美國制造業有望大范圍復蘇。新冠疫情造成的供應鏈崩潰，已經充分暴露出依賴長供應鏈可能引發的現實風險，因此美國正努力將更多供應環節收回國內。

此外，與中國日益緊張的關系也迫使美國重新審視依賴中國制造業實現本國經濟成功的基本戰略。在這一背景之下，美國制造企業紛紛決定還崗位于本地。

但問題在于，美國制造業嚴重缺乏推動這場革命所必需的勞動力。既沒有充足的從業技術工人，非技術群體也沒有學習制造技能的打算。

但需求永遠是發明之母。制造業勞動力短缺的現狀，也給制造業AI領域的創新成果鋪平了實踐的道路。這部分成果已經相當充裕，麥肯錫預測到2025年，由其創造的價值將高達約3.7萬億美元。

在切入正題之前，我們先來了解這輪影響深遠的勞動力危機。

美國制造業的勞動力短缺問題有多嚴重？

即使把所有技術工人全都動員起來，日用品制造業的空缺職位仍比從業者整體多出35%。德勤預測，到2030年，全美制造業勞動力短缺量將超過200萬，核算為年度機會成本達1萬億美元。

如果不加以控制，事態只會進一步惡化。目前，美國的勞動力主體仍然是總量約4000萬的嬰兒潮一代，占全部勞動力市場的四分之一，而且其中大部分仍在從事“傳統”制造業。而隨著嬰兒潮一代的退休，年輕工人普遍不愿從事制造業工作，明顯更青睞技術、醫療保健和其他工作條件更好、薪酬更具吸引力的職業方向。

美國當然可以從希望移民的國外群體中快速引進勞工，但這也會帶來一系列相關挑戰，甚至進一步增加美國的政治動蕩。再有，除非又來一波疫情封鎖引發的供應鏈中斷，否則企業雇主明顯不想自己費力培訓這些制造業新人。

所以為了保持設備運轉，美國制造企業迫切需要尋求新的人工替代方案。

AI有望助行業解決勞動力短缺難題

AI技術，無疑將成為解決這場危機的一股重要力量。與其他行業一樣，制造業中也有不少崗位勢必要被AI所取代。但面對勞動力短缺的現狀，我們要擔心的不是AI會不會消滅工作，而是AI如何幫助企業保持運營、填平致命的雇員缺口。

下面，我們一起來看AI有望緩解制造業勞動力短缺、并徹底改變美國本土制造方式的幾種可能性：

機器人自動化

數十年來，機器人已經在汽車制造和鋼鐵冶煉等領域長期效力，肩負起起重、接頭焊接等高危重復性工作。然而，這些傳統機器人在設計上只能對接高度可預測的場景，并執行非常明確的特定任務。

如今，西門子Simatic神經處理單元等AI應用正引導機械手臂抓取并操縱物體，全面適應各種朝向、速度和位置。這意味著機器人和“協作機器人”（專門與人類協同工作的機器人助手）也能在訓練之下，像人類那樣執行各種更復雜的流水線操作。此外，配套地圖、表面異常檢測和物體避讓等AI技術，已經能讓自動導引車（AGV）替代裝卸員和叉車駕駛員在倉庫和工廠之間靈活運送零件和成品。

綜合來看，這些AI驅動的機器人創新方案至少能節約75%的人工成本，保持24小時連續生產，同時消除裝配線、重型材料處理和重復操作所引發的潛在損害。無怪乎現代機器人技術已經在新加坡和韓國等地掀起制造業革命，美國也是時候邁出這重要的一步了。

增材制造

AI緩解制造業勞動力短缺的另一大途徑在于3D打印。根據傳統方法，高水平設計師和工程師需要利用多年經驗和“直覺猜測”的方式給出最佳設計方案。但AI如今已經能夠快速產出復雜且高度優化的設計成果，并以3D打印的方式快速交付成品。

以Autodesk的Netfabb為例，這類軟件系統中的機器學習技術能夠接收制造商輸入的設計參數，并給出最高效的可制造方案。在選定設計藍圖之后，NNAISENCE等廠商的AI方案會使用神經網絡加數字孿生來預測、監控并消除增材制造流程中的缺陷，避免引發生產延誤和錯誤。Intellegens Alchemite等AI軟件甚至能夠發揮想象力，提供適應特定制造和產品使用需求的新奇主材建議。

如果這些復雜功能全部由人類執行，無疑需要龐大的高水平工程師和設計師團隊，而且最終成果也未必令人滿意。

機器視覺

說起制造裝配線，大家首先想到的往往是一條產品傳送帶，不同工位上都有工人隨時操作、隨時檢查。但這種重復性的勞動密集型工作往往極易出錯，很難提供令人滿意的質量保證。

這就引出了Inspekto和Matroid等AI廠商提供的自主機器視覺（AMV）技術。自主機器視覺系統能夠在不同照明條件下準確識別出裝配器產品的形狀、朝向和狀況，利用攝像頭加AI在產品經過時完成計數和跟蹤，快速發現缺陷并做出相應分類。這就消除了QA流程對于人力的高度依賴。

機器視覺適用于包裝、碼垛和貨物裝載，能夠極大節約勞動力、時間和成本。RobitIQ和Spiroflow等廠商的解決方案可以確定最佳碼垛方法，指揮機械手臂自動抓取紙箱并放置在運送托盤上。

生產優化

一旦生產設備出現故障，往往需要設備商方面的專業分析和維修人員介入，既耗時又費錢。Vanti和3DS等廠商的AI成果不僅可以監控機器和模具磨損，借此選擇最佳時間安排預防性維護，還能監控不同產品及材料的溫度、濕度和運行狀態，根據實際生產條件對設備做出優化。

一旦出現問題，AI可以分析所有潛在原因并提出最佳應對方案。以往，大多數工廠只能依賴經驗最豐富的維護工程師完成這項工作。

這項技術的適應范圍還遠不止于維護和損壞控制。通用電氣的Brilliant Manufacturing Suite和西門子的Mindsphere等AI驅動云/邊緣系統甚至可以接入并管理整個端到端制造流程，具體涵蓋需求規劃、材料庫存、能源消耗乃至最終物流。

制造業的AI需求遠超想象

想象一下，如果有一臺能夠廣泛適應生產需求、并由AI驅動的擬人機器人，甚至可以全面接管人類當前可以完成的幾乎所有體力勞動，結果會如何。當這一切成為現實，發展中國家引以為傲的勞動力成本優勢將化為烏有，AI驅動型制造商不必依賴于眾多人類雇員，不再受制于未來可能出現的疫情和隔離封鎖。從這個角度來看，目前困擾全球的供應鏈危機也將不復存在。

隨著AI系統所吸納的數據越來越多，模型自身也會不斷改進、產生飛輪效應，而任何跟不上這波潮流的企業都必將被歷史所淘汰。這場革命也有望讓美國制造業再次煥發活力，甚至再次成為全球最具市場競爭力的國家之一。

AI制造革命正在發生——不在未來，而在當下。請注意，目前的勞動力危機并不是一時之急，而是未來幾年仍將持續存在的商業新常態。因此，以AI為核心驅力的制造商將在這個十年內逐漸勝出，并牢牢保持住這一新興競爭優勢。