假设一座工厂原来每天可以生产1000件商品。
引入AI视觉质检、智能排产、预测性维护和工业机器人之后，停机时间减少了，良品率提高了，生产周期缩短了。即使没有新建厂房和生产线，同样一套设备每天也可能生产1300件商品。
从技术角度看，这是一场成功的智能化改造。
但如果市场每天只能卖掉800件，AI释放出来的生产效率一旦被转化为更高产量，企业真正得到的未必是更多利润，也可能是更多库存、更激烈的降价，以及一条更快生产“卖不出去的东西”的智能产线。
这里需要先区分一个概念：
**AI提高生产率，并不必然等于企业新建了产能。**它更常见的作用，是通过减少停机、提高良品率和优化排产，提升现有设备的有效生产能力。
但对市场来说，无论新增供给来自新建工厂，还是来自原有工厂效率提高，最终都要面对同一个问题：
当AI让工厂越来越能生产，增加的产品最终由谁来购买？
9月，习近平就发展先进制造业作出重要指示，李强出席全国先进制造业大会并讲话。
会议强调，要持续做大做强先进制造业，增强产业链供应链自主可控能力，加快建设以先进制造业为骨干的现代化产业体系；同时提出以新一代智能制造为主攻方向，加快数字化、智能化赋能，推进高端技术自主化。
这释放了一个清晰信号：
“AI+制造”在国家现代化产业体系中的位置被再次确认并强化。它不仅是企业层面的技术改造，也是先进制造业发展和产业链能力建设的重要组成部分。
但仅仅两天之后，另一个声音出现了。
9月19日，据媒体报道，北京大学国家发展研究院副院长、中国人民银行货币政策委员会委员黄益平在北京举行的一场经济论坛上表示，人工智能一方面能够提高生产率，另一方面也可能进一步加剧中国经济“供给强、需求弱”的失衡。
需要说明的是，这是黄益平个人的学术和政策判断，不代表中国人民银行发布了新的正式政策，也不能由此得出“AI已经造成产能过剩”的结论。
但把两条消息放在一起，一个比“AI如何赋能制造业”更值得讨论的问题出现了：
中国制造业下一阶段真正缺少的，究竟是更强的生产能力，还是把生产能力转化为订单、收入和利润的能力？
如果只看会议提出的关键词——先进制造业、智能制造、人工智能、产业链自主可控、高端化、绿色化——很多人可能会觉得似曾相识。
因为过去几年，从智能工厂到工业互联网，从机器视觉到工业大模型，“AI+制造”已经被反复写入政策、规划和产业实践。
所以，这次会议的意义并不是AI第一次进入国家制造业政策。
真正值得注意的是，智能制造被进一步放进了先进制造业、现代化产业体系和产业链供应链自主可控的大框架中。
过去，一家企业建设智能工厂，通常被理解为企业自身的数字化改造：
这些项目首先解决的是一家企业的效率问题。
而当“AI+制造”被放进现代化产业体系之后，它承担的任务就不再只是帮助某座工厂节省几个人、提高几个百分点的良品率。
它还需要回答更大的问题：
因此，这次大会的政策意义是明确的。
但截至本文发稿时，公开信息主要集中于战略定调，尚未见与大会同步发布的专项资金、试点名单、补贴标准或者量化考核体系。
这意味着，如果只把文章写成“哪些行业将受益”“AI将如何重塑制造业”，内容就很容易停留在已经讨论多年的层面。
真正的新问题，不在于国家会不会继续推进智能制造，而在于：
当智能制造继续提速，我们应该用什么标准判断它是否真正创造了价值？
判断这个问题，不能只靠感受。
国家统计局数据显示，2026年1—8月，全国社会消费品零售总额为327569亿元，按名义口径计算同比增长1.1%；其中8月单月增长0.4%。
消费没有停止增长，但增速相对缓慢。
另一边，2026年1—7月，全国规模以上制造业企业实现营业收入约70.39万亿元，同比增长7.0%；制造业利润总额34376亿元，同比增长18.8%。
如果把两组数据直接放在一起，很容易得到一个过于简单的结论：制造业增长快、消费增长慢，所以中国制造业正在全面过剩。
但这种判断并不准确。
首先，社会消费品零售总额不等于制造业的全部需求。
制造业产品除了面向居民消费，还可能进入：
其次，社会消费品零售总额和规模以上制造业营业收入的统计范围、时间周期和统计口径不同，不能直接做一一对应的比较。
更重要的是，中国制造业内部正在发生明显分化。
2026年1—7月：
这说明，中国制造业面对的不是一个整齐划一的“产能过剩”问题。
有些行业仍在享受技术迭代、出口增长和新需求带来的红利；有些行业则出现了营业收入增长、成本上升和利润下降同时存在的情况。
例如，2026年1—7月，汽车制造业营业收入同比增长2.7%，营业成本增长3.8%，利润却下降20.4%；电气机械和器材制造业营业收入增长10.0%，营业成本增长10.9%，利润下降7.6%。
企业卖出的产品可能更多，但不代表每一件产品都赚得更多。
另外，截至2026年7月末，全国规模以上工业企业产成品存货达到7.27万亿元，同比增长10.8%；产成品存货周转天数为21.3天，同比增加0.6天。
同期，规模以上工业企业应收账款达到28.88万亿元，同比增长8.5%；应收账款平均回收期为71.9天，同比增加0.9天。
这些数据不能证明中国制造业已经全面过剩，更不能证明AI造成了库存和应收账款增长。
但它们至少说明，在工业收入和利润整体增长的同时，库存和回款压力也在上升。企业面对的不只是“能不能生产”，还有“能不能卖出去”和“能不能及时收回货款”。
真正的问题是：
如果一个行业本来就缺少有效需求，AI继续提高它的生产效率，会发生什么？
AI进入工厂后，最直接的作用通常是提高效率。
例如，一套机器视觉系统可以减少漏检；一套预测性维护系统可以提前发现设备故障；一个排产模型可以减少生产线等待；一批工业机器人可以延长设备连续运行时间。
这些价值都是真实存在的。
但生产率提高与企业利润增长之间，并不是一条自动成立的直线。
假设一家工厂过去生产一件产品需要100元，使用AI和自动化设备后，成本降到90元。
如果市场需求充足，而且竞争对手暂时没有完成类似改造，这家企业可能获得更高利润。
但在产品高度同质化、需求增长有限、企业缺少差异化能力的行业，随着同行普遍采用相似技术，平均成本会一起下降，企业很可能通过降价争夺订单。
最终结果可能是：
对单家企业来说，智能化可能是为了避免被竞争对手淘汰；但对整个行业来说，所有企业同时提高生产能力，并不会自动创造同等规模的新需求。
这就像一条原本拥堵的高速公路突然扩建了车道。
道路通行能力提高了，但目的地并没有因此增加。所有车辆只是更快地到达同一个出口，出口处反而可能变得更加拥挤。
AI提高的是企业组织供给的能力。
市场需求则来自居民收入、企业投资、公共部门需求、海外市场，以及新产品创造出来的新消费。
两者相关，却不是一回事。
因此，黄益平关于AI可能加剧供需失衡的提醒，重点不是反对AI，也不是认为生产率提高没有价值，而是在提示一种可能的风险：
如果技术主要用于扩大供给，而收入、消费和新需求没有同步增长，生产效率越高，供需错配暴露得可能越快。
在智能制造项目中，一些常见的评价指标包括：
这些指标并没有错，但它们主要测量的是“企业装了什么”和“生产得有多快”。
它们没有完整回答另外几个问题：
一座工厂安装了100台机器人，可以成为一个很直观的智能制造项目。
但如果机器人利用率不高，生产出来的产品大量进入库存，企业还要承担折旧、维护、能源、软件订阅和系统改造费用，那么机器人数量越多，固定成本压力也可能越大。
反过来，一家企业可能没有建设最先进的“黑灯工厂”，却通过AI预测订单、减少库存、缩短交付周期，并针对细分客户开发出新的产品。
后者看起来没有那么壮观，却可能创造了更真实的商业价值。
因此，智能制造不能只回答“怎样生产得更多”，还要回答三个更关键的问题：
为了判断不同AI项目创造的实际价值，我们可以按照它们主要解决的问题，把制造业AI应用概括为三类：
这是本文为了分析方便所作的分类，并不是官方技术分类。
生产型AI主要进入工厂内部。
它解决的是效率、质量、成本和稳定性问题，包括：
如果一家企业订单充足、交付周期长、良品率不稳定，或者人工环节已经成为瓶颈，生产型AI具有非常明确的价值。
例如，一家汽车零部件企业已经获得未来几年的稳定订单，但现有产线无法按时交付。此时，用AI提高排产效率、降低停机时间，就是在解决真实的收入瓶颈。
但如果企业现有产线本来就没有满负荷运行，真正缺少的是客户，继续购买机器人和自动化设备，解决的可能不是企业最紧迫的问题。
需求型AI并不首先进入生产线，而是进入产品设计、需求预测和订单组织环节。
它可以帮助企业：
如果说生产型AI是在回答“怎样把1000件产品做得更快”，需求型AI回答的则是“市场究竟需要800件、1000件，还是根本需要另一种产品”。
对于面临库存、价格竞争和产品同质化的企业来说，后一个问题可能更加重要。
还有一类AI，不直接增加产量，也不只用于预测销量，而是帮助制造企业提高持续服务能力。
例如：
这里也需要注意，远程运维、设备服务化和按使用量收费，并不是由AI单独创造的。
它们通常建立在传感器、物联网、工业互联网、数据平台和软件系统之上。AI的作用，是进一步提高故障预测、运行优化和自动服务能力。
过去，制造企业完成设备交付后，主要收入也随之结束。
如果AI和工业数据让企业能够持续参与客户的运行、维护和优化过程，一次性设备交易就可能逐步延伸为长期服务收入。
这种变化不会直接让工厂多生产一台机器，却可能提高每台机器在整个生命周期内创造的收入。
过去谈智能制造，重点经常是把已有需求数字化之后交给工厂：
客户下单，系统排产，机器生产，仓库发货。
下一阶段，AI需要把这条链条继续向前延伸。
它不只是接收订单，还要帮助企业发现订单；不只是执行产品设计，还要帮助企业判断产品是否值得设计；不只是降低生产成本，还要判断降低成本后能不能创造新的市场。
本文将这种从市场需求出发，再组织产品设计与柔性生产的路径，概括为“需求型智能制造”。
它不是现有的官方政策术语，而是一种观察智能制造价值的方式。
它的核心不是让所有工厂都变成同一种黑灯工厂，而是让生产系统能够更快理解和响应分散、多变，甚至尚未被充分满足的需求。
例如：
在这条路线下，AI带来的不是“同样的东西生产得更多”，而是“过去成本太高、规模太小、变化太快的需求，现在也有机会被满足”。
这才是智能制造创造新需求的一种可能路径。
对制造企业来说，最危险的做法不是不上AI，而是在没有判断清楚问题之前，因为行业热度、政策导向或者同行压力盲目投入。
企业可以先做一张简单的诊断表。
这张表背后的逻辑很简单：
如果企业缺的是产能，就让AI进入生产线；如果企业缺的是订单，就先让AI进入市场和产品；如果企业缺的是利润，就重新设计服务和商业模式。
并不是所有制造企业都应该先买机器人，也不是所有企业都需要训练自己的工业大模型。
一个AI项目值不值得做，至少应该回答五个问题：
如果这些问题没有答案，AI项目就可能从“提升竞争力的投资”，变成“所有同行都不得不承担的一笔新成本”。
这场变化影响的不只是制造企业。
过去，一些产业项目容易采用可见、可数、便于考核的指标：
但设备数量不等于使用效果，项目投资也不等于市场回报。
如果一家企业完成智能化改造后，产量提高了20%，库存却提高了30%，产品价格继续下降，那么这个项目是否仍然应该被视为成功？
下一阶段，政府和园区评价“AI+制造”项目，可以在设备、投资和产线指标之外，增加另一组结果指标：
这不是弱化先进制造业，而是让产业政策从“帮助企业购买设备”，进一步走向“帮助企业形成可持续的市场能力”。
讨论供需问题，并不意味着中国不应该继续发展先进制造业。
在高端芯片、工业软件、核心零部件、高端装备、航空航天、机器人、医疗设备等领域，中国仍然存在大量需要突破的技术和产业环节。
先进制造业还承担着产业安全、技术自主、出口竞争力和绿色转型等任务，不能只用短期消费数据衡量。
同时，并不是所有新增产能都等于重复建设。
能够替代落后产能、突破进口依赖、降低能源消耗、满足新需求、创造新产品的制造能力，本身就是产业升级。
真正需要警惕的是另一种情况：
使用更先进的技术，继续生产更多同质化产品，再依靠降价争夺同一批客户。
这不是技术没有价值，而是技术被用在了产业链中最容易量化、却不一定最能创造价值的一端。
AI真正进入制造业，不应只表现为机器人更多、产线更快、工厂使用的人更少。
它还应该表现为：
全国先进制造业大会再次确认并强化了先进制造业和智能制造的战略位置。
这条方向没有问题。
但当中国工厂已经拥有强大的生产能力，智能制造的下一场竞争，不能只看谁的机器更多、产线更快、工厂更自动化。
更重要的是，谁能够更早发现需求，更准确地组织生产，并把技术效率转化为客户愿意支付的价值。
过去，企业判断一个AI项目是否成功，通常看生产效率提高了多少、人工成本降低了多少。
接下来，还需要增加四个指标：
因为AI可以帮助工厂提高生产率，却不能自动创造购买力。
真正先进的制造业，不是把没人需要的产品生产得更快，而是能够更准确地判断：
什么值得生产，为谁生产，以及怎样让技术进步最终转化为真实需求。
全国先进制造业大会给出的，是中国继续发展先进制造业、推进智能制造的国家方向；供给能力与市场需求之间的关系，则决定这场升级最终能否转化为企业利润和经济增长。
下一阶段观察“AI+制造”，不能只看AI进入了多少座工厂，还要看它是否进入了需求发现、产品创新和商业模式。
当AI从单纯的生产工具，变成连接市场、产品与工厂的系统，智能制造才不只是供给能力的扩张，而是价值创造方式的改变。