夜雨聆风AI正在改写的不只是工厂里的若干环节，还有制造业竞争的价值分配逻辑。
中国制造业有一个"房间里的大象"——所有人都知道AI重要，却很少有人愿意承认：我们可能正在用旧地图，找新大陆。
回望过去几年，从智能质检到预测性维护，从AI排产到数字孪生，"提质降本增效"六个字成了几乎每一份企业AI规划的标准答案。它们当然没错，但问题在于：如果只停在效率层面，我们很容易把一场深刻的结构性变革，误读为又一轮熟悉的数字化改造。
今天最值得关注的，不是AI"帮工厂省了多少钱"，而是它正在重写制造业竞争的底层价值逻辑——哪些东西开始升值，哪些开始贬值，以及中国制造的优势，为何需要重新估价。
01 认知便宜了，"护城河"正在松动
过去的制造业里，老师傅有多值钱，行业里有数。
怎样看懂工艺窗口、怎样预判设备早期故障、怎样在生产、质量和交期之间找到平衡……这些浸润在产线几十年的隐性知识，构成了制造业的真正壁垒。它们稀缺、昂贵、复制缓慢，所以值钱。
但AI正在让一部分认知活动迅速降价。
今天，一个基于多模态大模型的AI预测性维护系统，可以7×24小时监控超过2000个核心部件，帮助产线故障频次降低35%、停机时长缩短30%。长虹华意加西贝拉自主研发的AI质检系统，用多相机协同成像与自研算法，实现了对定子内腔30余类缺陷的360度全覆盖自动检测。过去依赖人眼、依赖经验的环节，正在被模型和算法规模化复制。
我们把这种变化概括为"认知充裕"。不是因为判断不重要了，而是那些长期稀缺、昂贵、难复制的认知活动，正在失去原有的独占性。
这一点对制造业来说尤为关键。今天被重写的不是厂房和设备，而是那些长期被封存在经验、流程和组织稳定性中的高成本认知活动。经验依然有用，但如果你不能让经验数据化、结构化，它就会持续折旧。
02 竞争的逻辑正在位移
过去的竞争法则很清晰：谁能掌握更稀缺的关键资源，谁就能获得更高利润。渠道、信息、专家经验、规模壁垒，构成了一道道护城河。
AI正在掰弯这些天花板。
先来看效率与柔性的边界。大规模与小批量，过去是两道无法兼得的赛道。但中天钢铁（淮安）在钢帘线产线上，通过AI高阶排产系统，将生产排产时间从6个小时压缩到10分钟，同时产品缺陷识别准确率达到99.2%，吨钢综合能耗下降16.8%。切换成本不断被压低，两道赛道正在模糊——一个AI能力足够强的制造商，可以同时在这两条赛道上竞争。
再来看"经验壁垒"。高炉炼铁，绰号"工业黑箱"。炉内高温高压、反应复杂，操作水平全凭经验，不同师傅之间的决策结果差异很大。永钢集团跑通了另一条路，研发了"高炉专家智能体"，相当于为每一座高炉配备了一位"数字炉长"。通过红外热成像加数字孪生，高炉内部一度不可观测的状态实现了实时可视化。结果是什么？这座智能体驱动的1号高炉，仅用9天就实现全面达产达标，而传统工期通常需要30天以上。经验没失效，但隐性的经验正在被模型显性化——如果你的经验不能被结构化，就会被动摇。
更深远的变化在质量优势的向上迁移。越来越多企业靠AI做到高水平的一致性，质量本身正从竞争优势变成入场券。长安汽车的数智化实践给出了一个更清晰的信号——他们正在构建的"质量智能体"，目标就是实现"零缺陷生产"，将质量管理从"靠经验维持稳定"推进到"靠系统持续逼近最优"。
03 中国制造的优势正在重新分层
理解这一切，不能离开中国制造的起点。
我们拥有全球最完整的工业体系，这不是一个静态标签。在AI时代，它的含义变了：完整的工业体系意味着更丰富的训练场景、更密集的工艺反馈、更快的模型验证和更强的能力扩散。工业AI不是靠实验室里想出来的，而是靠真实设备、真实工况一遍遍"磨出来"的。
产业集群是另一个被低估的杠杆。在长三角、珠三角，一个工艺问题被发现、一个解决方案被验证、一个调整生效，其传播和闭环周期极快。这种物理密度不是模型能替代的，反而会因为智能调度和数据回流进一步升值。
但硬币的另一面同样鲜明。
中国制造业的一些传统优势正在发生变化。最典型的是劳动力效能优势——工业AI并不会自动取消这一优势，但其持续性将越来越依赖于：经验能否被数据化、流程化和模型化，而不再只是依赖人力规模和经验厚度。
还有一类是"假优势"——工业数据。中国企业不缺数据，缺的是让数据可用、可流通、可训练的基础设施。数据如果无法跨设备、跨产线形成可对接、可复用、可追溯的结构，就无法支撑真正的行业模型与工业智能。
04 能力层竞争：未来真正的分水岭
沿着这个逻辑，我们可以把制造业的竞争拆解为四层：
物理执行层：制造交付、规模响应——这是当前的基本盘。
行业翻译层：把通用AI能力转化为特定行业的可用方案。
智能基础设施层：工业软件、数字底座、行业模型、数据基础设施。
规则与标准层：数据格式、接口协议、模型评估、生态规则。
过去三十年，中国制造业的主线是沿产业链向上攀升；但当AI到来，竞争的维度在发生变化——未来不在产业链上，而在能力层之间。
这里有一个被很多人忽视的分化：对消费品制造和工业品制造，AI的影响方向不一样。
对消费品制造商而言，AI会放大"解构"力量：需求感知更快，柔性生产更强，平台型企业更容易侵蚀既有品牌壁垒。但对工业设备制造商来说，情况正好相反。设备在客户现场持续运行所积累的工况数据、优化模型和运维知识，正在把一次性的设备交付，变成持续锁定客户的长期关系。AI越强，这种锁定越紧。
对工业品企业的启示也很清晰：最有利的路径，不是继续把放大物理执行的规模优势，而是把能力往服务层、模型层迁移。
宝钢的实践给出了一个切口。截至目前，宝钢股份已累计建成投运AI场景600余个、智能体100余个，打造了AI标杆产线5条。更有趣的是，他们发布了钢铁行业首个L1-L5产线"智驾"分级标准，对标自动驾驶的逻辑来重新定义产线能力。根据这一标准，宝钢目前的智能化水平处于L2/L3之间——L3意味着AI已可完全接管常规操作，异常情况需要人工介入；而L5意味着AI具备全场景自主决策能力，可实现真正的无人化生产。
这个分级不是噱头，而是一个关键的信号：中国制造业企业正在从"靠什么挣钱"转向"站哪一层挣钱"。
05 "旧模式仍然有效"，可能是最大的风险
坦白说，当前中国制造业面对的最大张力，不是看不清方向，而是旧模式仍在创造回报。
成功路径我们都很熟悉：以大规模物理执行能力为基础，以成本、效率和响应速度为主要竞争手段，持续投资、扩张规模。这套打法今天并没有失效——产业链优势仍然明显，规模仍在全球领先。
恰恰因为它仍在奏效，资源配置、组织注意力和战略讨论才天然倾向于继续放大既有优势。而新方向，则被"延后"了。
但这种讲法能一直成立吗？
错过范式切换的主体，往往不是没有看到新方向，而是因为旧模式还在成功，对新模式的投入总显得"没那么紧迫"。"认知充裕"不会等人，工业AI的国际标准如果被他方主导，会形成规则性锁定；关键行业如果率先形成平台网络效应，会形成市场性锁定。三者一旦叠加，中国今天最完整的制造禀赋，就可能无法转化为下一阶段的高位能力。
如果你身处制造业，现在可以问问自己三个问题：
你的企业中有多少"隐性经验"还停留在老师傅脑子里，有没有开始结构化、数据化？
你们的竞争，主要在比"谁造得更好"，还是已经开始比"谁更能把数据和场景组织成能力"？
如果质量有一天真的成了"入场券"，你们还能靠什么差异化？
中国制造业当前最幸运的事，是我们仍然有一个完整的工业体系、密集的产业集群、超大规模市场去兜底。但最大的危险不是终点太远，而是起点太舒适了。
未来三到五年，制造业的分水岭未必首先取决于"还能造多少"，更取决于在新的价值分配结构中，我们能占住哪一层。AI时代，中国制造业准备好了吗？
读 前罗兰·贝格中国区总裁和埃森哲大中华区副主席吴琪《认知充裕时代的中国制造业》有感，结合线上信息整理而成。
