先说两条这两个月的新消息。
一条在山东。青岛董家口站区，一台亮黄色的牵引设备在钢轨上来回穿梭，车上没有司机，却能拉着几十节车厢走。它被叫作「智能电牛」，靠激光雷达建三维地图、毫米波雷达避障，启动、行驶、停车都由远端的操控人员完成。投用之后，站区车辆的平均停留时间从七个小时压缩到了三个小时。
另一条在云南。今年三月，我国首台铁路隧道双动力智能捣固车在昆明下线，四月投入使用。这台装备集成了图像自动识别、自动捣固、自适应作业，在隧道里可以全电驱动，作业时几乎听不到柴油机的轰鸣。
再往前数，还有攀钢弄弄坪厂区的四台纯电调车机车完成了无人化改造，朔黄铁路黄骅港站的智能调车系统上线，神朔线上跑起了智能驾驶的重载列车。这些装备有一个共同点，车上或者没有人，或者只需要一个人盯着屏幕。
于是问题就来了。调车司机、检车员、大机操作手，这些岗位还剩下几年。
AI先替掉的，是能重复的那部分
判断一个岗位会不会被替，其实有个朴素的尺子，看三个条件。一是动作能不能重复，二是结果能不能验证，三是环境能不能预测。三条都占的活，迟早会被接走。
铁路货车检车，就是最典型的例子。这个岗位的演变，几乎所有铁路人都能说出个大概。最早是在编组场上干的，拎着检点锤和检车灯，在列车中间钻上钻下，敲敲打打，夏天一身汗，冬天一层霜。到了2010年前后，轨边装上了高速摄像头，一列车从头到尾拍五千张照片，人从室外挪进了室内，活却一点没轻松，五千张图要一张一张看过去。
现在变了。AI先把这五千张图筛一遍，挑出两百张疑似有故障的，人只负责复核这两百张。
太原局湖东车辆段算过一笔账。以前一万吨重载列车要检测八千四百多张图片，十二个人七分钟左右才能看完；现在系统预报的故障图片降到三百六十张左右，三个人六分钟就能确认完。单辆车的看图作业量下降了96.2%，效率提升四倍以上。
西宁东车辆段的变化更直白，核减之后的作业人员从六十多人降到三十多人。这不是个别单位的动作，是同一种趋势在不同地方的重复。
调车这一块走得更早一些。攀钢弄弄坪厂区今年完成了四台调车机车的无人化改造。改造之前，一台机车要配司机、副司机、调车员各一名，按四班两倒算，一台车就是十二个人。那片厂区的工况还很苛刻，线路短、岔群密、半径小、视距差，过去全靠人工高频干预。改造之后，路径规划、速度调节、精准对位、摘挂钩全部由系统自动完成。
大型养路机械也在往同一个方向走。捣固车过去靠操作手控制下镐深度和作业节奏，手感稳不稳，直接影响线路的平顺质量。今年下线投用的智能捣固车，把图像自动识别、自动捣固、自适应作业集成在一起，能够自主识别线路参数、规划作业路径。原来靠手上分寸拿捏的那部分动作，正在交给系统。
但铁路有一条原则，一直没有变
如果只看到这里，结论会是岗位在消失。可铁路的做法恰恰卡在中间，始终守着一条原则，叫AI初筛加人工复核。
人民铁道网今年九月的报道里有句话，说得非常清楚。算法会误判，设备会故障，铁路始终坚持初筛加复核，从不为省事省掉人的环节。机器看得广，人看得细，再聪明的系统，也替代不了职工在疑点面前的那股较真劲。
西宁东车辆段的罗远平，是这句话最好的注脚。他参加工作三十四年，干动态检车二十一年。今年，车间上线了新的智能识别系统，这位工龄只有一个多月的「AI新同事」，会在检车员下结论之前，先把源源不断传回的车辆图像筛一轮。
系统投用第一个月，辅助检查货车五十八万六千多辆，处理图像四千六百九十多万张。可罗远平的说法是，机器筛得再快，安全关口的最后一道防线依旧是人。什么是真故障，什么是误报，哪些细节需要再确认，还得结合车型特点和现场经验去判断。
还有一层更实际的。苏家屯车辆段的副段长提到，遇到暴雪这类极端天气，他们会提前启动室外人工补充作业，确保一个风险点都不漏。设备再聪明，也得有人在它失效的时候顶上去。
经验到底是什么
很多人把经验理解成年头，其实不是。在AI面前，真正立得住的经验是三样东西。
第一样，是从「像」里认出「是」。系统报出一处疑似故障，图像上是一团模糊的阴影。它是转向架上的油污，还是真的裂纹，这一眼的分寸，取决于这个人见过多少种真实的故障。样本库是死的，现场是活的。
第二样，是处理没有先例的情况。算法学的是历史数据，它擅长的是在见过的情形里做比对。可铁路最怕的恰恰是没见过的事。冻土随季节胀缩、落石在一场急雨后滚下、短时强降雨说来就来，这些组合出来的现场，没有哪一份样本库能提前写全。
第三样，是承担那份责任。设备可以报警，但不能签字。一项检修完成了没有，一处隐患处理到位没有，最后落笔的是人，责任也在人身上。这一条不是技术问题，是制度问题，也是AI短期内跨不过去的一道线。
设备的边界，就是人的位置。智能捣固车确实把作业精度做上去了，过去靠手感控制下镐深度，现在系统自适应调整。但设备一旦报错、线路工况出现异常，是继续作业还是停机等待，这个判断还得有人做。
所以岗位不是消失，是位移
把上面这些放在一起看，变化的方向就清楚了。岗位没有凭空少掉，而是从一头挪到了另一头。
一是从动手挪到了看屏。检车员从编组场进了大厅，从抡检点锤变成了盯图像。二是从体力挪到了研判。智能设备把重复的、危险的、需要熬夜的活接了过去，人转向分析和判断。三是从执行挪到了应急。日常作业交给系统，异常处置留给人，而异常处置恰恰是最考验经验的一环。
西宁东车辆段的那句话值得记住，核减的人员再补充到其他更需要的岗位。这说明一件事，人没有被抛下，而是被重新放到了效率更高的位置。
还有一个方向在悄悄生长。设备越多，运维、标定、样本训练、故障处置的需求就越大。西宁东的检车员把误报和漏报的典型样本反馈给系统，让算法一点点贴近现场实际。这件事只有懂检车的人干得了，某种意义上，是老师傅在教AI。
罗远平那句话说得最透彻。AI让人从重复枯燥的工作中解放出来，人也在帮助AI不断进步。
说给还在岗位上的人
变化来的时候，最难受的不是变化本身，是不知道自己站在哪儿。有三个问题，可以拿来对自己掂一掂。
第一个，你手上这活，是不是只要你肯出力就能干好。如果是，那它大概率也是别人肯出力就能干好的，机器同样能学会。这类活要早做打算。
第二个，你判断问题的能力，能不能说出理由。能说出为什么这么判断，理由又经得起推敲，这就是经验。经验不怕AI，反而是AI的稀缺资源。
第三个，设备在换，你愿不愿意跟着学。西宁东车辆段把历年典型故障汇编成册，把经验传承从师傅口传心授变成了标准化知识管理。人也好，单位也好，在这一步上都没有偷懒的余地。
铁路运输安全工作会议上有一个提法，叫从人防为主转向人防加技防协同。注意这个词，是协同，不是替代。
一台无人驾驶的调车机开进站场，接走的是那些本来就不该由人熬着夜去干的活。它接不走的，是一个人在屏幕前的那一眼，一眼就看出哪张图不对劲的那点本事。
设备在往前走，人的价值也在重新排序。排在前面的，永远是会判断、能担事的那批人。
· · ·
今日话题
你所在的岗位，这两年有没有AI接手了一部分活儿。
关注我，带你读懂铁路人的工作和生活。这一行看着平凡，里头的门道和故事，比你想的多得多。
