社会需要重视工程与工程师的职业
导读 INTRODUCTION
本文作者宋华振,贝加莱工业自动化(中国)有限公司技术传播经理,公号「说东道西」。
看多某音、某号的视频,感觉似乎把太多的功劳划给了科学家。记得有一次看到那位北斗的女总工在视频号上的采访,下面都是对“美女科学家”的赞誉,我心里想这分明是一名工程师的工作。在半导体设备的一些突破时候,下面都是“厉害了,我们的科学家”,其实,只是刚做了个样机。甚至包括高铁这样的项目的赞誉,都归功于科学家的厉害……
凡此种种,大概我们取得了某些科技领域的突破,人们都统一把他们列入了科学的范畴,也都很兴奋的把功劳送给了 “科学家”—包括某迪的电动车下面都会留言“辛苦了我们的科技工作者”,而事实上,大部分人们所夸赞的都不属于科学家,而其实都是“工程”,而非科学活动,它的实现依赖的大部分都属于工程师的工作—然而这种认知似乎很为普遍。
这有什么区别吗?既然他们有功劳,那把这些看上去更高级的名誉送给他们也会有问题吗?
这显然是有问题的,因为,这首先就是“定义不清”的问题—视频号那些人不了解倒无妨。然而,这种认知不清时常会发生在科技发展政策、产业发展政策、人才培养发展的规划里,那么这就会带来较大的问题。这关乎合理有效的资金分配,以及人员培养的方法与渠道的设计…影响不可谓不大。
科学家与工程师的区别在哪里?
科学,其本质在于探索发现(Discovery),它不是发明(invent),也不是指创新(Innovation)。发现是寻找自然界的规律,它是发现已经存在于事物中的规律,并通过数学、物理、化学公式的方式进行总结,形成知识。科学形成的知识可以用于工程创新—确切的说,在工程里才能称为创新,因为工程(Engineering)的本质就是创建世界不存在的事物。科学会经过大量的试验、数据来总结规律,例如材料的物理化学特性、流体流动的规律-这是非常消耗资金的。而科学经常是要0-1的,因为,它是寻找“种子”,沿着这个方向不断的探索各种可能性,然后寻找到期间的规律,而工程中的0-1对应的却是另一个问题,即各种已有技术的融合。
图1-科学工程与技术的角色
而工程则是借助于这些规律来进行“创建”或称为“构建”那些自然界不存在的事物,就像盖一栋大楼,修一条高铁,但是,这里工程师们借助于科学发现的规律。而技术,则是在这个过程中形成的结果,或者形成的设备,可复用的技巧,或以软件形式封装的,前者在人的经验中,而后者将其显性化,并以软件形式封装来复用。由于工程会借助于科学的知识和方法,因此,这很容易被混淆-以为,那些从事设计的就是科学。
这就是个人比较困惑的地方—为什么那么多谈“科技”、“科学”,就欠缺对“工程”的讨论,谈科学家、工匠,却似乎工程和工程师往往被忽略—而科学必须经由工程才能到技术。包括在吴国盛先生的《科学的历程》中也是谈到了很多其实属于工程的问题-而只有科学和技术这两个词,在吴军的《全球科技通史》中也谈到了大量的科技发展,其实,也缺乏对工程的描述。
引用M博士前几天朋友圈的一段发言,“在《科学:无尽的前沿》这本书中,布什提出:科学,是多么重要。然而,布什还写下了不一样的文字,被我们有意无意地阉割掉了。“
在工程师与科学家的所有关系中,工程技术与其说是科学的产儿,不如说是科学的伴侣。虽然每个人都知道工程学是用于将科学转化为技术的,但不是每个人都知道,工程学也在做着正好相反的事,即将技术转化为新的科学和数学”。
图2-苏格拉底-工程师解决复杂问题,并组织和使用工具
在《工程师史-一个流传6000年的职业》中,应用苏格拉底对于工程师的定义“解决复杂问题,并组合使用工具”。解决复杂问题,是科学和工程都要解决的,一个是探索可能性,一个是在各种可能性中进行“取舍”,然后收敛到最经济的道路上。
科学和工程它的方法论具有一致性,正如笛卡尔在《方法论》(Discourse on the method)中所描述,首先怀疑一切,不盲目相信一个结论或权威,其次,对于复杂问题,尽量分解为多个简单的小问题来研究,第三步,解决这些小问题,按照先易后难次序逐步解决,最后,解决每个小问题后,再综合起来,看看是否彻底解决原来问题。在这里,科学和工程都需要遵循这样的过程,只是相对来说,科学因为要进行探索,必须考虑第一步。而工程创新,也需要另辟蹊径-不要被现有的方案所约束,也需要探索其他的方法,但是“取舍”是很关键的,因为,工程主要不是为了探索自然规律,而是探索用新的方法(材料、工艺)来解决问题—这里必须得强调,工程并不建立在纯粹0-1的发现,而是在已有的成熟基础上的组合。
额外插入一个话题,即,医生的工作也同样属于“科学”,因为,他们本身进行的工作属于典型的探索各种人在不同情况下产生的病变,如何去进行大量的临床数据归结,并根据药理来进行治疗-这个过程其实也属于科学研究-因为,人体实在是过于复杂。医生不属于普通劳动者,而是属于科研人员,但是,医生与其它所有学科不同在于医学里的教授必须是有临床的实践。
制定政策的问题
了解这些有什么用呢?难道非要给他们区分的这么清晰吗?毕竟,听上去,工程也是需要用科学的规律啊!难道,他们不能混在一起吗?在科学的过程中,进行工程的设计?或者在工程中,用技术来实现新的产品?
如果是科学问题,那就应该归于科学部门的研究,例如科学院。但是如果属于工程问题,其实,我们最好把它归于市场机制来完成,因为,工程本身就是要通过收敛的经济性来盈利的。
科学是非常烧钱的,这个必须由国家乃至全球的科学界进行联合的发现工作,而且,科学的成果往往不代表着正确或结论,而仅代表已有的探索,在基于数据和约束条件下的相对结论。
工程则不然,它的核心在于经济性收敛,它不同于科学的发散,其核心在于收敛到经济性的道路上来—因此,它必然需要由市场的机制来驱动,因为,盈利才是真正的驱动力。
图3-科学的发散与工程的收敛到技术
工程经过收敛后形成的可复用的经验、软件等形成了技术。工程并不需要0-1的纯粹新的科学理论来开展设计。而是借助于已有技术的跨界融合来完成—这就是创新的过程,而这个过程中,最为复杂的实际上是测试验证过程。因为,科学也尚未能够清晰其中的规律,毕竟,人类对于世界的认知何其渺小,很多事情都需要工程的测试验证来实现,以获得最优的应用组合,生产出高品质的产品。
由于缺乏对工程的这种认知,会容易使得我们对所谓的“突破”产生认知偏差,即,经常我们会出现各种所谓“科技突破”、“填补空白”、“打破垄断”,开验收及表彰大会。但是,对于真正的产业而言,这仅仅是刚刚开始-万里长征第一步。因为,工程是没有尽头的,很多所谓0-1的突破,仅仅是样机。
一台光刻机,需要在各种材料、晶圆尺寸、各种生产速度、以及与其它设备的联调调度,还要应对现场的各种不稳定的干扰因素,进行不断的优化,让良品率从低到高,才能真正突破盈亏平衡线进入盈利状态—而这个过程往往经历数年乃至数十年,其实看过大名鼎鼎的ASML光刻机的涂胶、显影、运动控制平台,以及核心的光学组件的迭代,也是要众多的企业大量的工程师进行不断的优化,并且到了生产线上也需要大量的技师在现场结合生产进行调校,以及返回参数去进一步迭代-即使在产线上仍然在不断的采集数据来进行优化和不断迭代,才能稳定的产出良品—并且,光刻机仅仅是单一环节,还需要确保它的数百道工序都是达到99.999%以上的单工位良品率(M博士谈到需要9个9级的良品率保障),才能最终确保稳定的良品率-对于半导体行业,综合良率85%才是盈亏平衡线-半导体只有极个别厂商能够生存是有原因的。
图4-光刻机是复杂的机电光学化学一体的设备
这些都是由成千上万的来自产业链条上下游几百家企业的工程师和现场工程师,在设计阶段借助于科学的规律,包括材料的化学、光学的、流体、电气传动、感测技术等知识的综合应用—但是,这个实现的过程基本上都是工程师在大量的测试验证中进行的—当然,这里会产生科学的收获,因为,可能测试了很多种材料形成了对材料的物理化学特性的新知识—这是前面提及的工程对科学的反馈。
工程,就是这样的一个过程,漫长而枯燥,但是最终才能达到我们所看到的芯片的良品率稳定输出—而这是所有工程最终的目的,而科学则不关心这些问题,因为,科学关心的是获得哪些规律,特性的发现,但是,工程师的目标却只有最终的良品率。因为,只有确保高良品率,才能确保企业的盈利。
因此,不要被所谓的“突破”所迷惑,为什么特别强调工程认知这件事情,是因为,很多时候,我们的这种突破是以“科研”的形式在进行的,而很多这种科研经常会到此为止—因为,科研的结果就是论文而不是真正的产业落地。而这仅仅是万里长征第一步,是否能够经得起产业实战的考验,尚有非常久的路要走。因为,很多这样的科研经常都是由大学、研究机构在国家资金支持下进行的-而这些科研的结果往往在产业转化方面比较低,且即使转化也成功率比较低。
而前几天一篇《屈从论文,难下工厂!25名科学家企业家联名呼吁:“工科理科化”亟待扭转》也引发了热议(超过7.4万阅读)--因为,这就是当前我们的科研的难题—很多研究在大学的实验室里,人们把科学看得太高,似乎受到了“劳心者治人,而劳力者治于人”的观念影响,搞科学就是高级的,而到了现场干活就是不那么高级的—这就导致了大学和研究机构的研究不再继续到产业里接受实战。而另一方面,如果这些科研人员到了现场,会发现工程里的问题好像也写不了好的论文,影响评职称,以及学术地位。甚至,这些科研都要找到“科学元素”才显得高级—这也是现实。
今天早上看到F博士转发此文的评论“不解决工科理科化”问题,培养不出面向新时代具有科学素养的大批卓越工程师,“中国制造”极有可能遭遇大面积空心化。现在很多大学的研究处于“自嗨”状态,就是“自造场景,自编问题,自写结果,自我评价”,对去企业毫无兴趣,对工业中真正需要深入研究和攻克的问题,几乎完全没有了解”。
这是为什么说,认知工程很重要的原因,就在于,如果按照我们目前的这种科研,脱离了产业工程实践,停留在发表论文—这就无法真正让大学的科研潜能被产业真正的吸收和应用。而很容易让所谓的科研人员去追逐所谓的前沿,热点,然后做个样机,测试一些数据,就发表论文,就开始大谈“科技创新突破”,如果这些科研真的是高效的,那今天何至于那么多卡脖子呢?
为什么我们不重视“工程”和工程师?
其实,这个稿子去年开始就写了部分,只是需要点灵感。前几天早上看到M博士的朋友圈,针对一篇《中国一直缺乏关于科学和技术创新的系统研究》发表了一些观点,我也是有所触动。这倒是与我们常见的认知是有关的,之所以对“工程”,这里得用英文原文“Engineering”比较好在于“ing”本身代表是一个过程。
因为,在很长的时间,我们都是采用了直接产线、装备引进的方式,在生产产品。但是,今天我们被所谓的“卡脖子”,其实,都发生在这个装备和产线我们自己未经过非常深厚的工程研发积累,因为,在每个行业里,无论是印刷、塑料、电子、半导体,每个行业都是如此,这些设备与产线之所以能够大量、低成本生产高品质产品,都是因为这些设备经历了长时间的工程研发与迭代,经历了从纯机械、电气化的发展过程。之所以,机器变得复杂,都是因为产品品类的变化,包括材料的多样性,每个领域都是有成千上万种材料的规格变化,而生产的工艺与机器的逻辑也会有巨大的变化,而这些都是经历了大量的机器测试验证过程来收敛到经济性的道路的。
图5-工程借助于科学的原理进行设计
工程(Engineering)在每个领域都是如此,机器被不断的在各种材料、速度、工艺流程下进行测试—随着这种产品的变化越来越多样,传统的单一大规模的测试就会因为经济性而被取代。这是今天我们谈的工业软件形成的基本逻辑,就是为了降低这个物理测试验证的成本,并且,希望将已有的知识用软件封装,以达到复用,这都是为了降低工程成本,包括开发、测试验证的成本。
我们缺乏对工程的认识,也就是因为我们过去都是在引进设备和产线,自己没有去真正的原创性的,按照马斯克所谓的“第一性原理”来进行过“正向设计”,我们很多时候都是仿制,仿制的过程最大的缺失,就是这个工程(Engineering)迭代中的那些知识,隐藏在结果背后的过程,蕴含着大量的知识,这些知识就是“如何做出的取舍”?,众所周知,每个技术都有不同路线,但是,如何进行这个解题,选择路径,这个过程可能是最为重要的—而这些工程中的过程,我们并不了解,仿制,只是在仿制结果。
图6-建模仿真在工程中的应用正是工业软件的开发动力
这就像很多年前,谈到佛教,有朋友就说“你看的佛教的经书,都是佛陀的证悟”,是的,我们看到的是佛陀证悟的结果,而佛陀究竟如何证悟的过程,以及这个过程中经历的那些思考、判断、测试都未经历,因此,我们知道的仅仅是非常有限的对世界的理解。
由于缺乏“Engineering”这个过程中那些分析、决策、测试验证,以及大量的失败,我们因此,对技术本身的实现“知其然而不知其所以然”—这就是为什么我们缺乏核心技术的沉淀的原因。
错误-本身是比结果更大的知识。我们没有试过那么多错误,因此,没有掌握这个过程中的知识—而这个知识量,可能是百倍于我们看到的那个结果。
这也就是为什么我们总是在谈科技,而不谈工程,因为,这个过程原本我们就没有太多参与,大部分时候在跟随和仿制,或者直白的说在“抄袭”,因此,对工程缺乏认知是有非常强的背景的。
接着,不重视工程师的工作并给予高的社会地位,以及培养,也是在这个认知背景上产生的。因为,快速的赚钱使得缺乏对基础装备和工艺的研发投入,使得工程师只能做一些仿制的工作。记得有一年,林老师问我“
你说的建模仿真软件如此重要,为什么好像大家用的也不多啊!”—当时,我一时语塞,后来反应过来,是因为我们只是在“仿制”—因此,这个时候,工程师的价值含量自然无法被有效的体现。
图7-工程中的测试验证可以借助于数字方式
但是,今天,我们的制造业终于是明白了,也有更多的产业开始重视知识的价值了,愿意为工程师的研发工作、为软件支付费用。包括我们整个社会的消费文化也开始转变,大家也愿意为“知识付费”—这种潮流下,我们也相信,我们的产业真正的会崛起,我们也的确会突破这些卡脖子的限制—就像M博士说的,突破,从停止自嗨开始。
有时候,和产业里的朋友交流,大家感觉有很多问题,也有很多抱怨,但是,时间长了,突然抬头一想,我们的确存在很多问题,但是,这种大家在一起商讨,不断讨论,逐渐厘清产业发展问题的精神,不正是我们的希望之所在吗?
其实,有时候,不要在意那些在外面讲的专家,而是看那些在产业里深耕的专家-他们一是不善于言辞,二是不能说太多。因为,真正的成功的原因,并不是那么适合拿来给你讲的。
工程师从来都不简单
今天世界,最为火热的莫过于“Elon Musk”这位“硅谷钢铁侠”—他最为人们熟知的大概就是“第一性原理”,这个就是典型的工程师,借助于科学原理来设计系统,正向设计的过程。Elon Musk从来没有说自己是科学家,他一直定义自己是工程师。
在这个历程上,有太多伟大的工程师,当然了,很多伟大的工程师后来都创业发展成为了“企业家”,因此,人们似乎忘记了他们本身是工程师这个过程,比如创办GE的爱迪生、以及为我们今天的电子通信领域的贝尔实验室,那里有大量的工程师,以及钱学森的导师冯.卡门,他是典型的科学与工程融合的专家。设计微信的张晓龙、小米的雷布斯先生也是自称自己就是个工程师—,经常看到微软中国CTO韦博士的朋友圈,他也常常定义自己为工程师。但是,大量的企业领袖都来自于工程师这个职业。这也是不争的事实。
图8-Elon Musk与它的SpaceX
无论是高铁、还是中国过去的打下的“基建狂魔”、以及大量的基础设施工程,其实,都是由大量的工程师在现场,借助于科学的知识,以及现场工程实践,不断的形成的。
小到每天我们喝的一瓶水,大到载人航天工程,无不蕴含着工程师的工作。一瓶水我们要从过滤、净化工程开始,到吹瓶、灌装、旋盖、贴标一系列装备的生产,才能让我们以极低的价格喝到,要知道在30年前一瓶矿泉水也是3块钱,怎么也得相当于今天的30块的购买力吧?这些都来自于工程师们设计的饮料灌装线,不断的提高效率、降低不良品率,才能达到今天这么便宜。我们的每天生活里,每一个你视野范围内看到的,其实,除非是花花草草这样的植物,吃穿住行,无论哪里都会有工程师们在背后的身影。
图9-灌装系统的不断迭代才确保我们低成本喝到矿泉水
有时候,我们觉得工程师好像没有那么厉害,其实,很多工程师都已经换了马甲成为了企业家,或者成为了高级管理层-但是,其实,他们也在用工程的思维在干工作。工程师的思维就在于“化繁为简”、“解构与重构”、“取舍”。
工程师是现代意义的概念,在工业革命后发展起来的,它以设计和创建人类社会并不存在的事物,例如建筑领域的结构师、建筑师,凡是工厂就少不了的机械与电气工程师,以及针对不同领域的化工工艺、发酵工艺、催化工艺,以及包含了制造工艺的制程工程师。以及在软件领域大量的工程师在整体架构、局部代码实现、测试、UI设计工程师。任何一个领域,都会有工程师的身影,但是,这个社会却没有给他们应有的地位,而把很多功劳归给了科学家、科技工作者。
技师的重要性
技师,是另一个更为被忽视的职业,在制造业现场,其实还是有大量依靠自身的努力在这些实现中,依靠自身的钻研、经验来达成最终的高品质制造。技师的需求存在在于,首先科学对世界的认知真的是非常有限的,自然界的规律,因为它的无止境,我们对科学能够认知世界的1%都不敢妄言,其次,工程遇到一些难题,往往会超越了已知的设计范畴,例如机械系统的速度超越了边界后,其物理量间的关系,就不在线性区间,那么,这个时候,我们也无法靠有效的公式来表达,有时候会需要依赖于技师的那些直觉、经验—工业软件的本质在于知识复用,但是,基于学习的这种知识挖掘,同样要依赖于技师的经验,也即,机器也是要向人学习的,而这个被学习的对象,它也是要具有高效率的,穿透力的—而这些往往无法被有效的机理模型描述。
图10-技师确保制造成功的实现
现在制造业的技师,他们具有能够把机器与系统所不具有的能力实现,通过大量的现场实践,能够实现高品质的生产。记得去年嫦娥登月工程成功后,看到采访其总工时,他谈到的其中几个关键问题的解决,我听了后第一反应是,这其实是技师的能力,包括有一天看到讲到在固体推进器里,燃料填充后要进行一个非常危险的动作,就是用刀进行每次0.3mm的处理—这既不是科学家也不是工程师,就是纯粹的技师手艺。这两件小事情都让我们看到了,其实,在这样一个伟大的工程里,它需要科学家对其推力、轨道等进行科学计算,但是,也需要材料、结构等工程师进行设计建造,并在具体的制造环节还需要高级的技师来确保实现—这是一个多层次人才的集成,涵盖科学、工程、技术的综合应用。我们过分夸大了科学家的作用,而往往发现工程技术和现场的技师同样扮演关键角色—因为,缺乏他们的实施,这个任务同样不能完成。
在《技术与文明》一书里,作者对于工业革命的分析,发现像蒸汽机等的发明,甚至都没有什么科学应用的支撑,纯粹来自于现场的经验与实践,来自于动手能力特别强的工匠、技师。纯粹的利益驱动,因为,这个能赚钱。包括在该书谈到的弓弩、印刷术、枪械等等设计,都来自于它降低了成本,以及对人的依赖,企业凭此盈利,才让这些技术慢慢发展起来-而瓦特也不能说是发明了蒸汽机,只是改良-工程的迭代。
科学的角色在于为我们探索世界,寻找自然规律,并通过数学方式进行表述。而工程师则是利用科学总结的规律、形成的知识来创造设备和系统来解决问题,并在过程中来寻找解决方案。而技师们则通过现场实践,将设计转化为实际的生产装备和产线,而这个集成过程,充满着变化和不确定性,这需要依赖他们的经验、不断的打磨,使得设备可以稳定运行。
即使是我们讲人工智能、讲智能制造,但是,归根结底到了现场,仍旧是需要人的参与,并且智能依靠需要向人学习,而这个人—就是技师,如果没有优秀的技师,系统也无法高速收敛。
综上,其实,也无非就是朴素的为工程师们说几句话-他们值得高的荣耀,他们应该得到肯定和重视。就整个制造业而言,人员分配比例来说,应该说科学的人仅需0.1%的人员占比,而工程则需要20-30%的人员占比,剩下都是需要高技能的技师。因为,科研需要非常大的投入,不考虑眼前的牟利,而工程则不同,它必须是收敛到经济性的,技师,则是实施并进行现场级反馈迭代的-因为,设计的系统到现场仍然会遇到大量的问题。