工业AI算不出实体利润：净利率跌破5%，尺子刻错四十年

（本文作者为 GritMeng，钛媒体经授权发布）

聊天框里抠不出利润率。物理AI真正值钱的地方，沉在“同源耦合”的水面之下。

这两年里，科技圈和实体产业之间那道裂口，肉眼都能看见。

一头是算力和大模型一路狂奔，参数规模、推理速度半年就翻一番，智能体（Agent）的概念把所有科技峰会都扫了一遍；另一头，广大制造企业的财报却越背越沉——营收从几十亿冲到几百亿，软件和数字化的钱年年加码，净利率反倒普遍滑到 4%—5% 的刀刃上，投入资本回报率（ROIC）也落进 3%—6% 的微利区间，连资金成本都盖不住。

硅基算力已经这么便宜、这么强了，怎么就救不了实体企业的利润表？

随便找一家百亿级制造企业，去它的董事会旁听一次预算审批，答案当场就摆在那儿。

研发负责人要投三个亿开发新一代硬件，销售负责人要花两个亿拓海外渠道，制造负责人要砸五个亿建自动化新产线——一把手通常拍得很快，因为研发、渠道、产线在所有人心里都是赚钱的发动机。可轮到数字化与供应链负责人申请建核心计划与决策算法系统，立项报告上的预期收益几乎一个模子：预计库存降低 5%—8%，准时交付率提升 2%—3%，人工排表工时节省 30%。

一行代码还没写，这份立项书在战略上就已经给工业决策智能定了性：它不是决定企业生死的经营母机，只是个“拧毛巾省点零花钱”的后台辅助工具。更扎心的是，系统上线两年后翻合并利润表，当初承诺的那 5%—8% 账面收益也找不着了——成品仓的货刚少一点，半成品仓就鼓起来；准交率刚提两个点，月底的加急空运费和年末呆滞核销一转手又把它吃干净。

在千亿级制造网络和复杂系统算法底座上啃了二十二年，我越来越清楚地看到一个全行业都没当回事的真相：工业 AI 与决策系统算不出大钱，不是原子世界的回报率低，是过去四十年我们拿来量价值的那把尺子，从物理根基上就刻错了。

一、高毛利退潮之后，藏在水下的内耗伤口裸露了出来

过去二三十年，实体企业把核心调度系统当“后勤配角”也能过得不错，凭什么？粗放增量时代给了一张够厚的毛利垫子。

行业综合毛利率还有四五成的时候，企业在运营调度上其实只干了一件事：保住前端交付数量，不问数量背后的物理代价。

货能发出去就行，水下天天发生的巨量内耗没人细究：排在前面的缺件订单，提前把后面齐套订单要用的共用芯片锁死了；车间为了凑设备稼动率，把不齐套的半成品先投上线，变成堆满过道的停工在制品；采购为了救火到处高价扫现货、重复下单，季度末演变成巨额呆滞核销；物流常年包机空运；几百名计划员熬夜对着离线表格手工抢料。

在四五成毛利的温室里，呆滞、冗余库存、空运溢价、产能放空，全被厚实的毛利无声吸掉了，财报上看不出半点伤口。于是商学院也好，软件界也好，都心安理得地把这套中枢系统定义成“省几个人工、辅助拉拉报表”的低价值工具，转头把最新的大模型算力全拿去做了会议纪要总结、写邮件和聊天问答。

可今天潮水彻底退了。制造业净利率被压到 4%—5%，毛利垫子一抽走，水下那套延续三十年的粗放调度逻辑却一秒没变。原本藏在毛利里的几个百分点内部摩擦废热，直接刺穿利润表。

增量时代靠市场红利掩盖内耗，存量时代靠硅基算力消灭内耗。遗憾的是，今天绝大多数所谓的“工业 AI”，还拿着聊天对话框在企业的皮肤表面擦痒，根本没伸进真正流血的大动脉。

二、一把刻错四十年的尺子：误把“同源耦合”当成了“零和冲突”

大动脉里埋着几个亿的失血窟窿，那为什么几十年来，顶尖咨询机构也好、工业软件巨头也好，评估核心调度系统的价值时，都只敢算那点微薄的边际收益？

病根是一个统治了管理学与传统运筹学四十年的隐含假设：销售要的“高准交”、财务要的“低库存”、车间要的“高稼动率”、采购要的“低成本”，被默认成天生此消彼长的“零和博弈（Trade-off）”。

只要底层算法和商业论证里默认这四个目标是零和矛盾，两场灾难在数学上就已经注定了。

第一重灾难，是算法立项那天就把收益天花板焊死了。四个指标像跷跷板，按住这头那头必然翘起，总蛋糕就是固定的。你用传统线性规划求解器设权重折中也好，放几个智能体去博弈平衡也罢，最多只能在零和天平的边缘挪一点碎屑——要么多垫几千万安全库存去换两个点的准交率，要么牺牲一点交付速度去压月底库存。一个只会在零和天平上劝架的裁判，数学上不可能创造净增量。

第二重灾难在于：等系统真正跑起来，连这么点残渣也会被“矢量对消”抹成零。现代工业追求规模效应，成百上千种产品在最底层的物理层面大量共用同一批主芯片、标准模组、产线机台和工装治具。按非独立同分布（Non-IID）的复杂系统规律来看，销售准交率、财务周转率、车间稼动率、采购异常成本并不是天平两端各放各的独立砝码，它们其实是同一套共用底层资源的物理状态投出来的四个侧面，也就是“KPI 同源耦合”。

在强耦合网络里，传统系统不顾齐套短板、只按静态优先级或孤立批量去排他锁死资源，一次微观错配就能在同一秒钟砸穿四本账：原本能完工发货的订单被抽走共用件，交付违约；缺短板小料的订单死死抱着 99 颗高价长板躺在库里睡大觉，存货积压；车间等不到真齐套工单被迫停线换模，有效产能放空；采购紧急扫高价现货、包机空运，成本暴涨。

换个角度说，只要水下那套共用资源互相卡死的关系一天不解开，任何单点的 AI 优化都会激起跨部门之间剧烈的矢量对消：局部算法把一个仓库的库存硬生生压掉 10%，可水下被同一根耦合绳索拴住的产线就会断料，违约罚金和空运加急费马上从别的科目里成倍冒出来。只看局部，每个结项汇报都漂亮得很；到了年底把合并利润表一汇，四个方向的作用力在企业内部两两抵消，净有效做功几乎归零。

三、物理 AI 的真金白银：分子分母一起动，ROIC 出现“平方级双击”

把画错了四十年的零和天平扔到一边，换成确定性的全局物理 AI 引擎，去啃一件硬活——穿透百万级耦合节点，在共用资源层把交叉锁死和跨部门矢量对消清掉，实体企业的账本会变成什么样？

拿一家年营收 100 亿元、净利率 5%（一年净赚 5 亿元）、ROIC 卡在 3%—6% 的典型制造企业当基准，水底下其实压着四笔边界严格互斥、彼此不重复计算的纯利润和现金流。

头一笔，来自产线有效工时释放后的边际毛利。传统工厂常年有 10%—20% 的有效产能不是缺订单，而是耗在“库房有货、却因错配假缺料”的停工干等和频繁拆线换产上；齐套死锁一解开，这些白白放空的工时就能直接变成有效出货毛利。

第二笔，是呆滞跌价核销和工程变更报废的直降。把“高价长板主件陪着短板小料一起放成死库”、新旧料切换硬切报废、孤立放大批量带来的尾数超买这些口子堵上，每年底白白核销掉的真金白银就能留在利润表里。

第三笔，是异常救火费和毛利暗漏的止血。一线救火时没有护栏，“拿高配料替低配料”吃掉毛利的黑洞要堵住；包机空运、拆包返工、高价现货溢价这些支出也要砍掉。

第四笔，是错配沉淀资金的大幅释放。车间里“九十九等一”的假齐套在制品和冗余缓冲库存被清掉，一次性释放 2.5 亿至 4 亿元自由现金流，存货资金占压成本还能常年省下来。

四笔互斥的硬账加总，一家百亿营收的制造企业不用新建一条产线、不用多添一台机器，每年就能实打实找回 1.7 亿至 3 亿元税前利润与综合收益。

把这个数放到真实商业世界里掂量，会看到两件冲击力很强的事：

第一是营收当量。净利率只有 5% 的红海市场里，靠内部正交解耦找回 2.5 亿元纯利，等于销售团队在外面打价格战硬多卖 50 亿元的货。多卖 50 亿元要建厂、招工、垫应收款、担坏账风险；从内部矢量对消的废热里抠回来的每一分钱，都是零市场风险的纯利润，企业净利率直接被抬升 2 到 3 个百分点。

再一个是资本回报率的“平方级双击”。衡量一家企业成色，最终要看投入资本回报率（ROIC ＝ 税后净营业利润 ÷ 投入资本）。零散的单点管理动作，顾了这头丢那头；全局正交解耦不一样，它在同一时刻把分式上下两端一起动了——分子这头，营业利润抬升四到六成；分母那头，物料要到真正齐套那一刻才精准咬合上线，库存周转率几乎翻倍，净营运资本明显缩水。分子往上跳、分母往下收，一乘一除之间放大是非线性的，制造企业的 ROIC 原本陷在 3%—6% 的泥潭里，这一下能被直接拽回 15% 以上。

四、结语：从比特世界的聊天玩具，走向原子世界的做功引擎

有人可能会问：百万级强耦合节点里，让交付率大涨和库存周转翻倍同时发生，工程计算上真做得到吗？

不光做得到，而且早在生成式大模型走进企业会议室整整十四年前，原子世界里就已经跑通了工业级实证：千亿级规模的联想全球供应链集成计划体系（IPS）中，基于正交解耦结构的自主闭环连续稳定运行了 18 年，日常计划决策 95% 以上“人在环外”自动完成，跑出准时交付率提升超三成、同时库存周转率接近翻倍的真实记录。把这套底层逻辑彻底抽象重构为通用内存计算架构之后，不用昂贵的 GPU 算力集群，单台普通个人笔记本电脑（16 核 32GB 内存）296 秒就能算穿 50 万笔并发需求、20 层 BOM、200 万个物料节点与 15 万项约束的全网无损置换。

一套系统能不能在原子世界造出真金白银，关键从来不是它在屏幕上聊得有多像人，而是水下的数据模型和算法结构有没有把真实的物理耦合解开。

人工智能这轮浪潮已经走到下半场，科技界、产业界都该清醒地做一次估值切换：在比特世界里写诗作画、整理会议纪要的 AI 确实热闹，可真正能改写大国制造业资产负债表的，是那个把数百万原子节点算穿、让整座工业巨系统零内耗同向做功的“物理 AI”——在红海里凭空再造几个百分点净利率的超级金矿，始终在它这边。