> ## Content Index
> Fetch the complete content index at: https://research.porbital.io/llms.txt
> Use this file to discover other available public pages before exploring further.

# 工厂都用上了 AI，为什么利润未必增加？
- URL: https://research.porbital.io/zh-hans/industrial-ai-productivity-producer-profit-zh-hans/
- Published: 2026-10-03T03:12:58.000Z
- Updated: 2026-10-03T09:07:47.000Z
- Description: AI 让工厂生产得更快、成本更低，利润却未必增加。从两家工厂的价格竞争到小米的供应链管理，看看省下的钱如何分配，以及谁更有能力留下收益。
- Author: Roverzon
- Tags: Industrial AI, Supply Chains, Manufacturing, #lang-zh-hans, #i18n-industrial-ai

## 重点速读

- **效率提高，利润未必增加。** 当对手也能采用同样的 AI，降价竞争可能让省下的成本流向买方。
- **工厂之外，还有协作的瓶颈。** 一个环节变快，不代表订单、零部件、资金和交付能一起跟上。
- **谁留下收益，要看谁掌握关键资源。** 技术普及后，订单、客户渠道和供应链协作能力，可能比模型本身更难复制。

---

*AI 能让工厂生产得更快、成本更低。但省下来的钱，最后留在谁手里？从两家工厂的价格竞争，到小米的供应链管理，答案不只取决于技术，也取决于谁掌握订单、资金和客户。*

假设一家工厂，每件零部件卖 10 美元，生产成本是 8 美元，赚 2 美元。现在，它引入了一套 AI 工具，把成本降到了 6 美元。

售价不变，每件就能赚 4 美元。利润翻了一倍，看起来是一笔很划算的投资。

但接下来，竞争对手也买到了同样的工具，成本同样降到 6 美元。采购方发现，两家的产品差不多，便有了压价的空间。假如竞争把售价压到 8 美元，工厂每件赚的，又回到了 2 美元。

这只是一个简化的假设，却说明了一个容易被忽略的问题：生产更有效率，不等于生产者一定赚得更多。

成本确实降了，技术也确实有用。但省下来的钱，可能通过降价流到了买方手里。那么，工业 AI 带来的收益，究竟由谁留下？

要回答这个问题，我们得从工厂内部往外看，看看它所在的整条产业链。

## 01 成本降下来，利润为什么留不住？

先把前面的例子再往前推一步。

A 工厂率先采用 AI，成本从 8 美元降到 6 美元。B 工厂还没有跟上，成本依然是 8 美元。在两家都卖 10 美元的情况下，A 每件赚 4 美元，B 每件赚 2 美元。A 的优势很明确。

但只要 B 也能买到同样的工具，这份优势就可能消失。两家的成本都降下来了，买方又愿意选择价格更低的同等产品，降价竞争就有了条件。

如果售价最终降到 8 美元，两家的单位利润都回到 2 美元。工厂没有失去效率上的进步，失去的是对手暂时做不到的那份差别。

当然，售价不会因为大家用了 AI，就必然降到某个数字。这个例子成立的前提，是两家的产品可以互相替代，买方也能利用供应商之间的竞争来议价。

换一个条件，结果就可能不同。如果 A 利用 AI 积累了独有的工艺知识，能做出 B 做不了的产品，买方就不能只按价格选供应商。A 仍可能保住一部分收益。

同样，独有的数据、更稳定的质量、客户关系和渠道，也可能让制造商保持差异。使用同一个 AI 平台，并不意味着两家企业变成了同一家企业。

所以，判断一项技术能不能带来持久利润，要看两件事：它能省下多少钱，以及竞争对手多久能够追上。前者决定效率进步有多大，后者影响这份进步能有多少留在企业手里。

## 02 一家工厂变聪明，整条产业链就会更强吗？

过去大约十年，我观察工业智能化，一直把它放在中国制造业的发展过程中来看。

在我的理解里，标准化、信息化、自动化、智能化，是逐步叠加起来的能力。与此同时，生产组织也从家庭作坊，扩展到工厂、企业集团和产业集群。规模越大，分工越细，需要彼此配合的企业就越多。

这不是 AI 出现以后才有的问题。国务院在 2015 年 7 月 1 日发布的[《关于积极推进“互联网＋”行动的指导意见》](https://www.cac.gov.cn/2015-07/04/c%5F1115815010.htm?ref=research.porbital.io)（国发〔2015〕40 号），已经把协同制造列为重点，提出利用互联网促进产业链合作。

但从 2017、2018 年开始，我看到的一些制造企业，以及最早一批以视觉识别为主的 AI 公司，并没有随着技术普及一起壮大。到了 2026 年，在我的观察中，它们反而显得更弱。

这不是全行业的统计结论，更不能证明 AI 导致了衰退。它让我想追问的是：技术越来越聪明，为什么企业的经营状况没有跟着改善？

一个可能的原因，是我们把“一家企业做得更好”和“多家企业配合得更好”，当成了同一件事。

一家工厂知道自己的工艺、产能和设备情况；供应商知道零部件什么时候能交；采购方知道质量要求、预算和市场需求。每一方都掌握一部分信息，但没有谁天然掌握全部。

真正的生产，要把这些信息接起来。订单能不能对上零部件供应？工艺能不能同时满足价格和质量要求？需求变了，资金、生产调度、工厂位置和交付安排，能不能一起调整？

这些事情，需要不同企业持续选择、协商和配合。在交易过程中，各方的判断还会影响价格，以及资源最终流向哪里。

因此，即使每家企业都用 AI 提高了分析能力，整条产业链仍可能卡在协作上。一个环节变快，别的环节没有跟上，最终交付未必就会变快。

这也不意味着供应链是一个完全自由的市场。合同、技术标准、大买方的地位和组织权力，都在影响企业能作出什么选择。AI 本身也可以帮助协作，关键是它有没有真正进入这些环节。

这个判断有适用范围。如果一家工厂已经把主要环节整合在内部，工艺明确、工作可重复，单靠内部采用 AI，也可能取得很大的收益。只有当生产跨越多家差异很大的企业，而且协作已经成为瓶颈时，跨企业配合才尤其重要。

## 03 技术可以重复使用，生意为什么不好复制？

对工业 AI 公司来说，还有另一道难题：同一套技术，到了不同客户那里，往往不能照原样交付。

大型客户有自己的工艺、设备和数据，也有自己的组织规则，以及上下游合作关系。AI 系统要真正用起来，就得逐项对接。这些工作需要人力，很难像普通软件那样，把产品复制一份就交给下一个客户。

[商汤的《2024 年可持续发展报告》](https://www.sensetime.com/cn/csr%5Fcorporate?ref=research.porbital.io)中，就把定制化模型训练、增量模型训练和推理部署，列为向产业伙伴提供 MaaS 服务的一部分。交付不只是给客户一个模型，还包括围绕客户需求继续训练和部署。

另一端，小工厂又可能买不起、用不好。它们未必有足够的资金和技术人员，也未必能预期投入以后会有多少回报。即使产品已经标准化，购买和部署仍有门槛。

于是，AI 公司面对的是两种不同的难处：大客户的项目难以复制，小客户的需求难以转化为实际订单。

这解释了为什么“技术有价值”和“生意能规模化”，中间还有一段距离。技术做得出来，不代表每新增一个客户，都能以较低成本完成交付。

我在[〈AI 迎来了它的 iPhone 时刻，却未必能建立 iPhone 经济〉（英文）](https://research.porbital.io/ai-had-its-iphone-moment-it-wont-get-the-iphone-economy/)中，也从平台角度讨论过类似问题：持续发生的推理成本，以及供应商和客户之间的竞争，都可能压缩独立开发者最后留下的收益。

## 04 小米的例子：谁来把不同企业接起来？

再看小米。它提供了另一种组织方式：由管理整条供应链的企业，推动不同环节接入共同的系统。

小米的[《2022 年 ESG 报告》](https://ir.mi.com/system/files-encrypted/nasdaq%5Fkms/assets/2023/04/26/10-13-04/2022%20ESG%20Report%5FENG.pdf?ref=research.porbital.io)描述了一套供应链数字化管理系统，连接采购、库存、生产、合作伙伴，以及研发的不同阶段。截至 2022 年底，这套系统已覆盖全部智能手机一级生产供应商，以及部分二级供应商。

这里值得留意的，是各家企业已经有了共同协作的组织基础。它们不只是各自分析数据，还能围绕采购、库存和生产安排配合工作。

对于出海业务，这类系统也可以帮助企业看清海外供应链各环节的数据，及时发现风险。小米在同一份报告中介绍了全链条数据可视化和及时预警的能力。

但数字化不等于 AI 部署。这份报告不能直接证明 AI 提高了小米的利润，也不能证明供应商的收益分配发生了什么变化。我把富士康的工业互联网视为另一种协作方式；要比较实际效果，仍需要部署范围和经营结果的数据。

这些例子指向一个问题：当模型越来越容易获得，企业之间真正难以复制的东西，会不会转向订单、标准、资金、供应商关系、协作系统和客户渠道？

掌握这些资源的企业，能够影响哪些供应商进入体系、要满足什么要求，以及工作如何分配。它们也因此更有条件参与收益分配。

独立 AI 公司即使技术很强，如果不掌握需求和部署关系，仍可能只是这个体系里的一个供应商。它能把某个环节做得更好，却未必能决定这份改善最后值多少钱。

我的判断有两个前提：AI 能力越来越普及，而订单、资金和客户渠道等资源仍然集中。如果这两个条件同时成立，收益更可能向那些能持续投资、直接接触客户的大型企业移动。

在我看来，京东工业和阿里巴巴旗下菜鸟参与工业与物流网络，也是在争取这样的地位。这里是对其业务位置的理解，并不是已经证实的收益分配结果。它们可能争取的优势，是把 AI 与订单、资金、渠道和合作关系结合起来，让技术进入实际交易。

## 05 供应商赚得更多，也可能更依赖别人

主导企业更有能力留下收益，并不意味着供应商一定吃亏。

稳定订单、更快付款、共同开发，以及技术和渠道支持，都可能改善供应商的经营。进入一套组织得更好的供应链，有时比独自在市场上寻找客户更有利。

但另一个变化也可能同时发生：供应商更依赖这套体系。

因为进入供应链、获得订单和接触客户的机会，仍由主导企业掌握。供应商可以比过去赚得更好，却未必拥有更强的议价能力。

当消费需求转弱时，这种依赖可能进一步增强。可靠的订单和渠道变得更重要，而体系之外、资金不足的企业，可能更难持续投资，也更难找到客户。

结果未必是所有供应商一起衰退，而可能是企业之间的差距扩大：有些企业借助体系改善经营，有些企业被留在体系之外；即使受益的企业，也可能越来越依赖掌握投资、协作和需求的一方。

## 06 判断工业 AI，要多问哪几个问题？

看一家工业 AI 公司，我会先问三个问题。

**第一，对手能不能复制它的能力？**如果其他企业也能用同样的工具完成同样的工作，它靠什么保持差异？是工艺、数据、质量，还是客户关系？

**第二，它改善的是一项工作，还是企业之间的配合？**引入以后，订单、零部件、标准和生产决策，是否真的能更好地接起来？如果瓶颈还留在别的环节，局部效率的提升就未必能变成整体产出的增加。

**第三，它有没有能力把收益留下？**除了模型，它是否掌握订单、标准、资金、供应商关系和客户渠道？成本降下来以后，谁有能力决定价格，谁又有能力参与利润分配？

这三个问题，也是检验我前面判断的方法。如果制造商和 AI 公司都能独立取得资金、整合供应商、接触客户，相关资源能够广泛分布，那么收益就不必集中到少数主导企业手里。对价值集中的预测，也应随之调整。

零售业有一个可以对照的问题。我在[拼多多与 AI 效率极限的分析（英文）](https://research.porbital.io/when-efficiency-runs-out-what-pdd-got-right/)中讨论过：当商家和买方各有约束时，平台即使把交易做得很有效率，最后又能留下多少收益？

回到开头那两家工厂。AI 把成本从 8 美元降到了 6 美元，这是实实在在的进步。但利润能不能增加，还要看对手能否追上、产品能否保持差异，以及谁有议价能力。

再把视野放大到整条产业链，问题仍然一样。技术普及之后，如果订单、资金、协作能力和客户渠道仍然集中，掌握这些资源的企业，就更有机会留下新增的收益。

因此，观察工业 AI，既要看它让生产变好了多少，也要继续追问：这份改善，最后变成了谁的收入？

---

[阅读英文原文](https://research.porbital.io/how-industrial-ai-can-raise-productivity-without-raising-producer-profit/)