机械工程师

美国。劳工统计局预测,2025 至 2035 年机械工程师就业将增长 11%,远快于所有职业的平均水平,每年约有 17,800 个职位空缺。它说,随着自动化与创新带来对这类人员的需求,就业预计会增加;随着制造流程引入更复杂的自动化设备,预计需要机械工程师帮助把这些设备整合进已有系统。它数的是一个国家的岗位,不是任务。

一个有资格的人,在具名、有日期、可归属的公开表态里,对未来做出了一个判断。记录它,是为了让「谁在什么时候说了什么」保持可核对 —— 而它永远不改变任务判断,因为预测不是观察。它的价值在之后才到:这条记录和那个职业的证据同在一页,读到预测的人,旁边就是「后来发生了什么」的记录。那就是结算;本站不对一条预测是否应验发布结论。

这是一项工程问题基准,模型通过 API 驱动商业有限元软件 COMSOL Multiphysics 来求解。最好的策略有 88% 的时候能生成可执行的 API 调用;但论文说,在其中两组实验里,模型只在一道题上通过了严格标准 —— 算出误差在 10% 以内的有效目标值;在标准题上,Claude 3.5 Sonnet 在 15 道中只有 1 道给出有效目标值。这是一项小规模的预印本基准,测的是 2024–2025 年的模型,作者的雇主开发了其中一个被测模型。

演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

这是一项学术基准,包含 200 条自然语言设计需求,配有专家标注的 CAD 脚本代码。它报告:GPT-4 生成的代码有 96.5% 能编译,Gemini 为 85%,CodeLlama 为 73.5%;作者指出,生成的脚本渲染出的三维对象未必符合规定要求,这也是他们提出验证步骤的原因。它测的是脚本能否运行、是否接近目标,不是零件能否制造、是否正确。

演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

这是一项基准,以 Formula SAE 学生赛事的规则文件为基础,配有 MIT 赛车队的 CAD 图像和工程图纸。它报告:被测模型虽然有前景,但难以可靠地找出相关规则,在识别 CAD 图像中的技术部件时遇到困难,分析工程图纸也有困难;即使拿到完整的规则文件,GPT-4o 也不能可靠地提取具体规则。它测的是 2024 年的模型在一项赛事规则上的表现,几位作者供职于一家设计软件公司。

演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

欧盟。法规在附件一 A 部分列入了采用机器学习方法、具有完全或部分自演化行为并承担安全功能的安全部件,以及内置此类系统的机器;对于这些产品,制造商须采用第三方合格评定程序。其基本要求写明,风险评估须包括机器自演化行为按预期演化时可预见的危险。法规自 2027 年 1 月 14 日起适用。它约束的是制造商,管的是机器怎样被评定,不是工程师的任务是否被自动化。

监管、补贴或公共采购正在要求或出资推动采用 —— 与「限制或撤回」互为镜像。它说明采用正在被要求,不说明采用已经发生,所以单独一条永远不够,两条互不相干的才够。

NASA 戈达德太空飞行中心,一位工程师用商用生成式设计软件推动的做法。CAD 专员先从任务需求出发,画出零件与仪器或航天器相连的面;软件随后最快一两个小时就能给出复杂的结构设计,这位工程师说,这些「演化」出来的零件比传统部件最多轻三分之二。他也说算法需要人来把关,因为它有时会把结构做得太薄;零件要用 NASA 标准的验证软件和流程加以分析。数字来自推动这一方法的工程师,而且只是一家机构的使用。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

美国得克萨斯州。法律写明:未持有执照者不得从事工程执业;持照人为在州内建造或使用的项目出具的图纸、规格书、地籍图或报告,必须盖持照人的章。它豁免私营公司中只从事本公司制造产品的研究、开发、设计、制造、生产或服务的雇员 —— 因此许多做产品设计的机械工程师不需要执照。它对软件只字未提。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

如果你刚入行,预期生成式工具和 AI 助手会替你起草零件、脚本和仿真设置,也预期检查会落在你身上。长久有用的能力是:说清一个零件必须做到什么、判断仿真给出的数字是否可信、测试真实的硬件 —— 以及在受监管的工作中,为设计盖章的执照。

预期生成的几何和仿真草稿会比你检查得还快。你的价值在向约束、验证和安全移动:欧盟机械法规将从 2027 年起要求评定采用机器学习的安全功能,增加自动化的工厂也需要工程师来整合这些设备。

保住并强化

留在设计岗位,掌握约束与验证

生成式工具需要有人来定约束、挑出太薄的零件;仿真智能体很少能独立算出正确的数字。

调整职责

转向机器安全与合格评定

从 2027 年起,欧盟法律要求对采用机器学习的安全部件做第三方评定,风险评估也要涵盖它们如何演化 —— 这需要既懂机器又懂软件的工程师。

相邻转岗

转向制造自动化与设备整合

美国的预测认为,需要工程师把更复杂的自动化设备整合进已有的生产系统。

就现有证据看,不会。生成式设计和 AI 助手能起草零件和脚本,但基准显示,模型读工程图纸和规则仍很吃力,也很少能独立得出正确的仿真答案;欧盟将从 2027 年起要求对采用机器学习的安全部件做第三方评定;美国的预测认为,2025 至 2035 年这个职业将增长 11%。

我们不用年数回答这个问题。你可以看一个信号:AI 工具是否开始交出不经工程师修改就能通过验证的零件和仿真,以及安全法规是否不再要求由人来评定和签字。今天生成的零件仍由人来验证,欧盟也在增加评定义务,而不是取消。

生成式设计软件在工程师定好需求、连接点和禁入区域之后,提出零件的形状。NASA 报告它最快一两个小时就能给出复杂结构,但也说算法需要人来把关,零件在使用前仍要经过验证。

美国的预测认为,2025 至 2035 年就业将增长 11%,远快于平均水平,部分原因是增加自动化的制造商需要工程师来整合设备。工作重心在向定规格、做验证和安全移动。