从“AI向实”到“能力共建”：TCL如何把技术概念转化为产业真实能力

文 俞冰礼

在全球产业链加速重构的背景下，AI仍是最热的技术变量之一。但对于制造业而言，真正决定竞争力的，早已不是“有没有AI”，而是“能否把AI转化为真实、稳定、可复制的产业能力”。

过去几年，围绕AI的讨论大多集中在模型、算力和应用想象空间上，技术热度持续攀升。但进入产业现场后，评价标准正在发生变化。对制造企业来说，AI不是一个适合停留在概念层面的命题，它必须回答更具体的问题：能否缩短研发周期，能否改善制程稳定性，能否提高供应链协同效率，能否创造可量化的经营收益，能否进一步带动上下游共同升级。

这也意味着，AI竞争正在从“技术竞赛”转向“产业能力竞赛”。谁能把AI嵌入研发、制造、供应链和服务等核心流程，谁能将其沉淀为可复制、可共享的体系化能力，谁才更接近下一阶段的产业主动权。

从这一视角看，TCL的价值，不在于它“也在做AI”，而在于它正在为制造业提供一个更具现实意义的样本：把AI从可展示的技术概念，推进为可验证的产业能力；把企业内部的效率改善，进一步延伸为链上协同和能力共建。

这或许正是当下业界更关心的方向——不是AI有多“热”，而是AI到底能否真正“向实”。

全球产业链重构之下，AI必须回到真实场景

今天讨论AI，不能脱离全球产业格局变化的大背景。

在2026年APEC工商领导人中国论坛上，“数字化、智能化、绿色化”转型成为贯穿始终的议题。一方面，AI被视为解决增长乏力最现实的工具；另一方面，数字技术正拉大发展差距。

全球经济正经历艰难时期。世界贸易组织预计，2026年全球货物贸易增速将从2025年的4.6%骤降至1.9%，为十年来最慢。在地缘冲突、关税壁垒与供应链安全焦虑的多重挤压下，全球制造业正进入全新运行模式。与此同时，数字化转型并未均匀展开，国家之间及内部的数字鸿沟正在加深。

跨国企业正经历角色转换：过去更多是产品输出管道，如今则成为带去制造经验、数字能力和人才培养体系的“节点型”企业——不是单向输出产能，而是帮助区域建立长期竞争力。世界银行数据显示，东南亚部分国家制造业劳动生产率不足中国的1/3，数字基础设施和工业人才差距制约着产业升级，区域产业链的韧性和自主协同能力比以往更重要。

在这样的环境下，AI被寄予厚望并不意外。

TCL创始人、董事长李东生在2026年达沃斯论坛上发表署名文章表示：“世界越不平，跨国企业的桥梁作用就越重要。”他认为企业的本能是让资源使用效率最大化，让资本、技术、人才流动到最能产生价值的地方，总结为一句话：“与其建墙，不如建桥。墙未必能保护自己，桥才能连接机遇。”

AI就是跨国企业建的一座“桥”，把AI看作新型能力工具，而非“万能答案”——其现实价值在于推动数实融合、提升制造效率、增强供应链韧性、促进能力共建与产业协同。AI的价值不在于概念本身，而在于是否真正进入产业流程、参与业务决策、形成结果闭环。

因此，判断一家企业的AI水平，不能只看发布了多少模型、上线了多少应用，更要看三个问题：AI有没有进入核心业务流程？能不能形成清晰的投入产出关系？这些能力能否从企业内部走向更广泛的产业链协同？从这个标准看，TCL的AI布局不是“外围点缀”，而是正逐步嵌入研发、制造、供应链和经营服务全流程，开始显现出体系化落地的轮廓。

看AI有没有含金量，关键在能否穿透核心流程

制造业最怕的，不是没有AI，而是AI停留在“可演示、难落地”的状态。

真正的“AI向实”，并不是部署几个模型、上线几个助手，而是让AI穿透企业核心流程，成为业务系统的一部分。

从公开资料来看，TCL已经走出了这一步。近3年TCL围绕AI创造综合效益超过25亿元；已有500名“硅基员工”实现超30%的工作流渗透，累计上线超过1万个智能体。放在制造业语境下，这组数字的意义不只是规模，更在于它反映出一个信号：AI在TCL内部，不再是零散的功能叠加，而是在朝着体系化能力网络演进。

这意味着，TCL的AI实践已经在形成“如何持续使用、持续优化、持续复制”的方法论。

而判断AI含金量，最直接的方式从来不是看技术术语，而是看结果。有没有结果，决定AI是企业的展示项，还是生产力。

TCL披露的应用场景中，其AI落地最突出的特点，在于不只是“覆盖广”，更是“结果清晰”。

研发端：AI成为创新效率的放大器

研发是制造企业中最复杂的环节之一，周期长、知识密集、跨部门协同要求高，也是最难被标准化改造的领域。AI若能在研发端形成明确成效，意味着它已开始进入企业创新系统的核心位置。

以TCL华星为例，其“星智大模型”在2025年全球工业大模型排名中位列第11位，居显示领域第一。更重要的是，这一模型已产生清晰的业务效果：AI支撑软件研发效率提升30%，器件研发效率提升75%。

对制造企业而言，这样的提升并非简单的“工具提效”，而是知识调用效率、试错速度和工程转化效率的全面重构。研发的本质不只是产生新想法，而是更快地将想法转化为工艺、产品和量产能力。AI进入这一环节，开始充当创新体系提升效率的放大器。

制造端：AI改变工艺优化与质量控制的底层逻辑

如果说研发端考验的是AI对知识体系的理解，那么制造端考验的则是AI对工艺、设备和现场流程的理解能力。

TCL中环通过训练机器视觉模型，精准检测关键参数，推动制程稳定性提升20%，生产效率提升20%。这组数据的价值在于，它改变的不是简单的自动化动作，而是更深层的制造控制逻辑。

另外，TCL空调广州智能制造基地部署超2000个AI智能体，协同覆盖生产全链路。尤其是在质检环节中，AI五觉大模型将视觉、听觉、嗅觉等多维感知融入检测流程，AI确保了每台下线产品的品质都与产品承诺一致。

AI进入制造业深水区的标志，不是多了几个智能模块，而是开始参与工艺优化和质量控制，并对核心制造指标产生实质影响。TCL的实践说明，AI在制造业中的价值已不只是“辅助决策”，而是逐步成为影响生产效率和制造稳定性的关键变量。

供应链端：AI从信息工具升级为协同能力

在全球产业链重构背景下，供应链能力的重要性被重新估值。过去，供应链更多被看作成本管理系统；如今，它越来越成为企业韧性、响应速度和协同效率的综合体现。

TCL华星已构建起覆盖需求管理、供应计划、物料计划、生产控制到订单履约的一站式自主供应链运营体系。AI在供应链端的作用，正从信息处理工具升级为协同决策能力。

这种变化的关键不在于“算得更快”，而在于“协同得更准”。当AI帮助企业更快识别需求波动、更高效调度资源、更准确联动上下游，供应链就不再只是一个执行系统，而开始成为企业动态响应市场变化的中枢系统。对链主企业而言，这种能力在不确定性加剧的环境中尤为关键。

营销与服务端：AI重塑制造业经营前台

从更完整的产业视角看，AI的外延并不止于制造现场，它同样在重塑企业连接市场和服务用户的方式。

TCL已推动AI渗透核心营销、销售、服务业务全流程，累计实现AI支撑增收10亿元以上、降本1000万元以上，NPS提升20%。这意味着，AI在TCL内部的作用已从“后端效率工具”逐步延伸为“前台经营工具”。

这不只是应用范围的扩大，更意味着制造业价值创造方式正在变化。AI不只提升产线效率，也在提升企业识别需求、响应需求和服务需求的能力。当制造业的AI应用从后端走向前台，带来的就不再只是生产效率的优化，而是经营效率和服务效率的同步升级。

TCL的更大价值，不止于内部提效，而在链上赋能

值得关注的是，TCL正在尝试把这些内部跑通的经验，沉淀为可向外复制和输出的能力。这也是链主企业在AI时代更重要的角色：不只是自己率先升级，更要成为能力的组织者、扩散者和放大者。

从公开资料看，TCL已在AI+先进制造、AI+半导体显示、AI+工业智能解决方案等领域形成实践积累，并围绕全球化供应链体系建设，推动安全高效、协同共生的产业链协作能力。换句话说，TCL正在尝试将企业内部的AI能力，转化为面向产业链上下游的能力支撑。

其中格创东智的“章鱼智脑”，依托对泛半导体制造工艺的深度理解和全栈自研能力，构建起覆盖设备智能、品质管控、能源服务、智慧物流等环节的全场景智能体群，推动了AI从通用工具走向工业能力，让算法与制造工艺、业务流程和现场决策深度耦合，使AI能力能够真正转化为可量化、可复制的业务价值。

这意味着，TCL的AI探索已经不再局限于企业内部提效，而是在形成更具外部赋能属性的产业能力；同时这也是链博会上TCL“链主”企业定位的核心诉求。

而在TCL华星的供应链体系中，一套从需求管理、供应计划到生产控制、订单履约的一站式智能供应链系统已运行多年。依托数字化系统，TCL在印度和越南布局的模组工厂实现了关键材料“30公里配套圈”——供应商在30公里范围内设厂或仓配节点，面板供应效率大幅提升。这不是简单的产能转移，而是将TCL在国内积累的智能制造标准、数字化管理经验和人才培养体系带到当地，帮助本土供应链企业同步提升运营能力和质量水平。

“30公里配套圈”之所以重要，不仅因为物流效率提升，更因为它在当地催生了一个围绕面板制造的供应链集群——本土企业获得订单、技术标准和成长空间，逐步具备自主运转能力。这才是“能力共享”在产业层面的实质，不是把一套系统装进别人的厂房，而是帮助一个区域建立能够自我演进的产业能力。

李东生将这一进程概括为“从输出产品到共建生态”，“全球化3.0的核心是在海外构建能够独立经营的实体，形成区域产业链，每个区域中心都具备从供应链体系到品牌营销、产品设计的全套本地化能力。”这意味着TCL在北美、拉美、欧洲、亚太、中东非五大区域的目标不是建设孤立工厂，而是培育完整的产业生态。TCL所输出的，已经不只是产品，而是一套基于数字化、智能制造经验和产业理解构建起来的能力体系。

AI竞争的下半场，关于能源和入口的竞争

当前AI竞争的演进方向，从上半场比拼技术能力和落地速度，逐渐转向下半场比拼产业协同能力和基础设施占位能力。可以预见的是，在AI时代，智能交互界面、场景入口、用户连接节点都汇集于一处——“屏”，它的角色不再只是简单的硬件载体，而升级为人机交互入口。谁抢先布局更多的交互入口，谁就离用户和场景更近，从而获得更稳固的产业链地位。

AI的持续发展离不开算力，算力离不开能源。如果说AI下半场拼的是生态组织能力，那么不仅包括模型、终端、制造，也包括能源供给、绿色电力、产业底层支撑能力。产业需要光伏等新能源作为算力背后的能源底座，为AI发展提供绿色、可持续的电力支撑，这是AI背后整个产业运行逻辑中的关键环节。

更进一步看，左手华星（显示技术能力）、右手中环（新能源光伏能力）的TCL，实际上是在AI产业图谱中重新定义自身位置——既不满足于做应用层受益者，也不止于做制造环节的效率提升者，而是希望借助既有显示产业和新能源产业基础，在AI时代的关键基础设施重构中获得一席之地。

从更宏观的产业竞争视角看，这种思路的意义在于，它提示了AI下半场竞争的一种可能发展方向：真正决定企业长期位置的，未必只是模型能力本身，而是谁能够把应用场景、制造能力、交互入口与底层能源支撑连接成一个更完整的能力体系。某种程度上，TCL想争取的，正是这样一种从“AI使用者”向“生态组织能力者”延伸的战略位置。

结语：TCL提供的，是一条“AI回归产业”的现实路径

回到最初的问题：如今，怎么判断一家制造企业是否真正做成了AI？

答案越来越清楚：不是看它讲了多少概念，不是看它堆了多少技术名词，而是看AI是否真正进入研发、制造、供应链和经营系统，是否带来了可验证的结果，是否能够沉淀为可复制、可共享的能力，并最终带动更大范围的产业协同。

从这一标准看，TCL的样本意义正在于，它让AI不再停留于技术热度，而是回到产业现场，服务产业流程，放大产业能力。无论是研发效率提升、制程稳定优化、供应链协同升级，还是通过工业智能平台和生态协作向外部输出能力，TCL所展示的，都是一种更接近制造业真实需求的AI路径。

这条路径并不夸张，也不神化技术，但或许更有价值。因为对当下产业界而言，真正稀缺的从来不是概念，而是能在复杂现实中跑通、沉淀并复制的能力。而这，恰恰是TCL正在证明的事情。