韩国能源技术研究院开发的铸造专用制造基础模型显示,制造业人工智能转型(AX)的成败,取决于能多快、多精细地将现场的隐性知识数字化,而非数据量的多少。但在制造现场,随着熟练工老龄化和人力短缺,技术传承本身出现中断,AI学习的源头数据也在迅速消失。
综合Seoul Economic Daily 19日的采访,在制造现场,熟练工老龄化与年轻群体回避制造业相互叠加,根基产业的技术断层正在加剧。据国家根基产业振兴中心去年实施的《2025年根基产业实态调查》,以2024年为准,根基产业74万4543名从业者中,50岁以上熟练工为27万3699人,占整体的36.8%。相反,30岁以下为7万6486人(10.3%),与60岁以上(7万6314人、10.2%)几乎持平。这意味着新进人力甚至不及即将退休的人力。
技术人力不足早已被指出,却愈发严重。根基产业的缺员2万2662人(以2024年为准)中,技术技能岗位达1万8562人,占整体的82%。相当多的制造业仍依赖熟练技术人员,但核心人力正快速减少。一家制造企业代表表示:“随着熟练工快速减少,只能通过延长退休年龄或重新聘用退休人员等临时手段勉强维持”,“中小企业连招聘年轻人力本身都很困难,技术传承更是想都不敢想”。
随着对技术断层的危机感加剧,希望让AI学习熟练工技术诀窍的需求也在迅速增加。产业通商部今年4月公告的“基于制造隐性知识的AI模型开发项目”,在不到一个月的短时间内有143个联合体申请,竞争率达4.77比1,最终选定30个课题。组成联合体参与该项目的机构共598家,其中除研究机构等以外的中小企业就达438家,业界分析认为,这直接反映出面临技术传承断层的制造现场的迫切程度。
一家制造AI解决方案企业相关人士表示:“由于担忧数十年积累的制造诀窍会随熟练工退休而消失,企业将隐性知识转化为AI的需求正快速增加”,“制造AI的核心在于把人的经验与诀窍数据化,不能错过黄金时间”。
问题在于,制造现场引入AI的基础依然薄弱。据Ministry of SMEs and Startups实施的《2024年智能制造创新实态调查》,引入制造AI的企业仅占整体的0.1%。拥有制造数据、AI专职组织或人力的企业也仅为0.8%。采集制造数据的企业为60.8%,超过半数,但采集到的数据被用于AI学习和工艺改进的情况极为罕见。
这是因为在数据采集之后,还需要经过让AI可利用的数据学习与高级化过程。尤其在制造业中,与温度、压力等可计量数据相比,熟练工的经验、感觉和情况判断决定工艺质量的情形更多。要把这类隐性知识结构化为数据,熟练工亲自参与学习、使AI高级化的过程不可或缺。
但获得熟练工的配合本身也不容易。京仁铸造工业园区合作社事务长刘成奎表示:“要让AI真正理解现场,必须由熟练工亲自进行数据学习,把AI做得精细”,“但现场对AI最终可能取代自己岗位的担忧很大,抵触情绪相当强”。实际上,在引入制造AI的过程中,也出现因现场作业人员反对而导致项目中断的案例。
也有人指出政府的支援方式与制造业现实不符。制造企业在构建隐性知识和工艺数据的阶段就已遇到困难,但政府支援往往集中于AI软件构建或系统高级化等后续阶段。韩国R&D代表朴范烈表示:“制造AX的起点是把隐性知识数据化的工作,但对此的支援不足”,“政策需要扩展到不仅支持系统构建,还支持数据学习和现场专家参与的方向”。
对重视商用化成果而非技术开发的项目标准也出现批评。韩国焊接工业合作社理事长殷钟默诉称:“很多要求在技术开发之前就先确保需求企业和实证机构”,“大企业在开发初期就承诺参与的情况很少,放弃申请课题的企业也不少”。
作为扩散制造AX的解决方案,有人提出公共研究机构开发基础技术、民营企业将其应用于产业现场的分工模式。富川铸造代表张龙焕表示:“只有形成国家研究机构开发制造基础模型、民营企业负责将其应用于产业现场的结构,才能加快制造AX的扩散速度”,“政府也应建立不仅支持技术开发、还能延伸到现场应用的支援体系”。






