吳琪/文

真正被改寫的不只是工廠，還有價值分配邏輯

過去20年，關于中國制造業(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，升級有多快。

這條主線沒有錯。中國仍是全球唯一擁有聯合國產業(yè)分類全部工業(yè)門類的國家，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)模產業(yè)鏈和強大的工程化能力，至今仍是中國制造最難復制的現實基礎。

但如果繼續(xù)只沿著這條主線理解未來十年的競爭，就可能看錯真正的變化。

AI，特別是大模型、工業(yè)智能體、工業(yè)軟件與數據基礎設施的結合，正在改寫的不只是工廠里的若干環(huán)節(jié)，還有制造業(yè)競爭的價值分配邏輯。

2026 年印發(fā)的《 “人工智能+制造”專項行動實施意見》提出，到 2027 年推動 3—5 個通用大模型在制造業(yè)深度應用，推出1000 個高水平工業(yè)智能體，打造 100 個工業(yè)領域高質量數據集，推廣500個典型應用場景，并培育2—3家具有全球影響力的生態(tài)主導型企業(yè)。政策關注點已經不只是“讓工廠更智能 ”，而是要重構制造業(yè)競爭力的來源。

這里最關鍵的變化可以概括為“認知充?！薄ＵJ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。

所謂認知充裕，并不是說判斷不再重要，也不是說經驗已經失效，而是說分析、設計、篩選、歸納、識別異常、生成方案等一部分原本昂貴、緩慢、難以復制的認知活動，正在被模型、算法和數據系統顯著降本、提速并部分復制。

過去，許多企業(yè)和國家的優(yōu)勢建立在“高質量認知很貴、很慢、很難復制”這一前提之上。今天，這個前提正在被動搖。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獨占性基礎。

制造業(yè)長期給人的印象是“硬”，但其背后恰恰隱藏著大量高價值認知過程：產品定義、工藝開發(fā)、參數優(yōu)化、缺陷分析、質量判斷、供應鏈協同、運維回流。

認知充裕真正松動的不是制造業(yè)的物理基礎，而是這些長期被封裝在經驗、流程和組織穩(wěn)定性中的高成本認知活動。正因如此，今天真正需要回答的問題，已經不只是中國制造業(yè)還能不能繼續(xù)做大做強，而是當產業(yè)生態(tài)規(guī)則被改寫，中國制造業(yè)在新的價值分配結構中到底應當占據什么位置。

中國制造業(yè)的優(yōu)勢并未消失，但正在重新分層

如果從傳統角度看，中國制造業(yè)的優(yōu)勢仍然十分突出，而且在相當長時期內不會輕易消失。

最根本的是完整工業(yè)體系，它的意義過去主要體現在成本、效率和供應鏈穩(wěn)定性上。但在 AI 時代，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景，都可以在同一國境內持續(xù)生成數據、訓練模型、驗證工藝并擴散能力。過去，它主要是制造優(yōu)勢，未來它也會越來越成為訓練優(yōu)勢、試錯優(yōu)勢和擴散優(yōu)勢。

產業(yè)集群的高密度協同同樣仍然是現實壁壘。長三角、珠三角、京津冀以及若干重點產業(yè)帶形成的“近距離、多層級、快響應” 網絡，在全球范圍內依然稀缺。零部件、工藝、調試、質量改進和交付協調可以在較短空間半徑內完成。這種現實組織能力不會因 AI 出現而自動削弱，反而可能因智能調度、數據回流和快速協同而進一步增強。無論模型多強，零部件仍要在現實空間中流動，復雜問題仍要在真實現場中閉環(huán)。這個意義上，物理密度仍然是中國制造業(yè)一項極難替代的基礎能力。

超大規(guī)模市場的含義也發(fā)生了變化。過去中國市場常被理解為 “規(guī)模優(yōu)勢”——市場足夠大，可以攤薄成本；今天它更應被理解為“訓練優(yōu)勢”——AI 特別是工業(yè)智能能力，并不是單靠實驗室研發(fā)就能成熟，而必須在真實設備、真實客戶和真實工況中持續(xù)驗證。2026年初公開信息顯示，國內人工智能企業(yè)數量已超過6000家，智能算力規(guī)模達1590　EFLOPS，核心產業(yè)規(guī)模預計突破1.2萬億元，應用已覆蓋鋼鐵、有色、電力、通信等重點行業(yè)，并逐步深入研發(fā)、質檢和客戶服務等環(huán)節(jié)。對制造業(yè)而言，這意味著中國的市場優(yōu)勢正在部分轉化為模型迭代和場景驗證優(yōu)勢。

但與此同時，一些過去被視為當然成立的優(yōu)勢正在被削弱，或者說正在從 “天然優(yōu)勢”變成“只有完成形態(tài)轉換才能保值的優(yōu)勢”，最典型的是勞動力效能優(yōu)勢。

中國制造業(yè)早已不再主要依賴最低勞動力成本，而更多依賴高素質產業(yè)工人和工程技術人員的大規(guī)模供給。問題在于，AI 和自動化會一方面提高中國企業(yè)自身效率，另一方面也降低其他經濟體追趕所需的人力密度。這意味著中國的效能優(yōu)勢不會自然消失，但其持續(xù)性將越來越依賴于經驗能否被數據化、流程化和模型化，而不再只是依賴人力規(guī)模和經驗厚度。工信部負責人在2026 年初公開強調，要培養(yǎng)更多既懂人工智能又懂制造業(yè)的復合型人才，這恰恰說明問題的關鍵已從“人多不多”轉向“人和系統能否一起進化”。

還有一類優(yōu)勢并沒有消失，但如果不完成轉化，就會名義上存在、實質上折價。最典型的就是工業(yè)數據資源。數據資源本身并不自動等于能力層優(yōu)勢。它只有在被制度化、標準化、基礎設施化之后，才會真正轉化為新的生產力。

這里還有一個沒有引起足夠的重視的問題：AI 對消費品制造和工業(yè)品制造的作用方向并不一樣。

對消費品制造商而言，AI 強化的是“解構” 力量：需求感知更快，柔性生產更強，平臺型企業(yè)和快速響應者更容易侵蝕既有品牌壁壘。對工業(yè)品制造商而言， AI 反而更容易強化客戶鎖定：設備在客戶現場持續(xù)運行所積累的工況數據、優(yōu)化模型和運維知識，會把一次性交付變成長期關系，把賣產品變成經營持續(xù)價值。

對消費品制造的支持重點，應更多放在產品定義、品牌自主和用戶直連能力上；對工業(yè)品制造的支持重點，則應更多放在數據閉環(huán)、持續(xù)服務和解決方案能力上。德勤關于制造業(yè) “服務優(yōu)先”轉型的研究也支持這一判斷：服務化和持續(xù)運營能力正在成為工業(yè)企業(yè)利潤改善的重要來源。

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)勢已經開始重新分層：有些優(yōu)勢在被放大，有些優(yōu)勢在被削弱，還有些優(yōu)勢如果不完成形態(tài)轉換，就會逐步貶值。

未來決定位置的不只有產業(yè)鏈高度，還有在能力層位置

過去３０年，中國制造業(yè)升級的主線是沿產業(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。這條路線總體是正確的，而且已經取得顯著成效。

但 AI 帶來的變化在于，未來競爭未必首先體現為“誰在產業(yè)鏈更高端”，而更可能體現為“誰在關鍵能力層擁有更強的控制力和組織力” 。《人工智能時代的競爭》一書的作者Marco Iansiti 和 Karim Lakhani關于 AI 時代競爭的研究之所以重要，就在于他們提醒人們：數據、算法和網絡化架構正在打破傳統的規(guī)模、范圍和學習約束，使企業(yè)越來越可能跨越既有行業(yè)邊界開展競爭。對制造業(yè)而言，未來的高位競爭，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)放到新的競爭框架里，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)模響應能力。中國在這一層的優(yōu)勢最強，這也是今天中國制造業(yè)全球地位的主要現實基礎。

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

第三層是智能基礎設施層，包括工業(yè)軟件、數字孿生、數據基礎設施、行業(yè)模型與工程知識底座。誰掌握這一層，誰就更接近制造業(yè)的“大腦”。

第四層是規(guī)則與標準層，即數據格式、接口協議、安全認證、模型評估與生態(tài)規(guī)則塑造能力。誰能夠在這一層形成影響力，誰就更接近未來產業(yè)生態(tài)中的高位。

值得注意的是，這個四層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”，而是幫助判斷：在你的行業(yè)里，未來競爭的關鍵層到底在哪里。

在這個框架下，中國當前最強的是第一層，正在努力補第二層，第三層進步很快但系統主導力仍然不足，第四層則是最值得提前占位、但目前仍相對薄弱的一層。工信部等八部門 2026 年初發(fā)布的專項行動，實際上就是在推動中國制造從“讓工廠更智能”走向“在能力層上補位和占位”。

中國制造業(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)模應用層之上。這些優(yōu)勢當前仍然強大，但它們已經不再自動等同于未來優(yōu)勢。未來真正決定位置的，不只是產業(yè)鏈位置，而是能力層位置。

中國發(fā)展工業(yè) AI的最優(yōu)路徑

也正是在這個問題上，中國工業(yè) AI 的發(fā)展路徑，不應簡單復制美國，也不應照搬歐洲。這不是因為要刻意“走自己中國式的道路”，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)勢在于基礎模型、頭部平臺、算力生態(tài)、開發(fā)者生態(tài)和標準外溢能力。2025 年白宮發(fā)布的《America’s AI Action Plan》以“加速創(chuàng)新、建設 AI 基礎設施、在國際外交與安全上保持領先 ”為三大支柱；NIST 在 2025 年底啟動 AI in Manufacturing 相關中心，也是在強化“先占住智能核心，再向產業(yè)滲透” 的路徑。

歐洲的優(yōu)勢則不同。它在工業(yè)軟件、工業(yè)設備、工業(yè)自動化、數字孿生、工程規(guī)范和制度治理方面基礎更深，所以更強調 AI Factories 、Apply AI、技術主權和規(guī)則框架。歐盟的 AI Factories 、Apply AI Strategy 與 AI Act，體現的是一條“先基礎設施與規(guī)則框架，再推動產業(yè)廣泛采用” 的路線。

中國的起點既不同于美國，也不同于歐洲。中國的最大優(yōu)勢，不是單一平臺或單一軟件體系，而是完整工業(yè)體系、超大規(guī)模制造場景、產業(yè)集群密度、快速工程化能力和應用迭代土壤。而《 “人工智能+制造”專項行動實施意見》的政策取向本身就不是簡單復制美國 “先平臺后產業(yè)” 的路線，也不是完全照搬歐洲“先規(guī)則后擴散” 的路線，而是在走一條更強調場景牽引、行業(yè)落地和體系化推進的路。

因此，從中國制造總體升級的角度看，最有利的模式應當是一條充分利用自身比較優(yōu)勢的組合路徑。

首先，以應用和場景牽引為前導。中國最大的現實優(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，不是抽象地追求 “最強通用模型” ，而是把海量真實工業(yè)場景轉成高質量數據、行業(yè)模型和可復制解決方案。這會讓中國在 “行業(yè) AI 翻譯層”上更快形成優(yōu)勢。

其次，把工業(yè)數據基礎設施放在比一般數字化更高的戰(zhàn)略位置上。中國不是沒有數據，而是數據大量“存而不用”、難流通、難對接、難形成高質量訓練閉環(huán)。工業(yè)數據基礎設施不是輔助工程，而應當是 AI時代制造升級的新型基礎設施。之所以如此，不只是因為數據重要，而是因為中國最獨特的優(yōu)勢恰恰是全門類、全流程、全場景的數據來源。

第三，以產業(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，能夠在極短時間內擴散到周邊同類企業(yè)，因為它們使用相近設備、面對相似工藝問題，甚至共享供應商和工程師網絡。以長三角汽車零部件集群、珠三角電子制造集群等為單位推進數據標準、模型接口和行業(yè)方案，比讓每個企業(yè)各自摸索，更可能形成規(guī)模效應和擴散效應。

第四，以行業(yè)解決方案和智能產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，那么長期仍可能停留在“強執(zhí)行、弱平臺” 的位置。更有利的路徑應當是：推動龍頭企業(yè)向行業(yè)模型、智能產品、持續(xù)服務和平臺節(jié)點上移。不只是把產品造出來，而是把產品變成持續(xù)感知、持續(xù)優(yōu)化、持續(xù)服務的系統。西門子與英偉達在 2026 年初擴大合作，明確提出共建工業(yè) AI 操作系統；Sandvik 則已把 AI 嵌入制造軟件、礦山設備與運維服務，形成面向客戶的數字化解決方案層。這說明全球領先企業(yè)爭奪的，不再只是設備本身，而是設備之上的智能層與服務層。

第五，底層短板不能放棄，但打法應更聚焦“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、關鍵設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制，而是把最關鍵、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)數據去放大可用能力邊界。

第六， 以開源生態(tài)彌補基礎層差距。開源不是權宜之計，而應當被視為戰(zhàn)略選擇。它降低了基礎能力的獲取門檻，把競爭焦點從“誰的模型更強”部分轉向“誰的應用更深”，而后者正是中國的強項。《 “人工智能+制造”專項行動實施意見》明確提出“建成全球領先的開源開放生態(tài)”，這不只是技術安排，也是產業(yè)生態(tài)博弈的安排。

最后，盡早進入標準與規(guī)則層，而不是等技術成熟后再參與。中國如果只重視應用、不重視規(guī)則，未來即使產業(yè)規(guī)模繼續(xù)領先，也可能在價值分配上吃虧。工業(yè) AI 的數據格式、接口協議、安全認證、模型評估和可信體系，目前都還在早期階段。中國如果要讓制造優(yōu)勢真正轉化為全球競爭力，就不能只做最大應用市場，還要爭取做重要規(guī)則參與者。 NIST已把 AI 標準工作列為正式方向，歐盟也持續(xù)強調治理與規(guī)范，這恰恰說明規(guī)則不是附屬問題。

概括起來，三種路徑的差異是：美國更像是“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，后推動廣泛采用”；中國更合理的路徑，則是 “先把完整工業(yè)體系和超大規(guī)模場景轉化為行業(yè)智能能力，再反推平臺、軟件、標準和規(guī)則上移 ”。

不同行業(yè)的問題并不相同

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

對已經領先或具有強競爭力的行業(yè)，例如新能源汽車、動力電池、消費電子、家電、通信設備、部分工程機械，核心問題不是怎么追趕，而是如何防止在新一輪價值分配中停留在執(zhí)行層。它們的現實優(yōu)勢主要來自規(guī)模效率、供應鏈整合和快速迭代，但未來如果產品價值重心繼續(xù)向軟件、數據和智能層遷移，僅憑更好的硬件和更快的制造，并不足以保證價值不被上移的平臺層截走。比亞迪近年持續(xù)強化智能化路線，海爾智家則在年報中明確提出用大模型推動運營和產品應用，這些動作都說明，領先行業(yè)開始意識到，下一階段競爭不只是繼續(xù)把硬件做強，而是要把硬件之上的智能能力也做起來。

對正在快速追趕但尚未領先的行業(yè)，例如商用飛機、高端醫(yī)療器械、半導體設備、精密儀器，核心問題也不是復制領先者舊路徑，而是判斷 AI 是否改變了追趕路徑。如果瓶頸主要是工藝經驗、設計迭代、測試驗證等認知積累型問題，AI 有可能加速追趕；如果瓶頸主要是核心裝備、關鍵材料、基礎設施等物理底座問題，AI 的作用更多是輔助，而不是替代。AI 是加速器，不是捷徑。

對仍存在明顯代際差距的行業(yè)，例如先進制程半導體、核心 EDA、高端航空發(fā)動機熱端部件、頂級精密光學、部分生物制藥核心工藝，問題更不能被理解為 “全面趕超”。更現實的問題是：哪些節(jié)點可能被 AI 改寫，哪些節(jié)點短期內依然只能靠長期基礎研究和物理試驗推進。這里真正重要的，是識別 AI 最可能帶來非線性突破的切入點，而不是把 AI 當作捷徑。

對在全球具有獨特地位的行業(yè)，例如稀土加工、特高壓、高鐵系統集成、大型基礎設施建設，問題既不是追趕，也不是防守，而是如何利用 AI 把獨特地位轉化為更高價值、更強鎖定和更大國際影響力。換言之，這類行業(yè)真正應該做的，不是只守住份額，而是把獨特位置提升為更高層級的解決方案能力和規(guī)則影響力。

最大的風險不是方向不清，而是舊模式仍然有效

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)造現實回報，因此新方向天然容易被延后。

過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，以成本、效率和響應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。制造業(yè)規(guī)模仍位居世界第一，產業(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，因此對新模式的投入總是顯得 “不夠緊迫”。工業(yè) AI 的國際標準如果在未來三到五年內被他方主導，中國制造即使規(guī)模領先，也可能在接口、認證和評估規(guī)則層面處于被動，這是規(guī)則性鎖定；少數平臺企業(yè)如果在關鍵行業(yè)率先形成強網絡效應和數據飛輪，后來者的追趕成本會迅速上升，這是市場性鎖定；工業(yè)數據基礎設施如果在關鍵階段沒有實質性推進，中國最獨特的數據稟賦就可能長期停留在 “資源狀態(tài)”，無法轉化為能力優(yōu)勢，這是基礎設施性鎖定。這三種鎖定一旦疊加，窗口仍在的判斷就會迅速失效。

若未來三到五年的資源仍主要投向放大舊優(yōu)勢，而沒有同步向能力層上移，那么現在的優(yōu)勢就可能在下一階段變成路徑依賴。

真正需要進入高層資源配置議程的是這五個問題

如果把全文歸納成高層真正需要回答的問題，大致有五個。

第一，工業(yè)數據基礎設施應當被視為 AI 時代制造業(yè)的新型基礎設施，而不是普通數字化配套。數據分類分級、確權使用、安全流通、接口標準、高質量數據集和可信交換機制，已經不是技術部門的事項，而是決定中國制造業(yè)能否形成能力層優(yōu)勢的底座問題。

第二，必須加快培育“行業(yè) AI 翻譯者”。中國并不缺通用 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化為特定行業(yè)可用生產力的中間層主體。西門子和Sandvik 之所以值得重視，不是因為它們“AI 更強”，而是因為它們能把通用技術、行業(yè)知識和客戶問題編織成可落地的工業(yè)解決方案。中國要補的正是這一層。

第三，人才結構調整應提升到與技術投入同等重要的位置。未來最稀缺的是既理解 AI 能力邊界、又理解工業(yè)場景和工藝約束，還能夠參與數據治理、模型部署和業(yè)務重構的復合型人才。專項行動提出推廣 500 個典型應用場景，這些場景不僅應承擔技術驗證功能，也應承擔復合型人才培養(yǎng)功能。

第四，應鼓勵一部分龍頭企業(yè)從“制造執(zhí)行中心”走向“行業(yè)能力節(jié)點 ”。不是所有企業(yè)都需要成為平臺，但如果缺少一批在工業(yè)軟件、行業(yè)模型、智能產品平臺和標準塑造上具有外部影響力的主體，中國制造業(yè)整體地位就很難真正上移。

第五，應盡早在工業(yè) AI 國際標準和規(guī)則上主動占位。中國作為全球最大的制造業(yè)國家和AI 應用最活躍的市場之一，有條件也有必要在數據格式、接口協議、安全認證、模型評估和倫理規(guī)范等方面積極進入早期博弈。規(guī)則不是附屬問題，而是產業(yè)生態(tài)中的高位問題。

同樣不能回避的是這四類風險

第一是 “應用強、底層仍需補” 的結構性不平衡。中國在 AI 應用速度、場景豐富度和產業(yè)落地上進展顯著，但在先進芯片、核心工業(yè)軟件和高端設計工具鏈等底層能力上仍有短板。如果這一不平衡長期存在，就可能形成“上層繁榮、底層受制” 的格局。

第二是數據治理難度可能被低估。工業(yè)數據豐富，并不自動等于智能優(yōu)勢。數據確權、安全責任、跨企業(yè)流通的信任機制、質量標準和價值分配，都需要長期建設。如果這些問題解決不力，中國最大的潛在優(yōu)勢之一仍將停留在 “資源狀態(tài)”，難以轉化為“能力狀態(tài)” 。

第三是 AI 敘事對制造業(yè)基本面的干擾。最現實的風險之一，就是大量資源被概念性項目吸走，而對質量、工藝、交付、組織能力、人才培養(yǎng)和數字底座這些長期要素投入不足。制造業(yè)競爭的底座沒有改變，AI 只能放大底座上的優(yōu)勢或缺陷，不能替代底座本身。

第四是 AI 投資回報的時間錯配風險。制造業(yè)不是互聯網行業(yè)，AI 在制造業(yè)中的落地需要數據準備、系統集成、工藝適配和組織變革，這些都是慢變量。對許多中小制造企業(yè)而言，如果缺乏足夠耐心與資源緩沖，前期投入尚未產生回報便中斷，容易導致對整個方向的判斷搖擺。

結語

綜合來看，中國制造業(yè)在認知充裕時代仍然擁有強大基礎，也確實面臨一輪重要機會，但真正變化的是優(yōu)勢的價值結構。

未來十年的關鍵，不只是繼續(xù)強化物理執(zhí)行能力和產業(yè)規(guī)模優(yōu)勢，而是能否在此基礎上加快向工業(yè)數據基礎設施、行業(yè)智能解決方案、工業(yè)軟件與模型平臺、智能產品層和規(guī)則標準層等關鍵能力層延伸。而且，這種延伸不應是一刀切的：對已領先行業(yè)，核心任務是把現實優(yōu)勢轉化為智能層和關系層優(yōu)勢；對追趕行業(yè)，核心任務是利用 AI 加速認知積累，而不誤以為它能替代基礎研究；對代際差距行業(yè)，核心任務是識別 AI 可能改寫路徑的關鍵節(jié)點；對具有全球獨特地位的行業(yè)，核心任務是把獨特位置轉化為更高價值鎖定和規(guī)則影響力。

需要承認的是，以上關于能力層競爭和路徑選擇的分析，是建立在若干尚未被充分驗證的假設之上。特別是關于 AI 能夠多深地滲透制造業(yè)核心工藝、平臺化競爭邏輯能否適用于物理世界這兩個問題，目前仍存在相當大不確定性。如果 AI 在制造業(yè)的滲透速度遠低于預期，或者物理世界的復雜性長期阻礙平臺化趨勢的形成，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，立足自身稟賦建設能力層，同時穩(wěn)住基本面、不被 AI 敘事帶偏，依然是一個在多數合理情景下都具備較高安全邊際的選擇。

由此可見，關于中國制造業(yè)未來的真正核心議題，已經不是 “能否繼續(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)中的關鍵能力節(jié)點和規(guī)則參與者。

這不是姿態(tài)問題，而是資源配置問題。未來中國制造業(yè)的分水嶺，未必首先取決于 “還能造多少”，而更可能取決于在新的價值分配結構中，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，不構成任何建議。