AI在制造业的利润流向了谁？

2025年11月，麦肯锡发布《The State of AI: Global Survey 2025》：88%的受访组织在至少一个业务功能中常规使用AI，较一年前的78%上升；71%至72%的组织常规使用生成式AI；但只有约39%的组织报告了可衡量的企业级EBIT影响。^[1]意味着什么？在所有用AI的企业里，只有不到四成能在财报上看到AI对利润的贡献。在两个月后，麦肯锡在2026年1月《全球灯塔网络持续演进》报告中给出另一个数字：全球仅约2%的制造商把AI完全嵌入运营层面。^[2][3]

88%在用，39%赚到钱，2%深度嵌入。三层落差指向一个被忽视的问题：制造业企业用AI到底赚到了钱没有？对我们来说，真正该问的不是“哪家工厂用了AI”，而是“AI在制造业的利润到底流向了谁”。

{
  "id": "profit-funnel-lab",
  "type": "dataset",
  "title": "制造业AI从采用到运营嵌入的转化漏斗",
  "deck": "88%的企业在使用AI，但仅2%真正嵌入运营，利润兑现卡在最后一公里。",
  "badge": "数据图表",
  "source": "数据与来源见本文参考文献。",
  "sets": [
    {
      "label": "占全部组织",
      "max": 100,
      "rows": [
        {
          "label": "常规使用AI",
          "value": 88,
          "display": "88%",
          "detail": "上一层留存 100%"
        },
        {
          "label": "可衡量EBIT影响",
          "value": 39,
          "display": "39%",
          "detail": "上一层留存 44.3%"
        },
        {
          "label": "制造业深度嵌入运营",
          "value": 2,
          "display": "2%",
          "detail": "上一层留存 5.1%"
        }
      ]
    }
  ]
}

AI在制造业的价值分配正在复制云计算的故事：基础设施和装备提供商拿走大部分利润，应用层的工厂主只是“降本”而非“增收”。真正赚到钱的不是“用AI的工厂”，而是“被AI需求拉动的工厂”。AI对制造业的影响是让制造业的下游需求结构发生质变。

核心判断

1. 在所有用AI的企业里，只有不到四成能在财报上看到AI对利润的贡献。
2. 真正赚到钱的不是“用AI的工厂”，而是“被AI需求拉动的工厂”。
3. AI让“省成本”从竞争优势变成入场券，谁不省谁出局，但省了也不构成壁垒。

利润流向了谁：被AI需求拉动的装备与能源提供商

利润流向的第一层，是被AI需求拉动的能源与装备提供商。Bloomberg在2025年12月10日报道，GE Vernova因AI电力需求拉动业绩，分红翻倍、增加回购；大数据中心运营商已占其客户约25%，GE Vernova还与NRG宣布将合建5 GW燃气电厂专供AI。^[4]这个案例的关键不在于GE Vernova自己用了AI，而在于AI产业本身需要电，GE Vernova卖的是电。它的SmartSignal预测分析软件用AI对电厂实时传感数据建模，一个25 MW出力缺口的提前识别可带来约100万美元运营效率收益，^[4:1]但这是它“用AI提效”的部分；真正拉动业绩和股东回报的是“AI需要电”这个需求端冲击。利润流向了满足AI需求的那一端，而非使用AI的那一端。^[5]

利润流向的第二层，是制造巨头正在把AI当成下一代产品而非提效工具。Bloomberg在2026年1月28日报道，特斯拉将在AI与机器人方向合计投资约200亿美元，Gigafactory加产新一代AI算力硬件与类人机器人产线。^[6]特斯拉不是“用AI造车更快”，而是“造AI算力硬件和机器人”。制造业的产出结构正在因AI而变：过去特斯拉卖车，现在它同时卖AI基础设施。这意味着对投资者而言，看制造业的AI价值不能只看“谁用AI提效”，还要看“谁因AI而改变了卖什么”。

利润流向的第三层，是卖AI给工厂的集成商与平台商在吃中间利润。西门子在2025年1月CES发布工业AI与数字孪生创新，与NVIDIA推出Teamcenter Digital Reality Viewer。^[7]MarketsandMarkets预测工业元宇宙市场从2024年286.5亿美元增至2029年2285.4亿美元，CAGR 51.5%，主要玩家含NVIDIA、微软、西门子、AWS、IBM、ABB、PTC、达索、GE Vernova等。^[8]需要区分的是，CAGR 51.5%是研究公司的预测值，谨慎使用；但IDC口径下2026年全球AI基础设施支出约4870亿美元，^[9]这是支出已发生方向的信号。集成商和平台商在吃这层利润，利润率高于工厂主。

这些公司赚到的钱来自“AI需要电、需要芯片、需要机器人”，而非“自己用AI提效”。GE Vernova赚的是AI需要电，特斯拉赚的是AI需要芯片和机器人，西门子赚的是帮工厂上AI的集成费和平台费。利润流向了基础设施和装备层。

三层合在一起指向同一个结论：利润流向了“被AI需求拉动”的装备与能源公司、“把AI当成下一代产品”的制造巨头、“卖AI给工厂”的集成商，而非“用AI提效”的工厂主本身。

{
  "id": "profit-flow-lab",
  "type": "stage",
  "title": "制造业AI利润的主要捕获路径",
  "deck": "利润主要流向装备、产品和集成平台，而非单纯依靠AI降本的工厂。",
  "badge": "数据图表",
  "source": "数据与来源见本文参考文献。",
  "nodes": [
    {
      "n": "01",
      "label": "能源与装备",
      "sub": "需求拉动",
      "title": "能源与装备：AI需求本身创造订单",
      "copy": "这类公司不是因为“自己用了AI”赚钱，而是因为数据中心需要电力、燃机、芯片和设备。需求端冲击更容易转化为收入与股东回报。",
      "data": "需求拉动"
    },
    {
      "n": "02",
      "label": "下一代产品",
      "sub": "产出重构",
      "title": "下一代产品",
      "copy": "产出重构",
      "data": "产出重构"
    },
    {
      "n": "03",
      "label": "集成商与平台",
      "sub": "中间利润",
      "title": "集成商与平台",
      "copy": "中间利润",
      "data": "中间利润"
    },
    {
      "n": "04",
      "label": "用AI提效的工厂",
      "sub": "降本竞争",
      "title": "用AI提效的工厂",
      "copy": "降本竞争",
      "data": "降本竞争"
    }
  ]
}

工厂主用AI省下的成本，被同质化竞争吃成了价格下降。AI在制造业应用层的利润捕获能力远低于基础设施层。所以，我们应该区分“降本故事”和“增收故事”，前者不构成壁垒。逻辑很直接：当所有工厂都在用AI降本，降本就成为行业默认值，而降本的尽头是价格战。AI让“省成本”从竞争优势变成入场券，谁不省谁出局，但省了也不构成壁垒。麦肯锡的数字里，88%的组织在用AI，这意味着AI已经是默认假设，不再构成差异化优势。^[1:1]灯塔工厂中90%的技术用例已纳入AI，说明连“灯塔”这个标杆群体内部，AI也已经不是区分项。^[2:1]

中国政策驱动下，订单流向了谁

工信部等八部门在2026年1月9日发布《“人工智能加制造”专项行动实施意见》，明确到2027年推出1000个高水平工业智能体、100个工业领域高质量数据集、推广500个典型应用场景、培育2至3家具有全球影响力的制造企业。^[10]截至2025年9月，中国灯塔工厂累计约85家，全球占比超40%，居世界第一。^[11][12]

政策驱动下，订单首先流向了平台商。华为盘古大模型已在30多个行业、500多个场景中落地，^[13]宝武钢铁是最具代表性的案例：宝钢股份与华为联合开发高炉AI大模型，对炉温等关键指标的预测准确率达90%，单个高炉即可实现约1000万元的成本节省，宝武已将4座高炉全部上线AI，并规划将AI能力延伸到原料、炼铁、炼钢、轧钢等上百个应用场景。^[14]百度智能云开物工业互联网平台已服务超32万家企业，覆盖新能源汽车、电子信息、生物医药等22个细分行业，沉淀4.3万工业模型、410余个标杆案例。^[15]

但“工业智能体”是否构成持续付费意愿，答案开始分化。行业数据显示，2025年中小企业对工业大模型的付费意愿低于30%，续费率不足40%，主要障碍是ROI不明确；2026年进入规模化应用期后，垂直场景专用模型的续费率突破70%，而通用型工具续费率仍低于50%。^[16]分化的逻辑很清晰：能直接提升良率或缩短交期的垂直模型，企业愿意持续付费；只提供基础AI功能的通用模型，续费率低迷。政策可以驱动首单，但续费靠的是真实ROI。

中国制造业AI的投资机会在“卖AI给工厂”的中间层，而非“用AI提效”的工厂主本身。但中间层内部也在分化：垂直场景深耕者续费率超70%，通用工具提供者续费率低于50%。投资者应区分“政策概念”和“续费验证”，前者驱动首单，后者决定壁垒。

判断失效的条件与决策情境分析

“AI在制造业的利润流向基础设施层，工厂主只降本不增收”这个判断，在三种情境下需要重新审视。

情境A，利润继续向基础设施层集中。AI需求持续拉动装备与能源公司，工厂主继续降本但不增收。此时持有“被AI需求拉动”的装备与能源公司，以及“卖AI给工厂”的集成商，谨慎对待工厂主。这是当前正在发生的情境。

情境B，工厂主开始增收。如果AI帮工厂卖出新产品或进入新市场，而非只省成本，应用层利润上升，工厂主重新有投资价值。翻转信号是制造业上市公司开始因AI获得“增收”而非仅“降本”的财报披露。

情境C，政策驱动退潮。如果中国工业大模型赛道续费率低、订单萎缩，集成商利润率下降，整个赛道的投资逻辑需要重新评估。翻转信号是工业智能体续费率持续低迷，或政策补贴退坡后订单断崖式下降。

还有一个外部信号：麦肯锡State of AI下一轮调查中“可衡量EBIT影响”的比例。如果显著超过50%，说明利润开始向应用层下沉，判断需要修正。

观测指标：盯住中国工业AI集成商的毛利率与续费率，以及制造业上市公司的AI相关营收占比披露。判断失效的时间窗口，大约在麦肯锡下一轮State of AI调查发布，或中国工业智能体首批续费数据公开之后的12个月内。

真正赚到钱的不是“用AI的工厂”，而是“被AI需求拉动的工厂”。MAVERICK 判断