我们探讨了工程师如何参与塑造自己使用的系统。活动汇聚了企业领导者、人力资源从业者和技术创新者。
2026 年 8 月 21 日，解决方案负责人 Mike Feng 发表了题为“From Pilot to Scale: Transforming Advanced Manufacturing with Industrial AI Agents”的演讲。他强调三项相互关联的重点：构建合适的技术、培养合适的人才，以及解决实际工业挑战。工程师的知识与参与是这一方法的核心。
我们的方法让工程师承担训练和规模化部署工业智能体的角色，旨在释放更多时间用于学习和更高价值的工作，同时让生产决策权保留在人手中。随着智能体应用扩大，工程师贡献他们对工作的理解，并继续掌握生产决策权。
为超越试点、扩大应用做好准备
在另一次于 2026 年 7 月进行的讨论中，CEO Xu Jinsong 指出了工业 AI 规模化面临的障碍：异构的运营环境、碎片化数据、部署能力、人才对系统的采用，以及对可靠解决方案的需求。这些挑战影响着我们如何让解决方案做好准备，从首个应用扩展到更多场景。
每项障碍都需要关注。解决方案需要可用的数据，团队需要了解不同的运营环境，并具备部署能力。制造商还需要帮助使用系统的人做好准备。因此，技术准备和人才准备必须同步推进。
我们的 N–1–N 路径旨在将行业知识和经过验证的应用案例整合为可重复的部署方法，再扩展到不同工厂和应用。它将数据、智能体与应用，以及组织知识联系起来，让工业经验成为规模化的基础。
工程与人才发展的共同议程
对制造业和人力资源领导者而言，几个实际问题紧密相连：哪些工程知识应融入系统，人们将如何学习使用系统，谁保留生产决策权，以及将这一方法复制到其他场景之前需要具备哪些条件？共同处理这些问题，就能将人才发展纳入部署计划。
我们认为，人才发展是为 AI 部署扩大应用做好准备的一部分。在活动中，我们将工程师的学习和更高价值工作，与规模化部署智能体的技术任务联系起来。规模化计划需要同时说明技术将如何运行，以及负责生产的人将如何参与塑造它的使用方式。