易用性：工业自动化的下一次突破

博途PLC工程智能体 | AI智能体博途网关 | 博途PLC程序知识图谱 | 梯形图转SCL | 自然语言生成梯形图 | 自然语言生成SCL | 逆向生成程序块文档 | 梯形图在线查看 | 博途编程文档MCP | AI模型价格对比 | AI工具导航 | ONNX模型库 | Vibe Coding教程 | PLC在线仿真器 | Tripo 3D | Meshy AI

经常有人问我，自动化的下一个重大突破会是什么。他们期待的答案是 AI、人形机器人、基础模型，或者某种将在展会上亮相、带着炫目演示和满篇动词的新闻稿的新技术。

我通常会让他们失望。自动化的下一个重大突破是易用性。

要想让自动化真正起飞，它就不能继续掌握在少数集成商手中——那些人花了 10 年甚至 20 年，才学会机器里每一种古怪的语言、软件包、通信协议和未记载的行为。制造商需要能够自己完成简单的部分，而把困难的工作留给集成商和 OEM。

这就是全部论点。

1、每台机器都是一个软件集成项目

随便拿一台今天有点复杂度的机器来看。它大概率包含 PLC、HMI、机器人、相机、运动控制器、安全系统、驱动器，以及某种数据库或生产接口。每一个都有自己独立的编程环境、自己的文件格式、自己的规则，以及自己那一套"出问题了"的表达方式。

PLC 用一种编程语言，机器人用另一种，视觉系统用第三种。HMI 有自己的标签结构和逻辑，安全系统又加了一层，运动控制器可能还有一整套完全不同的工具。这些组件本身都不一定是坏的，大多数当初都是为了解决真实问题而设计的。

问题在于，机器制造商必须同时弄懂所有这些东西。

一台相当复杂的机器可能包含五到十种专有语言或编程环境。然后，所有这些系统还必须交换数据、协调时序、从故障中恢复，并且在操作员做出设计评审时谁也没料到的动作时依然表现正常。

制造商就是这样一不小心变成了软件公司。他们本来并没打算建立一个软件组织，他们想造的是一台能生产东西的机器。结果却不得不雇用控制工程师、机器人程序员、视觉专家、HMI 开发人员、安全工程师和项目经理，而这些人一大半的时间都花在其余五个群体之间做翻译。

这台机器在演示时可能运转完美。然后产品改了、光照变了、传感器换了，或者操作员需要增加一种新规格。突然之间，得有人找到那个既懂相机配方、又懂机器人程序、PLC 握手和 HMI 画面的人，而且他得熟练到能做一处小改动而不把机器其余部分搞坏。

而那个人通常正在另一个项目上忙得不可开交……哦对了，利润率还很惨。

2、疫情暴露了劳动力瓶颈

在疫情之前，自动化项目就已经很难落地了。疫情期间，这个行业见识到了需求上升、而能干活的人数不变时会发生什么。

整个行业的交货周期从六个月变成了两年以上。集成商不堪重负，客户焦急万分，人人都有一台急需建成的机器，却找不到足够的人来造。标准答案是：行业需要更多集成商。

这话没错，但不是完整的解决方案。你不可能靠雇十个人、发给他们开发用笔记本、再送去上个培训班，就造出一位经验丰富的自动化工程师。有用的知识来自多年与各种机器打交道——那些以没人能想象的方式失效的机器、那些在设计完成后又改产品的客户、那些单独运行都正常却拒绝协同工作的系统。

所以我们有两个选择。

1. 设法把有能力的集成商数量翻倍，或者……
2. 制造商开始自己完成更多简单工作。

如果行业需要两倍的集成商，我们应该诚实地面对这意味着什么。这意味着多年的招聘、培训，以及人员被竞争对手挖走。这意味着在新人学习期间，项目更贵、交期更长。这意味着一个本不该需要专家的任务，将继续由一个稀缺的劳动力池来承担。

另一种选择是把简单的工作向上游推。

制造商应该能够调整相机配方、更改产品规格、修改 HMI 画面、增加传感器、更新时序逻辑，或者排查一个常见故障——而不必打电话给一个按小时计费、还得订机票赶来的人。集成商应该去解决那些罕见的、技术上真正困难的问题。制造商改一个文本标签，不该需要集成商。

3、供应商把简单的工作变贵了

Rockwell、Siemens、Beckhoff、B&R、ABB、FANUC、Cognex（以及其他，恕不赘述）等主要供应商，围绕可靠的硬件、装机量和庞大的合作伙伴生态，构建了重要的业务。工业软件比消费级软件复杂，是有充分理由的。机器必须是确定性的、安全的、可维护的，而且要可靠运行多年。一台停机的机器不是崩溃后 30 秒就能重启的应用。

复杂性是真实的，因此定价也是真实的。

制造商可能需要一套 10,000 美元的软件，才能配置一台价格不到软件一半的设备。这个界面看起来就像是为 Windows 95 设计的，然后只做了刚好够装到新电脑上的更新。客户要为许可证、培训、支持合同，以及那个知道怎么用它的人付费。

然后供应商解释说，这套系统很好用，因为经验丰富的集成商可以很快上手操作。

这不是一回事。

专家能用，不代表这个系统好用。一个系统好用，是指一个能力普通的人不用花六个月成为专家，就能弄明白常见任务怎么做。

这个区分之所以重要，是有商业原因的。当软件复杂时，供应商认证的集成商网络就变得不可或缺；当软件变简单时，制造商就能在内部处理更多工作，供应商的生态系统对日常改动就没那么必要了。

不需要谁心存恶意，激励机制本身就足够了。供应商花了数十年，围绕硬件、软件、培训、服务和合作伙伴网络构建了有价值的业务。让软件真正变得好用，会威胁到这些层级产生的一部分收入。

客户不关心复杂性是来自一个糟糕的决策、一次陈旧的收购，还是一个产品经理在保住利润率目标（和他的工作）。客户只知道，一个简单的改动变成了一场项目。

4、AI 会让这个差距变得无法忽视

在 AI 时代，制造商没有任何理由还需要一套 20,000 美元的视觉系统和一位专家顾问，才能解决每一个普通的检测问题。对许多应用来说，一台 500 美元的相机加上一个周末的工作，就足以做出一个能用的原型。我做到过。用 Claude Code 和一部 iPhone 花了几个小时，我就复现了过去要花 1 万美元买一台内置处理器相机才能做到的事。

一个周末的项目，几年前需要 3 个月和一台 1 万美元的相机，如今用 Claude Code 和一部 iPhone 解决。

最终的生产系统可能仍然需要合适的照明、光学、夹具、验证、可追溯性，以及针对每一种预期零件变化的测试。视觉不是魔法，任何试过让一台相机在三个班次、六次产品变更中持续工作的人都知道，难的部分往往在演示之后才开始。

不过，大多数检测任务并不是史无前例的研究问题。它们无非是检查：零件在不在、标签位置对不对、连接器装没装、孔有没有、表面有没有明显缺陷，或者某个零件看起来是否与之前的零件有实质差异。

难的部分通常不是算法，而是拿到工具的访问权限、弄清楚它需要什么、配置好任务，以及日后做出改动时不至于把其他所有东西搞坏。

AI 可以帮上忙。它可以解释一个故障、生成一份起始配置、把操作员的描述翻译成程序、找出缺失的信号、推荐一个视觉模型，还能产出真正有人会去读的文档。价值将来自消除问题与可用解决方案之间的那些工作，而不是把每个工程师都变成 AI 研究员。

这不只适用于视觉。AI 辅助的 PLC 编程、机器人编程、HMI 开发、电气文档和故障排查都会很重要，因为它们减少了一个人脑子里需要同时装着的、彼此割裂的专家系统数量。

最好的工具不会消除专业知识，它们会让专业知识在被需要的那一刻触手可及。

5、易用不等于把难的部分藏起来

对以上所有观点，都有一个合理的反驳。工业自动化不可能被简化成拖放图标和欢快的软件助手。有些应用就是很难，有些故障就是危险，有些系统就是需要懂时序、安全、运动、网络和控制理论的工程师。

当然如此。

易用性意味着把常见任务和专业任务分开。一个好的系统会让前 80% 变得简单，同时把最后 20% 留给真正知道自己在做什么的人。

制造商应该能够配置标准产品、诊断正常故障、做出受控的改动；而非常规的产品、古怪的工艺、不安全的状况，以及那台必须协调六台机器人同时达到一个纸上看起来不合理的节拍的机器，应该交给 OEM 或集成商。

我们不需要一种适用于所有机器的通用编程语言。我们需要的是：更少需要重复输入同一信息的地方，更少需要上认证课程才能看懂的界面，以及更少那种原程序员一走就无法维护的系统。

6、未来的赢家会更小、更野

在接下来的五年里，我预计会看到一种转变，离开那些主导自动化数十年的巨头供应商。他们会保住装机量、销售团队、合同和合格供应商名单。但这并不意味着他们能拥有围绕这台机器创造的全部价值。

更小、更灵活的公司将开始赢得对制造商和中小型 OEM 真正重要的工作。有些会做出更好的配置工具，有些会创造出无需让人精通六种厂商方言就能连接现有系统的软件，还有些会把自己为内部集成工作开发的工具变成产品。

胜出的产品可能不会取代 PLC、相机、机器人或 HMI，它可能只是让它们能一起好用起来。它将位于硬件之上的一个层面。

这比听起来要大得多的机会。制造商未必想替换机器里的每个部件，他们只是想不用再打给四家不同的供应商，去弄明白机器为什么启动不了。

理解这一点的公司，将通过减少制造和维护一台机器所需专家数量来赚钱。他们会缩短调试周期、改善文档、减少紧急上门服务，并让客户在集成商离开后拥有更多对机器的掌控。

这是一门好生意，而且恰好也是这个行业所需要的。

制造商在购买下一套系统之前，应该开始问几个基本问题：维修技师能否不打电话给供应商就更改相机配方？工程师能否不打开三个编程环境就修改产品规格？操作员能否不用"解码器"就看懂故障信息？集成商离开六个月之后，机器制造商还能否做出一次安全、有记录的改动？

如果这些问题的答案全是"否"，那么这台机器就不好用。它只是被一群已经学会了忍受困难的人操作着而已。

当普通公司能够完成普通的自动化工作时，自动化才会规模化。困难的项目仍然属于专家，但简单的项目不该如此。

原文链接: The Next Breakthrough in Automation: Ease of Use

汇智网翻译整理，转载请标明出处