德克萨斯州休斯顿（Newsworthy.ai）2026年4月7日星期二 上午10:55 中部时间 ——

人工智能并非工业劳动力的替代品，而是一种工具，其价值取决于人类的认知能力、情境判断力以及特定领域的专业知识。文章强调，工业STEM教育对于培养能够解读数据、有效应用技术并为新兴产业建立人才输送渠道的领导者和专业人才至关重要。

工业STEM不仅仅是一个吸引人的口号，也远不止是几个词语的巧妙组合。

当今衡量工业效能和效率的进步，仅靠技术本身是不够的。它们需要特定工业领域独有的科学、应用和机械原理，才能实现人工智能的真正价值及其效用。仅有数据无法产生结果。仅有人工智能无法带来进步。潜力与绩效之间的桥梁，仍然是无法人工制造的东西：人类的认知思维。

这究竟意味着什么？

让我们从一个简单、几乎人人都懂，但通常不会追究任何人责任的事情开始。想想汽车轮胎的日常使用。

大多数人都购买过标有预期使用寿命或里程质保的轮胎。这个承诺听起来很直接：在正常条件下，这些轮胎应该能行驶一定的里程数。然而，许多人在某个时刻都问过同样的问题：

真的有人达到过宣传的预期里程数吗？

如果质保存在，你如何证明轮胎未能达到预期的使用寿命？你如何量化磨损状况，向零售商或制造商提出合理的索赔？

历史上，回答这些问题需要付出巨大的努力。一个人需要花费数周甚至数月的时间收集信息：追踪里程、监测驾驶条件、测量胎面磨损、记录环境因素、计算平均值。用于精确数据收集的设备通常成本高昂，而且这个过程本身需要大多数消费者根本不具备的技术专长。

然而今天，技术已经改变了这个过程。现代系统可以自动捕获变量。传感器、车载诊断、数据存储和智能分析工具可以实时量化信息。预测性、规范性（或指导性）和预防性的方法现在已触手可及。

但这里有一个许多人忽视的事实：

工具可能已经进化，但使用它们所需的思考并未消失。

当今围绕人工智能的讨论，很多都集中在恐惧上。

• 人工智能会取代工作吗？

• 自动化会淘汰工人吗？

• 机器最终会超越人类的决策能力吗？

这些都是可以理解的问题，但它们往往忽略了工业环境内部运作的更深层现实。

人工智能并非在真空中运作。

人工智能不理解焊接公差、加工差异、维护行为模式、流程瓶颈或安全文化。它可以分析模式，但如果没有人类指导，它无法独立理解上下文。

人工智能的工具化需要一个无法人工生成的组件：人类的认知思维。

人工智能可以以惊人的速度处理数据。它可以检测人眼可能忽略的异常。它可以生成减少停机时间、提高产量的预测模型。但除非人类定义问题、理解环境并提供结构，否则人工智能不知道什么才是重要的。

在工业环境中，上下文就是一切。

传感器读数并非洞察。
仪表盘并非理解。
算法并非经验。

人类的专业知识将信息转化为有目的的意义。

这正是工业STEM找到其真正意义的地方。

工业STEM不仅仅是孤立教授的科学、技术、工程或数学。它代表了技术知识与应用工业实践的结合，代表了将理论转化为生产所需的现实世界机械原理、约束条件和问题解决能力。

想想知道数据如何运作与理解数据在制造环境中为何重要之间的区别。

数据分析师可能识别出异常模式。
机械师或维护技术人员则能理解该异常是代表刀具磨损、材料不一致、操作员差异还是环境影响。

没有工业背景，数据就是不完整的。

无论多么先进，人工智能都依赖于特定领域的理解来产生有意义的结果。人工智能在工业环境中的有效性，直接取决于人类将工业科学转化为可用参数的能力。

换句话说：

人工智能不会取代工业知识——它会放大工业知识。

几十年来，工业进步建立在测量的基础上。

工业部门测量周期时间。
工业部门测量缺陷。
工业部门测量正常运行时间和停机时间。
工业部门测量生产力、效率和质量。

发生变化的不是测量的重要性，而是测量发生的速度和规模。

在现代数据系统出现之前，测量是反应性的。问题在故障发生后才被发现。

如今，预测性和预防性模型使工业能够在挑战发生前就进行预测。维护可以从反应性转向预测性。供应链可以在短缺发生前进行调整。设备故障可以在灾难性停机发生前很久就被识别出来。

然而，预测能力带来了新的需求：解读。

预测只有在有人知道如何处理它时才有价值。

工业专业人士成为人工智能输出与运营现实之间的翻译者。他们判断一项建议在安全法规、生产期限、劳动力能力和现实约束条件下是否合理。

这正是认知领导力变得至关重要的地方。

工业环境一直需要强大的技术领导力，但人工智能的兴起引入了一个新的层面：解读性领导力。领导者现在必须同时理解技术及其周围的人类系统。

他们必须问：

• 这个建议是否符合运营现实？

• 我们解决的是正确的问题吗？

• 这个决定可能会在下游产生什么后果？

• 我们如何帮助工人信任和理解人工智能驱动的洞察？

人工智能无法回答这些问题。

只有基于经验、道德和情境理解的人类才能做出这些判断。未来的劳动力需要的不仅仅是更多的技术。他们需要能够在工业环境中批判性思考，并充分利用现有工具的专业人士。

这就是工业STEM教育的基础。

认为人工智能将取代人类的说法过于简化了挑战。

历史表明，技术进步很少会消除工作；相反，它们会改变工作的性质。新工具需要新技能、新思维和新的领导方法。

在工业领域，人工智能增加了对具备以下能力的工人的需求：

• 技术素养

• 系统思维

• 应用问题解决能力

• 跨学科理解能力

• 基于情境的决策能力

未来的工人不会被人工智能取代。
未来的工人将被人工智能赋能，但前提是他们做好了充分的准备。

• 真正的风险不是人工智能取代人类。

• 真正的风险是未能让人类做好有效使用人工智能的准备。

（阅读约翰逊博士关于劳动力教育的文章。）

教育机构、行业领袖和劳动力发展合作伙伴面临一个关键决策点。

我们是培训个人使用技术？

还是培养理解技术如何融入真实工业系统的思考者？

这其中的区别是巨大的。

仅仅教授软件使用培养的是操作员。
教授工业科学、应用和机械原理培养的是领导者。

（安德鲁·约翰逊三世博士支持后者。）

随着人工智能的持续扩展，工业经验的价值在上升，而非下降。将数据与物理过程联系起来的能力成为“竞争优势”。

工业STEM不是要与人工智能竞争。它是为了赋能人类来指导人工智能。

工业的未来不会仅由自动化定义。

它将由人类认知与智能工具之间的协作来定义。

想象这样的环境：

• 人工智能实时监控设备健康状况。

• 熟练的专业人员解读建议。

• 领导者在效率与安全和质量之间做出平衡决策。

• 工人利用数据来提升工艺水平，而不是取代它。

这不是科幻小说，它已经在展开。但成功取决于一个无法自动化的因素：人类的理解。

轮胎质保的类比提醒读者一个简单而深刻的道理。数据可以描述性能，但证明价值需要人类思考。

随着工业系统变得更加先进，诱惑将是更加信任技术本身。然而，那些能够认识到一个基本真理的行业将会蓬勃发展：

“人工智能是一种工具……而非劳动力。”

工业领域的科学、应用和机械原理仍然至关重要。人类认知仍然是赋予信息意义的锚。

工业STEM在人工智能时代不仅相关，而且现在不可或缺。

因为无论工具变得多么先进，进步仍然始于一个问题、一个决定和一个愿意思考的人。

孤星大学大学公园分校计算机与工程技术学院院长，The A'Jaie Third Group 董事总经理。

安德鲁·约翰逊三世博士是孤星大学大学公园分校计算机与工程技术学院院长，他领导着连接教育、行业和社区需求的创新计划。作为一名美国陆军退伍军人和第三代造船工人，他的职业生涯致力于推进劳动力教育，重点是创建为学生应对新兴和不断发展的行业做好准备的课程。

他的领导工作涵盖了工业培训路径的开发、人工智能和机器学习在制造业中的应用，以及与高等教育和企业合作伙伴的协作关系。

从启动新的学术项目到重新构想传统的行业培训，约翰逊博士的工作强调将课程与行业需求相结合，以确保毕业生为进入劳动力市场做好准备。他的努力支持了从石油和天然气到先进制造的各个领域，现在已扩展到包括氢能在内的清洁能源领域。

免责声明：此翻译是由NewsRamp™ 为 Newsworthy.ai（统称为“公司”）使用公开可访问的生成式人工智能平台自动生成的。公司不保证此翻译的准确性或完整性，并且不对任何错误、遗漏或不准确之处承担责任。依赖此翻译风险自负。公司对因依赖此翻译而产生的任何损害或损失不承担责任。此新闻稿的官方和权威版本是英文版本。