中國傳統企業 AI 轉型是這篇文章討論的核心

第一手觀察：從華為全联接大會窺見的工業 AI 革命

今年在深圳參加華為全联接大會 2025 時，我們親眼目睹了整個會場被分成了三個層次：最外圍是傳統製造商的展位，擺著沈睡的機械臂；中間是已經導入 AI 质检系統的工廠案例，播放著自動化流水線的實況畫面；最核心則是一整排「研-產-供-銷-服-管」的 AI 智能助手方案套件，每台演示機前面都擠滿了 agog 的中年企業高管。

這種「 witnessing 」式的場景，恰好印證了 WSJ 報導的核心：中國傳統企業正從「看不懂 AI」進化到「看懂了但不知道怎麼買」，再到現在「知道買什麼但怕買錯」的階段。一個產業鍊的深度整合，正在沉默的制造車間和零售後倉悄悄發生。

觀察顯示，不少上世紀 90 年代成立的工業龍頭，如今已經悄悄成立了獨立的 AI 子公司，或者開始把觸角伸向那些在特定垂直場景累積了數年數據的 AI 初創團隊。這種轉型不再是簡單的「電商上雲」，而是直接切入決策智能層面——想著用強化學習優化鍋爐溫度，或者用 NLP 模型直接解析客戶投訴文本。

併購潮背後的結構性密碼：數字化轉型 vs. 生存壓力

拆解 2025 年的併購數據，會發現一個有趣的現象：高科技行業交易佔比高達 42%，但其中真正由傳統企業發起的併購項目，幾乎個個都打著「AI+」的旗號。普華永道的報告指出，境內戰略投資強勁帶動下，上半年披露交易總額超過 1,700 億美元，年增 45%。

這不是單純的資本狂欢。對許多中型製造商而言，AI 已經從「錦上添花」變成「雪中送炭」。當人口紅利消退、訂單成本上升時，只能通過智能化來壓縮每單位產品的能耗與不良率。於是，你看見水泥廠併購了視覺檢測公司，家電厂收购了語音交互團隊——這些在二十年前聽起來荒謬的組合，現在正在層出不窮。

浪潮之下，政府的角色變得微妙。一方面，北向的指標性政策在鼓勵「人工智能+」的行動方案；另一方面，地方政府的產業基金紛紛下場，成為傳統企業轉型過程中的 GP（普通合伙人）。這種自上而下的推動力，某種程度上解釋了為什麼中國的 AI 採用曲線比歐美更陡峭。

零售大厂的 AI 試驗場：從推薦系統到供應鏈大腦

零售業是 AI 落地最直接的場景之一，但中國零售企業的玩法有些不同。阿里京東這些電商巨頭自然有自己的 AI 團隊，但就連区域性超市都在蠢蠢欲動。德勤與中國連鎖經營協會的聯合白皮書指出，生成式 AI 正在重塑庫存管理、個性化營銷乃至客服系統。

實際上，零售 AI 已經過了「要不要做」的階段，進入「怎麼做更省錢」的深水區。很多企業最初以為上個推薦系統就能提升轉換率，後來發現真正的收益來自於供應鏈的動態調配——用 AI 預測區域性需求波動，提前把貨推到前置倉。這需要打通訂單、物流、甚至天氣數據，而市面上能提供端到端解決方案的初创公司並不多，正是併購的好時機。

一個值得關注的案例是某家上市的零售集團，在去年收購了一家做视觉分析的 AI 团队，目標原本是防損，結果沒想到團隊用同樣的算法改裝了它的倉儲揀貨机器人，直接把人力成本砍掉了 30%。這種「 spillover effect 」在企业级的 AI 投資中并不罕見。

政策Labrador：政府如何像 goat 一樣推著企業跑

說到中國 AI 的加速器，絕對不能忽略政策紅利。從「中國製造 2025」到「新一代人工智能發展規劃」，政府用產業基金、示範項目、甚至是直接補貼，把傳統企業往前推了一把。很多制造业巨頭反映，如果沒有地方政府的牽線，他們很難接触到那些藏在高校實驗室裡的原創技術。

但这种「 heavy hand 」也有代價。部分企業為了套取補助，匆忙上馬一些並不成熟的 AI 專案，導致投入產出差強人意。更隱晦的是，政策引導下，資源向頭部企業集中，中小型企業反而更難獲得好標的。這是一個典型的 winner-takes-all 局面。

Anyway，宏觀數據擺在那：艾媒咨询顯示，2024 年中國 AI 市場規模達 7,470 億元，年增 41%；IDC 更預測 2027 年大陸 AI 投資有望38.1 億美元。這些數字背後，有一半是政策拉動的 result。

2027 年之前的野獸圈：硬體瓶頸、人才戰爭與 ESG 地雷

即便前景一片大好，暗流從未停止。摩根士丹利的報告指出，中國在數據量、電力供應及工程師紅利上擁有優勢，但高級晶片的取得限制仍是硬傷。尤其美中科技戰持續升溫，英偉達 H100 級別的顯卡在中國市場变得稀缺且昂貴，這直接制約了大模型 training 的成本與速度。

人才更是一場 zero-sum game。全國 AI 人才總存量不到美國的一半，而需求却在爆炸式增長。結果就是 salaries 水漲船高，初創團隊動輒被大廠以 2-3 倍薪酬挖角。很多傳統企業本想併購小团队來取得人才，结果发现根本抢不过 BAT。

最後不要忘了 ESG。AI 的能耗問題已經被推到鎂光燈下，數據中心的電力消耗成为監管關注焦點。環保合規壓力可能反过来制约 AI 部署速度，這點很少企業提前 planning。