“数字工匠”，没有流水线速成，也得“手搓”。而“手搓”的第一步，是给这位“数字工匠”准备一本高质量的“教材”。这本“教材”，就是海量的生产数据。

　　户传豪和同事们扎进榆林能化的厂区，真实的“战场”远比图纸复杂：精馏塔上200多个传感器，每秒都在产生温度、压力、流量数据。这些好办。最难的是“人工化验数据”——那是判断产品质量的标准，但一天只有几个时间点才有。

　　为了攒够训练“数字工匠”的“干粮”，光采集数据就耗了近3个月。这在AI领域，堪称“龟速”；但在化工行业，这已算“幸运”。国际数据公司（IDC）的数据显示：国内47.5%的规上制造企业已上线工业大模型，但企业海量传感原始数据里，能直接用于AI训练的高质量有效数据，不足5%。无数“数字工匠”还没出生，就夭折在了这第一关。

　　有了数据，还要注入“灵魂”。

　　人工智能擅长处理的是标准化、结构化的数据，但制造业里最有价值的问题，恰恰藏在那些非标准、非结构化的“老师傅经验”里。

　　一个老师傅看一眼精馏塔的温度曲线，就知道该动哪个阀门、动多少。这常被称作“手感”的东西，是老师傅几十年里面对过上千次异常工况、作过上万次判断之后，身体里“长”出来的直觉。把它“翻译”成算法，比写一本操作法难十倍。

　　“塔里温度高了，该调多少回流量？原料组成变了，怎么匹配蒸汽量？有些是书上的公式，但还有更多，是适合这个厂、这套装置的‘土方子’。”户传豪说。他们像“文字侦探”一样追着老师傅，把那些只可意会的操作诀窍，一条一条“抠”出来，转化成模型能理解的边界和逻辑。