AI进了化工装置才发现：最值钱的，是那批45岁的老师傅

化工这个行业的年龄焦虑，比互联网来得更早，也更狠。

车间倒班，40岁熬不动夜了；设计院画图，手速卷不过刚毕业的；想跳槽，简历投出去，年龄一栏就先把人筛掉了。

行业的体检报告也不乐观。中石油华北石化，47套主要生产装置、在册员工1830余人，员工平均年龄44岁；在聘二级工程师里，35岁以下为0，45岁以上接近一半。某大型国有煤化工企业，45岁以上员工占比近四成，35岁以下不足三成。

一边是"人老了"，一边是"年轻人不愿来"。华北石化近三年招了13名全日制研究生，累计9人没入职、辞职或调出；集团下达80人的招聘指标，公示后又有10人放了鸽子。

数据来源：大众日报·华北石化人才强企报道；上海商业·国有煤化工企业人才管理研究

看起来是个死局。

但最近一两年，AI大模型进了化工装置之后，事情起了变化：最先值钱的，恰恰是这批被认为"该退居二线"的老师傅。

一、AI抹平的是手速，抹不平的是手感

年轻工程师的优势是什么？软件学得快。Aspen、CAD、PDMS，上手就会；画图快，检索快，排版快，熬夜也顶得住。

现在，这些优势正在被AI快速抹平。

以前做一份技改方案，年轻人一下午能出初稿，老师傅可能要憋两天。现在对着AI把需求说清楚，方案初稿、设备数据表、汇报材料，一个下午全出来。

以前查一条工艺规范，得在几百页的规程里翻半天。河北鑫海化工上了AI知识库之后——集成300多条法规、8000多个专业问题——老师傅查一条规范，从平均15分钟变成3秒，累计解答5万多次提问，准确率98%。

数据来源：经济日报·鑫海化工智慧炼厂实践报道

手速、检索、排版、初稿，这些"执行层"的活，AI接管得比谁都快。

但化工这行，偏偏有一堆AI干不了的活。

塔板数，AI算得比谁都快；但"这个塔为什么一到雨季就液泛"，AI算不出来。换热器面积，AI核得又准又快；但"这台换热器三年必结垢，清洗周期得提前俩月"，AI不知道。DCS上所有参数都正常，老师傅走到现场听了两分钟，撂下一句"压缩机声音不对，轴承怕是要出事"——这个判断，AI给不了。

年轻人手快，老师傅手熟。AI把手快的活抢走之后，剩下的，全是靠手感和年头堆出来的活。

二、经验的价值，正在被重新定价

AI落地化工，最难的是把老师傅脑子里的东西挖出来。算法反而是其次的事。

什么意思？大模型要在一个具体装置上干活，得先"学会"这个装置。学什么？学老师傅脑子里的东西。

山东海化是个现成的例子。他们和浪潮数字企业搭了盐化工智控大模型，做设备预测性维护。刚上线时，AI故障识别准确率只有60%-70%。

怎么提上去的？工程师们一遍遍去找老师傅，把"听声辨故障""看振判磨损"这些原本只存在脑子里的经验，一条一条翻译成技术参数，喂给模型。到那年8月，准确率提到90%，如今超过95%。

数据来源：大众日报·山东海化"数字大脑"报道

注意这个方向：不是AI取代老师傅，是老师傅的经验在生产AI。

效果也实打实：氯气压缩机非计划停机从一年4次降到0次，维保成本从每年80万降到20万；氯碱厂电解槽靠工艺优化模型，一年节电450万千瓦时，离子膜寿命从4年延长到5年；氯化钙厂操作频次从每天3300次降到83次，降幅97.5%。

这些AI，是用老师傅的经验喂出来的。没有那批"听声音就知道哪儿坏了"的老维修工，再好的算法也是空转。

所以现在化工行业的AI项目，都在抢同一种资源：懂工艺、有年头、还愿意把经验讲出来的老师傅。

经验从挂在嘴边的资历，变成了能进模型的资产。

三、一个真实的工作流对比

拿化工人最熟的活举例：装置标定报告，或者技改前的工艺分析。

传统流程：从DCS导三个月的历史数据，Excel里一条条清洗；翻两年前的操作记录、交接班日志；手画趋势图，对着工艺卡片一条条核对参数。熟练工，两三天。

AI介入后：数据清洗、趋势汇总、异常点标记、报告初稿，AI一个下午干完。

年轻人用AI，同样一个下午。

差别在哪？在看一眼的功夫。

AI把数据摆在你面前：这个月回流比高了0.2，蒸汽单耗涨了3%，某块仪表读数长期偏低。

年轻工程师看到的是三个异常项。老师傅看一眼就知道：仪表那块偏低，多半是假信号，真问题出在回流比上——去年夏天也这样，大概率是循环水那头的事，跟塔本身没关系。

AI给你数据，但不会告诉你数据意味着什么。这个"意味着什么"，是十几年装置喂出来的。

鑫海化工还有个数字值得咂摸：他们用AI对温度、压力、流量等200多个关键参数做组合推演，生产收率提升1%，单套装置一年多挣1000多万元。

但推演哪些参数、往哪个方向推、边界条件给多少，最后拍板的还是工艺员和车间主任。

四、老师傅快退休了，价值才刚要起来

回头看化工行业的处境，会发现一件挺讽刺的事。

全行业都在喊人才断层。埃森哲的报告说，全球化工行业约30%的员工超过50岁，未来十年陆续退休；美国那边，33%的化工工人、42%的化工工程师已经超过45岁。工程学科招生在下滑，毕业生也未必愿意进厂。

数据来源：埃森哲化工行业劳动力生产率研究

老师傅的经验，本来是要跟着人一起退休、清零的。

现在有了AI，经验第一次有了容器——可以存下来，学起来，传下去。

对企业，这是抢救性的：趁老师傅还在岗，把三十年的手感变成模型里的参数。对个人，这是资产性的：你脑子里的东西，第一次可以脱离你的身体，被复用，被定价。

职场对40岁以上的嫌弃，本质是嫌执行力下降。而化工这个行业，AI把执行层卷走之后，剩下的全是最吃年头的事：HAZOP分析要判断偏差的实际后果，开停车方案要掂量风险边界，异常工况处置靠的是第一反应。

未来的化工职场，不按年龄分层，按会不会用AI放大自己的判断力分层。

愿意把AI当杠杆的老师傅，越老越值钱；把AI当威胁的年轻人，反而可能先被替代。

所以，下次再有人说"化工是夕阳行业，老师傅是过时的资产"，你可以把山东海化的故事讲给他听：AI故障识别准确率从60%干到95%，答案藏在那批老师傅的耳朵里。

评论区聊聊：你所在的车间或者设计院，上了AI之后，老师傅的地位变了吗？