【本文来自《黄仁勋的“物理AI”，对中国制造来说真不是好消息》评论区，标题为小编添加】

嘶……那啥，你说的这玩意儿是不是智能工厂智能制造一类的东西啊？这东西其实不是什么新型事物，它其实是工业自动化的下半场啊，在传感器和自动控制系统的基础上进行智能化改造，让生产系统“更灵巧，更柔性，更便于部署”。其实包括驾驶自动化系统也是一样，在传感器和既有AEB，ESP的基础上用统一的硬件和软件统合这些东西。但这根本不是什么新东西啊，或者说中美这玩意儿是发展了有一段时间了——生成式AI也就图一乐，产业AI才是AI的高地——老黄现在再提那顶多算追认事实。

然后你说用AI来弥补技术工人的劣势，那……咱就得说了，如果你有了自动化工厂，那经理多年运行后你会积累庞大的加工数据和指令代码库，在自动化改造时，这些都是数字图书馆的一部分，AI程序引入后根据数字图书馆的训练获取本厂设备和其多年加工积累的“数字化经验”。而后当再次来件时，AI根据工件情况、要求和这些经验，选择坯料，调度生产线，最终出成品———这是存在成熟的自动化工厂的情况，其实这么搞的话升级起来相对无痛。（只是相对，其实归拢整理加工数据啥的愁死你）

但你要是从0开始建设智能工厂，那你的数字图书馆咋来？夺舍数字图书馆的时候你还要顺便夺舍设备，因为不同的设备TM数控指令代码还不大一样；你要是夺舍不了，那你要先把AI培养成全能的工程师，然后它自己生成数字图书馆，再去决策调度生产线——这或许比培养人简单，但绝对比升级更痛苦。因为你让AI自己产生实际生产数据并自我训练这本身就很痛苦——你总得让它真给你加工点东西出来看看行不行吧。而说到实际制造，那订单需求从何而来，产出产品由谁消化，个中成本谁来承担？如果你这套真能捋顺了，那你为啥会没有制造业？如果你的制造业还健康那你技工的差距又是哪来的？所以AI弥补技术工人的差距并不可能，因为这意思其实是想用算力弥补数据不足，那这不是你把AI教会了就能解决的问题——而且教会了也只是第一步，你想想谁的工业生产更活跃？谁的实践数据更多？在生产实践的倒逼和数据的堆叠下谁的AI迭代更快？

而且，智能工厂建设，哪怕是升级改造也是成本颇高，其实并不是所有行业、所有企业都养得起，它基本只会出现在高端产业或者某些特定产业中（比如固体火箭制造）。所以还是那句话，AI左脚踩右脚那也是高手才能做到，不是高手的左脚踩右脚只会摔。