让制造业回流，美国还面临着一个“大缺口”｜IPP编译

【导读】近日，英伟达CEO黄仁勋在与德国总理默茨的对话中指出，AI时代的制造业仍离不开长期积累的工业经验，尤其需要在资深技术工人退休前，将他们的专业知识保存并传承下来。这番旨在为德国制造业提振信心的提醒，却也点出了美国推动制造业回流的一大困境。调查显示，高达60%的美国受访制造商认为，设备维修技师已十分难招，甚至到了“危机”程度。面对技术工人短缺的现实，美国正通过补贴半导体工厂、大力发展人工智能与机器人，试图以生产自动化弥补劳动力缺口。然而，自动化真的能够解决工业技术人才不足的问题吗？

2026年9月，《美国事务》（American Affairs）杂志刊登工业技术创业者杰什·拉梅什（Jesh Ramesh）的文章。文章提出了“自动化悖论”的观点。拉梅什认为，生产自动化减少了对普通操作工的依赖，却也增加了对高技能维修人员的需求。他指出，复杂设备的维护高度依赖资深技师积累的“隐性知识”，这些难以书面化的经验往往随着工人退休而流失。而现有人工智能技术无法代替人工完成实际维修工作。在其看来，美国这一困境背后是工业人才培养与资本配置的双重失衡。企业缺乏长期培养技术工人的动力，科技资本则更青睐高回报的软件业务和新建智能工厂，而非成本高昂的既有设备维护。

美国的困境对中国推进新型工业化同样具有警示意义。我国拥有庞大的制造业体系和技术工人队伍，但高技能人才的结构性短缺问题同样值得重视。人社部数据显示，“十四五”末，全国技能人才总量超过2.2亿人。但据教育部2026年披露的测算数据，2025年全国数字经济、智能制造相关领域的高技能人才缺口已突破千万。随着我国加快推进设备更新和智能化改造，如何避免重设备投入、轻技能培养，是我国推进新型工业化过程中同样需要重视的问题。

我曾在一家《财富》世界500强的制浆造纸企业担任工程师，负责设备维护工作。当时，我常驻田纳西州的一家工厂，同时负责美国东南部及佛罗里达州另外九家工厂的设备维护。对于不熟悉重工业的人来说，这些工厂里布满了大型资本密集型设备：高达三层楼、长度相当于一个美式足球场的机器，昼夜不停运转的电动机，以及在车间里来回穿梭、为生产线持续运送原材料的叉车。整个生产环境都是围绕连续运转而设计的。根据生产线的不同，仅仅一小时的计划外停机，就可能造成数十万甚至数百万美元的产值损失。

当关键系统发生故障时——根据熵增定律，故障终究不可避免——能够挽救局面的，不是软件工程师，也不是设计精美、连接云端的数字化仪表盘。

工厂真正依赖的是像“克雷格”（Craig）这样的技术人员。他是一名机械维修技师，拥有30年积累下来的丰富经验和知识。这些知识包括针对特定设备的专业经验，以及对老旧设备细微而深入的理解，往往没有形成书面记录，而是存在于资深工人的头脑中，并未被收录进操作手册或数据库。

德国造纸厂的工作人员在大型造纸设备旁作业。

克雷格就是这样一位技术人员：仅凭轴承发出的尖锐异响的音调，或沿着钢制走道传来的特定振动频率，他就能判断轴承是否即将发生故障。他清楚哪些零部件曾经更换过，哪些设备改造从未被记录在图纸上，以及维修手册中的哪些方法已经不再适用于眼前的机器。操作手册所能记录的信息毕竟有限，而且只能以二维形式呈现，而维修技师面对的却是三维的实际工作环境，需要依靠视觉、听觉、触觉，以及多年反复试错积累的经验开展工作。

设备维修还具有很强的时效性。克雷格往往能在年轻技师找到相关图纸之前，就判断出故障所在。相关技术文档虽然存在，但在设备发生故障时，这些资料往往不够完整、已经过时，或者查阅起来过于耗时。这种工作方式也带来了一个后果。由于相关知识都储存在克雷格的头脑中，将其记录下来便始终不是工厂的优先事项。工厂并不急于记录某种润滑油为何被停用、控制程序上一次是在何时修改的，或者为什么替换使用的皮带与零部件清单上列出的型号不同。因为这些事情，克雷格都知道。

设备本身的复杂性进一步加剧了这一问题。美国工业基础中的很大一部分都是既有工业设施（brownfield infrastructure）。一些造纸机的机架已有上百年历史，许多机器经过反复改造，以至于最初的操作手册早已无法准确描述工厂里实际运行的设备。就像“忒修斯之船”悖论一样，一台机器虽然保留着原来的名称，但几乎所有重要部件都已经更换。然而，克雷格即将退休，却没有人能够接替他。

像克雷格这样的技术人员逐渐退出生产一线，不仅仅意味着所谓的“技能缺口”，更是美国当前再工业化战略中最核心的结构性缺陷。

如今，我已成为一名处于创业初期的企业家，不再直接参与那家工厂的日常生产，但仍然经常与美国各地的工厂经理和设备维护主管交流。在当前制造业繁荣所带来的宏观经济乐观情绪之下，我在每一次交流中几乎都会听到同样的抱怨：

“如今想找到优秀的技术工人实在太难了。”

与此同时，硅谷与华盛顿在一个问题上形成了罕见的共识：美国必须实现再工业化。美国必须推动制造业回流，保障关键供应链安全，并在本土重建支撑国家实力的工业基础。这一新的共识认为，实现上述目标不仅需要大规模公共补贴和私人资本投资，还需要建设新一代“软件定义”的工厂。

针对本土劳动力短缺问题，人们设想的解决办法十分直接：如果一线操作工数量不足，那就推动生产线自动化。这确实是在解决一个显而易见的问题。提高生产车间的自动化水平，可以使工厂不再需要依靠大量普通操作工持续操作设备，也能维持生产线的正常运转。然而，无论是技术官僚还是风险投资界，都倾向于认为生产线自动化能够解决劳动力短缺问题，仿佛制约工厂生产的瓶颈，仅仅是流水线上缺少多少双手，而不是有多少人能够让这些机器持续运转。

2026年美国制造业最难招聘的技术岗位。调查显示，34%的受访制造业高管将AI与自动化操作人员列为最难招聘的岗位，质量工程师和设备维修技师分别占31%和29%。图源：Xometry《2027年美国制造业展望》

工业设施的维护是一项高度依赖人力的工作。它需要技能娴熟的专业维修人员，包括机械装配维修技师、工业机械维修工、可编程逻辑控制器（PLC）程序员和电工等。由于这些岗位需要接受专业技术教育、学徒培训，并积累多年的实际操作经验，因此相关人才的短缺程度甚至超过了一般蓝领工人。

然而，政策制定者和科技企业创始人忽视了一个问题：他们提出的解决方案，实际上正在美国再工业化的路线图中埋下严重的结构性隐患。他们正在制造一种可以称为“自动化悖论”（Automation Paradox）的现象：为了减少对一线劳动力的依赖，生产自动化程度越高，工厂就需要引入越多结构复杂的机械设备。这些设备包含大量电动机、接近传感器、轴承、行星齿轮和气动传动带等部件。为了维持生产线正常运转，所有这些独立部件都需要得到维护。

因此，自动化工厂对高技能、专业化维修技师的需求反而不断增加，而这类专业机械维修人员的短缺，比普通装配工人的短缺更加严重，构成的威胁也更大。

迄今为止，工厂的自动化几乎全部集中在生产环节，这并非没有原因。生产工作具有重复性和结构化的特点，而这恰恰是机器所擅长的。设备维护工作却不具备这两种特点。因此，当工厂的其他环节逐步实现自动化时，维护工作仍然主要依靠人工完成。生产能力可以通过资本投入实现扩张，但设备维护能力仍然取决于工厂周边通勤范围内有多少经验丰富的技术人员，以及他们花费了多少年时间学习和掌握相关技能。我们越是提高生产自动化水平，就越是将更多工作负担转移到工厂内部那个缺乏相应承接能力的环节——设备维护。

人口结构断层与经验性知识的流失

美国制造业目前正面临劳动力人口结构的断层，但最严重的人才短缺并不发生在装配生产线上，而是在设备维修部门。我曾在制浆造纸行业负责设备维护工作，当时制约生产能力的最终瓶颈，始终是工业机械维修技师和仪表技术人员的数量。长期以来，工业设备的维护高度依赖深厚的经验性知识（tribal knowledge），而这些知识主要掌握在那些长期服务于同一家工厂或同一细分行业、拥有数十年工作经验的技术人员手中。

随着美国各地新建工业设施的步伐不断加快，这些经验丰富的技术人员成为各方争相聘用的对象。德勤（Deloitte）与美国制造业研究所（Manufacturing Institute）估计，2024年至2033年间，美国制造业可能需要新增多达380万名工人。如果劳动力方面的挑战得不到解决，其中超过一半的岗位，即约190万个工作岗位，可能面临无人填补的局面。

美国制造业2024—2033年劳动力需求预测。图源：德勤、美国制造业研究所，2024年

处于这一问题核心的设备维修类职业，需要经过长期学习和培训才能胜任。工业机械维修技师、机械设备维护工、机械装配维修技师、电工和仪表技术人员，不仅需要掌握专业技术知识，还必须具备通过实际设备操作经验培养起来的判断能力。大多数机械装配维修技师都需要完成可能长达四年的学徒培训。即使是从职业技术学校毕业的技术人员，也必须积累大量针对特定工厂设备的实践经验，才能独立诊断此前未曾遇到过的故障。

根据美国劳工统计局的数据，2025年，美国工业机械维修技师、机械设备维护工和机械装配维修技师的就业人数约为54.73万人。该机构预计，到2035年，这些职业每年将产生约5.19万个职位空缺，其中相当一部分源于从业人员转行或退出劳动力市场。与此同时，这一职业群体的就业人数预计将增长14%，增速远高于所有职业的平均水平。这些数字并不意味着每年都有十分之一的从业人员退休，但确实表明，仅仅为了填补人员流失造成的空缺，同时满足行业增长的需求，就需要开展多大规模的人员招聘和技能培训。

美国北卡罗来纳州制造业劳动力老龄化趋势。1994年至2024年，该州制造业55岁及以上工人的占比由约12%升至30%，高于同期全部行业24%的水平。（图源：北卡罗来纳州商务厅，数据来源于美国人口普查局

单纯统计从业人数，还会低估人才流失造成的实际损失。一名即将退休的资深技师和一名刚入行的学徒，在人数统计上都算作一名工人，但两者并不能相互替代。前者拥有数十年积累的故障识别经验和对特定工厂设备的深入了解，而后者才刚刚开始学习这些知识。因此，问题不仅在于职位空缺的数量，还在于退出行业的技术人员与新进入行业的工人之间存在巨大的经验差距。如今，大批工作经验远为欠缺的新工人正在进入生产一线，他们根本不具备这些长期积累的经验性知识。随着老一代技术人员陆续退休，那种凭借经验形成的对机器运行状态的直觉判断能力，也正在逐渐消失。

制造业回流浪潮背后的地缘政治因素

进一步加剧这一劳动力群体压力的，是制造业加速回流美国的步伐。这一趋势主要受到地缘政治摩擦以及美国与中国逐步脱钩的推动，并在新冠疫情期间进一步固化。疫情使世界各国普遍认识到，高度全球化的供应链实际上十分脆弱。

疫情期间，美国港口陷入拥堵，“准时制”（just-in-time）生产模式引发连锁性故障，使生产环节外迁所带来的供应链系统性风险，清楚地暴露在各国政府、企业董事会和社会公众面前.

全球半导体短缺则进一步表明，国内制造业如今已与国家安全密不可分。为应对这一问题，美国通过《芯片与科学法案》（CHIPS and Science Act），承诺提供数百亿美元的补贴和税收优惠，以支持本土半导体生产，并由此推动企业宣布在亚利桑那州、得克萨斯州和俄亥俄州等地投资建设一批芯片制造工厂。

这向整个制造业释放了一个明确的信号：制造业回流不仅受到政治层面的支持，而且有大规模公共财政资源作为保障。与此同时，随着中国经济发展，劳动力工资水平不断提高，中国作为超低成本劳动力来源地的优势有所减弱。再加上美国近期对中国商品加征的关税，以及未来可能实施的进一步关税措施，企业如今有了更强的动力在美国本土建设生产能力。

其结果是，大量资本开始涌入美国制造业设施建设领域。美国人口普查局的数据显示，按年率计算，美国制造业建筑支出从2020年的约800亿美元，增长至2025年的超过2000亿美元。产业政策虽然成功带动了资本投资，却几乎未能扩大特定专业知识和技能的供给。而这些知识和技能，恰恰掌握在至关重要的设备维修人员手中。正是这些技术人员，决定着巨额资本投入所形成的工业设施能否真正投入运转。

技术工人队伍的衰落

为什么美国的技术工人储备如此薄弱？因为在美国年轻人眼中，技术工种越来越被视为次要的职业选择。随着美国向服务型经济转型，坐在办公室工作的白领职业逐渐成为社会文化中衡量成功的标准。这反映了经济史上一个有据可查的规律：随着国家财富增长，经济体会逐渐将劳动力从实体生产部门转移到生产率较低的服务业部门。长期就业数据显示，制造业就业人数占美国总就业人数的比重，已从20世纪中叶的20%以上下降至如今的不足10%。

多种结构性和文化因素共同造成了技术工人储备不足的局面。经历了数十年的制造业外迁和“铁锈地带”工厂关闭之后，制造业长期被贴上“夕阳产业”的标签。一代又一代的父母明确劝导子女远离工厂生产一线。与此同时，早期的自动化浪潮减少了单个工厂所需的工人数量，进一步削弱了年轻人进入制造业的意愿。长期以来，工厂一线工作一直缺乏社会声望。设备维修岗位虽然薪酬相当优厚，却往往伴随着严苛的工作安排，包括深夜轮班、周末紧急召回和高强度体力劳动。而当今社会文化越来越重视远程办公和工作与生活的平衡，使这些岗位的吸引力进一步下降。受上述因素影响，技术学校、职业培训项目和工会学徒培训体系等教育培训基础设施，也随着20世纪90年代和21世纪头十年制造业的长期停滞而不断收缩。

此外，还存在一个基本的市场失灵问题。一家工厂花费四年时间培养出一名合格的技术工人，实际上是在创造一种可以自由流动的人力资本。一旦取得相应资格，这名工人就可以跳槽到愿意支付更高薪酬的竞争企业，而后者无须承担此前的培训成本。因此，每家企业都有动力从其他企业招募经验丰富的技术工人。当众多雇主都从自身利益出发作出理性选择时，整个行业反而会陷入技能培训投入不足的局面。

学徒培训体系较为完善的国家，能够在一定程度上缓解这种协调难题。在德国，商会负责监督培训标准和考试，企业承担工作场所培训的费用，公共部门则支持学校教育环节。一些德国行业设立了集体培训基金，瑞士则允许多家企业通过培训协会共同承担学徒培养工作。这些制度安排并不能消除企业之间的人才竞争，但能够将培养技术工人的责任分摊给多家企业，而不是由单个雇主独自承担。

德国“双元制”职业教育由企业、职业学校和工商会等机构共同参与，企业负责实践培训，工商会承担职业资格考试组织等职责。

这种差异在美国技术工种内部同样存在。电工通常需要经过正规的学徒培训，并取得州或地方政府要求的职业执照。相比之下，工业机械维修技师和机械装配维修技师面临的标准化执照要求较少，因此，其培训更容易受到单个雇主自身经营重点的影响。当工厂预算收紧时，以法律法规和行业制度为基础建立的培训体系，比主要依赖工厂经理自行支配预算维持的培训项目，更不容易被削减或取消。

为什么现有技术无法消除这一制约

人口结构决定了劳动力供给的上限。在人力资本受到制约的情况下，技术似乎成为填补这一缺口的唯一可行手段。然而，整个技术创新生态系统几乎都将注意力集中在一个显而易见的解决方案上：生产自动化。但我们实际上只建成了半座桥梁。大量资本正流向那些能够减少生产环节用工需求的系统，而设备维护环节对人力的需求却基本没有得到解决。

科技和金融行业已经正确认识到生产环节面临的劳动力短缺问题，并投入数百亿美元，试图减少生产一件产品所需的人工劳动时间。Hadrian（美国先进制造技术企业，主要服务航空航天、国防等领域）等企业正在重新构想“软件定义工厂”的运作方式，将计算机辅助设计（CAD）模型转化为经过优化的机器代码，使技能水平相对较低的操作工也能够完成航空航天级别的精密机械加工。现有装配生产线则寄希望于协作机器人，让其承担重复性高、对人体造成较大负担的工作。原始设备制造商也在开发功能更加强大的基础设备。如今，一台五轴数控铣床通常就配备了集成式机器人上下料装置、自动托盘系统，以及能够自行清理切屑的输送装置，旨在实现“关灯生产”，即无人值守条件下的自动化运行。

然而，与上述进展形成鲜明对比的是，现有技术在解决设备维护人员短缺问题上基本没有取得成功。这些方案不过是试图用软件来修补深层次的物理硬件问题。预测性维护系统能够通过监测异常振动、温度、电流或声学信号，在故障造成灾难性后果之前发现隐患。计算机化维护管理系统能够改进工作安排、零部件追踪和维修历史记录。互联员工平台则可以为生产一线的技术人员提供操作指导和远程专家支持。这些工具都有实际价值，工厂也应当采用。但它们主要改善的是故障检测、工作规划和协调能力，并不能真正完成设备的实体维修工作。

例如，振动传感器可能在输送机轴承发生故障的数周前，就检测到轴承内圈存在缺陷。但仍然需要有人关闭设备并实施上锁隔离，拆卸轴承，检查转轴和轴承座，安装替换部件，按照技术规范完成组件对中，正确进行润滑，最后使机器重新投入运行。提前发现缺陷，可以避免设备受到进一步损坏，并将维修安排在计划停机期间，但这并不能消除对熟练机械维修技师的需求。给维修技师配备一台iPad，帮助他优化工作日程，并不会凭空创造出更多维修人员。这只不过是在待处理维修任务不断积压的情况下，对一支规模日益缩小的维修队伍进行更有效的调度。

最后，尽管工程技术进步已经延长了现代设备的平均故障间隔时间，但自动化系统的高度密集又抵消了这一收益。1990年的一条汽车装配生产线，可能只使用数百台电动机，而如今高度自动化的电动汽车工厂，则使用数千台电动机、执行器和机器人关节。我们并没有消除设备维护所需的人力劳动，而只是将维护工作分散到了一个更加复杂、各部分联系更加紧密的机器网络之中。

国际机器人联合会（International Federation of Robotics）的统计数据显示，2024年，美国工厂中运行的工业机器人约为39.37万台，高于2019年的约29.3万台。根据最新数据，美国制造业的机器人密度已达到每万名工人307台。这些数字仅涵盖工业机器人，并不包括与之配套的输送机、驱动装置、传感器、机床和控制系统。但它们仍然能够在一定程度上反映，美国工业劳动力需要维护的机械设备规模究竟有多大。

自动化还改变了设备故障的性质。西门子报告指出，在其调查的大型工业企业中，2019年至2023年间，计划外停机事件的发生次数和停机总时长均有所下降，但每次故障发生后恢复运行所需的平均时间却有所增加。报告认为，这一趋势的部分原因在于，监测系统提前避免了较为简单的故障，使剩余需要处理的故障变得更加复杂。

人们很容易将停机时间的减少理解为工厂对维修劳动力的需求下降，但这种理解混淆了两个不同的问题：提前发现故障与实际完成零部件维修。前者只是改变了后者的时间安排。如果某个轴承提前三周被发现存在故障隐患，它仍然需要被拆卸、检查、更换和校准，只不过这些工作现在可以安排在计划停机期间，而不必等到生产过程中突发故障时再进行。维修工作只是从计划外任务转变成了计划内任务，仍然需要克雷格这样的技术人员来完成。

而那些仍然导致计划外停机的故障，则是更加棘手的问题：多个系统相互关联、故障原因不明显，诊断本身就极为困难，而且没有任何传感器能够直接给出答案。这与西门子观察到的故障恢复时间延长现象相吻合，也揭示出一个令人不安的趋势：就在制造业不断失去经验丰富的技术人员之际，设备维护工作却正在向最需要丰富经验的复杂任务集中。

由此带来的财务风险极为巨大。西门子在2024年的一项研究中估计，计划外停机每年给《财富》世界500强中的工业企业造成的损失约为1.4万亿美元。这一数字的准确程度取决于调查方法，不应将其误认为经过审计的实际损失总额。但总体趋势很难否认：随着生产线的资本密集程度不断提高，各系统之间的联系日益紧密，每停机一小时所造成的经济损失也越来越大。

2026年工业企业计划外停机成本变化情况。调查显示，39%的受访维护与运营管理人员表示，过去一年设备计划外停机成本有所上升，高于2025年的31%。（数据来源：MaintainX《2026年工业维护状况报告》）

因此，美国劳工统计局预计，自动化制造设备的普及将进一步增加对工业机械维修技师的需求。在生产自动化与维修劳动形成替代关系之前，两者首先表现为互补关系。在机器能够自行维修机器之前，安装更多自动化设备，只会进一步提高负责维护这些设备的技术人员的重要性。

既有工业设施的现实困境

如果设备维护已经成为制约生产的关键瓶颈，那么一个显而易见的问题是：为什么投入这一领域、用于缓解该瓶颈的资本如此之少？答案并不是投资者没有注意到这个问题，而是设备维护行业的财务特征不符合资本所青睐的投资模式。

朱利叶斯·克赖因（Julius Krein）曾在本刊分析过其中的机制：轻资产企业之所以能够获得更高估值，是因为它们不必承担维护实物资产所需的资本支出，可以在不大幅增加投资的情况下实现扩张，并且在经济下行时期拥有更加灵活的成本结构。数十年来，企业设定的内部最低投资回报率一直远高于其资本成本，部分原因就是为了避免低回报项目拉低企业整体估值。克赖因将由此造成的美国经济结构重组称为“耐克化”（Nikefication），即将知识产权所产生的租金收益，与实体生产所需承担的资本和劳动力成本分离开来。

工业设备维护几乎无法满足上述任何一项条件。它既是资本密集型行业，也是劳动密集型行业，其业务分散在数千家工厂，而不是集中于少数设施；经营状况随着所服务行业的周期性变化而波动，同时既无法产生网络效应，也难以形成能够独占收益的知识产权。这就解释了一种看似被忽视、实则有其内在逻辑的现象：为设备维护开发的工具绝大多数都是软件，因为软件可以服务于设备维护行业，却不必承担这一行业本身的经济成本。一个能够预测轴承故障的数字化仪表盘，可以享有软件产品的利润率，但真正负责更换轴承的维修团队却无法做到这一点。

同样的逻辑也解释了为什么实体自动化技术主要应用于某些特定类型的工厂。如今的科技企业创始人带着风险投资资金，以建设“工业4.0”为目标进入制造业。他们正在成功地利用机器人和人工智能实现生产车间自动化，但其关注重点主要是从零开始建设的新工厂，即所谓的“绿地项目”（greenfield facilities）。Hadrian、Atomic Industries和Nox Metals就是其中较为知名的例子。新工厂可以从设计之初就采用标准化设备、规范的数据体系，以及专门为自动化设计的工作流程，但这种模式只能解决美国工业基础中的部分问题。

美国绝大部分制造业生产能力实际上依托于既有工业设施，即那些最初建设时并未考虑自动化需求的老旧工业基础设施。这些工厂内部往往同时存在不同年代的机械设备、控制系统和技术文档。厂房里有狭窄的检修通道、梯子和受限空间，还有未经记录的设备改造、已经淘汰的零部件，以及由早已停业的供应商生产的设备。正如本刊其他文章所指出的，美国面临的问题与其说是自动化程度过高，不如说是资本形成长期停滞、工业基础不断削弱。

对这些既有设施进行生产自动化改造，能够提高产量、改善产品质量，并减少重复性劳动。但与此同时，这也意味着要在原本并非为自动化而设计的系统中，增加更多零部件和系统接口。一台新安装的机器人，可能需要依赖一条老旧的输送带、一个经过改装的电气控制柜、一套存在未记录分支管路的压缩空气系统，以及一套主要依靠资深员工经验才能掌握其工艺公差要求的生产流程。

你可以建造一座技术最先进的超级工厂，但如果没有一支优秀的设备维修技师队伍来维持机器人运转，这座工厂的资本使用效率就会受到限制。新建工厂可以从设计阶段就充分考虑设备的可维护性，但既有工厂则必须先弄清其实际运行状况，才能实施自动化改造，而其中大量相关知识从未被系统记录下来。美国需要的不仅是更加智能的新工厂，还需要找到一种办法，在最有经验的技术工人陆续退休的情况下，让数千家老旧工厂继续保持生产能力。

真正有待开拓的领域：实现设备维护能力的规模化

真正的机遇在于，让设备维护也获得生产环节已经实现的部分规模化能力。要解决这一问题，可以沿着三条既相互区别、又有所交叉的路径展开探索，而它们可能决定未来十年工业技术的发展方向。

第一条路径是利用人工智能增强维修技师的工作能力。

短期内最切实可行的机会，是重新设计技术人员已经在使用的工具。机械维修技师不应该为了在另一个系统中输入维修记录，或者在一堆PDF文件中查找资料，而不得不中断手头的维修工作。工具本身就应该能够识别设备、所在位置、所需的操作程序，以及正在执行的具体工作。

以预防性维护为例，一家工厂可能有数千个润滑点，分布在光线昏暗、难以触及的位置。传统的注脂枪并不知道自己正在为哪个轴承加注润滑脂，也不知道装载的润滑剂是否正确、该轴承需要多少润滑脂，以及上一次维护是在什么时候。相比之下，具备空间感知能力的工具可以识别设备，引导技术人员找到正确的润滑点，按照规定的用量加注润滑脂，自动记录维护工作，并在发现设备状态与历史记录不一致时发出提示。

同样的原理也适用于设备对中、紧固、检查和故障排查等工作。联网的扭矩工具可以记录哪些部件得到了紧固，以及具体的紧固方式。空间引导系统可以向经验较少的技术人员展示零部件应当安装的位置，并根据规定的几何尺寸和位置要求检查安装结果。有关增强现实技术辅助指导的研究表明，设备维护中的隐性知识可以被分解为针对具体任务的操作指令，并在实际作业现场提供给技术人员。不过，目前相关证据仍处于初步阶段，而且往往来自样本规模较小的研究。

真正困难的问题在于如何采集数据。设备维护知识往往通过实际操作体现出来，而且通常发生在时间紧迫的维修过程中。不能指望一名值夜班的技术人员始终对着摄像头，逐一解释自己作出的每一个判断。任何额外增加数分钟文书记录工作的流程，最终都可能被放弃。因此，数据采集必须成为实际作业过程中自然产生的附带结果。扳手、注脂枪、摄像头或检测设备应当在技术人员使用它们的过程中自动生成可用记录，而不是要求技术人员完成维修后，再充当数据录入员。

这正是我目前致力于推进的工作。工业界已经投入大量资金，为机器安装各类传感器和监测装置，却很少对用于维护这些机器的工具进行类似的智能化改造。这种投入方向恰恰颠倒了轻重。维修工具正处于技术人员的专业判断转化为实际操作的关键环节。如果这些工具能够记录设备身份、操作顺序、作用力、位置、使用材料和操作结果，就可以在帮助经验较少的工人正确完成任务的同时，将相关知识保存下来。我们的目标并不是假装软件能够在一夜之间将新手变成克雷格那样的资深技师，而是缩小两者之间的能力差距。

第二条可行路径是“维修即服务”（Maintenance-as-a-Service，MaaS）。

长期以来，工业设备维护主要依靠工厂内部的维修团队，只有在处理专业设备或大规模停机检修时，才会引入外部承包商。然而，当所有工厂都在争夺同一批数量有限的资深技术人员时，这种模式就越来越难以维持。2022年，《工厂工程》（Plant Engineering）的一项调查显示，72%的受访者表示招聘维修人员变得更加困难，86%的受访者表示已经将至少一部分设备维护工作外包。

工业企业使用外部维修承包商的主要原因。2026年调查显示，74.8%的受访者将获取专业技术能力列为使用外部承包商的原因，37.8%希望加快项目完成，29.7%则希望缓解人员短缺。数据来源：UpKeep《2026年设备维护状况报告》

制造商可以通过区域性服务网络共享部分专业技术资源，而不必在每家工厂都配备所有专业领域的维修人员。例如，一家服务提供商可以同时为多家工厂维护压缩机、锅炉、润滑系统、机床或特定类型的旋转设备。集中化的诊断团队可以为规模较小的现场维修队伍提供支持，而经验丰富的专家只有在确实需要现场操作时才前往工厂。

在一份广受关注、旨在征集推动美国再工业化的创业项目的倡议中，Nox Metals（美国工业金属供应与加工初创企业）创始人赞恩·亨斯佩格（Zane Hengsperger）将机器维修服务列为首要创业方向，理由包括资深技术人员陆续退休、经验性知识不断流失，以及机器人部署规模扩大所带来的维护负担持续增加。然而，这一提议所面临的矛盾同样适用于整个“维修即服务”模式：服务企业仍然需要招聘那些所有工厂都在争夺的稀缺技术人员。资源整合本身并不会创造出更多技术人员，只是重新调配现有人员。因此，这种模式的价值取决于资源共享能否充分提高技术人员的利用效率，从而产生实质性的效果。

这一模式还存在其他局限。外部维修人员并不会天然熟悉某家工厂的内部布局、未经记录的设备改造、反复出现的故障，以及日常运行惯例。当生产线发生停机时，响应速度至关重要。工厂经理更信任那些经过多年合作、其专业判断能力已经得到验证，而且能够随时赶到现场的技术人员，也是可以理解的。有关设备维护外包的研究反复指出，对生产工艺的了解以及各系统之间的相互依赖，是企业需要将关键维护能力保留在内部的重要原因。

因此，未来更可能出现的是一种混合模式，而不是完全外包。工厂将保留规模较小的内部维修团队，负责安全保障、故障应急响应，以及掌握特定工厂的专业知识；与此同时，外部服务机构则面向多个生产基地提供专业维修人员、远程技术支持和相关技术。更加完善的设备历史记录，以及在实际操作中自动采集的工作数据，可以将过去只存在于工厂内部的部分信息传递给外部服务机构，从而使这种分工更加可行。服务企业也有更强的经济动力开发能够提高维修技师生产效率的工具，因为其收入取决于每位专家能够服务多少设备。

第三条路径是实现设备维护的全面自动化。

随着物理人工智能（Physical AI）的发展，最终目标是实现设备维护工作的自动化。我们需要能够维修机器的机器。实现这一目标的第一步，是让工业原始设备制造商生产的设备真正具备自我诊断能力，并将所需的维修操作指令传递给固定式自动化系统。而最终，这将需要利用可移动的通用机器人取代人工维修人员。

人形机器人企业已经筹集了数十亿美元资金，并取得了实质性进展。Figure（美国人形机器人技术企业，其第二代产品Figure 02于2025年在宝马集团美国斯帕坦堡工厂参与汽车零部件搬运和装配辅助工作，是人形机器人进入实际汽车生产线的代表性案例之一）公司的第二代机器人曾在宝马位于斯帕坦堡的工厂连续工作11个月，每班工作10小时，负责将金属板材零部件装入焊接夹具，并将操作误差控制在5毫米以内。在超过1250小时的实际运行时间里，该机器人搬运了9万多个零部件，并参与生产了3万多辆宝马X3汽车。

Apptronik（美国人形机器人研发企业，2024年，该公司与梅赛德斯-奔驰达成合作，测试其Apollo人形机器人在汽车制造中的应用）公司已与梅赛德斯-奔驰达成工业应用合作协议，而Agility Robotics（美国机器人技术企业，主要研发可在工业和物流场景中工作的双足人形机器人）则将早期商业化工作的重点放在物料搬运领域。这些应用进展令人鼓舞，但所有这些部署都围绕抓取、放置或物流运输任务展开，没有任何一种机器人真正承担设备维修工作。

维修机器人必须能够攀爬或绕行老旧设备，识别实际状态与数字模型不一致的机器，选择并使用适当的工具，处理电缆和软管，感知操作过程中遇到的阻力，并在腐蚀、污染或未经记录的设备改造改变维修条件时作出安全应对。现有的大部分工具体系都是围绕人手操作而设计的，而既有工业设施在建设之初，也根本没有考虑过移动机器人的使用需求。

不同职业受人工智能与机器人技术影响的潜在程度。Anthropic于2026年9月发布的研究发现，安装维修类工作受现有机器人技术影响的程度相对较低，明显区别于生产、运输等领域，反映出复杂现场作业对机器人能力的更高要求。图源：Anthropic，2026年9月

此外，如果缺乏有关工厂设施、生产工艺，以及既有工厂中特殊老旧设备的具体背景数据，机器人同样无法发挥作用。因此，我们需要企业积极建设相应的数据层，采集当前正在执行维修任务的技术人员在空间位置和物理操作方面的反馈数据，从而为自动化质量控制建立外部反馈闭环。

未来的发展很可能是上述三条路径的结合。一家采用“维修即服务”模式的企业，可以利用人工智能工具增强员工的工作能力，提高运营效率。在这一过程中，企业还能够积累专有的物理操作数据集，为最终利用通用机器人实现维修工作的自动化奠定基础。在我目前开展的工业设备维护技术研发工作中，我所探索的正是这一整体思路中的一个具体方向：利用人工智能工具增强人类维修技师的能力，引导他们在工厂的实际物理环境中完成操作，同时生成必要的数据，以便随着时间推移逐步实现更多维修流程的自动化。

政府可以采取哪些措施

美国联邦产业政策已经为设备购置、工业设施建设和科研活动提供了大量补贴。2025年税法恢复了符合条件的美国国内研发支出即时税前扣除政策，并针对符合条件的生产性资产设立了临时性的100%折旧扣除优惠。然而，培训一名设备维修技师所需的支出，通常仍被视为由雇主自行承担的普通劳动力成本。

政策的重点不应再是推出一项面向一般劳动力的培训计划，而应更多地放在解决工业技能培训中的协调难题上。《WAGES法案》（《劳动力学徒成长与教育支持法案》（Workforce Apprenticeship Growth and Education Support Act））拟对部分学徒培训支出提供税收抵免，其中包括资深技术工人在指导学徒期间获得的额外工资。这一安排之所以重要，是因为真正稀缺的资源是师傅的指导和培训能力。如果工厂无法抽调经验丰富的技术人员来培训学徒，那么仅仅支付学徒的工资，并不能解决问题。

政府还可以利用公共采购发挥作用。美国战争部在造船厂、维修基地、军械厂和军事基地等设施中，运营着规模庞大的既有设备维护体系，并已通过先进机器人制造研究所（Advanced Robotics for Manufacturing Institute）等机构支持设备维护技术的发展。联邦政府所属设施可以成为新技术的试验场，使企业能够在真实设备上验证维修工具的效果，并证明相关系统确实能够提高安全水平、缩短培训时间或提高设备可用率。

与其再次广泛征集工业人工智能项目，不如针对设备维护领域设立专项技术挑战项目，这样更有实际价值。私人企业通常不愿意让自己的工厂成为新技术的试验场，因为这些技术可能干扰正常生产。而一个可靠的首批客户可以承担这一风险。这也是最有可能改变前文所述投资回报特征的机制。资本并不是因为不了解设备维护行业才回避这一领域，也不会仅仅因为有人呼吁就主动进入。只有当有人愿意为相关技术和服务付费时，资本才会真正进入这一领域。

行动的呼吁

我们目前实际上只建成了半座桥梁。一方面，投入数十亿美元对生产设备进行自动化改造；另一方面，却仍然依赖一支人数不断减少的技术人员队伍来维护这些基础系统。这种做法只会使国家工业基础设施变得更加脆弱。当前占据主导地位的“软件吞噬世界”（software eats the world）理念，将实体生产视为次要问题，使美国对设备日益老化、熟练技术工人难以替代的现状，表现出一种令人费解的安然接受态度。

技术工人的价值，从来无法通过一个职位名称或一份设备维护计划来衡量。他的价值体现在数百个细微的专业判断之中：哪些声音意味着设备出现问题，哪些图纸存在错误，哪种维修方法能够持久有效，以及哪些看似省事的捷径反而会在日后引发更严重的故障。工厂可以在组织架构图上找到一个人来接替他的职位，却无法立即找到一个人来取代他所掌握的知识。

而这正是我们面临失去风险的那部分工业劳动力。当最后一批经验丰富的技术人员离开时，他们掌握的知识并不会静静地保存在数据库中，等待后人随时调用。如果这些知识没有在实际工作过程中被记录下来，就会随着他们的离开而消失。下一次设备发生故障时，维修所需的时间将变得更长，更多人员不得不参与故障处理，工厂也将越来越依赖运气、个人记忆，以及少数仍然在岗的专家能否及时提供帮助。

现在，科技创新生态系统、产业政策制定者和资本配置者，是时候着手解决这个更加困难、也更加繁重的问题了。我们需要吸引更多优秀人才，不再仅仅着眼于如何用机器替代生产操作工，而是将资本和技术投入到增强维修人员能力、扩大维修服务规模，并最终实现设备维护自动化的领域。

科技企业创始人应当像重视生产操作工一样，认真考虑设备维修人员的需求。服务企业应当推动不同工厂之间共享专业技术资源。政策制定者应当通过激励机制促进技能传承，并利用公共设施为设备维护技术创造早期市场。

自动化最困难的部分，并不是让一台机器日复一日地重复同样的动作，而是让它在经历多年磨损、反复改造和各种意外故障之后，仍然能够持续运转。在这个问题得到解决之前，美国制造业的发展能力仍将受到限制。