【握手AI 拥抱劳动】
刘伟鑫在分析AI模具设计算法中存在的问题。全媒体记者王艳/摄
走进东莞潮玩制造公司的模具设计车间，屏幕上，一套复杂的模具设计方案正通过AI在几分钟内自动生成。而在过去，这需要一位经验丰富的老师傅埋头苦干5—10个小时。
这场效率革命的背后，是东莞市劳动模范、东莞市新一代人工智能产业技术研究院的研发总监刘伟鑫和他的团队，用一行行代码，为传统制造业的“手感”与“经验”装上了全新的“AI大脑”。
下沉产线当学徒，主动补上工艺课
故事的开始并非一帆风顺。作为“机械+AI”的复合型人才，刘伟鑫第一天踏入厂房时，感受到的却是巨大的压力和陌生感。
“老师傅们讨论的是拔模角度、流道设计，依靠多年手感判断方案能不能做。而我们习惯的是神经网络、反向传播，想把一切都变成数据和参数。”刘伟鑫回忆道，当时双方仿佛身处“两个世界”，双方都说得很专业，我们追问“判断标准是什么”，师傅往往只能说“凭经验一看就知道”；当我们解释算法原理，他们也很难把这些概念与眼前的模具联系起来。
这次“语言不通”的卡壳让刘伟鑫意识到，要实现同频交流，不能等老师傅来理解AI，必须由技术方先迈出第一步，主动补上工艺课，先听懂他们的语言，再谈如何用技术解决问题。于是，他决定带着团队下沉到产线，把自己当成学徒。
2024年初，刘伟鑫带队进驻东莞潮玩制造公司，开展长期驻厂研发。他们系统学习注塑模具理论，跟着老师傅走完从结构分析、拆件、铺面到分模和试模验证的完整流程。真正的转折点，是他们能够将师傅一句模糊的“这里要这样处理”，不断追问并拆解成具体的条件、顺序和规则，再请师傅确认。
“那时，‘手感’不再只是模糊的经验，而开始变成AI可以学习、计算和迭代的数据路径。”刘伟鑫说。
将“绝活”转化为可计算的“思维链”
在驻厂的一年多时间里，刘伟鑫和团队系统梳理了“拆件—铺面—分模”三大核心工序的工艺逻辑。他们发现，最难的并非某一道孤立工序，而是贯穿其中的连续性判断，如何让AI复现老师傅在拆件、铺面、分模中的连续动作，而不是只会照着历史图纸模仿。
为此，刘伟鑫创造性地提出了“经验思维链建模”方法。团队跟着老师傅完成整套生产流程，把每个决定背后的条件、顺序和工艺依据逐项拆解、反复确认，还原为“条件—推理—结果”，形成“经验思维链”，将非结构化经验转化为工艺推理链，并结合知识图谱、垂类大模型和小模型持续验证，整理成结构化数据、语义向量库和工艺知识图谱，转化为可量化、可计算、可迭代的AI模型路径。
刘伟鑫设计了基于大小模型技术底座的“模具设计智能体”技术方案，构建包含小模型语义向量库、工艺知识图谱、模具设计垂类大模型的智能体。通用大模型具备强大的理解与推理能力，而轻量化小模型则能精准、高效地执行具体任务，二者结合，既懂工艺又足够灵活。
“这一技术闭环的成功构建，让AI真正掌握了可执行的工艺逻辑。”刘伟鑫指着屏幕上的代码说，这套系统能一键生成模具设计方案，让模具设计效率提升了40%，原本需要两个月的生产周期，硬生生被压缩到了36天，人力成本大幅减少，为企业创造了显著的经济效益。
“工业小龙虾”为老设备装上“新大脑”
在数字化转型中，东莞众多中小制造企业普遍面临人工智能“用不上、落不了、见效慢”的困境，陷入“不敢转、不会转”的尴尬局面。原因一方面是缺乏专业人才和技术积累；另一方面是通用AI方案，难以契合细分行业的工艺逻辑，导致投入高、回报低。
在很多企业还在为高昂成本望而却步时，刘伟鑫给出的方案却异常“接地气”。他将这套轻量化智能体形象地比喻为“工业小龙虾”——小而灵活，贴着现场干活。
“很多中小企业不是不想转型，而是承受不起几十万、上百万元的新设备投入，也缺少服务器、专业运维和复杂软件能力。”刘伟鑫深知痛点所在。他的策略是“单点突破”：不换设备、不改流程，直接在现有业务链条上部署AI，为老设备装上“新大脑”。
其中最大的挑战，是让AI既真正懂模具工艺，又足够轻量、稳定和易用。通用大模型具备理解和推理能力，却难以直接掌握细分工艺；单一小模型执行精确，但缺少整体理解。如今，刘伟鑫团队正在尝试将行业专家经验结构化，形成可计算的工艺推理链、语义向量库和知识图谱，再采用垂类大模型理解需求、小模型完成设计的协同机制，同时降低算力和部署要求。企业无需自建服务器或运维团队，经过简单配置和培训，一线工程师就能测试使用。这种“低成本、易部署、可推广”的改造新范式，让许多原本持观望态度的企业打消了顾虑。
工程师理解了劳动，AI成了“超级助手”
东莞市新一代人工智能产业技术研究院项目经理许赓渝认为，AI不是要替代人，而是要成为工人的“超级助手”。在试点工厂的实践来看，AI的引入并未引发“机器换人”的焦虑，反而带来了“人机协作”的红利。如今，重复、繁琐的画图工作交给了AI，老师傅们则从高强度的重复劳动中解放出来，将更多精力投入到最核心、最困难的工艺判断和技术攻关上。曾经对AI充满抗拒的模具师傅，现在已经开始享受这种协作模式，产能翻倍成了常态。
我们的工程师同样也有收获，这段驻厂经历改变了大家对劳动的理解。过去坐在写字楼写代码，容易把技术成果理解为模型精度和功能完成。到了车间，团队更看重它是否解决真实痛点、是否让一线愿意使用、能不能稳定产生效益。劳动既包括老师傅多年积累的手感，也包括工程师把经验变成模型的脑力投入。AI不是替代劳动者，而是把重复、繁琐的画图交给机器，让师傅专注于最难的工艺判断。新时代劳动者既要懂技术，也要尊重现场、服务产业，用实干检验创新。（来源：南方工报 总策划：张英姿 策 划：徐亚辉 詹船海 采 写：全媒体记者王艳）
责编：刘晓丹
二审：刘敏