文｜屈丽丽

ID | BMR2004

把“半导体”和“工业AI”放在一起，中间再加上“对决”，编辑部内部讨论了很久。

一边是逼近物理与经济双重极限的摩尔定律急需迭代，另一边是渴望算力却对成本敏感、容错率又低的工业现场需要找到新的发展空间，这一年多的时间里，两股力量开始加速碰撞。

当AI进入物理空间，半导体先成了制胜的关键。在物理世界，特别是在工业场景中，需要部署大量硬件设备以实现AI与物理世界的联通，例如传感器、专用芯片、算力设施等，这些都会引发对半导体的刚性需求。

以英伟达为代表的算力巨头正试图绕开中国这个最大工业经济体，转而与日本达成全面合作。另一边，华为5月发布“韬定律”，主张以“时间缩微”接替“几何缩微”，不再死磕晶体管尺寸，而是从器件、电路、芯片、系统四个层级压缩信号传输时间。这一路线转变利好制造业：因为算力成本一旦松动，端侧智能就能从头部企业的“奢侈品”变成中小工厂的“标配”。相比英伟达，华为搭建的是一个以应用为核心的开放的生态体系。

但半导体最终能否赢得这场竞争，并不只取决于芯片本身。工业场景高度碎片化、专业化，大量复杂数据还需要结合具体工艺进行分析和决策。质检、设备维护、排产、仓储、采购、供应链计划、工程设计……这些环节真正需要的，往往不是一个更大的模型，而是一套能够理解现场、适应现场并最终改变现场的软硬件协同方案。

我们看到，一些变化已经发生了。例如：西门子搭建了Eigen工程智能体，让AI从“给出建议”走到“闭环执行”；汇川技术立足真实产线，用数字孪生帮客户从全球巨头手里抢下欧洲订单；埃斯顿的车间里，机器人正在制造机器人，并以10.6%的市场份额超过日本工业巨头发那科，登顶中国市场；海清智元用红外、紫外加可见光的多光谱，读出人眼看不见的风险，更是在风险处置上把一些隐藏的“老师傅”的经验装进模型；世航智能则把具身大模型装进海底机器人，在失联的深海里自主工作……

还有一批既是AI的使用者，也是基础设施的建造者，围绕AI构建了系统的体系化能力。比如，“AI makes AI”的方向下，工业富联上半年净利润首次突破200亿元，AI服务器收入同比增长超230%，完成了对13座灯塔工厂的赋能；从手机ODM红海里杀出来的华勤技术，把低成本逻辑换成“技术复利”逻辑，牵头制定超节点规范，搭建了IPD、ODMM这样的系统能力。

由此可见，真正的AI领先企业并不只是部署更多AI工具，而是开始利用AI寻找新的机会，识别行业融合带来的新业务空间。中国拥有完整的制造体系、丰富的工业场景和规模化应用基础，相比单纯追逐更大的模型或更先进的芯片，这或许才是工业AI时代更难复制的竞争力。

与其说“对决”，倒不如说一个新的窗口期已经打开。当过去的“成本—规模—劳动力”模型被打破后，在新的“数据—算力—算法—场景—工厂”这一竞争闭环中，企业如何获得新的能力？这是本期我们想交给读者的观察。