吴琪／文

关于AI时代的讨论极易滑向两个极端：一是“技术万能论”，视新模型、新算法为破解一切难题的万能钥匙；一是“技术悲观论”，认为外部封锁一旦加码，产业便再无突围之路。

在此类喧嚣声中，制造本身却逐渐沦为沉默的背景。政策文件热捧“AI+制造”，资本市场炒作“智能制造”概念，却鲜有人直面核心问题：进入AI时代，中国制造的底牌究竟是否已然生变？

过去20年，中国制造的底牌清晰可见：规模、配套、成本效率与工程化能力。这四者相互耦合，构筑了中国在全球产业中独一无二的高密度制造网络与强执行力双重优势。

如今，这些底牌并未失效，只是适用场景已然变迁。AI时代的制造竞争正从谁做得更多、更快、更便宜，转向谁能更快将制造经验沉淀为规则、系统与标准；谁能将实验室的可能性更快转化为工厂的现实；谁能在产能、工艺、数据和组织间建立高阶协同。

在这个变化背后，中国制造最值得关注的并非单一产业，亦非“AI+制造”的概念，而是一种正在重组的体系性能力：厚实的制造母体、从实验室到量产的工程化速度，以及扎根真实场景的制造智能。

复杂之处在于，这种重组在不同环节的推进极不均衡。消费电子组装、标准化后段工艺等成熟环节迭代最快；先进封装、新一代电池工艺等演进环节，新模式有望从一开始就嵌入其中；而航空发动机热端、高端光学等高度依赖隐性知识的环节，变化则相对迟滞。若以同一逻辑套用所有环节，资源配置必致失焦。

这三张牌单独审视皆非新奇之物，但其组合却构成了一种此前未被充分讨论的系统化优势。旧底牌并未退场。在许多新兴产业中，规模、配套与快速降本虽不再是起跑时的聚光灯焦点，却依然是从技术领先迈向产业主导的终极加速器。旧底牌发挥作用的阶段由前向后转移，但威力不减。

制造母体不是低端产能

制造业与互联网有着本质分野。互联网产品可先做软件、后扩用户，制造业则绝无此可能。诸多关键能力，只能在真实工厂中生长出来。

工艺参数如何逼近极限，设备如何在长周期运行中维持稳定，不同批次材料如何适配，异常发生时如何处置，供应链如何在高波动下保持协同——这些均非教科书或数据表所能穷尽。它们是工程师在车间、产线与供应链协同中，经年累月点滴积累出的经验与直觉。

中国制造最不应轻视的，恰恰是那些舆论场中不够“新”、也不够“热”的成熟环节。消费电子组装、成熟制程电子制造服务、动力电池的大规模制造、传统封装、标准化零部件……这些环节虽不前沿，也难以讲出动听的资本故事，却构成了中国制造的制造母体。

所谓制造母体，不仅生产产品，更生产场景、经验、数据、设备验证与人才。若无大规模真实制造场景，工业软件（MES、排产系统、质量追溯）便无从迭代；若无长期工艺实践，工艺平台便无规则可沉淀；若无工程师在现场反复试错，制造智能便无对象可学习。

制造母体还有一个常被低估的作用：旧产业的制造能力，往往是新产业起飞的跑道。动力电池的崛起即是明证。中国起初并未掌握所有关键材料的先发优势，但凭借消费电子时代积累的极强配套能力、精密组装经验、供应链调度能力与大规模产线管理能力，将这些能力重新组织后，便支撑了动力电池从追赶到主导的跨越。

今日探讨人形机器人、全固态电池、合成生物的工业化，底层逻辑未变：新产业并非从零起步，而是站在既有制造体系的肩头。若无厚实的制造母体，这些概念极易沦为“有样品、无量产；有曝光、无主导”的空中楼阁。

更重要的是，制造母体绝非低端产能，更不是等待被AI取代的过渡品，而是高端制造能力生成的土壤。土壤一旦贫瘠，其上所有看似高级的植被，都将因失去根基而枯萎。

还有一类环节同样值得警醒。它们既不新，也不快，却决定着产业链的上限。

航空发动机热端、高端光学、部分特种材料与高端成形，即属此类经验密集型的基础能力。其价值源于数十年如一日的工艺手感与代际传承，而非新概念包装。若此类环节持续被忽视，后果将是航空发动机难以突破，大飞机总差临门一脚；高端光学受制于人，精密仪器与先进传感长期跛脚。一旦出现代际断层，十年二十载未必能弥补。

当然，制造母体亦非静止不变。增材制造等新技术的成熟，正在改写部分经验密集型环节的竞争逻辑。当复杂结构件可从CAD模型直接打印成型，传统铸造与多工序加工中积累的部分隐性知识，便可能被新工艺绕过。哪些经验构成持久壁垒，哪些将被技术变革重构，本身也是一个动态命题。

工程化速度：从“能做”到“能量产”

如果说制造母体回答的是“有无土壤”，工程化速度回答的则是“能否将种子育成森林”。

近年来，中国科技创新的一个共性痛点在于：实验室与工厂之间存在一道深堑。论文、专利、样品、原型机可迅速涌现，但自“试制成功”至“稳定量产”之间，往往横亘着最艰难的一段——中试、工艺放大、设备适配、材料一致性、批次波动控制、良率爬坡。产品越高端，此段越关键。

在此环节，中国握有一张潜力巨大却远未打出的牌：工程化放大能力。

在诸多行业中，中国虽非最早提出概念或证明原理之国，却常是最早将概念或原型转化为产业的国家。其因不止于劳动力成本或市场规模，更在于能将一项初露端倪的技术，迅速推过工程化门槛，蜕变为可复制、可扩产、可持续降本的工业体系。

动力电池的发展历程已充分印证。真正改变格局的，不是实验室里的成败，而是从“能做”到“能大规模稳定量产”的距离。中国将实验室电芯到GWh级产线的周期较日韩显著缩短。先进封装、全固态电池、合成生物制造，正步入类似阶段。

在这些赛道上，实验室里的“可能”日益增多，但决胜负者，往往非谁先做出样品，而是谁更快将样品打磨为工艺，将工艺构建为产线，将产线升维为可复制的工业体系。

对中国制造而言，最重要的或许并非原创突破本身，而是将突破迅速产业化的能力。此能力一旦确立，将带来双重红利：其一，技术领先可迅速转化为规模领先乃至规则领先——谁先完成工程化放大，谁便更可能率先定义设备标准、工艺规范与行业接口；其二，中国将在诸多路线未定、规则未固化的领域，获得比纸面技术更长的战略窗口期。

然而，想要真正打好这张牌，我们仍需补齐关键短板：中试验证与工程化放大能力。

高校与科研体系长期偏重论文与专利，对工程化成果的认定机制尚不成熟；企业端中试能力普遍孱弱；地方政策偏爱见效快的整线投资，对周期漫长的工艺验证平台与首台套应用平台兴趣寥寥。

结果便是：前沿突破看似繁花似锦，真正走完全程者却凤毛麟角。若“论文算数、工程化不算数”的激励结构不予扭转，中国制造从科学到工程的转化效率，必将持续承压。

制造智能：不是花式提效，而是价值迁移

制造智能被视为第三张牌，并非因AI不重要，而是若无前两张牌托底，制造智能便难具实质产业含量。其最大价值不在于助工厂跻身“灯塔工厂”，而在于重塑制造优势的体现方式与价值获取方式。

过往制造优势多依赖人力、组织与现场协同处理复杂问题；未来优势则将愈发取决于谁能将这些能力沉淀为系统、软件、规则与接口。产品定义将蕴含更多制造语义，设计与工艺间的信息损耗大幅降低；模块化设备与柔性调度能力，令制造单元更具可配置性；质量控制从终端抽检前移至过程预判，良率问题得以更早扼杀。

锂电池的演变就是鲜活例证。10年前，动力电芯制造本身利润最为丰厚，竞争聚焦于“能否产出合格品”。5年前，产能狂飙，竞争转向效率与成本——良率、设备稼动率、供应链效率决定存亡。时至今日，电芯利润已极薄，但围绕电池的可获取价值并未消散，而是向多维迁移：BMS与电池管理算法为一层，储能系统调度优化为一层，电池全生命周期数据服务又为一层。

与此同时，电池制造装备——涂布机、叠片机、化成分容设备——本身正成为利润率更高的市场，尤其在海外新建产能亟需成套装备的当下。光伏领域亦然：组件日益薄利，但智能运维、能源管理与系统调度的重要性与日俱增。

产业价值并未消亡，它只是在迁移：从制造执行转向装备与工艺软件；从硬件利润流向数据与运营服务；从单一产品走向系统集成与生态。制造智能的战略意义，正在于它令制造经验首次具备了大规模固化与外溢的可能——沿价值迁移之势，抢占新高地。

不过，制造智能的落地并非齐头并进。在效率优化主导的成熟环节，国产MES、排产系统与质量追溯软件已有相当积淀，渗透条件渐熟。但在前沿工艺攻关环节，核心工具，尤其是EDA与部分高端CAM，仍高度依赖进口，且面临严苛出口管制。制造智能非平直坦途，而是不同环节、节奏与优先级的复合体。

更重要的是，制造智能的全球输出，障碍远不止于技术。工业数据出境管制、网络安全审查、客户对平台中立性的疑虑、本地采购偏好、行业认证壁垒……每一项皆是实约束。这更像一条有机遇、却步步需筑造信任的窄路。

而打出此牌自有前提：本土制造母体不可萎缩。无持续运转的工厂，便无数据飞轮；无真实工艺场景，便无模型迭代；无大规模工程实践，制造智能将迅速空心化。

三张牌唇齿相依——制造母体为工程化速度与制造智能提供土壤，工程化速度为制造智能提供可沉淀的经验，制造智能反哺制造母体与工程化速度的价值倍增。抽离任何一张，另两张皆会速贬。

不同制造世界的打法

想要理解三张牌如何作用于不同环节，先进封装、全固态电池、人形机器人与消费电子制造服务提供了四类范本。虽形态各异，却共同昭示：在不同制造世界中，新底牌的组合方式亦当不同。

先进封装正处于微妙节点：既非最前沿制程般完全由设备封锁定义，也非成熟后段般单纯拼杀效率成本。它更近似一个规则未定、工程化速度开始主宰胜负的战场。中国在此虽未必握有最强前沿原创，却拥有极强的工程化土壤。最值得争夺的不仅是某项技术点，更是将技术点转化为产业规则的窗口期。

全固态电池则印证：决胜者非谁先秀出样品，而是谁能更快将样品打磨为工艺、将工艺构建为产线、将产线升维为可复制的工业体系。固态电池的难点不独在材料体系——硫化物电解质的空气敏感性、大尺寸电芯的界面一致性、干法电极的工艺窗口控制——每一项皆是横亘在实验室与工厂间的真实关隘。此道上，日本投入极为集中，丰田长期深耕硫化物路线。中国最需补强的不是概念热度，而是从样品到量产的连续能力，这正是工程化速度的用武之地。

人形机器人最能诠释：新产业绝非从零起步。大模型与具身智能固然是关键维度，但向下拆解，其高度依赖旧制造体系中早已内生的能力：伺服、电驱、减速器、结构件、电子制造与供应链协同。中国在人形机器人上的比较优势，或不在算法，也未必在整机，而在执行器供应链的快速成熟与降本——谐波减速器、力矩电机、编码器等关键部件的成本下探速度，很大程度上得益于消费电子时代淬炼出的能力。

诚然，高端AI芯片出口限制将直接制约具身智能的训练与推理能力，此外部约束须纳入战略考量。但一旦跨越“能动”至“能批量、能降本、能稳定交付”的门槛，旧底牌便会迅速接管赛场。动力电池的跃迁路径，人形机器人极可能重演。

消费电子制造服务则警示另一关键：产能可外迁，产业价值未必随之外流。越南、印度、墨西哥的制造布局正重塑组装环节的地理版图，“中国是唯一工厂”的时代已然终结。

近年，手机与消费电子组装向东南亚、南亚及近岸节点分散，已成全球供应链调整的一部分。纵使部分组装环节外迁，中国仍握有全球最厚的制造母体与最深的工艺积淀。

中国无需强留每一台手机的国内组装，却完全有条件将“如何高效稳定组装手机”的能力留存手中——产线设计、SMT与测试装备、MES与排产系统、质量追溯、工艺包——并将此种能力转化为自新兴制造节点汲取价值的手段。若仅产能走出去，便是流失；唯能力随行并持续回流价值，分散方能化为新的疆域延伸。

真正的打法共识

从上述四行业可提炼出一则共性启示：AI时代中国制造的新底牌，非某张“神奇单牌”，而是将制造母体、工程化速度与制造智能，以多元方式叠加于不同制造世界的能力。

旧底牌未出局，仍是新产业从技术领先迈向产业主导的加速器。新底牌的意义则在于：令中国制造不再仅是世界工厂的执行层，而有望进阶为让工厂更高效、更智能、更可复制的规则与系统提供者。

若此判断成立，中国制造需在三事上凝聚共识、笃行不怠。

第一，政策与投资配置须从行业级下沉至环节级，不能再以“新能源”“半导体”“高端装备”等大标签粗放配置资源，应深入具体工艺与环节，研判其竞争逻辑、中国所处位势及价值迁移方向；尤须避免将已进入效率竞争的环节包装成前沿攻关项目，骗取不适配的政策资源。此种错配，危害甚于资源匮乏。

第二，将中试验证与工程化放大能力提升至与基础研究同等高度。诸多技术领先未能转化为产业领先，非因基础研究投入不足，实乃“从实验室到工厂”的深堑上始终未架起通途。中试平台、工艺验证平台、首台套首批次应用平台，应获与基础研究平台匹配的认可与投入。只要“论文算数、工程化不算数”的评价体系不改，这张牌便难真正打响。纵使方向研判无误，中试通道不通，前沿突破亦无法转化为产业战力。

第三，确立制造母体根植性的底线共识。无论怎样畅谈平台化、数据化、智能化，皆不能以本土制造能力的萎缩为代价。制造智能非绕开制造的捷径，而是制造厚度累积至临界值后方能孕育的上层能力。一旦制造母体贫瘠，制造智能便将失去训练场、数据飞轮与迭代节拍。

这三张牌组合的终局指向一个值得全力奔赴的战略方向：中国制造的下一阶段目标，不应止步于延续“世界工厂”之名，而应同步进阶为全球最强大的制造技术与能力输出国之一。

核心资产将从产能本身，延展至令产能高效运转的核心知识、系统与平台。未来工厂或可散落全球，但能让这些工厂在效率、韧性与成本上登峰造极的那套制造体系，终将只掌握于少数国家之手。

中国已拥有四十载制造实践的厚重积淀，这本身就是一副极沉的底牌。未来十年的胜负手或许不在于能否继续做大，而在于能否在千差万别的制造子世界中，将这副牌真正打对。

（作者系前罗兰贝格中国区总裁和埃森哲大中华区副主席）