三一重工加码AI转型，挖前百度高管

11月初，前百度集团副总裁、百度研究院副院长吴甜正式官宣加盟三一集团，出任集团副总裁、耘AI总院院长，同时兼任人工智能研究院院长。 这位在百度供职近二十年、全程参与了飞桨深度学习平台创立，是文心大模型早期的主要技术负责人之一，职业生涯的下一站，选择的是一家以挖掘机、泵车闻名的重型机械制造企业。 在更早些的10月份，原奇瑞汽车副总裁、智能化中心实际运营负责人谢保军也已经确认加入三一体系。 两位分别来自互联网和车企的大厂技术高管，前后脚投奔了同一家工程机械公司。

而这家年营收近九百亿元的“挖掘机一哥”，正在用越来越密集的动作，强化自己身上的AI标签，甚至是“人工智能原生机器人公司”这样的定位。 AI人才从互联网各科技大厂转向重型制造业，也是AI潮流的一个组成部分。 而那些传统印象里似乎相当粗放的制造业，在AI转型上的迫切程度，可能比大多数人想象的要强烈得多。 三一的AI布局不是今年一时兴起，而是在几年前就踩下了数字化转型的油门。 2018年，三一把数字化升级提到了“要么翻身，要么翻船”的战略高度，长沙18号工厂是这一阶段的标志性产物。

这一阶段的“智能化”本质仍是自动化的延伸，核心目标是降本增效。 真正的AI转向发生在2025年。 三一把这一年定义为集团的“智能化元年”，转型重心从制造端向产品端和组织端全面迁移，并由董事长亲自挂帅，要求所有管理岗和关键岗都必须思考AI与自身业务的结合点。 三一试图把AI变成所有岗位的通用基础能力。 副总裁李宏伟更是豪言“可以肯定的是，未来三一集团会发展为一家AI原生机器人公司”。

几年下来，AI落地也确实拿出了一些看得见的成果，如自主研发的无人装载机实现商业化运营，无人摊压机群创下过高速施工连续作业的行业纪录，智慧矿山和智慧港口也形成了成套的全场景解决方案。 但这些成绩距离“AI原生公司”的目标，差距依然不小。 李宏伟也坦言：目前可实现的无人化，仍然主要依靠规则算法而非数据驱动，机械的整体协同效率与人力成本相比，还没有突出的比较优势。 这正是吴甜和谢保军被引入的核心原因。 吴甜带来的不只是个人技术声望，还有一整套大模型平台建设、AI技术体系化落地的经验。

其执掌的耘AI总院，要做的是把大模型能力迁移到工程机械场景，推动AI从规则驱动走向数据驱动，在各条业务线里真正扎下去。 谢保军则带着汽车行业智能化的完整工程经验，从智能座舱到辅助驾驶的体系化能力，恰好可以平移到重工装备的智能化升级中。 两位跨界高管的到岗，意味着三一的AI转型，从“做试点”阶段正式进入了“建体系”阶段。 三一之所以把AI的调子定得这么高、步子迈得这么快，其背后有多重现实压力。 最底层的压力来自人才供给的硬约束，也就是人才缺口。

在制造端，我国制造业十大重点领域至2025年人才缺口将接近3000万人，缺口率高达48%，需求总量与供给总量差距不断拉大。 仅数字孪生工程师缺口就达47万人。 售后端缺人的情况同样普遍。 2025年，我国工程机械出口额达601.69亿美元，同比增长13.8%，售后人才却一度“断档”——这个专业每年毕业生只有50人左右，就业率接近100%，依然供不应求。 当熟练技工越来越难招、越来越贵，AI和无人化就不再是锦上添花的升级，而是在人才供给侧上不得不走的替代路径。 更现实的经营需求，则来自海外业务。

去年三一重工实现国际主营业务收入558.6亿元，占总营收的64%； 国际业务毛利率达到31.7%，比国内高出近11个百分点，海外毛利润占比超过七成。 今年上半年，三一重工海外主营业务收入同比再增长21.82%，占比仍在60%以上。 当生意的重心移到了海外，对三一的服务能力就提出了更高的要求。 海外市场面对的是小语种、跨时区、备件调度复杂、资深技师稀缺的复合难题。 三一推出的“海外维修助手”，就是直接回应这个场景的产品。

它能够利用大模型的语义理解能力，在复杂的语言环境下精准定位问题，给出解决方案并匹配正确的备件，同时自动调度人员进行现场维修。 未来三一在海外铺开的市场越大、卖出去的设备越多，销售和售后包袱就越重。 从这个角度看，AI如果能把远程诊断、维修指导等效率提上来，将帮助公司打开海外业务的利润空间。 除了公司内需，外部政策层面也在同步加力。 工信部2026年在研究起草新一代智能制造政策时，明确点名要“推动智能工程机械研发应用，提升自主作业和智能服务能力”； 同期还公示了工程机械数智化远程运维服务的行业标准计划。

行业标准和政策导向双管齐下，意味着智能化已经不是选答题，是行业未来的准入门槛。 内外因素叠加之下，从科技企业直接挖成熟人才，就成了最快的破局手段。 大举押注AI和跨界挖人的重工企业，实际上并不止三一重工这一家：2019年，中联重科就与吴恩达创立的Landing.AI合作，由后者为其搭建AI团队； 2023年硅谷裁员潮期间，农机与工程机械巨头CNH的CEO公开表示，公司一年内招聘了超过350名工程师，其中一部分就来自亚马逊和微软；

2026年10月，韩国斗山任命原现代汽车自动驾驶中心负责人Woongjun Jang出任CTO； 卡特彼勒和小松虽然没有直接大规模挖人，但走的是和大厂的深度合作路线。 具体方式各有不同，但同一个趋势逐渐明晰：重工行业正在成为AI技术落地的重要试验场。 对互联网和车企的AI人才来说，重工场景也确实有它的吸引力。 矿山、港口、封闭工地的工作面相对固定，作业流程可以被清晰描述和重复，不需要应对开放道路上无穷无尽的突发状况。 很多AI相关技术在这里已经越过了“能不能用”的验证门槛，进入了“划不划算用”的商业计算区间。

如三一的无人挖掘机在真实场景中，已经能实现无人干预下连续装载超过10车，无人化装车效率达到人工的80%以上，打通了“挖—装—运—卸”全流程。 但硬币也有反面：这样的联手，也远不是“技术降维移植”那么简单。 互联网公司的AI迭代逻辑是虚拟验算、快速试错，一个版本不行立刻换下一个，试错成本主要是算力和时间。 重工业的技术迭代完全是另一套逻辑：设备在工地、矿山里跑，一次故障可能造成几十万甚至上百万的损失，还可能引发安全事故，试错成本极高。 任何AI功能上线前，都要经过漫长的可靠性验证。

汽车行业的自动驾驶体系，是在相对规范的交通环境里生长的。 而重工的AI要面对的，是粉尘、震动、泥泞、高温和非标准化地形，以及更多的人机协同。 两者的物理约束差异巨大。 把汽车上的智能方案直接搬到挖掘机上，也很有可能会水土不服。 跨界挖人或许可以快速补齐组织能力和技术框架，但在最关键的场景适配上，没有捷径可走。 大厂人才带来的模型能力、工程方法，与重工行业几十年积累的工况数据、设备经验深度磨合之后，会真正长出可用的产品。

当挖掘机一哥都开始用副总裁级别的岗位去挖AI人才时，说明AI向实体经济的渗透，已经越过了概念阶段，进入了真刀真枪的产业落地期。 只是这一次，主导节奏的不再是互联网公司，而是那些手里握着真实场景、真实设备、真实需求的制造企业。