吳琪/文

過去幾年，人工智能（AI）與制造業(yè)結(jié)合的討論迅速升溫。智能質(zhì)檢、預(yù)測性維護、AI排產(chǎn)、數(shù)字孿生、工業(yè)智能體等，已成為各地政策文件、產(chǎn)業(yè)論壇和企業(yè)規(guī)劃中的高頻詞。圍繞這些應(yīng)用展開的討論大多指向同一個目標：提質(zhì)、降本、增效。

這當然沒有錯，但如果對中國制造業(yè)的理解停留在這一層，容易錯把一場更深刻的變化，理解成又一輪熟悉的數(shù)字化改造。AI正在改寫的不只是工廠里的若干環(huán)節(jié)，還有制造業(yè)競爭的價值分配邏輯。

過去，中國制造業(yè)的優(yōu)勢主要表現(xiàn)為成本、效率、配套、工程化和規(guī)模；未來，這些優(yōu)勢依然重要，卻已不再自動對應(yīng)更高的附加值位置。

大模型、工業(yè)軟件、行業(yè)模型和數(shù)據(jù)基礎(chǔ)設(shè)施的結(jié)合，正在推動制造業(yè)競爭從“誰更會生產(chǎn)”轉(zhuǎn)向“誰更能把知識、數(shù)據(jù)和場景組織成能力”。這意味著,未來競爭的一部分不再只發(fā)生在產(chǎn)業(yè)鏈上下游之間，還會轉(zhuǎn)向能力層之間。

這不是一個抽象的技術(shù)判斷，而是很現(xiàn)實的產(chǎn)業(yè)問題。中國仍然擁有完整的工業(yè)體系、密集的產(chǎn)業(yè)集群、豐富的制造場景和強大的工程化能力。這些條件使中國在工業(yè)AI時代擁有天然優(yōu)勢。

但問題在于，這些優(yōu)勢如果仍只被理解為“把東西造出來”的優(yōu)勢，就可能在新的競爭結(jié)構(gòu)中被重新定價。政策真正需要回答的已不只是如何讓工廠更智能，而是如何讓中國制造在新的價值分配結(jié)構(gòu)中占據(jù)更高的位置。

重估競爭邏輯

過去幾年，企業(yè)被反復(fù)追問同一個問題：你的AI戰(zhàn)略是什么？大多數(shù)回答都集中在效率層面：文檔生成更快，客服更省人力，分析更自動化，研發(fā)輔助更高效。這些變化都真實存在，但還不是最重要的部分。

真正值得重視的是AI正在改變企業(yè)競爭的底層邏輯：哪些開始升值，哪些開始貶值；哪些仍然構(gòu)成護城河，哪些正在失去護城河屬性。

過去幾十年，企業(yè)競爭的基本邏輯相當穩(wěn)定：誰能掌握更稀缺的關(guān)鍵資源，就可能獲得更高利潤。資本、渠道、信息、專家、經(jīng)驗、規(guī)模、組織能力之所以值錢，不是因為它們天然高貴，而是因為它們稀缺，而且復(fù)制緩慢。

尤其在制造業(yè)中，很多真正值錢的東西并不是某一個單點技術(shù)，而是長期積累起來的隱性知識：怎樣判斷工藝窗口，怎樣識別早期缺陷，怎樣在交付、成本和質(zhì)量之間做平衡，怎樣在異常出現(xiàn)之前看到異常。

人工智能帶來的真正變化，是其中一部分過去高度依賴專家經(jīng)驗和組織層級的認知活動正在迅速降本。過去，分析、比較、篩選、歸納、模式識別、異常發(fā)現(xiàn)、方案生成、輔助判斷等這些活動之所以昂貴，是因為它們依賴長期訓(xùn)練的人腦、復(fù)雜協(xié)作和反復(fù)試錯。今天，其中相當一部分正在被模型、算法和數(shù)據(jù)系統(tǒng)顯著加速，并開始規(guī)?；┙o。

我們可以把這種變化概括為“認知充?！?。認知充裕在本文中是指AI顯著降低企業(yè)獲取、處理和生成認知資源的成本，使部分原本稀缺的認知活動趨于普及化。不是說判斷不再重要，更不是說經(jīng)驗已失效，而是過去部分高度稀缺、昂貴、緩慢、難復(fù)制的認知活動，正在失去原有的獨占性。被動搖的不是認知本身的價值，而是其中一部分認知活動的獲取成本和壁壘結(jié)構(gòu)。

這一點對制造業(yè)來說尤其關(guān)鍵。制造業(yè)看起來是“物”的世界，背后卻長期隱藏著大量高價值的認知過程：產(chǎn)品定義、工藝開發(fā)、參數(shù)優(yōu)化、缺陷診斷、質(zhì)量判斷、供應(yīng)鏈協(xié)同、運維回流。今天被重寫的不是制造業(yè)的物理基礎(chǔ)，而是這些長期被封裝在經(jīng)驗、流程和組織穩(wěn)定性中的高成本認知活動。

正因如此，中國制造業(yè)今天真正需要回答的已不只是還能否繼續(xù)做大做強的問題，而是當產(chǎn)業(yè)生態(tài)規(guī)則被改寫，部分認知活動不再像過去那樣稀缺時，中國制造業(yè)的優(yōu)勢還如何繼續(xù)升值。

中國制造業(yè)的優(yōu)勢正在重新分層

理解中國制造業(yè)的未來，不能脫離它的現(xiàn)實起點。中國今天最大的優(yōu)勢并不是某一個單點技術(shù)，而是一整套已經(jīng)形成的現(xiàn)實能力網(wǎng)絡(luò)。

首先是完整的工業(yè)體系。過去，完整的工業(yè)體系意味著配套全、成本低、響應(yīng)快；在AI時代，它還意味著更豐富的訓(xùn)練場景、更密集的工藝反饋、更快的模型驗證和更強的能力擴散。

工業(yè)AI不是靠實驗室里“想出來”的，而是靠真實設(shè)備、真實工況、真實缺陷和真實客戶“磨出來”的。誰擁有更多真實工業(yè)場景，誰就更有機會把模型變成能力。從這個意義上說，中國工業(yè)體系的完整性不只是制造優(yōu)勢，也正在變成訓(xùn)練優(yōu)勢和驗證優(yōu)勢。

新能源汽車、鋰電池、光伏等領(lǐng)域之所以更容易形成快速迭代，很大程度上就來自這種“場景—數(shù)據(jù)—反饋—擴散”的高密度循環(huán)。

其次是產(chǎn)業(yè)集群。長三角、珠三角以及若干重點產(chǎn)業(yè)帶形成的近距離、多層級、快響應(yīng)網(wǎng)絡(luò)，在全球范圍內(nèi)依然稀缺。這種物理密度不是模型能夠替代的，反而會因為智能調(diào)度、數(shù)據(jù)回流和方案共享進一步升值。

一個工藝問題的發(fā)現(xiàn)、一個解決方案的試驗、一個供應(yīng)鏈節(jié)點的調(diào)整，在中國很多制造集群里都可以以極快的速度進行傳播和形成閉環(huán)。這種現(xiàn)實的組織能力恰恰是很多國家難以復(fù)制的。對工業(yè)AI來說，這意味著一項能力一旦在某個工廠得到驗證，往往可以在相鄰企業(yè)中迅速擴散，不必每家企業(yè)都從零開始。

第三是超大規(guī)模市場。過去，它主要意味著攤薄成本和做大規(guī)模，今天它越來越意味著驗證優(yōu)勢。工業(yè)AI的成熟不能只靠研發(fā)部門，必須在真實產(chǎn)品、真實客戶和真實運行環(huán)境中不斷試錯和迭代。超大規(guī)模市場的意義不只是買得多，而是能夠讓模型更快經(jīng)歷更多邊界情況，更早暴露問題，更快完成修正。

但與此同時，中國制造業(yè)的一些傳統(tǒng)優(yōu)勢也在發(fā)生變化，最典型的就是勞動力效能優(yōu)勢。中國制造業(yè)早已不再主要依賴最低人工成本，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。

但問題在于，AI和自動化一方面會提高中國企業(yè)的自身效率，另一方面也會降低其他經(jīng)濟體追趕所需的人力密度。換句話說，中國的效能優(yōu)勢不會自然消失，但其持續(xù)性將越來越依賴于經(jīng)驗?zāi)芊癖粩?shù)據(jù)化、流程化和模型化，不再只是依賴人力規(guī)模和經(jīng)驗厚度。

還有一類優(yōu)勢，如果不完成轉(zhuǎn)化，就會名義上存在、實質(zhì)上折價，最典型的就是工業(yè)數(shù)據(jù)。

中國企業(yè)并不缺數(shù)據(jù)，缺的是讓數(shù)據(jù)可用、可流通、可訓(xùn)練、可驗證的基礎(chǔ)設(shè)施。沒有這一層轉(zhuǎn)化，數(shù)據(jù)資源只是沉淀，不會形成能力。數(shù)據(jù)如果無法跨設(shè)備、跨產(chǎn)線、跨工廠形成可對接、可復(fù)用、可追溯的結(jié)構(gòu)，就很難支撐真正的行業(yè)模型與工業(yè)智能。

這里還存在一個值得特別指出的分化：AI對消費品制造和工業(yè)品制造的影響方向并不一樣。

對消費品制造商而言，AI強化的是“解構(gòu)”力量：需求感知更快，柔性生產(chǎn)更強，平臺型企業(yè)和快速響應(yīng)者更容易侵蝕既有品牌壁壘。

對工業(yè)品制造商而言，AI更容易強化客戶鎖定：設(shè)備在客戶現(xiàn)場持續(xù)運行所積累的工況數(shù)據(jù)、優(yōu)化模型和運維知識，會把一次性交付變成長期關(guān)系。

對消費品企業(yè)來說，AI更像是倒逼其增強產(chǎn)品定義、品牌自主和用戶直連能力；對工業(yè)品企業(yè)來說，AI更像是推動其從賣設(shè)備走向賣持續(xù)服務(wù)和解決方案。

因此，更準確的判斷不是“中國優(yōu)勢還在不在”，而是中國制造業(yè)的優(yōu)勢已經(jīng)開始重新分層：有些優(yōu)勢在被放大，有些在被削弱，還有些如果不完成形態(tài)轉(zhuǎn)換，就會逐步折價。

制造業(yè)被改寫的基本邏輯

制造業(yè)最常見的誤判，不是看不懂技術(shù)，而是低估了技術(shù)對原有競爭邏輯的改寫力度。

第一條正在松動的是效率與柔性的邊界。制造業(yè)長期被一個經(jīng)典兩難所約束：大規(guī)模標準化壓低成本，小批量柔性滿足多樣化需求，兩者通常難以兼得。每一次切換都意味著時間損失、參數(shù)重整和良率波動。但當排產(chǎn)系統(tǒng)能動態(tài)優(yōu)化切換順序，檢測系統(tǒng)能更快適應(yīng)新標準，參數(shù)系統(tǒng)能根據(jù)實時反饋持續(xù)修正時，切換成本的邊界就會被不斷壓低。于是，過去被自然切割為“高端小批量”和“低端大批量”的兩條賽道開始模糊。一個AI能力足夠強的制造商，可能同時在兩條賽道上競爭。

第二條正在松動的是經(jīng)驗壁壘。制造業(yè)所謂的“經(jīng)驗”，本質(zhì)上很大一部分是信息壁壘，只不過長期被封裝在老師傅、工程師和組織默契中。AI所做的重要事情之一是把這種壁壘顯性化：既然它本質(zhì)上是一種高成本的信息處理和模式識別活動，它就存在被數(shù)據(jù)化、模型化和算法化的可能。經(jīng)驗不會失效，但如果不能結(jié)構(gòu)化，就會持續(xù)折舊。

第三條正在松動的是質(zhì)量優(yōu)勢的定義。機器視覺、狀態(tài)監(jiān)測、多變量過程控制和數(shù)字孿生，正在把質(zhì)量管理從“靠經(jīng)驗維持穩(wěn)定”推進到“靠系統(tǒng)持續(xù)逼近最優(yōu)”。一旦越來越多的企業(yè)都能做到較高水平的一致性，質(zhì)量一致性本身就會從競爭優(yōu)勢變成入場券。真正的差異化會向上遷移，從“造得一樣好”轉(zhuǎn)向“造出別人造不了的東西”。

第四條正在松動的是優(yōu)化的尺度。過去兩百年的制造管理，本質(zhì)上大多是在尋找更好的局部最優(yōu)。AI的不同在于，它越來越有能力同時處理原料、設(shè)備、排班、能耗、交期、質(zhì)量等多變量之間的關(guān)系，從而把優(yōu)化問題從局部推向全局。競爭因此不再只是“怎么做得更好”，而是“優(yōu)化什么才是對的”。

AI不會消滅制造業(yè)壁壘，但會重寫制造業(yè)壁壘。過去知道“怎么做”比知道“做什么”更難；未來當“怎么做”越來越容易時，“做什么”和“為什么做”會成為真正的競爭高地。

未來決定中國制造業(yè)位置的，不只是產(chǎn)業(yè)鏈高度，而是能力層位置

過去30年，中國制造業(yè)升級的主線是沿產(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)。這條路線總體上沒有問題，而且已經(jīng)取得顯著成效。

但AI帶來的變化在于，未來競爭未必首先體現(xiàn)為“誰在產(chǎn)業(yè)鏈更高端”，更可能體現(xiàn)為“誰在關(guān)鍵能力層擁有更強的控制力和組織力”。

如果把制造業(yè)放到新的競爭框架里，大致可以拆分成四層。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。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。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)模型與工程知識底座。第四層是規(guī)則與標準層，即數(shù)據(jù)格式、接口協(xié)議、安全認證、模型評估與生態(tài)規(guī)則塑造能力。

需要指出的是，這個框架不是一個普適的價值階梯，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)動機熱端部件等領(lǐng)域，物理執(zhí)行能力本身就可能是最高價值所在。這個框架的作用，不是要求所有行業(yè)都“往上走”，而是幫助企業(yè)判斷：在你的行業(yè)里，未來競爭的關(guān)鍵層到底在哪里。

但對中國制造業(yè)整體而言，有一個判斷仍然成立：今天的全球競爭優(yōu)勢仍主要建立在物理執(zhí)行層和超大規(guī)模應(yīng)用層之上。這些優(yōu)勢當前仍然強大，但它們已經(jīng)不再自動等于未來優(yōu)勢。未來真正決定位置的不只是產(chǎn)業(yè)鏈位置，還包括能力層位置。

中國工業(yè)AI的政策重點

也正是在這個問題上，中國工業(yè)AI的發(fā)展路徑不應(yīng)簡單復(fù)制美國，也不應(yīng)照搬歐洲。不是因為要刻意“走自己的路”，而是因為三方的起點、優(yōu)勢和短板都不同，最優(yōu)路徑自然不會相同。

美國的優(yōu)勢在基礎(chǔ)模型、頭部平臺、算力生態(tài)、開發(fā)者生態(tài)和標準外溢能力，更容易走“先占住智能核心，再向工業(yè)滲透”的道路。

歐洲的優(yōu)勢在工業(yè)軟件、工業(yè)設(shè)備、工業(yè)自動化、工程規(guī)范和制度治理，更容易走“先工業(yè)體系和規(guī)則框架，再推動廣泛采用”的道路。

中國的起點完全不同。中國最大的優(yōu)勢不是單一平臺或單一軟件體系，而是完整的工業(yè)體系、超大規(guī)模制造場景、產(chǎn)業(yè)集群密度和快速工程化能力。

從中國制造升級的角度看，最有利的模式不是復(fù)制美國的平臺路線，也不是照搬歐洲的規(guī)則路線，而是走一條更符合自身比較優(yōu)勢的組合路徑。從現(xiàn)實緊迫性看，這一路徑大致可以分成兩類：一類是必須盡快補上的底座能力，一類是決定未來高位競爭位置的戰(zhàn)略能力。

前一類，首先是以應(yīng)用和場景牽引為前導(dǎo)。中國最大的現(xiàn)實優(yōu)勢是工業(yè)場景最全、工業(yè)鏈條最長、真實工況最豐富。最該優(yōu)先做的不是抽象追求“最強通用模型”，而是把海量真實工業(yè)場景轉(zhuǎn)成高質(zhì)量數(shù)據(jù)、行業(yè)模型和可復(fù)制解決方案。這會讓中國在“行業(yè)AI翻譯層”上更快形成優(yōu)勢。

其次，是把工業(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。中國不是沒有數(shù)據(jù)，而是數(shù)據(jù)大量“存而不用”、難流通、難對接、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)當是AI時代制造升級的新型基礎(chǔ)設(shè)施。

第三，是以產(chǎn)業(yè)集群而非單一企業(yè)作為工業(yè)AI推進的基本單元。這是中國獨有的條件，也是美歐都難以復(fù)制的優(yōu)勢。當一個AI解決方案在某個工廠驗證成功后，能夠在極短時間內(nèi)擴散到周邊同類企業(yè)，因為它們使用相近設(shè)備、面對相似工藝問題，甚至共享供應(yīng)商和工程師網(wǎng)絡(luò)。以集群為單位推進，比讓每個企業(yè)各自摸索，更可能形成規(guī)模效應(yīng)和擴散效應(yīng)。

后一類，則更直接關(guān)系到中國制造能否從執(zhí)行優(yōu)勢走向高位競爭。

首先是以行業(yè)解決方案和智能產(chǎn)品層作為價值上移主戰(zhàn)場。如果中國只把AI用于提高工廠效率，那么可能長期停留在“強執(zhí)行、弱平臺”的位置。

更有利的路徑應(yīng)當是推動龍頭企業(yè)向行業(yè)模型、智能產(chǎn)品、持續(xù)服務(wù)和平臺節(jié)點上移。不只是把產(chǎn)品造出來，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、卡特彼勒等企業(yè)之所以值得關(guān)注，不只是因為它們使用了AI，而是因為它們正在把AI嵌入產(chǎn)品體系、運維體系和客戶關(guān)系之中，從而把一次性交付轉(zhuǎn)化為持續(xù)價值。

其次是底層短板不能放棄，但打法應(yīng)更聚焦“卡脖子層”，而不是全面攤開。中國不可能繞開先進芯片、核心工業(yè)軟件、關(guān)鍵設(shè)計工具鏈這些底層問題。但最優(yōu)策略不是在所有底層同時全面復(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，進行高強度突破，同時用算法效率、場景優(yōu)勢和行業(yè)數(shù)據(jù)去放大可用能力邊界。

最后是盡早進入標準與規(guī)則層，而不是等技術(shù)成熟后再參與。如果中國只重視應(yīng)用、不重視規(guī)則，未來即使產(chǎn)業(yè)規(guī)模繼續(xù)領(lǐng)先，也可能在價值分配上吃虧。工業(yè)AI的數(shù)據(jù)格式、接口協(xié)議、安全認證、模型評估和可信體系，目前都還在早期階段。中國不能只做最大應(yīng)用市場，還要爭取做重要規(guī)則參與者。

需要指出的是，以上路徑對不同行業(yè)的含義并不相同。

對已經(jīng)具有全球競爭力的行業(yè)來說，關(guān)鍵不在于繼續(xù)放大執(zhí)行優(yōu)勢，而在于把硬件、規(guī)模和場景優(yōu)勢轉(zhuǎn)化為智能層和服務(wù)層優(yōu)勢。

對仍處于追趕階段的行業(yè)來說，關(guān)鍵是利用AI加快認知積累，而不是誤以為它可以替代基礎(chǔ)研究和工藝沉淀。

對仍存在代際差距的領(lǐng)域，則更要識別AI真正可能改寫路徑的節(jié)點，而不能把它當作替代長期基礎(chǔ)研究的捷徑。

對具有全球獨特地位的行業(yè)來說，關(guān)鍵是把既有位置轉(zhuǎn)化為更高價值的解決方案能力和規(guī)則影響力。

歸根結(jié)底，政策重點不應(yīng)只是推動更多企業(yè)“上AI項目”，而應(yīng)轉(zhuǎn)向數(shù)據(jù)基礎(chǔ)設(shè)施、行業(yè)翻譯層、智能產(chǎn)品上移、關(guān)鍵底層補短板和規(guī)則提前占位這些真正決定位置的事情。

“舊模式仍然有效”是最大的風險

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

過去成功的模式可以倍概括為：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)速度為主要競爭手段，以持續(xù)投資和規(guī)模擴張為主要增長方式。今天這套模式并沒有失效，中國制造規(guī)模仍位居世界第一，產(chǎn)業(yè)鏈優(yōu)勢仍然明顯，許多行業(yè)的國際競爭力并未削弱。正因為舊模式仍然有效，資源配置、組織注意力和戰(zhàn)略討論就會天然傾向于繼續(xù)放大既有優(yōu)勢。

但真正需要警惕的恰恰是這一點。錯過范式切換的主體，往往不是因為沒有看到新方向，而是因為舊模式還在成功，對新模式的投入總是顯得“不夠緊迫”。

今天的窗口期之所以不會永遠存在，是因為它有具體的關(guān)閉機制。工業(yè)AI的國際標準如果被他方主導(dǎo)，會形成規(guī)則性鎖定；關(guān)鍵行業(yè)如果率先形成強平臺網(wǎng)絡(luò)效應(yīng)，會形成市場性鎖定；工業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施如果在關(guān)鍵階段沒有實質(zhì)推進，則會形成基礎(chǔ)設(shè)施性鎖定。三者一旦疊加，中國今天最獨特的制造稟賦，就可能無法順利轉(zhuǎn)化為下一階段的高位能力。

對中國制造業(yè)來說，未來三到五年的關(guān)鍵已不是“能不能繼續(xù)做強世界工廠”，而是能否在繼續(xù)保持世界工廠地位的同時，逐步成為未來工業(yè)智能生態(tài)中的關(guān)鍵能力節(jié)點和規(guī)則參與者。

這不是一個姿態(tài)問題，而是一個資源配置問題：未來中國制造業(yè)的分水嶺，未必首先取決于還能造多少，更可能取決于在新的價值分配結(jié)構(gòu)中，能占住哪一層。

當然，這一判斷成立的前提是，AI將持續(xù)向制造業(yè)核心環(huán)節(jié)滲透，平臺化和能力層競爭在物理世界中也確實能夠部分形成。目前，這兩個前提本身仍在演化之中。

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)當把資源從哪里挪向哪里。

（作者系前羅蘭·貝格中國區(qū)總裁和埃森哲大中華區(qū)副主席）

免責聲明：本文觀點僅代表作者本人，供參考、交流，不構(gòu)成任何建議。