清晖奖学金专访 |罗琛:工程管理不是技术工作的附加环节

“上海交大机动学院-清晖MEM奖学金”设立于2021年，致力于进一步激发工程管理硕士研究生认真学习项目管理前沿理论、提升项目管理实践水平，促进项目管理体系的不断完善和发展，期待奖学金的设立能引导更多交大MEM学子重视项目管理，了解和学习PMI项目管理知识体系，为社会创造出更大价值。

本文采访对象：2026年度上海交大机动学院-清晖MEM奖学金获得者罗琛同学

个人介绍

上海交通大学机械与动力工程学院2024级工程管理硕士（MEM），24M206班。从事机器人行业研发技术及产品管理工作十余年。

职业经历覆盖产品研发、项目管理、市场推广和产业生态建设，注重以系统工程和项目管理方法推动复杂机器人技术转化为可交付、可复制和可规模化的产品价值。

职务

曾任珞石机器人集团股份有限公司协作产品线产品担当；现任上海启元机器人营销服市场生态规划负责人，负责市场战略研究、消费级人形机器人场景生态规划、产业合作与出海相关工作。

在校职务与所获荣誉（部分）

第九届上海市工程管理创新大赛优胜奖，担任参赛队长；

上海交通大学机械与动力工程学院2024级MEM学生联合会主席团成员；

担任上海交通大学2024级MEM 6班副班长；

读书社副社长，组织策划“沉浸式阅读 启迪思维之旅”活动并担任主持人；

组织2025年机动学院MEM新春体育文化节，参与策划并担任主持人

获奖心得

攻读MEM之前，我更习惯从产品和技术本身出发解决问题，关注的是性能指标、功能实现以及单个节点能否按时完成。

系统学习工程管理后，我最大的改变，是开始用“目标—系统—资源—风险—价值”的完整链条审视工程活动。

一个技术方案是否优秀，不仅取决于参数是否领先，还要看它能否匹配客户场景、能否在既定成本和周期内完成、供应链是否可支撑、跨部门接口是否清晰，以及最终能否形成可持续的商业回报。

在协作机器人新产品开发中，项目曾出现多个专业团队并行推进、关键测试资源冲突、需求变更频繁等问题。过去容易通过临时协调和加班处理，但这种方式难以复制。我将课堂中的WBS、里程碑计划、关键路径、风险清单和变更控制方法引入项目：先将市场需求分解为产品、系统和模块指标，明确责任人及交付物；再识别关键链路和共享资源约束，设置阶段评审与风险缓冲；对新增需求实行影响评估和版本化管理。

实施后，项目进度由“依赖个人盯办”转变为“基于计划和机制推进”，跨部门沟通效率、问题闭环速度和节点透明度明显提升。

MEM让我认识到，工程管理不是技术工作的附加环节，而是让复杂技术稳定转化为产品价值的方法论。

在机器人产品开发中，我曾负责一个面向企业级客户的定制化协作机器人项目。项目同时涉及机械结构、驱动控制、电气硬件、嵌入式软件、算法、功能安全、应用工艺、供应链和客户现场等多个环节。

早期最大的困难是，各团队都在努力完成自身任务，但对整体交付目标、接口边界和优先级理解不一致，导致方案反复、验证资源拥堵，客户需求也在持续变化。

我利用技术背景快速识别性能指标之间的耦合关系，同时运用工程管理知识建立项目治理机制。

首先通过需求分层与系统分解，将客户场景转换为可验证的系统指标和模块任务；其次建立WBS、RACI责任矩阵、里程碑计划和关键链法，明确每个阶段的输入、输出和决策人；再次针对测试台架、样机和关键工程师等稀缺资源进行统筹排程，并设置风险清单、升级路径和变更评审机制；最后推动标准模块沉淀，减少后续项目的重复开发。

项目过程中也经历过关键方案在验证阶段未达到预期的挫折。那次经历让我认识到，管理不是掩盖技术不确定性，而是让不确定性尽早暴露、可量化、可决策。

技术与管理的结合，使我既能理解研发团队的专业约束，也能从客户、成本、周期和组织协同角度推动取舍，这成为我处理复杂项目的重要优势。

特别采访时间：怎么看待当前工程/制造业/能源业最需要怎样的项目管理创新或工程技术管理人才？为什么？

当前机器人与高端制造业最需要的，不是只懂流程的项目经理，也不是只关注单点技术的专家，而是具备系统工程思维、产业化视角和数据化决策能力的复合型工程技术管理人才。

机器人产品集机械、控制、软件、算法、人工智能、功能安全和应用工艺于一体，技术迭代快、供应链长、客户需求差异大，任何局部优化都可能引发系统级成本、进度或质量问题。

因此，管理者需要能够理解关键技术逻辑，把市场需求转化为系统指标和项目任务，并通过跨部门机制形成端到端闭环。

项目管理创新应重点体现在三个方面：一是从静态计划转向动态计划，结合关键链、资源约束和数据监测，及时识别进度偏差与风险传导；二是从单项目交付转向平台化与产品化管理，通过模块复用、接口标准和知识沉淀降低重复开发；三是从企业内部协同转向生态协同，将高校、供应商、客户、场景方和海外渠道纳入统一价值网络。未来优秀的工程管理人才还应具备AI工具应用能力，用数据辅助需求分析、风险预测、资源优化和决策复盘。

只有同时理解技术、组织与商业，才能在保证质量和安全的前提下缩短研发周期，推动中国机器人技术及产品真正实现规模化产业落地。