吳琪/文

真正被改寫的不只是工廠，還有價(jià)值分配邏輯

過(guò)去20年，關(guān)于中國(guó)制造業(yè)的討論大多沿著同一條主線展開：規(guī)模有多大，鏈條有多全，升級(jí)有多快。

這條主線沒(méi)有錯(cuò)。中國(guó)仍是全球唯一擁有聯(lián)合國(guó)產(chǎn)業(yè)分類全部工業(yè)門類的國(guó)家，制造業(yè)增加值連續(xù)多年位居世界第一。完整工業(yè)體系、超大規(guī)模產(chǎn)業(yè)鏈和強(qiáng)大的工程化能力，至今仍是中國(guó)制造最難復(fù)制的現(xiàn)實(shí)基礎(chǔ)。

但如果繼續(xù)只沿著這條主線理解未來(lái)十年的競(jìng)爭(zhēng)，就可能看錯(cuò)真正的變化。

AI，特別是大模型、工業(yè)智能體、工業(yè)軟件與數(shù)據(jù)基礎(chǔ)設(shè)施的結(jié)合，正在改寫的不只是工廠里的若干環(huán)節(jié)，還有制造業(yè)競(jìng)爭(zhēng)的價(jià)值分配邏輯。

2026 年印發(fā)的《 “人工智能+制造”專項(xiàng)行動(dòng)實(shí)施意見》提出，到 2027 年推動(dòng) 3—5 個(gè)通用大模型在制造業(yè)深度應(yīng)用，推出1000 個(gè)高水平工業(yè)智能體，打造 100 個(gè)工業(yè)領(lǐng)域高質(zhì)量數(shù)據(jù)集，推廣500個(gè)典型應(yīng)用場(chǎng)景，并培育2—3家具有全球影響力的生態(tài)主導(dǎo)型企業(yè)。政策關(guān)注點(diǎn)已經(jīng)不只是“讓工廠更智能 ”，而是要重構(gòu)制造業(yè)競(jìng)爭(zhēng)力的來(lái)源。

這里最關(guān)鍵的變化可以概括為“認(rèn)知充?！?。認(rèn)知充裕在本文中是指AI顯著降低企業(yè)獲取、處理和生成認(rèn)知資源的成本，使部分原本稀缺的認(rèn)知活動(dòng)趨于普及化。

所謂認(rèn)知充裕，并不是說(shuō)判斷不再重要，也不是說(shuō)經(jīng)驗(yàn)已經(jīng)失效，而是說(shuō)分析、設(shè)計(jì)、篩選、歸納、識(shí)別異常、生成方案等一部分原本昂貴、緩慢、難以復(fù)制的認(rèn)知活動(dòng)，正在被模型、算法和數(shù)據(jù)系統(tǒng)顯著降本、提速并部分復(fù)制。

過(guò)去，許多企業(yè)和國(guó)家的優(yōu)勢(shì)建立在“高質(zhì)量認(rèn)知很貴、很慢、很難復(fù)制”這一前提之上。今天，這個(gè)前提正在被動(dòng)搖。被動(dòng)搖的不是認(rèn)知本身的價(jià)值，而是其中一部分認(rèn)知活動(dòng)的獨(dú)占性基礎(chǔ)。

制造業(yè)長(zhǎng)期給人的印象是“硬”，但其背后恰恰隱藏著大量高價(jià)值認(rèn)知過(guò)程：產(chǎn)品定義、工藝開發(fā)、參數(shù)優(yōu)化、缺陷分析、質(zhì)量判斷、供應(yīng)鏈協(xié)同、運(yùn)維回流。

認(rèn)知充裕真正松動(dòng)的不是制造業(yè)的物理基礎(chǔ)，而是這些長(zhǎng)期被封裝在經(jīng)驗(yàn)、流程和組織穩(wěn)定性中的高成本認(rèn)知活動(dòng)。正因如此，今天真正需要回答的問(wèn)題，已經(jīng)不只是中國(guó)制造業(yè)還能不能繼續(xù)做大做強(qiáng)，而是當(dāng)產(chǎn)業(yè)生態(tài)規(guī)則被改寫，中國(guó)制造業(yè)在新的價(jià)值分配結(jié)構(gòu)中到底應(yīng)當(dāng)占據(jù)什么位置。

中國(guó)制造業(yè)的優(yōu)勢(shì)并未消失，但正在重新分層

如果從傳統(tǒng)角度看，中國(guó)制造業(yè)的優(yōu)勢(shì)仍然十分突出，而且在相當(dāng)長(zhǎng)時(shí)期內(nèi)不會(huì)輕易消失。

最根本的是完整工業(yè)體系，它的意義過(guò)去主要體現(xiàn)在成本、效率和供應(yīng)鏈穩(wěn)定性上。但在 AI 時(shí)代，它又多了一層新的含義：完整工業(yè)體系意味著從原材料、中間品到終端制造的各類場(chǎng)景，都可以在同一國(guó)境內(nèi)持續(xù)生成數(shù)據(jù)、訓(xùn)練模型、驗(yàn)證工藝并擴(kuò)散能力。過(guò)去，它主要是制造優(yōu)勢(shì)，未來(lái)它也會(huì)越來(lái)越成為訓(xùn)練優(yōu)勢(shì)、試錯(cuò)優(yōu)勢(shì)和擴(kuò)散優(yōu)勢(shì)。

產(chǎn)業(yè)集群的高密度協(xié)同同樣仍然是現(xiàn)實(shí)壁壘。長(zhǎng)三角、珠三角、京津冀以及若干重點(diǎn)產(chǎn)業(yè)帶形成的“近距離、多層級(jí)、快響應(yīng)” 網(wǎng)絡(luò)，在全球范圍內(nèi)依然稀缺。零部件、工藝、調(diào)試、質(zhì)量改進(jìn)和交付協(xié)調(diào)可以在較短空間半徑內(nèi)完成。這種現(xiàn)實(shí)組織能力不會(huì)因 AI 出現(xiàn)而自動(dòng)削弱，反而可能因智能調(diào)度、數(shù)據(jù)回流和快速協(xié)同而進(jìn)一步增強(qiáng)。無(wú)論模型多強(qiáng)，零部件仍要在現(xiàn)實(shí)空間中流動(dòng)，復(fù)雜問(wèn)題仍要在真實(shí)現(xiàn)場(chǎng)中閉環(huán)。這個(gè)意義上，物理密度仍然是中國(guó)制造業(yè)一項(xiàng)極難替代的基礎(chǔ)能力。

超大規(guī)模市場(chǎng)的含義也發(fā)生了變化。過(guò)去中國(guó)市場(chǎng)常被理解為 “規(guī)模優(yōu)勢(shì)”——市場(chǎng)足夠大，可以攤薄成本；今天它更應(yīng)被理解為“訓(xùn)練優(yōu)勢(shì)”——AI 特別是工業(yè)智能能力，并不是單靠實(shí)驗(yàn)室研發(fā)就能成熟，而必須在真實(shí)設(shè)備、真實(shí)客戶和真實(shí)工況中持續(xù)驗(yàn)證。2026年初公開信息顯示，國(guó)內(nèi)人工智能企業(yè)數(shù)量已超過(guò)6000家，智能算力規(guī)模達(dá)1590　EFLOPS，核心產(chǎn)業(yè)規(guī)模預(yù)計(jì)突破1.2萬(wàn)億元，應(yīng)用已覆蓋鋼鐵、有色、電力、通信等重點(diǎn)行業(yè)，并逐步深入研發(fā)、質(zhì)檢和客戶服務(wù)等環(huán)節(jié)。對(duì)制造業(yè)而言，這意味著中國(guó)的市場(chǎng)優(yōu)勢(shì)正在部分轉(zhuǎn)化為模型迭代和場(chǎng)景驗(yàn)證優(yōu)勢(shì)。

但與此同時(shí)，一些過(guò)去被視為當(dāng)然成立的優(yōu)勢(shì)正在被削弱，或者說(shuō)正在從 “天然優(yōu)勢(shì)”變成“只有完成形態(tài)轉(zhuǎn)換才能保值的優(yōu)勢(shì)”，最典型的是勞動(dòng)力效能優(yōu)勢(shì)。

中國(guó)制造業(yè)早已不再主要依賴最低勞動(dòng)力成本，而更多依賴高素質(zhì)產(chǎn)業(yè)工人和工程技術(shù)人員的大規(guī)模供給。問(wèn)題在于，AI 和自動(dòng)化會(huì)一方面提高中國(guó)企業(yè)自身效率，另一方面也降低其他經(jīng)濟(jì)體追趕所需的人力密度。這意味著中國(guó)的效能優(yōu)勢(shì)不會(huì)自然消失，但其持續(xù)性將越來(lái)越依賴于經(jīng)驗(yàn)?zāi)芊癖粩?shù)據(jù)化、流程化和模型化，而不再只是依賴人力規(guī)模和經(jīng)驗(yàn)厚度。工信部負(fù)責(zé)人在2026 年初公開強(qiáng)調(diào)，要培養(yǎng)更多既懂人工智能又懂制造業(yè)的復(fù)合型人才，這恰恰說(shuō)明問(wèn)題的關(guān)鍵已從“人多不多”轉(zhuǎn)向“人和系統(tǒng)能否一起進(jìn)化”。

還有一類優(yōu)勢(shì)并沒(méi)有消失，但如果不完成轉(zhuǎn)化，就會(huì)名義上存在、實(shí)質(zhì)上折價(jià)。最典型的就是工業(yè)數(shù)據(jù)資源。數(shù)據(jù)資源本身并不自動(dòng)等于能力層優(yōu)勢(shì)。它只有在被制度化、標(biāo)準(zhǔn)化、基礎(chǔ)設(shè)施化之后，才會(huì)真正轉(zhuǎn)化為新的生產(chǎn)力。

這里還有一個(gè)沒(méi)有引起足夠的重視的問(wèn)題：AI 對(duì)消費(fèi)品制造和工業(yè)品制造的作用方向并不一樣。

對(duì)消費(fèi)品制造商而言，AI 強(qiáng)化的是“解構(gòu)” 力量：需求感知更快，柔性生產(chǎn)更強(qiáng)，平臺(tái)型企業(yè)和快速響應(yīng)者更容易侵蝕既有品牌壁壘。對(duì)工業(yè)品制造商而言， AI 反而更容易強(qiáng)化客戶鎖定：設(shè)備在客戶現(xiàn)場(chǎng)持續(xù)運(yùn)行所積累的工況數(shù)據(jù)、優(yōu)化模型和運(yùn)維知識(shí)，會(huì)把一次性交付變成長(zhǎng)期關(guān)系，把賣產(chǎn)品變成經(jīng)營(yíng)持續(xù)價(jià)值。

對(duì)消費(fèi)品制造的支持重點(diǎn)，應(yīng)更多放在產(chǎn)品定義、品牌自主和用戶直連能力上；對(duì)工業(yè)品制造的支持重點(diǎn)，則應(yīng)更多放在數(shù)據(jù)閉環(huán)、持續(xù)服務(wù)和解決方案能力上。德勤關(guān)于制造業(yè) “服務(wù)優(yōu)先”轉(zhuǎn)型的研究也支持這一判斷：服務(wù)化和持續(xù)運(yùn)營(yíng)能力正在成為工業(yè)企業(yè)利潤(rùn)改善的重要來(lái)源。

因此，更準(zhǔn)確的判斷不是“ 中國(guó)優(yōu)勢(shì)還在不在”，而是 中國(guó)制造業(yè)的優(yōu)勢(shì)已經(jīng)開始重新分層：有些優(yōu)勢(shì)在被放大，有些優(yōu)勢(shì)在被削弱，還有些優(yōu)勢(shì)如果不完成形態(tài)轉(zhuǎn)換，就會(huì)逐步貶值。

未來(lái)決定位置的不只有產(chǎn)業(yè)鏈高度，還有在能力層位置

過(guò)去３０年，中國(guó)制造業(yè)升級(jí)的主線是沿產(chǎn)業(yè)鏈縱向攀升：從低端走向高端，從組裝走向自主研發(fā)，從跟隨走向引領(lǐng)。這條路線總體是正確的，而且已經(jīng)取得顯著成效。

但 AI 帶來(lái)的變化在于，未來(lái)競(jìng)爭(zhēng)未必首先體現(xiàn)為“誰(shuí)在產(chǎn)業(yè)鏈更高端”，而更可能體現(xiàn)為“誰(shuí)在關(guān)鍵能力層擁有更強(qiáng)的控制力和組織力” ?！度斯ぶ悄軙r(shí)代的競(jìng)爭(zhēng)》一書的作者M(jìn)arco Iansiti 和 Karim Lakhani關(guān)于 AI 時(shí)代競(jìng)爭(zhēng)的研究之所以重要，就在于他們提醒人們：數(shù)據(jù)、算法和網(wǎng)絡(luò)化架構(gòu)正在打破傳統(tǒng)的規(guī)模、范圍和學(xué)習(xí)約束，使企業(yè)越來(lái)越可能跨越既有行業(yè)邊界開展競(jìng)爭(zhēng)。對(duì)制造業(yè)而言，未來(lái)的高位競(jìng)爭(zhēng)，很可能更多發(fā)生在“能力層”，而不只是單一行業(yè)鏈條之中。

如果把制造業(yè)放到新的競(jìng)爭(zhēng)框架里，大致可以拆成四層。

第一層是物理執(zhí)行層，即制造、交付、工程化和大規(guī)模響應(yīng)能力。中國(guó)在這一層的優(yōu)勢(shì)最強(qiáng)，這也是今天中國(guó)制造業(yè)全球地位的主要現(xiàn)實(shí)基礎(chǔ)。

第二層是行業(yè)翻譯層，即把通用 AI、通用算法和通用數(shù)字能力，轉(zhuǎn)化為某一具體行業(yè)可用方案的能力。這一層決定了誰(shuí)能把“通用智能” 變成“行業(yè)生產(chǎn)力 ”。

第三層是智能基礎(chǔ)設(shè)施層，包括工業(yè)軟件、數(shù)字孿生、數(shù)據(jù)基礎(chǔ)設(shè)施、行業(yè)模型與工程知識(shí)底座。誰(shuí)掌握這一層，誰(shuí)就更接近制造業(yè)的“大腦”。

第四層是規(guī)則與標(biāo)準(zhǔn)層，即數(shù)據(jù)格式、接口協(xié)議、安全認(rèn)證、模型評(píng)估與生態(tài)規(guī)則塑造能力。誰(shuí)能夠在這一層形成影響力，誰(shuí)就更接近未來(lái)產(chǎn)業(yè)生態(tài)中的高位。

值得注意的是，這個(gè)四層框架不是一個(gè)普適的價(jià)值階梯，并非所有行業(yè)都是 “越上層越值錢”。在特種材料、精密加工、航空發(fā)動(dòng)機(jī)熱端部件等領(lǐng)域，物理執(zhí)行能力本身就可能是最高價(jià)值所在。這個(gè)框架的作用，不是要求所有行業(yè)都 “往上走”，而是幫助判斷：在你的行業(yè)里，未來(lái)競(jìng)爭(zhēng)的關(guān)鍵層到底在哪里。

在這個(gè)框架下，中國(guó)當(dāng)前最強(qiáng)的是第一層，正在努力補(bǔ)第二層，第三層進(jìn)步很快但系統(tǒng)主導(dǎo)力仍然不足，第四層則是最值得提前占位、但目前仍相對(duì)薄弱的一層。工信部等八部門 2026 年初發(fā)布的專項(xiàng)行動(dòng)，實(shí)際上就是在推動(dòng)中國(guó)制造從“讓工廠更智能”走向“在能力層上補(bǔ)位和占位”。

中國(guó)制造業(yè)今天的全球中心地位，主要建立在物理執(zhí)行層和超大規(guī)模應(yīng)用層之上。這些優(yōu)勢(shì)當(dāng)前仍然強(qiáng)大，但它們已經(jīng)不再自動(dòng)等同于未來(lái)優(yōu)勢(shì)。未來(lái)真正決定位置的，不只是產(chǎn)業(yè)鏈位置，而是能力層位置。

中國(guó)發(fā)展工業(yè) AI的最優(yōu)路徑

也正是在這個(gè)問(wèn)題上，中國(guó)工業(yè) AI 的發(fā)展路徑，不應(yīng)簡(jiǎn)單復(fù)制美國(guó)，也不應(yīng)照搬歐洲。這不是因?yàn)橐桃狻白咦约褐袊?guó)式的道路”，而是因?yàn)槿降钠瘘c(diǎn)、優(yōu)勢(shì)和短板都不同，最優(yōu)路徑自然不會(huì)相同。

美國(guó)的優(yōu)勢(shì)在于基礎(chǔ)模型、頭部平臺(tái)、算力生態(tài)、開發(fā)者生態(tài)和標(biāo)準(zhǔn)外溢能力。2025 年白宮發(fā)布的《America’s AI Action Plan》以“加速創(chuàng)新、建設(shè) AI 基礎(chǔ)設(shè)施、在國(guó)際外交與安全上保持領(lǐng)先 ”為三大支柱；NIST 在 2025 年底啟動(dòng) AI in Manufacturing 相關(guān)中心，也是在強(qiáng)化“先占住智能核心，再向產(chǎn)業(yè)滲透” 的路徑。

歐洲的優(yōu)勢(shì)則不同。它在工業(yè)軟件、工業(yè)設(shè)備、工業(yè)自動(dòng)化、數(shù)字孿生、工程規(guī)范和制度治理方面基礎(chǔ)更深，所以更強(qiáng)調(diào) AI Factories 、Apply AI、技術(shù)主權(quán)和規(guī)則框架。歐盟的 AI Factories 、Apply AI Strategy 與 AI Act，體現(xiàn)的是一條“先基礎(chǔ)設(shè)施與規(guī)則框架，再推動(dòng)產(chǎn)業(yè)廣泛采用” 的路線。

中國(guó)的起點(diǎn)既不同于美國(guó)，也不同于歐洲。中國(guó)的最大優(yōu)勢(shì)，不是單一平臺(tái)或單一軟件體系，而是完整工業(yè)體系、超大規(guī)模制造場(chǎng)景、產(chǎn)業(yè)集群密度、快速工程化能力和應(yīng)用迭代土壤。而《 “人工智能+制造”專項(xiàng)行動(dòng)實(shí)施意見》的政策取向本身就不是簡(jiǎn)單復(fù)制美國(guó) “先平臺(tái)后產(chǎn)業(yè)” 的路線，也不是完全照搬歐洲“先規(guī)則后擴(kuò)散” 的路線，而是在走一條更強(qiáng)調(diào)場(chǎng)景牽引、行業(yè)落地和體系化推進(jìn)的路。

因此，從中國(guó)制造總體升級(jí)的角度看，最有利的模式應(yīng)當(dāng)是一條充分利用自身比較優(yōu)勢(shì)的組合路徑。

首先，以應(yīng)用和場(chǎng)景牽引為前導(dǎo)。中國(guó)最大的現(xiàn)實(shí)優(yōu)勢(shì)是工業(yè)場(chǎng)景最全、工業(yè)鏈條最長(zhǎng)、真實(shí)工況最豐富。最該優(yōu)先做的，不是抽象地追求 “最強(qiáng)通用模型” ，而是把海量真實(shí)工業(yè)場(chǎng)景轉(zhuǎn)成高質(zhì)量數(shù)據(jù)、行業(yè)模型和可復(fù)制解決方案。這會(huì)讓中國(guó)在 “行業(yè) AI 翻譯層”上更快形成優(yōu)勢(shì)。

其次，把工業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施放在比一般數(shù)字化更高的戰(zhàn)略位置上。中國(guó)不是沒(méi)有數(shù)據(jù)，而是數(shù)據(jù)大量“存而不用”、難流通、難對(duì)接、難形成高質(zhì)量訓(xùn)練閉環(huán)。工業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施不是輔助工程，而應(yīng)當(dāng)是 AI時(shí)代制造升級(jí)的新型基礎(chǔ)設(shè)施。之所以如此，不只是因?yàn)閿?shù)據(jù)重要，而是因?yàn)橹袊?guó)最獨(dú)特的優(yōu)勢(shì)恰恰是全門類、全流程、全場(chǎng)景的數(shù)據(jù)來(lái)源。

第三，以產(chǎn)業(yè)集群而非單一企業(yè)作為工業(yè) AI 推進(jìn)的基本單元。這是中國(guó)獨(dú)有的條件，也是美歐都難以復(fù)制的優(yōu)勢(shì)。當(dāng)一個(gè) AI 解決方案在某個(gè)工廠驗(yàn)證成功后，能夠在極短時(shí)間內(nèi)擴(kuò)散到周邊同類企業(yè)，因?yàn)樗鼈兪褂孟嘟O(shè)備、面對(duì)相似工藝問(wèn)題，甚至共享供應(yīng)商和工程師網(wǎng)絡(luò)。以長(zhǎng)三角汽車零部件集群、珠三角電子制造集群等為單位推進(jìn)數(shù)據(jù)標(biāo)準(zhǔn)、模型接口和行業(yè)方案，比讓每個(gè)企業(yè)各自摸索，更可能形成規(guī)模效應(yīng)和擴(kuò)散效應(yīng)。

第四，以行業(yè)解決方案和智能產(chǎn)品層作為價(jià)值上移主戰(zhàn)場(chǎng)。如果中國(guó)只把 AI用于提高工廠效率，那么長(zhǎng)期仍可能停留在“強(qiáng)執(zhí)行、弱平臺(tái)” 的位置。更有利的路徑應(yīng)當(dāng)是：推動(dòng)龍頭企業(yè)向行業(yè)模型、智能產(chǎn)品、持續(xù)服務(wù)和平臺(tái)節(jié)點(diǎn)上移。不只是把產(chǎn)品造出來(lái)，而是把產(chǎn)品變成持續(xù)感知、持續(xù)優(yōu)化、持續(xù)服務(wù)的系統(tǒng)。西門子與英偉達(dá)在 2026 年初擴(kuò)大合作，明確提出共建工業(yè) AI 操作系統(tǒng)；Sandvik 則已把 AI 嵌入制造軟件、礦山設(shè)備與運(yùn)維服務(wù)，形成面向客戶的數(shù)字化解決方案層。這說(shuō)明全球領(lǐng)先企業(yè)爭(zhēng)奪的，不再只是設(shè)備本身，而是設(shè)備之上的智能層與服務(wù)層。

第五，底層短板不能放棄，但打法應(yīng)更聚焦“卡脖子層”而不是全面攤開。中國(guó)不可能繞開先進(jìn)芯片、核心工業(yè)軟件、關(guān)鍵設(shè)計(jì)工具鏈這些底層問(wèn)題。但最優(yōu)策略不是在所有底層同時(shí)全面復(fù)制，而是把最關(guān)鍵、最影響工業(yè)能力上移的底層環(huán)節(jié)找出來(lái)，進(jìn)行高強(qiáng)度突破，同時(shí)用算法效率、場(chǎng)景優(yōu)勢(shì)和行業(yè)數(shù)據(jù)去放大可用能力邊界。

第六， 以開源生態(tài)彌補(bǔ)基礎(chǔ)層差距。開源不是權(quán)宜之計(jì)，而應(yīng)當(dāng)被視為戰(zhàn)略選擇。它降低了基礎(chǔ)能力的獲取門檻，把競(jìng)爭(zhēng)焦點(diǎn)從“誰(shuí)的模型更強(qiáng)”部分轉(zhuǎn)向“誰(shuí)的應(yīng)用更深”，而后者正是中國(guó)的強(qiáng)項(xiàng)?！?“人工智能+制造”專項(xiàng)行動(dòng)實(shí)施意見》明確提出“建成全球領(lǐng)先的開源開放生態(tài)”，這不只是技術(shù)安排，也是產(chǎn)業(yè)生態(tài)博弈的安排。

最后，盡早進(jìn)入標(biāo)準(zhǔn)與規(guī)則層，而不是等技術(shù)成熟后再參與。中國(guó)如果只重視應(yīng)用、不重視規(guī)則，未來(lái)即使產(chǎn)業(yè)規(guī)模繼續(xù)領(lǐng)先，也可能在價(jià)值分配上吃虧。工業(yè) AI 的數(shù)據(jù)格式、接口協(xié)議、安全認(rèn)證、模型評(píng)估和可信體系，目前都還在早期階段。中國(guó)如果要讓制造優(yōu)勢(shì)真正轉(zhuǎn)化為全球競(jìng)爭(zhēng)力，就不能只做最大應(yīng)用市場(chǎng)，還要爭(zhēng)取做重要規(guī)則參與者。 NIST已把 AI 標(biāo)準(zhǔn)工作列為正式方向，歐盟也持續(xù)強(qiáng)調(diào)治理與規(guī)范，這恰恰說(shuō)明規(guī)則不是附屬問(wèn)題。

概括起來(lái)，三種路徑的差異是：美國(guó)更像是“先智能核心，后向工業(yè)外溢”；歐洲更像是 “先工業(yè)體系和規(guī)則框架，后推動(dòng)廣泛采用”；中國(guó)更合理的路徑，則是 “先把完整工業(yè)體系和超大規(guī)模場(chǎng)景轉(zhuǎn)化為行業(yè)智能能力，再反推平臺(tái)、軟件、標(biāo)準(zhǔn)和規(guī)則上移 ”。

不同行業(yè)的問(wèn)題并不相同

中國(guó)制造業(yè)不是一個(gè)同質(zhì)的整體。不同產(chǎn)業(yè)處于完全不同的位置，因此不能用同一種思維定式談“AI 重塑中國(guó)制造業(yè)”。

對(duì)已經(jīng)領(lǐng)先或具有強(qiáng)競(jìng)爭(zhēng)力的行業(yè)，例如新能源汽車、動(dòng)力電池、消費(fèi)電子、家電、通信設(shè)備、部分工程機(jī)械，核心問(wèn)題不是怎么追趕，而是如何防止在新一輪價(jià)值分配中停留在執(zhí)行層。它們的現(xiàn)實(shí)優(yōu)勢(shì)主要來(lái)自規(guī)模效率、供應(yīng)鏈整合和快速迭代，但未來(lái)如果產(chǎn)品價(jià)值重心繼續(xù)向軟件、數(shù)據(jù)和智能層遷移，僅憑更好的硬件和更快的制造，并不足以保證價(jià)值不被上移的平臺(tái)層截走。比亞迪近年持續(xù)強(qiáng)化智能化路線，海爾智家則在年報(bào)中明確提出用大模型推動(dòng)運(yùn)營(yíng)和產(chǎn)品應(yīng)用，這些動(dòng)作都說(shuō)明，領(lǐng)先行業(yè)開始意識(shí)到，下一階段競(jìng)爭(zhēng)不只是繼續(xù)把硬件做強(qiáng)，而是要把硬件之上的智能能力也做起來(lái)。

對(duì)正在快速追趕但尚未領(lǐng)先的行業(yè)，例如商用飛機(jī)、高端醫(yī)療器械、半導(dǎo)體設(shè)備、精密儀器，核心問(wèn)題也不是復(fù)制領(lǐng)先者舊路徑，而是判斷 AI 是否改變了追趕路徑。如果瓶頸主要是工藝經(jīng)驗(yàn)、設(shè)計(jì)迭代、測(cè)試驗(yàn)證等認(rèn)知積累型問(wèn)題，AI 有可能加速追趕；如果瓶頸主要是核心裝備、關(guān)鍵材料、基礎(chǔ)設(shè)施等物理底座問(wèn)題，AI 的作用更多是輔助，而不是替代。AI 是加速器，不是捷徑。

對(duì)仍存在明顯代際差距的行業(yè)，例如先進(jìn)制程半導(dǎo)體、核心 EDA、高端航空發(fā)動(dòng)機(jī)熱端部件、頂級(jí)精密光學(xué)、部分生物制藥核心工藝，問(wèn)題更不能被理解為 “全面趕超”。更現(xiàn)實(shí)的問(wèn)題是：哪些節(jié)點(diǎn)可能被 AI 改寫，哪些節(jié)點(diǎn)短期內(nèi)依然只能靠長(zhǎng)期基礎(chǔ)研究和物理試驗(yàn)推進(jìn)。這里真正重要的，是識(shí)別 AI 最可能帶來(lái)非線性突破的切入點(diǎn)，而不是把 AI 當(dāng)作捷徑。

對(duì)在全球具有獨(dú)特地位的行業(yè)，例如稀土加工、特高壓、高鐵系統(tǒng)集成、大型基礎(chǔ)設(shè)施建設(shè)，問(wèn)題既不是追趕，也不是防守，而是如何利用 AI 把獨(dú)特地位轉(zhuǎn)化為更高價(jià)值、更強(qiáng)鎖定和更大國(guó)際影響力。換言之，這類行業(yè)真正應(yīng)該做的，不是只守住份額，而是把獨(dú)特位置提升為更高層級(jí)的解決方案能力和規(guī)則影響力。

最大的風(fēng)險(xiǎn)不是方向不清，而是舊模式仍然有效

中國(guó)制造業(yè)當(dāng)前面臨的最大張力，不是看不到方向，而是舊模式仍在創(chuàng)造現(xiàn)實(shí)回報(bào)，因此新方向天然容易被延后。

過(guò)去成功的模式可以概括為：以大規(guī)模物理執(zhí)行能力為基礎(chǔ)，以成本、效率和響應(yīng)速度為主要競(jìng)爭(zhēng)手段，以持續(xù)投資和規(guī)模擴(kuò)張為主要增長(zhǎng)方式。

今天，這套模式并沒(méi)有失效。制造業(yè)規(guī)模仍位居世界第一，產(chǎn)業(yè)鏈優(yōu)勢(shì)仍然明顯，許多行業(yè)的國(guó)際競(jìng)爭(zhēng)力并未削弱。正因?yàn)榕f模式仍然有效，資源配置、組織注意力和戰(zhàn)略討論，就會(huì)天然傾向于繼續(xù)放大既有優(yōu)勢(shì)。

但真正需要警惕的恰恰是這一點(diǎn)。錯(cuò)過(guò)范式切換的主體，往往不是因?yàn)闆](méi)有看到新方向，而是因?yàn)榕f模式還在成功，因此對(duì)新模式的投入總是顯得 “不夠緊迫”。工業(yè) AI 的國(guó)際標(biāo)準(zhǔn)如果在未來(lái)三到五年內(nèi)被他方主導(dǎo)，中國(guó)制造即使規(guī)模領(lǐng)先，也可能在接口、認(rèn)證和評(píng)估規(guī)則層面處于被動(dòng)，這是規(guī)則性鎖定；少數(shù)平臺(tái)企業(yè)如果在關(guān)鍵行業(yè)率先形成強(qiáng)網(wǎng)絡(luò)效應(yīng)和數(shù)據(jù)飛輪，后來(lái)者的追趕成本會(huì)迅速上升，這是市場(chǎng)性鎖定；工業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施如果在關(guān)鍵階段沒(méi)有實(shí)質(zhì)性推進(jìn)，中國(guó)最獨(dú)特的數(shù)據(jù)稟賦就可能長(zhǎng)期停留在 “資源狀態(tài)”，無(wú)法轉(zhuǎn)化為能力優(yōu)勢(shì)，這是基礎(chǔ)設(shè)施性鎖定。這三種鎖定一旦疊加，窗口仍在的判斷就會(huì)迅速失效。

若未來(lái)三到五年的資源仍主要投向放大舊優(yōu)勢(shì)，而沒(méi)有同步向能力層上移，那么現(xiàn)在的優(yōu)勢(shì)就可能在下一階段變成路徑依賴。

真正需要進(jìn)入高層資源配置議程的是這五個(gè)問(wèn)題

如果把全文歸納成高層真正需要回答的問(wèn)題，大致有五個(gè)。

第一，工業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施應(yīng)當(dāng)被視為 AI 時(shí)代制造業(yè)的新型基礎(chǔ)設(shè)施，而不是普通數(shù)字化配套。數(shù)據(jù)分類分級(jí)、確權(quán)使用、安全流通、接口標(biāo)準(zhǔn)、高質(zhì)量數(shù)據(jù)集和可信交換機(jī)制，已經(jīng)不是技術(shù)部門的事項(xiàng)，而是決定中國(guó)制造業(yè)能否形成能力層優(yōu)勢(shì)的底座問(wèn)題。

第二，必須加快培育“行業(yè) AI 翻譯者”。中國(guó)并不缺通用 AI 能力，也不缺行業(yè)龍頭企業(yè)，真正稀缺的是能把通用模型能力轉(zhuǎn)化為特定行業(yè)可用生產(chǎn)力的中間層主體。西門子和Sandvik 之所以值得重視，不是因?yàn)樗鼈儭癆I 更強(qiáng)”，而是因?yàn)樗鼈兡馨淹ㄓ眉夹g(shù)、行業(yè)知識(shí)和客戶問(wèn)題編織成可落地的工業(yè)解決方案。中國(guó)要補(bǔ)的正是這一層。

第三，人才結(jié)構(gòu)調(diào)整應(yīng)提升到與技術(shù)投入同等重要的位置。未來(lái)最稀缺的是既理解 AI 能力邊界、又理解工業(yè)場(chǎng)景和工藝約束，還能夠參與數(shù)據(jù)治理、模型部署和業(yè)務(wù)重構(gòu)的復(fù)合型人才。專項(xiàng)行動(dòng)提出推廣 500 個(gè)典型應(yīng)用場(chǎng)景，這些場(chǎng)景不僅應(yīng)承擔(dān)技術(shù)驗(yàn)證功能，也應(yīng)承擔(dān)復(fù)合型人才培養(yǎng)功能。

第四，應(yīng)鼓勵(lì)一部分龍頭企業(yè)從“制造執(zhí)行中心”走向“行業(yè)能力節(jié)點(diǎn) ”。不是所有企業(yè)都需要成為平臺(tái)，但如果缺少一批在工業(yè)軟件、行業(yè)模型、智能產(chǎn)品平臺(tái)和標(biāo)準(zhǔn)塑造上具有外部影響力的主體，中國(guó)制造業(yè)整體地位就很難真正上移。

第五，應(yīng)盡早在工業(yè) AI 國(guó)際標(biāo)準(zhǔn)和規(guī)則上主動(dòng)占位。中國(guó)作為全球最大的制造業(yè)國(guó)家和AI 應(yīng)用最活躍的市場(chǎng)之一，有條件也有必要在數(shù)據(jù)格式、接口協(xié)議、安全認(rèn)證、模型評(píng)估和倫理規(guī)范等方面積極進(jìn)入早期博弈。規(guī)則不是附屬問(wèn)題，而是產(chǎn)業(yè)生態(tài)中的高位問(wèn)題。

同樣不能回避的是這四類風(fēng)險(xiǎn)

第一是 “應(yīng)用強(qiáng)、底層仍需補(bǔ)” 的結(jié)構(gòu)性不平衡。中國(guó)在 AI 應(yīng)用速度、場(chǎng)景豐富度和產(chǎn)業(yè)落地上進(jìn)展顯著，但在先進(jìn)芯片、核心工業(yè)軟件和高端設(shè)計(jì)工具鏈等底層能力上仍有短板。如果這一不平衡長(zhǎng)期存在，就可能形成“上層繁榮、底層受制” 的格局。

第二是數(shù)據(jù)治理難度可能被低估。工業(yè)數(shù)據(jù)豐富，并不自動(dòng)等于智能優(yōu)勢(shì)。數(shù)據(jù)確權(quán)、安全責(zé)任、跨企業(yè)流通的信任機(jī)制、質(zhì)量標(biāo)準(zhǔn)和價(jià)值分配，都需要長(zhǎng)期建設(shè)。如果這些問(wèn)題解決不力，中國(guó)最大的潛在優(yōu)勢(shì)之一仍將停留在 “資源狀態(tài)”，難以轉(zhuǎn)化為“能力狀態(tài)” 。

第三是 AI 敘事對(duì)制造業(yè)基本面的干擾。最現(xiàn)實(shí)的風(fēng)險(xiǎn)之一，就是大量資源被概念性項(xiàng)目吸走，而對(duì)質(zhì)量、工藝、交付、組織能力、人才培養(yǎng)和數(shù)字底座這些長(zhǎng)期要素投入不足。制造業(yè)競(jìng)爭(zhēng)的底座沒(méi)有改變，AI 只能放大底座上的優(yōu)勢(shì)或缺陷，不能替代底座本身。

第四是 AI 投資回報(bào)的時(shí)間錯(cuò)配風(fēng)險(xiǎn)。制造業(yè)不是互聯(lián)網(wǎng)行業(yè)，AI 在制造業(yè)中的落地需要數(shù)據(jù)準(zhǔn)備、系統(tǒng)集成、工藝適配和組織變革，這些都是慢變量。對(duì)許多中小制造企業(yè)而言，如果缺乏足夠耐心與資源緩沖，前期投入尚未產(chǎn)生回報(bào)便中斷，容易導(dǎo)致對(duì)整個(gè)方向的判斷搖擺。

結(jié)語(yǔ)

綜合來(lái)看，中國(guó)制造業(yè)在認(rèn)知充裕時(shí)代仍然擁有強(qiáng)大基礎(chǔ)，也確實(shí)面臨一輪重要機(jī)會(huì)，但真正變化的是優(yōu)勢(shì)的價(jià)值結(jié)構(gòu)。

未來(lái)十年的關(guān)鍵，不只是繼續(xù)強(qiáng)化物理執(zhí)行能力和產(chǎn)業(yè)規(guī)模優(yōu)勢(shì)，而是能否在此基礎(chǔ)上加快向工業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施、行業(yè)智能解決方案、工業(yè)軟件與模型平臺(tái)、智能產(chǎn)品層和規(guī)則標(biāo)準(zhǔn)層等關(guān)鍵能力層延伸。而且，這種延伸不應(yīng)是一刀切的：對(duì)已領(lǐng)先行業(yè)，核心任務(wù)是把現(xiàn)實(shí)優(yōu)勢(shì)轉(zhuǎn)化為智能層和關(guān)系層優(yōu)勢(shì)；對(duì)追趕行業(yè)，核心任務(wù)是利用 AI 加速認(rèn)知積累，而不誤以為它能替代基礎(chǔ)研究；對(duì)代際差距行業(yè)，核心任務(wù)是識(shí)別 AI 可能改寫路徑的關(guān)鍵節(jié)點(diǎn)；對(duì)具有全球獨(dú)特地位的行業(yè)，核心任務(wù)是把獨(dú)特位置轉(zhuǎn)化為更高價(jià)值鎖定和規(guī)則影響力。

需要承認(rèn)的是，以上關(guān)于能力層競(jìng)爭(zhēng)和路徑選擇的分析，是建立在若干尚未被充分驗(yàn)證的假設(shè)之上。特別是關(guān)于 AI 能夠多深地滲透制造業(yè)核心工藝、平臺(tái)化競(jìng)爭(zhēng)邏輯能否適用于物理世界這兩個(gè)問(wèn)題，目前仍存在相當(dāng)大不確定性。如果 AI 在制造業(yè)的滲透速度遠(yuǎn)低于預(yù)期，或者物理世界的復(fù)雜性長(zhǎng)期阻礙平臺(tái)化趨勢(shì)的形成，本文的部分判斷可能就需要改變。但即便存在這些不確定性，立足自身稟賦建設(shè)能力層，同時(shí)穩(wěn)住基本面、不被 AI 敘事帶偏，依然是一個(gè)在多數(shù)合理情景下都具備較高安全邊際的選擇。

由此可見，關(guān)于中國(guó)制造業(yè)未來(lái)的真正核心議題，已經(jīng)不是 “能否繼續(xù)做強(qiáng)世界工廠”，而是能否在繼續(xù)保持世界工廠地位的同時(shí)，逐步成為未來(lái)工業(yè)智能生態(tài)中的關(guān)鍵能力節(jié)點(diǎn)和規(guī)則參與者。

這不是姿態(tài)問(wèn)題，而是資源配置問(wèn)題。未來(lái)中國(guó)制造業(yè)的分水嶺，未必首先取決于 “還能造多少”，而更可能取決于在新的價(jià)值分配結(jié)構(gòu)中，能占住哪一層。

窗口仍然存在，但真正有意義的，不是知道窗口還開著，而是知道應(yīng)當(dāng)把資源從哪里挪向哪里。

（作者系前羅蘭貝格中國(guó)區(qū)總裁和埃森哲大中華區(qū)副主席）

免責(zé)聲明：本文觀點(diǎn)僅代表作者本人，供參考、交流，不構(gòu)成任何建議。