毛细血管里的智能革命:AI普惠如何重塑中国制造

趋势

毛细血管里的智能革命

AI 普惠如何重塑中国制造

题　记

真正的普惠绝非软件分发，而是一个遵循“工具化—平台化—生态化”逻辑的系统适配与价值跃迁过程。

 文|贾迎亚 周昊阳 于晓宇

上海大学管理学院副教授 上海大学管理学院硕士研究生 上海大学管理学院伟长学者特聘教授

编辑|谭相宜

全球产业链正在深度调整，国内消费市场也日趋个性化和快反化。双重驱动之下，中国制造业正经历一场静默而深刻的范式变迁。这场变革的主战场，并非那些装备精良的链主企业，而是遍布神州大地、多达数百万家的中小微制造工厂。它们被誉为“制造业的毛细血管”，贡献了绝大部分的就业、创新与市场活力，却长期受困于数字化底子薄、管理靠经验、订单波动大、抗风险能力弱的现实。它们能否集体转型升级，直接决定着中国制造能否从规模优势迈向以质量、柔性和韧性为核心的高质量发展新阶段。在此背景下，AI 赋能已不再是可选项，而是关乎产业根基与竞争力的关键命题。然而，将看似“高深”的 AI 技术注入这些“毛细血管”，绝非易事。技术供给方必须跨越成本、人才与认知的巨大鸿沟，探索出一条真正可落地、可持续的普惠路径。

在全球制造业智能化浪潮中，中国企业正探索多元路径推动 AI 普惠落地。百度智能云聚焦“轻量化赋能”，依托“云智一体”战略，将视觉识别与大模型能力封装为标准化、低代码 SaaS 工具，在注塑、五金等行业快速部署 AI 质检与能耗优化方案，主打“低成本、易上手、三天上线”，让中小工厂零技术门槛用上 AI。阿里云选择“产业带协同”路径，通过“通义+工业”模式，在佛山陶瓷、绍兴纺织等产业集群推广可配置的智能排产与供应链协同系统，以区域生态实现规模化复制，降低单厂接入门槛。他们在共同回应一个核心命题：如何让 AI 真正“沉下去”，在成本可控、操作简单的同时，解决制造业最真实、具体的痛点。

除了声名在外的大厂，笔者还观察到制造业智能化进程中更具纵深感的一个样本：黑湖科技。这家成立于 2016 年的工业数字化服务商，创始团队长期扎根工厂一线，从报工难、订单跟踪盲等细微场景切入，依托微信小程序推出极简工具“黑湖小工单”，实现近乎零门槛的数字化启蒙。短短数年，黑湖已服务超 3.2 万家制造企业，拿下中国云化 MES 市场 42.7% 的份额。从提供模块化智能管理平台，到尝试连接设计师与柔性产能的产业协同网络，黑湖的后续实践展现了 AI 如何在现实约束下，通过产品与模式创新，完成从“边缘切入”到“核心赋能”的进化。这一历程表明，真正的普惠绝非软件分发，而是一个遵循“工具化—平台化—生态化”逻辑的系统适配与价值跃迁过程。每一阶段都回应更复杂的产业矛盾，并倒逼技术供给方在认知与能力上持续升级。这场探索的终极愿景，或许正是构建一个基于数据智能的社会化生产网络，为中国制造在个性化时代锻造全新的系统性竞争力。

■何为制造业的“AI 普惠”？

在制造业的语境下，AI 普惠的内涵远超其字面含义。它并非技术的免费或廉价施舍，而是一项系统性工程：通过持续的产品创新、商业模式设计与产业生态构建，切实降低 AI 技术的应用门槛、学习成本与融合难度。其目标，是让流程优化、质量监测、智能排产、资源协同等 AI 核心能力，真正被海量传统而分散的制造单元所采纳和使用，并从中切实获益。最终，这些分散的获益将汇聚为普遍动能，提升中国制造整体的内生竞争力、响应速度与创新能力。

理想虽然美好，但现实是，AI 普惠对供需双方都构成了严峻考验。对中小微企业而言，其核心诉求极其务实：能否找到一种“用得起、学得会、有效果”的解决方案，直接作用于订单跟踪难、生产排期乱、质量管控散等具体痛点，并使每一分投入都能快速转化为可视的利润增长或成本节约。对 AI 技术提供方而言，则意味着必须彻底放弃高高在上的“技术输出”姿态，沉入产业腹地，理解最现实的约束，通过自我革新来跨越那道横亘在理想与现实之间的“成本—复杂度”鸿沟，在这片广阔却艰难的市场中，找到可持续、可规模化的商业逻辑。这实质上是一场技术与产业在反复碰撞中寻求共同进化的双向奔赴。

■“不可能三角”困境与隐形组织壁垒

AI 普惠在制造业的进程，首先遭遇的是一个经典的“不可能三角”困境(图 1)：技术的先进性、实施的低成本与应用的易用性，三者难以兼得。传统工业软件巨头(如西门子、SAP)凭借数十年积累，占据了“先进性”高地，但其动辄数百万乃至上千万元的高昂价格、以月甚至年计的漫长部署周期，加上复杂的定制化开发，将广大中小微企业彻底隔绝在外。另一极，市场上各类轻量化的单点工具(如简易版 ERP、进销存软件)虽在成本与易用性上有所作为，但往往功能孤立、数据不通、缺乏真正的智能分析与协同能力，难以应对日益复杂的生产管理需求。因此，理想的普惠方案，必须在这个三角的张力中找到动态平衡点。

比技术三角更为隐秘且顽固的挑战，来自“组织接受”层面。许多传统工厂内部运行着一套基于熟人社会、口头沟通和非正式流程的管理体系，存在固有的利益格局与行为惯性。自上而下强推一套新系统，常会遭遇隐形的抵制与“软对抗”，员工对变革的疑虑和技能焦虑亦不容忽视。因此，成功的普惠实践，绝不能只交付一套软件，而要演变成一个融合渐进式变革、现场信任建立和即时价值验证的综合过程。最终，它必须清晰回答企业主最朴素的问题：“这钱花得值吗？怎么值？”

■AI 普惠的“三级跃迁”实践

要实现上述平衡与超越，无法依靠标准化产品的简单分发。黑湖科技的探索为我们理解如何动态破解这一难题提供了有价值的观察样本。回顾其近十年的发展轨迹，黑湖的演进并非遵循预设蓝图，而是在服务数万家真实工厂的实践中，逐渐勾勒出一条从“工具化”到“平台化”、进而试探“生态化”的路径。这或可视为 AI 普惠理念在中国制造业土壤中的一种阶段性落地注解。

1. 初级跃迁：工具化——移动端革命与“数字化扫盲”(2016—2019 年)

工具化阶段的起点，始于一个根本性命题：如何让工厂以近乎零门槛的方式迈出数字化的第一步？破局点在于拥抱智能手机——中国社会最普及的数字终端。黑湖科技的创始团队深入基层工厂后发现，一线工人白天完全依赖纸质单据和电话沟通，晚间却熟练使用智能手机进行社交与娱乐。这说明，中国制造业最普及的数字终端，不是电脑，而是每个人口袋里的智能手机。

这一洞察催生了以“小工单”为代表的轻量化工具，它们通常以微信小程序或简易 APP 为载体，瞄准“进度看不见”“计件算不清”“沟通全靠吼”等管理痛点。其颠覆性体现在三个方面：一是极致的成本与部署门槛(年费不超过一个普通操作工的年薪，实施以“天”计算)；二是极致的易用性(操作如同使用社交软件，并集成语音报工和 OCR 功能)；三是即时的价值反馈(管理者可通过手机实时掌握全厂动态)。在此阶段，AI 主要扮演“隐形赋能者”，通过语音识别、OCR 等技术降低数据初始录入的门槛与成本，并最大化易用性，巧妙地在“不可能三角”中找到了首个立足点。

2. 进阶跃迁：平台化——模块化架构与柔性能力供给(2020—2023 年)

随着企业完成“数字化扫盲”，更深层、更个性化的管理需求涌现，由此开启了第二阶段的平台化跃迁。核心命题随之转变：当企业需要质量管理、设备互联、高级排产等复杂能力时，如何提供既专业又可灵活扩展的解决方案？黑湖的破局点，是从交付标准化 SaaS 产品转向构建一个可配置的 PaaS(平台即服务)底座。

以“黑湖智造”为例，其架构借鉴乐高的模块化产品逻辑，将质量管理、高级排产等功能解耦为标准化微服务模块，供企业按需组合。这一架构变革带来了双重优势：其一，巧妙地平衡了标准化规模效应与“千厂千面”的个性化需求，使客单价从万元级平滑过渡至百万元级，客户从“小微”成功拓展至“中大型”；其二，促成了 AI 价值的纵深跃迁。基于平台沉淀的海量实时数据，AI 从辅助工具转变为前台的核心驱动力量。智能排产、动态预警与根因分析、供应链协同模拟等 AI 能力作为关键模块被深度嵌入，将复杂的人工计划从数小时压缩至分钟级，并能预演市场活动对全链路的影响。

平台化阶段标志着 AI 普惠的核心内涵，从“提供基础连接”升级为“供给可组合的智能能力”。它通过模块化架构，在不显著提升成本和复杂度的前提下，大幅提升了解决方案的先进性，从而在“不可能三角”中取得了更进一步的平衡。企业订阅的不再是固定软件，而是一个能伴随其业务持续演化的“智能生产力套件”。

3. 高阶跃迁：生态化——“订单—产能”网络与价值循环重构(2024 年以来)

当对单个工厂内部效率提升的边际收益逐渐触及天花板时，中小企业生存与发展最根本的制约——订单稀缺性与产能闲置的矛盾，便凸显为最尖锐的产业痛点。这引出了 AI 普惠需要回答的第三个，也是更深层的命题：技术如何超越对存量资源的优化，转向为产业创造增量价值与全新的市场机会？第三阶段的破局点，在于从赋能“单点工厂效率”转向激活跨组织的“产业网络效应”。

全球需求波动之下，“资源错配”问题日益突出：一端是产能闲置的中小工厂，另一端是苦于找不到柔性制造伙伴的新品牌与设计师。黑湖基于所连接的 3 万余家工厂生态，开启了一次前瞻性实验：孵化一个直连“创意设计”与“柔性制造”的新型平台。该平台设想了一个数字化闭环：设计师上传概念草图；平台通过多模态大模型等技术将其快速转化为可生产的 3D 模型与工艺路线；系统自动匹配最合适的工厂闲置产能；一键生成标准化生产任务包并下发至工厂既有系统；全流程数据透明可溯，由此构建协同信任。

在此阶段，AI 演变为“产业资源的智能调度中枢”。普惠内涵发生演变：对工厂，这意味着获得高附加值订单以盘活闲置资产；对设计师，这意味着获得可靠的“虚拟制造部门”；平台则构建起自我强化的数据飞轮与网络效应。AI 技术提供方的角色也从软件供应商演进为产业价值网络的连接器与运营方。这标志着 AI 普惠在生态层面，实现了对先进性(全局优化)、低成本(资源共享)和易用性(平台化接口)的系统性协同突破，指向构建一个可动态配置的分布式制造网络，推动中国制造从规模刚性迈向网络柔性。

■AI 普惠的动态适配矩阵

黑湖科技实践的背后，蕴藏着一套可供 AI 技术服务方借鉴的方法论：基于制造业客户状态的“动态适配矩阵”。通过“数字化基础—业务复杂度”二维分析框架(图 2)，技术服务方可精准识别制造业企业类型，设计相应的产品策略，动态破解 AI 普惠的“不可能三角”。

1. 第一象限(低数字化基础—低业务复杂度)：AI 的“轻量切入”式普惠

对于数量最为庞大的传统小微作坊与家族式工厂，有效的普惠策略是“工具化穿透”，即通过如“小工单”这类极致简化的 AI 工具(核心是语音、OCR 等交互技术)，将最核心的生产活动数据以无感化、自动化的方式采集并在线化。AI 在此的核心价值在于，替代最基础的人工记录与简单判断，以极低的成本和近乎为零的培训门槛，解决管理者“看不见”生产现场的初级问题，让最小规模的企业也能首次品尝到智能化的切实益处，完成宝贵的“数字化扫盲”。

2. 第二象限(低数字化基础—高业务复杂度)：AI 的“阶梯牵引”式普惠

这类企业是“成长中的烦恼”的典型写照，业务已快速多元化、复杂化，但内部管理仍严重依赖人脑记忆、Excel 表格与微信群，混乱与低效并存。对此，有效的普惠策略是“平台化牵引”。通过“黑湖智造”这类模块化平台，AI 不是以一次性复杂部署的“交钥匙工程”形式出现，而是从企业最迫切的单点痛点(如排产混乱、质量失控)切入。企业可以随着自身发展，按需、分阶段地启用更高级的 AI 模块(如设备预测性维护、物料需求预测)。AI 在此扮演了随需而变的“智能教练”角色，以企业可负担的阶段性投入，牵引其管理规范与数字化水平实现同步的、阶梯式升级，有效避免了传统大型 AI 或数字化项目“一步到位”所伴随的高失败风险。

3. 第三象限(高数字化基础—低业务复杂度)：AI 的“融合增强”式普惠

这类企业大多具有“天生数字化”基因，管理理念与资源部署均高度智能化，但生产现场仍存在严重的计划与执行断层。策略重点在于“集成化补充”。即提供能够与现有数字化系统打通的、轻量化的生产执行层(MES)或 AIoT 解决方案，填补关键的数据缺口。AI 的价值在于以较低的增量成本和易用性对现有流程进行智能增强。这使得企业可以在不颠覆现有 IT 投资的情况下，以较低的增量成本获得显著的生产效率与管控能力提升。

4. 第四象限(高数字化基础—高业务复杂度)：AI 的“生态协同”式普惠

最后，对于在自身细分领域已具备较好数字化基础、业务模式又相对复杂的中小企业，AI 技术提供方的有效策略并非为其打造封闭系统，而是提供开放、可集成的平台能力，帮助企业将内部已运行的多个系统(如 ERP、MES 等)与 AI 模块有机融合。更重要的是，通过支持这类企业与其上下游合作伙伴(往往也是中小企业)之间的数据协同，AI 技术能够协助其构建局部小生态，提升产业链片段的信息透明度与响应敏捷性。技术方的角色，是成为中小企业走向“外部协同智能化”的赋能者与连接器，使 AI 的价值不仅限于企业内部优化，更能延展至其协作网络，实现局部生态的效率提升与韧性增强。

这一矩阵揭示了 AI 普惠的战略逻辑：分层渗透，价值递进。首先以极简工具穿透海量基础市场，建立规模与数据基础；其次以灵活平台切入高成长市场，深化价值与壁垒；最终通过与产业龙头的生态融合，实现能力的网络化扩散。更关键的是，来自各象限的海量产业数据持续反哺 AI 模型迭代，形成驱动产品与战略同步进化的数据飞轮：普惠场景越广，数据反馈越丰富；AI 模型越精准，普惠的深度与广度就越能拓展。这一闭环，构成了 AI 在复杂产业中实现可持续普惠的核心范式。其精髓在于：让技术以高度适配的姿态“长入”产业的不同肌理，在动态中破解“不可能三角”，实现从单点智能到全局智能的协同演进。

■从效率工具到产业新基建——普惠的终极形态

回顾 AI 普惠的三级跃迁实践，一幅 AI 技术与中国制造业深度融合的壮阔图景正徐徐展开。这场静默革命的本质，并非居高临下的技术施舍，而是技术与产业在双向奔赴中实现的“共同进化”：技术在不断适应产业现实约束的同时，也在深刻重塑着产业运行的底层逻辑与价值创造方式。

其演进脉络清晰可循：1.0 阶段(工具化)解决的是数据的“有无”问题，让信息在最基层的生产单元开始流动；2.0 阶段(平台化)解决的是管理的“优劣”问题，让可组合的智能能力嵌入核心业务流程；正在展开的 3.0 阶段(生态化)，则尝试解决产业链的“协同”问题，让价值在更广阔的网络中循环创造与放大。

这指向一个超越企业降本增效的终极愿景：通过无处不在的数据智能连接，将中国制造业分散的产能节点整合为一张能动态响应全球需求、实现弹性供给的“社会化制造云”。在这张网络中，制造能力将如同云计算资源一般，可被精准度量、灵活组合、按需调用。

因此，AI 普惠的深刻意义，正在于它悄然构建起数字时代国家制造业的新型基础设施。最大的价值创造者，或许不是单项技术的突破者，而是那些深谙产业痛楚、善于用技术编织连接、执着于营造共赢生态的“产业连接者”。

     当 AI 的能力如涓涓细流，汇入中国制造的每一条毛细血管，它所滋养的，将是整个经济体系在不确定性时代赖以立足的韧性、敏捷与创造力。

■  ■  ■

扫码订阅杂志

全年四期优惠征订

关注公众号｜复旦商业知识

转载｜请后台留言