只有同时重视人才和知识资产，才有机会将AI的技术势能转化为持续的商业动能。

2025年，被看作是AI智能体的元年。

而随着智能体的想象空间已经从“助手”到了一个切实岗位和“数字员工”，AI对制造业数字化转型的意义也就开始被予以更高的期待。

尤其是在制造业，数字化系统的泛滥和大多数企业未能实现数字化转型的落差背后，折射出了一个结构性矛盾：企业部署了新的数字化应用，却没有人会用。

据e-workers Research统计，制造业现有从业人员里，仅有2%的企业具有AI专业技能和知识的人才。但AI又必须生长在产业实践的土壤里，而不是飘在技术架构的云端。而在AI+人才培养体系有缺陷的情况下，制造业数字化转型中对于人员能力重塑的隐性投入比技术成本还要高。

“不管什么时代，真正的竞争还是人才的竞争。”美的集团美云智数魏晓刚告诉。

几天前在沈阳，美云智数首次发起制造业数字化转型ME20+论坛(Manufacturing Education20+论坛，简称ME20+论坛)，并发布联ME Agent共创计划Manufacturing Education Agent，这也揭示了制造业数字化转型的“新规则”——人才即服务。

500万AI人才缺口

或将使制造业“缓行”

打败人的不是AI，而是会用AI的人。

在制造业数字化转型的浪潮中，一个共识正在形成：真正阻碍行业进步的并非技术本身，而是掌握技术的人。据麦肯锡调研，超过70%的数字化转型项目未能达到预期目标，主要原因有三点，第一是企业平均拥有的应用系统过多，但集成和数据流通受阻；第二是传统自动化流程无法适应业务变化，维护成本高；第三点就是显著的数字化人才短缺。

国家工信安全中心发布的白皮书显示，中国2020年的人工智能人才缺口就已经达到了30万人，智能制造领域今年的缺口将攀升到500万人。

由此可见，制造业转型不再是传统的“机器换人”，而是转向了由人来完成的“智能驱动”，所以深度依托于人才素质的升级。

但制造业的复合型人才并非简单的技术堆砌，而是需要贯通工业工程、运营技术、AI等信息技术，这类人才既需要理解生产流程中的工艺痛点，又要能将AI算法、工业大数据转化为车间中切实可行的降本增效方案，时下来看是不可多得的。

虽然中大型企业都在自研数字化人才培养体系，但内部造血的模式存在明显局限：一是周期长，从学习到业务融合至少需要两三年沉淀；二是培养成本高；三是流失风险，制造业的数字化人才可能会流向互联网等高溢价行业。

叠加因素的“困境”在产业链协同中被进一步放大。上游供应商的数字化地基浅，下游企业就难以构建全链条智能模型。人才短缺如同多米诺骨牌，正在拖慢整个制造业的智能化进程。

而更深层的矛盾还在于培养机制。传统教育体系下，工科生缺乏数据思维训练，AI+人才又对产线和工程实践认知模糊，高校教育和企业需求之间存在“断崖”。今天的“AI+制造业”人才培养梯队和体系，几乎是一片无人区。

要破解这一困局，关键点在于构建校企协同的生态，也就是产教融合。

基于此，美云智数联合10多家数字化转型标杆制造企业和10余所高校，首次发起制造业数字化转型ME 20+论坛和ME Agent共创计划，以美的集团在AI化转型中的“灯塔实践”为中枢，让企业与教育行业“共育”数智人才，共达成就业直通科研协同的效果。在产教融合的主题下，企业建的是“人才蓄水池”，而高校才是“活水的源头”。

同时，产教融合的优越性在于，能够将企业真实场景转化为教学课程，让学生在孪生工厂中完成从算法开发到工艺优化的全流程实训，并以重构人才评价体系的方式实现“毕业即上岗”的无缝衔接，从而大幅缩短人才培养周期。

产教融合 打通人才供需的

“最后一公里”

人才结构性矛盾并非数字化时代独有，却在AIGC普及之后演变成为了一个显性痛点。尤其是各行各业都部署了Deepseek等底层能力之后，同一套大模型应用提供的生产力价值却差异明显，本质还是因为人的能力断层。

工具平权的时代，价值释放的“最后一公里”完全取决于使用者的业务理解力和场景重构能力，因此人与人之间的能力鸿沟更为致命。

也正是基于弥合AI+人才培养错位的问题，美云智数发起了ME20+论坛，试图以点覆面地让缺口闭合。这一路径与其说是在探索新方案，不如说是将美的沉淀多年的数字化人才体系在校企共创的项目中实现产业级复刻，共同构建人才模型的“最小可行单元”。

ME20+的辐射企业和高校远远不止这次的20家，未来还将扩大“生态朋友圈”，构建高精度、高耦合、先聚焦后扩散的共创机制，不断从场景化培养到实战验证去“封装AI能力”，从而将原本分散在高校、链主企业、上下游中的知识体系进行标准化整合，进而形成人才向产业链迸发的复合效率。

未来，ME20+论坛会在重组产业基因后，提炼出第一批产教融合的标杆案例，将“制造业+教育”的AI+人才培养路径规模化地普及出去。事实上，第一个标杆案例就存在于ME20+论坛启动地——沈阳工学院。

沈阳工学院的“数智育人”体系，是一次立志要为复合型人才培养“破局”的产教融合探索。

在过去几年时间里，沈阳工学院建立了18个现代产业学院和24个实验中心，产业学院包括华为、库卡、美的等，其课程体系由学院老师和企业工程师共同设计讲授，以打破师资结构的方式捆绑和承接产业的真实需求。

更具突破性的则是刚刚在沈阳工学院落成的美的数字灯塔学院。作为美云智数ME20+共创计划的关键节点，灯塔学院将沈阳工学院现代产业学院和实验中心，以数字化平台的方式连接了起来，在教学和实践等方式进行一体化的智能化管理、控制、评价，让数字化人才培养体系能够基于业务的实践场景，形成“任务牵引式实战教学”。

沈阳工学院为美的打造了一个灯塔学院“样板间”，其价值不止在于产业教育的效率提升，更重要的是也在借AI之力，将传统模糊的复合型人才概念具象化。

比如，通过追踪学生在能耗优化、设备预测性维护等项目上的实践数据，形成包含多项指标的数字化人才画像，用工业级的“压力测试”来打通高校为产业端人才输血的“最后一公里”。

可以说，沈阳工学院不是代表教育界在拥抱产业，而是让教育以开放、自我变革的姿态植入产业升级的进程，从而让中国制造业数字化人才的“破局之道”回归教育本身。

为什么制造业头部企业都愿意与沈阳工学院共创，也不难理解。首先，民办院校凭借课程和管理机制的灵活性，正在为整个制造业生态的产业升级抢夺人才时间差。与公立高校受限于学科评估体系、AI+应用更多投入于科研和实验室相比，民办院校的人才培养模式可以做到无缝响应企业需求。

美的智数灯塔学院将工业仿真、数字孪生、AIGC等企业级技术方案拆解为模块化能力，让学生可以在任何工程场景设计中应用。因此，这种教育模式的技术根基虽然来自于头部企业自身的工具应用、人才培养方式和产业认知，但其价值溢出效应已经远远超出了一家企业的需求，实质在于将人才送入产业链中去，在帮助年轻人更早掌握新兴技术、打开“未来就业通道”的同时，也为制造业智能化发展装上了敏捷且可持续的“人才引擎”。

在产教融合的“深水区”，AI自身也是不可或缺的密匙。比如美云智数发布的ME Agent共创计划，即Manufacturing Education Agent，其实就是以技术平台化的方式让AI智能体成为一种人才服务工具，学生可以在上面学习提问、能力认证评估，再到就业匹配岗位。不同于传统的AI辅助教学系统或者当下的助手型智能体，ME Agent的“学习、实践、评估”体系直接链接到就业能力，让智能课程、智能人才评估、智能就业都成为了一种“教学共生体”，像专业导师一样和学生互动。

这样一来，AI不但是学生自我迭代的目的，也是产教融合的桥梁。

智能体时代

动态的才是前沿的

在AI应用时代，产教融合的一个关键矛盾在于：市场需求的光速迭代对于人才培养的要求是动态的，而院校中的产业优势、实践场景和培养方向则相对固定。

一旦高校教学与企业实践应用存在“动态错配”的风险，那就可能会让一批学生“毕业即失业”。

比如，如果四年后企业需要的人才已经是微调大模型的工程师，倘若学生仍在学习传统机器学习框架，那么即使是理论过硬的“硬核”AI人才，可能也会发现实践岗位经验并没有那么足以“让企业青睐”。而ME Agent共创计划的突破性也就体现在这里：通过行业动态知识库进行企业需求感知，转化为教学任务，最终沉淀为知识，让学生的实训数据反哺企业工艺优化。这种双向渗透机制，也使得数字化人才在掌握技术的同时能间接参与企业创新。

另一方面，模型自身也能根据产业中的岗位需求动态来调整人才画像权重，高校则可以根据匹配度来优化课程模块，提升就业适配率。目前，AI Agent还没有自主“创造课程”的能力，因此需要美云智数先在“企业课程”转换成“教学课程”上不断投入，用保持前沿的数据“投喂”大模型，等待下一个奇点时刻的来临。

再者，无论是ME20+论坛还是沈阳工学院等高校选择产业学院的过程，都离不开对国家和区域人才的追踪和贯彻。国家数字经济规划的政策驱动，是制造业产业升级的动力，也不断催生着一批新兴职位，如智能体创作者、营销工程师等。

对于一个长线规划职业发展的学生来说，想要从通用型岗位向场景化协同进行能力迁移，最重要的是从就业预判来倒推需要补充的技能和履历。比如一个学营销的学生，本身可选择的领域很多，所以只有先预测企业四年后可能会有哪些营销需求，才能评估自己的兴趣和“能力图谱”，而这一切都可以通过ME Agent完成评估。

其实，产教融合不只有沈阳工学院这一种模式，过去企业在高校中定向培养，目的也是让学生“毕业即上岗”。而沈阳工学院的“数智育人”模式不但在组建来自多个企业的能力、通过AI Agent实现因材施教，还帮学生告别了“垂直能力陷阱”，从而让毕业生即使不能进入头部企业，也能在其生态链中就业。

所以，想要让产教融合真正不陷入僵化，将制造业的数字化方法论压缩为于具有一定通用性的能力组件，让学生“像搭乐高一样”完善自身能力栈、激活创新意识、就业于差异极大的行业，也是非常重要的。也只有这样，单对单的“定向输血”才能变为“生态造血”。

其实，制造业企业与工厂的本质分野，就在于能否将商业运营思维渗透至包括研发、生产、供应链、服务在内的各个价值阶段。而在AI时代，许多行业的设备竞赛已经彻底转向关于人才密度的较量，人机协同的主动求索意识很大程度上决定着一个人的价值，也影响着未来竞争。

AI放大了人类智慧的边界，但无法代替人类在复杂系统中的价值判断与创造性连接。作为一个国家内需与外贸之本，制造业更是如此。在制造业的未来图景中，人才重构就是拥抱挑战与战争的方式。

只有同时重视人才和知识资产，才有机会将AI的技术势能转化为持续的商业动能。未来，一切竞争还是会回归到人：以人为本，创造新质数智化人才、建设人才生态，必是时代的一个重要主题。