近年來，AI被越來越多的制造企業應用到設計研發、生產制造、質量檢測等環節，幫助企業不斷提高運營效率，但當AI變成了“標配”，它所帶來的技術優勢很快就會被復制。浙江大學管理學院教授鄔愛其團隊通過對浙江、江西、廣西等地近300家傳統中小制造企業的調查分析發現，AI確實能讓企業進行快速模仿，卻很難幫它們打造出獨特和持續的競爭優勢。
不過，團隊也發現，“新制造企業”與傳統制造企業的情況大為不同：傳統制造企業大多將AI視作附加工具，而新制造企業則從創立開始就深度利用數智技術來設計研發和生產制造產品、把生產全流程的數據變成AI算法的訓練素材、不斷優化算法幫助自身實現軟硬件有效匹配和協同發展。也就是說，新制造企業將AI當做驅動產品創新、生態共創和企業盈利的核心引擎。
那么，對于新制造企業來說，當AI“標配化”之后，它們應如何有效構建“護城河”，建立起新的競爭優勢？針對這一問題，鄔愛其教授攜手北京大學光華管理學院助理教授張鵬翔，浙江大學公共管理學院科教戰略研究中心特聘副研究員、學科與教學主任楊洋，美國南卡羅萊納大學摩爾商學院教授李卅立在《哈佛商業評論》（中文版）2025年第10-11期發表文章。本期【浙里洞見】，且看鄔愛其研究團隊層層剖析問題背后的深層原因以及解決之道。
AI標配后，四大要素構建新制造企業護城河
本文作者
鄔愛其，浙江大學管理學院創新創業與戰略學系教授、博士生導師
張鵬翔，北京大學光華管理學院助理教授張鵬翔
楊洋，浙江大學公共管理學院科教戰略研究中心特聘副研究員、學科與教學主任
李卅立，美國南卡羅萊納大學摩爾商學院教授
最近幾年，杭州及周邊地區快速崛起為中國AI 創新創業熱土，政策扶持、資本活躍與產業集聚等疊加優勢，推動算法應用、智能制造等領域持續突破，涌現出一批“AI+ 制造”的新制造企業，比如做四足機器人的云深處科技、專注三維掃描的思看科技、深耕智慧安防的宇視科技、主攻人形機器人的原力無限，以及發力虛實鏈接的 VR企業易現。我們在調研中發現一個共性問題：幾乎所有企業都已引入AI，不少企業卻坦言產品很難真正“出圈”。那么，當 AI 成了新制造企業的標配后，它們該怎么筑起自己的護城河？
通過調研，我們發現：新制造企業真正的核心競爭力，不在于是否采用AI，而在于如何用AI重新設計組織和業務，將算力（Computing power）、架構（Architecture）、場景（Scenario）和生態（Ecosystem）四個關鍵要素打造成有機協同的強大系統。這四個要素一起構成了AI時代新制造企業競爭力來源的CASE模型。
圖片來源：文章原文
首先，算力（C）意味著新制造企業用更聰明的計算替代昂貴的硬件。其次，架構（A）強調企業要把 AI 融入組織的整體設計，而不是外掛一個功能。場景（S）要求企業洞察和深耕關鍵應用場景，用真實需求驅動算法迭代。生態（E）則意味著新制造企業的競爭不再是單打獨斗，而需要與客戶、伙伴共建開放生態網絡。這四大要素須通過相互作用形成一個動態飛輪，讓新制造企業在AI普及時代依然能夠建立起屬于自己的獨特護城河。
算力
用“聰明計算”代替“堆砌硬件”
傳統制造企業習慣于用昂貴的設備和材料產出高性能的產品，高端裝備、精密工藝、優質材料等成為企業的關鍵競爭力。到了AI時代，新制造企業則通過算法優化和算力整合，讓普通硬件也能發揮超常能力。
01善用算力挖潛硬件功能
算力成為AI 時代影響企業競爭力的重要因素，但是，算力的關鍵不在于新制造企業買了多少服務器和顯卡，而在于能否用計算去解決企業運營中最核心的問題。傳統制造企業總覺得“性能全靠硬件品質”，但多家新制造企業的做法卻反過來證明：AI 能讓適用的零件“變聰明”。
圖片來源：云深處科技公司官網
以云深處科技公司為例，其四足機器人采用“黑箱式”控制策略，在訓練過程中并不給機器人設定明確動作，而是設定一個“不摔倒”的目標，通過仿真平臺進行千萬次強化學習訓練，實現了機器人在復雜地形下的自適應能力。思看科技在研發三維掃描儀時，也沒有一味追求高端定制的硬件材質，而是利用 AI 來解決不同材質表面帶來的測量難題。在我們調研中，不少工程師都提到，比起一味追求硬件的極致，他們更在意讓模型去適應現有硬件的功能，讓看似不夠完美的普通硬件也能夠形成強大的性能。
02優化算法破解成本瓶頸
日趨激烈的競爭使算力成為稀缺資源，但通過優化算法可以有效降低算力成本，宇視科技印證了這一趨勢在視頻監控領域的實踐。過去，做大規模視頻分析動輒需要購入幾十萬元級別的服務器，現在，宇視科技基于其“梧桐大模型”，將強大的AI能力封裝在僅有路由器大小的機身中，售價降至千元級，具備了將高端AI應用普惠化的能力。這款設備集成了目標識別、行為分析等 8大類41種智能算法，是“以算力換性能”的體現。
圖片來源：宇樹科技官網
所以，新制造企業熱衷于吸引大批優秀的算法工程師，立足場景、技術和產品特點來持續優化算法和降低算力成本。就如傳統制造企業需要在車間里配置大量熟練技工那樣，新制造企業把更多的熟練技工搬到了計算機房和數字平臺中，它們的技術層次很大程度上決定了企業的競爭力水平，因為出色的算法和算力不僅改變了企業的要素配置結構和成本，還影響著產品的性能和性價比。
架構
AI不是外掛輔助，而是重新設計“發動機”
傳統制造企業往往把AI當作外掛，希望AI輔助企業降本增效。新制造企業在應用AI時注重從底層重新設計流程和系統架構。就像當年工廠引入電力，并不是把蒸汽機換成電機，而是要重新規劃車間布局，否則難以真正提升效率和激發創新。AI也是一樣，新制造企業若仍沿用原有的組織運營邏輯，往往只能產生有限的效應。
01整體優化組織運營流程
企業是專業化分工的經濟組織，高效地分工和協作是盈利發展的關鍵。原力無限公司的人形機器人并不是在局部插入AI，而是讓AI 直接參與整個運作流程，從接收信息到做出動作都由 AI 驅動，這讓系統反應更快，也更像人類的條件反射。這種流程系統的重構減少了人工設計的中間處理環節，使信息流轉更高效，能夠在復雜任務和突發情況中快速響應。原力無限負責人說，“我們只需要提供足夠龐大的、特定場景下的數據量級，并且進行長期、持續的訓練，系統自己就會不斷優化路徑，‘真理’就會逐漸浮現。”
圖片來源：原力無限公司官網
在這個過程中，人類工程師負責定義好任務目標和場景約束，機器人則可以依據算法模型不斷適應真實世界的各種不確定和復雜任務。組織運營流程的優化，讓AI 可以自主地探索和迭代出最優的工作路徑。
02“云端+本地”協同架構
組織流程設計涉及協同架構的合理性和有效性，直接關系到算力和算法資源能否高效轉化為現實生產力。回顧宇視科技在AI 應用初期的實踐，內部研發人員坦言，當時的架構確實存在“AI外掛化”問題。2017年前后，為了盡快將AI能力引入產品，團隊將圖像識別模型嵌入在攝像頭中作為感知層的附加模塊，而控制與決策仍主要依賴后端平臺。這種“并聯式”結構使得AI與原有視頻采集、傳輸、存儲系統缺乏深度協同，導致在復雜應用場景下反應滯后、誤識率高。
宇視科技發現，光靠云端處理太慢，于是把一部分AI能力放在設備本身來處理，這樣很多計算工作能在本地完成，系統反應變得更快、更穩定。在這種“云端 + 本地”高效協同的架構下，AI不再僅僅位于云端中心，而是被深度注入到邊緣和前端設備中，可以解決集中式云計算帶來的網絡帶寬壓力和延遲問題，更好地支撐本地業務的快速響應，提升了用戶體驗感。
03架構優化改變成本結構
組織架構意味著人、財、物、技術等要素的配置邏輯，影響著企業的成本收益結構。對新制造企業而言，通過AI 優化架構，比單純升級硬件更有效率，產品性價比也更高。思看科技在研制三維掃描儀時，沒有一味追求更貴的相機，而是用AI優化系統，讓普通相機也能拍出足夠精細的效果。思看科技還與InnovMetric合作，共同打造完整的工作流，強調算法與系統架構協同優化，從而超越單純硬件升級的思維。思看科技的研發人員表示：“我們不再一門心思追求定制高端工業相機，而是訓練模型并與智能識別及圖像處理算法進行拓展性融合，來適應低成本鏡頭的數據分布特點，兼顧高精度的同時實現低成本優化。”
圖片來源：思看科技官網
此外，他們正在嘗試探索基于神經網絡算法的深度學習技術，來實現采用最小的數據空間以達到最優的細節特征采集的能力。這種“算法驅動結構設計”的工程理念，正讓越來越多的新制造企業不斷優化成本結構，探索并塑造出新的競爭優勢。
場景
即時深度洞察需求，構筑定義標準能力
當硬件和算法都趨同時，新制造企業的真正差異化來自場景。誰能更早、更深地切入某個應用場景，誰就能積累最真實的數據，進而深度洞察數據背后的真實需求，從而形成“數據飛輪”效應，助力企業構筑起引領行業發展的標準。
01生成場景即時洞察需求
技術與市場深度融合和迭代發展是新制造企業創新發展的根本任務。因此，如何即時、精準地洞察和滿足市場需求就成為AI能否發揮作用的核心，利用數智技術生成場景并從場景中把握真實需求是新制造企業的關鍵任務。宇視科技通過一句話即可生成檢測模型的方式，讓AI能快速適配各種冷門場景，解決了傳統AI覆蓋不到的問題。大模型應用將這種場景能力推向極致，允許用戶直接用自然語言下達指令，系統便能即時生成定制化算法。如在湖北市場的應用中，工作人員僅輸入“農用車載人”的文字指令，系統就在一分鐘內自動生成了違規檢測模型，解決了傳統 AI難以覆蓋消防堆物、漏油等冷門場景的痛點。
這種“模糊輸入、高清輸出”能力，解決了安防行業在海量非結構化數據中檢索困難問題。所以，具備場景生成能力的AI可以助力新制造企業超越傳統人工手段仔細理解和識別市場需求，場景讓AI 有了施展本領的機會。
02數據累積加速 AI 迭代
率先落地場景讓新制造企業可以掌握最真實的數據，隨著數據增多就可以激活“數據飛輪”效應，即最大化數據和數智技術的價值創造能力。早期進入場景讓新制造企業可以搶占數據源，數據積累和洞察使其掌握優化未來發展路徑的先發優勢。如云深處科技公司在工業園區和電網等場景部署機器人，不斷收集真實的使用數據，并根據數據反饋來持續迭代改進產品，通過“邊用邊改”讓產品更快、更好地滿足客戶的實際需求。
在消防救援領域，機器人必須能穿越積水、避讓障礙、攜帶傳感設備，云深處工程師并未一次性解決所有技術難題，而是基于場景一線反饋逐項優化算法與硬件配置。又如原力無限在應用場景中反饋和積累越來越大量級的數據，算法針對場景問題進行持續優化，推動產品不斷迭代調優。這種“產品即實驗”的邏輯，加速了 AI 與用戶之間的價值閉環。
03場景需求定義行業標準
一旦某一場景的AI 解決方案被市場接受，新制造企業便掌握了對該場景的標準定義權，后來者必須適配其已部署的接口、軟硬件環境，從而形成實質性的護城河。持續獲得自然使用環境中的高頻數據，讓 AI 能力不斷微調，并生成專屬特定場景的新算法，這種具備場景適應力的產品更容易形成市場壁壘。如思看科技在與多個制造企業合作過程中，發現 3D 掃描技術落地的關鍵不僅在單一精度指標，客戶真正需要的是對不同材質和條件的靈活適配能力，于是打造出能根據場景特點自動調整參數的數據平臺，幫助客戶更高效完成三維掃描。同樣，在原力無限的 AI 機器人邏輯中，產品并非為技術而生，而是源自真實、復雜和高頻應用場景反向驅動算法構建。
如其低空自動充電機器人，能自動識別車輛位置并完成充電，讓用戶不必再人工操作，即可完成“停車即走、充電無需等待”的流程。通過先創造場景，再在場景試點中持續收集反饋和洞察提煉需求，讓新制造企業可以打通創意與落地之間的最后一公里，為場景解決方案建立起行業標準和共識。
生態
開源重構價值網絡，持續推動生態進化
AI給新制造企業帶來了多方面的機會和挑戰，任何單一企業都無法單獨完成。因此企業需要選擇開放接口，構建起客戶、合作伙伴、開發者等組成的生態系統，以生態系統來重構價值網絡，賦能生態伙伴價值共創和共享發展。
01開源重構價值共創網絡
傳統制造企業的價值邏輯是分工協作和線性交付，如傳統燃油車制造企業找一級供應商，一級供應商找二、三級供應商，但AI的高度不確定性和高頻迭代需求，決定了新制造企業需要一個更為靈活的技術共同體。例如，云深處科技通過對外開放系統接口，吸引高校和開發者參與技術改進，把外部創新直接納入產品升級過程。它們還允許用戶進行二次開發，把企業變成高校科研和教學活動的重要平臺。類似的策略在思看科技中也得到體現，企業邀請客戶工程師參與系統改進，使其能夠把一次性交易轉變為持續的共創關系。
宇視科技通過合作政策，引導伙伴從賣設備轉型為提供整體解決方案，通過技術培訓、本地化倉儲、項目協同等方式，為客戶創造更多價值。這種用戶共創式的生態關系，使新制造企業不僅售出產品，更構建了技術共同體，將合作伙伴緊密地融入其價值網絡，從而把買賣關系變成了共同建設的合作關系，最終實現生態共贏。
02開放平臺擴展應用場景
生態擴展能力很大程度上決定了新制造企業的成長空間。在調研中我們看到原力無限等新制造企業正嘗試搭建開放式平臺，讓開發者在其機器人基礎上添加新功能，以拓展更多的應用場景。這背后離不開企業所提供的開放式接口和工具，確保不同模塊能夠順利兼容。該企業技術負責人說，“我們的目標不是做一個封閉產品，而是做一個身體開放、能力共享的平臺型機器人。”這種生態邏輯使得原力無限可以通過吸納教育、醫療、服務等多元場景下的模塊化插件，快速擴展技術和產品的使用邊界。
宇視科技不僅自身產品矩陣完備，還積極融入更大的生態，成為“中國移動愛家AI終端生態領先者”，與生態伙伴一起共同為家庭、商鋪等場景激活 AI 價值。易現公司建立了一個AR平臺，為開發者和創作者提供了從建圖到設計再到體驗的一站式服務，降低了開發者進入門檻，吸引更多人參與內容創作，通過平臺匯聚各方力量不斷豐富 AR 應用場景。所以，新制造企業的開放合作模式，極大地拓展了技術和產品的應用邊界。
易現公司用AR還原南京小西湖歷史風貌區 | 圖片來源：易現官網
03推動共生系統自我進化
新制造企業構建生態系統的最終目標，不僅是連接更多生態伙伴，更是推動生態系統更快地自我進化，以實現技術和產品的迭代創新。一些新制造企業已經形成了“越用越好”的循環：企業提供工具和平臺支持，外部伙伴帶來真實需求和數據，多方共同推動產品并不斷進化。
云深處科技的技術人員指出，他們的生態不是簡單的“給別人用我們的平臺”，而是“讓別人一起造這個平臺”。通過技術伙伴和開發者的共同投入，平臺的能力被持續放大。原力無限和易現公司也通過這種“參與—反饋—優化—更多參與”的生態進化邏輯，不斷增強自身產品和場景適配力。更重要的是，生態資源的聚合讓人才和知識在生態成員之間高效流動和協同創新，共同構建出一個具備自我演化能力的生態系統，加速了從問題到產品的迭代，為新制造企業構建了中長期的競爭壁壘。
結語
在后AI紅利時代，新制造企業的核心課題已從“如何使用AI”轉向“如何通過AI重構價值創造方式”。CASE模型的四大維度刻畫出新制造企業利用AI構筑護城河的核心要素。其中，算力降低了成本，架構提升了效率，場景創造了壁壘，生態帶來了成長。更為關鍵的是，這四個維度需要形成相互賦能的動態閉環，不斷促進新制造企業的不斷演進：算力為重新設計系統提供基礎支撐，架構優化讓場景能力得以充分釋放，場景落地則推動生態體系不斷擴展，生態自我演化又反哺算力與架構的持續升級，最終構筑出新制造企業的護城河。
相關企業的實踐探索印證了CASE模型的價值，它既能激活企業內生潛力，又能整合企業外部資源，讓AI從通用技術工具升級為驅動能力持續演化的核心引擎。然而，未來的新挑戰也不可忽視。隨著算力門檻下降、數據合規要求趨嚴、生態合作博弈加劇，新制造企業在推動 CASE 模型落地過程中還將面臨新的不確定性。比如，如何在追求模型訓練性能的同時兼顧綠色低碳，避免因算力資源消耗過大而失去可持續性；如何在利用數據推動創新的同時，明確隱私保護、行業規范和知識產權的邊界；如何在開放與管控之間找到平衡點，讓生態真正成為各方共贏的平臺。這些問題都提示我們：新制造企業的智能化之路，遠不是一勞永逸，而是一個需要持續探索和迭代創新的進化過程。
