问题——“有人没活干”与“有活没人干”并存的结构性矛盾正显现。随着智能化改造提速，部分传统岗位对单一操作技能的需求下降，一些劳动者面临转岗压力；，人工智能训练、工业机器人运维、智能制造等新岗位快速增长，却出现人才供给不足。多位代表委员指出，这道“技能鸿沟”正成为产业链向中高端迈进的一大阻力。原因——转型不只是“会用工具”，主要卡在三上。其一，数字基础薄弱抬高了学习门槛。来自港口一线的代表分享，工人长期从事实操岗位，面对英语、编程、数据规范等内容容易产生畏难情绪。其二，工作制度与学习节奏难以衔接。港口等行业普遍轮班，休息时间碎片化，很难形成连续、系统的学习投入。其三，培训供给与岗位需求存在偏差。一些课程内容过于泛化，案例脱离生产现场，导致“学了用不上、用时不会用”。此外，企业对高端数字化人才的吸引力相对不足、有关人才总量偏紧，也让复合型人才缺口更为突出。影响——短期是岗位转换压力，长期关乎产业竞争力。技能更新跟不上技术迭代，劳动者在岗位调整中容易处于被动；企业也可能因为缺少既懂工艺、又懂数据、还懂设备的复合型队伍而放慢智能化落地。更重要的是，经验若不能沉淀为可复制、可训练的数据与标准，智能系统就难以真正理解生产现场的复杂性，产业升级将同时受到效率与质量的制约。对策——围绕“经验数据化、能力复合化、培训精准化”系统推进。第一，激活一线经验的价值，把“绝活”转成可训练的“规则”。天津港的实践显示，一线工人参与人工智能训练，将多年操作经验标准化、数据化，既能为行业模型提供关键训练数据、提升设备智能水平，也拓宽了工人职业通道。第二，推动产业工人从“操作型”向“数字复合型”转变。来自制造业的委员建议，面向电力能源装备等行业，工人不仅要熟悉工艺流程与设备机理，还要掌握信息化技术与数据思维，形成跨领域应用能力。第三，坚持“智能设备越强，人的技术越要硬”。来自焊接领域的代表指出，机器人在效率和精度上优势明显，但在结构复杂、空间狭小等场景仍需要高水平技师判断处置；产业工人要提升对智能设备的理解、调参和诊断能力，才能真正用好新工具。第四，提高企业培训的适配度与可达性。电信行业代表提出，应根据不同岗位受技术冲击程度实行分层分类培训，减少泛化课程，用真实工单、真实场景组织实训，并通过灵活学时、模块化课程应对轮班制带来的碎片化学习问题。第五，强化产教融合，重构人才培养体系。有代表建议，高校与职业院校优化课程结构，增加人工智能与工业、医疗、教育等领域的交叉培养，推动校企共建实训基地、联合培养，让学生在真实生产环境中形成工程化能力，缓解复合型人才供给不足。前景——人机协同将在较长时期内成为主流，关键是让劳动者站到“主导位”。多位代表认为，未来作业将更多体现“人定目标、机提效率、人作判断、机作执行”的协同逻辑。谁能把现场经验转化为数据标准，谁能把技术工具转化为生产力，谁就能在新一轮产业变革中占据主动。面向下一阶段，企业数字化转型将从“设备上新”转向“系统进化”，对技能体系提出更高要求：既要有扎实基本功，也要具备持续学习、问题定义和创新应用能力。
产业工人的转型之路，是中国制造业爬坡过坎的一个缩影；随着机器逐步替代重复性劳动，人的价值将更多体现在创新设计和复杂决策上。这场悄然却深刻的劳动力变革启示我们：只有让传统技艺与现代科技深度融合，才能在智能制造时代培养出兼具“工匠之手”和“工程师之脑”的新型劳动者队伍，为高质量发展提供更持久的动力。（完）