问题——智能化深入推进，产业一线“岗位会不会被替代”“技能是否会过时”的疑问增多。
在港口装卸、装备制造、物流仓储等领域，算法调度、智能设备、数字化系统加速落地，传统依赖经验的操作环节被标准化、流程化重构。
如何把“被替代的担忧”转化为“被赋能的能力”，成为亿万产业工人绕不开的现实命题。
原因——技术迭代与产业升级同向发力，推动劳动组织方式发生深刻变化。
一方面，智能设备对数据、规则和标准的依赖增强，要求一线岗位既懂操作也懂系统；另一方面，企业在降本增效、提升安全与质量的压力下，加快推进生产线改造和管理数字化，倒逼岗位能力模型更新。
与此同时，部分地区和行业仍存在培训供给与需求错配、学习时间难保障、课程偏理论等问题，导致“想学但不知道学什么、学了却用不上”的现象。
影响——短期看，技能结构不匹配可能带来岗位调整与收入预期波动；中长期看，谁能率先完成“技能重组”，谁就更有可能在新工种、新工序中占据主动。
来自一线的探索提供了观察样本：全国人大代表、天津港第一港埠有限公司拖头队副队长成卫东介绍，他主动学习并取得人工智能训练师证书，将多年作业经验进行标准化、数据化整理，转化为智能设备可调用的运行指令，为港口大模型提供训练数据。
这表明，产业工人的“现场经验”并未失效，关键在于能否转化为可复用、可验证、可传承的“数据资产”和“规则体系”，进而参与到智能系统的构建与优化中。
对策——面向国家层面“全面实施‘人工智能+’行动”等部署，以及《中共中央 国务院关于深化产业工人队伍建设改革的意见》提出的“加大复合型技术技能人才培养力度”等要求，推动产业工人能力跃升需要形成合力、打通链条。
其一，劳动者层面要坚持“先立后破”，在稳固主业技能的基础上补齐数字化能力。
熟练操作是底盘，理解数据、流程与安全规范是关键，逐步实现从经验驱动向数据理性转变、从单点技能向系统协同转变，提升发现问题、优化流程、参与创新的能力。
其二，教育培训层面要强化产教融合与分层分类供给。
针对不同年龄、岗位与基础设置模块化课程，突出“短周期、可上手、能复盘”的实训设计，为在职工人提供常态化继续教育与技能进阶通道，减少学习成本与机会成本。
其三，企业层面要把生产升级与技能升级同步纳入规划。
围绕具体应用场景建设在岗培训体系，把智能产线改造、设备升级、系统上线与岗位胜任力提升一体推进，让工人在真实工序中掌握人机协同方法，避免“学用两张皮”。
同时完善评价与激励机制，让“学得会、用得上、干得好”与职业发展挂钩。
其四，工会等组织要发挥桥梁纽带作用，搭建普惠学习平台，推进以赛促学、以学促技，并加强权益维护、职业指导与心理疏导，为职工跨越转型阵痛提供支持，稳定预期、增强信心。
前景——从更大视角看，智能化并非简单替代劳动，而是重塑劳动分工与价值创造方式。
未来一线岗位将更强调“懂工艺、会操作、能用数、善协同”，产业工人将从执行者更多转向系统的参与者、优化者与监督者。
当更多“现场高手”把经验沉淀为数据规则、把手上功夫升级为系统能力，中国制造向中国智造的跃升将获得更坚实的人才支撑，也将为培育新质生产力提供更广阔的实践土壤。
当港口桥吊的钢索变成数据流中的代码，当车间的油污工装换成AR眼镜，中国产业工人正在书写新的时代答卷。
这场静悄悄的技能革命不仅关乎个体命运，更是制造业爬坡过坎的关键支撑。
正如成卫东在训练港口大模型时的感悟："最好的智能系统，永远需要懂得生产现场'肌肉记忆'的人来塑造。
"在人与机器共生的新工业文明里，持续学习的能力终将成为最可靠的"铁饭碗"。