单仁：AI跟传统制造企业没有关系？答案跟你想的完全相反

01

最近一段时间，我跟很多企业家交流，大家谈到AI的时候，心里总会有一种微妙的焦虑。

不是不知道AI重要，恰恰是因为知道它重要，才会焦虑。

特别是看到我们单仁行写过的一些企业，它们的业绩因为AI发生巨大变化，大家心里一定会有一种反差感。

就像生益电子不是大模型公司，它做的是PCB，中际旭创做的是高速光模块，它们都在AI浪潮里站到了风口中央。

这就说明一个问题，AI带来的不是简单的工具机会，而是一轮更深的工业基建机会。

所以，很多老板问我，我既不是做大模型的，也不是做芯片的，我到底能不能吃到这波红利呢？

单仁牛商我们过去20年经历了像互联网、电商、短视频的革命，也辅导跟见证了很多公司的蜕变，包括不少上市公司。

我相信，这一轮AI革命所爆发出的机会，一定比当年的互联网还要大的多。

所以，我们这段时间也做了不少研究，AI这轮基础设施大周期，到底会拉动哪些行业？

传统制造企业，特别是在某些领域跟能力做到专精特新的企业，怎么才能找到自己的位置？

02

在前几天英伟达的股东大会上，黄仁勋就讲到，AI不是软件革命，而是一轮远超以往的工业革命，未来10年人类都处于AI基建的大周期，现在的一切只不过是一个开端而已。

黄仁勋这段话什么意思呢？

我打个比方就清楚了。

过去的数据中心，像一个仓库，存着各种数据，用户点一下，它就把信息调出来。

但今天的AI数据中心，越来越像一座工厂，电力进去，算力运转，模型工作，最后生产出来的是一个个Token。

这些Token在AI输出下就转化为文字、代码、图像、视频这些生产力。

那么，既然它是工厂，就一定需要厂房、设备、电力、原材料、工艺流程跟产能管理。

这就是为什么AI不是轻飘飘的软件革命，而是一轮重资产的工业革命。

很多老板理解AI，容易只看最上面那一层应用，误以为AI红利只属于互联网公司跟软件公司。

但是，AI越聪明，背后的工业系统越重，就越离不开传统产业的基本功。

电要稳定，热要散出去，信号要跑得快，数据中心要能建设、交付、运维。

这些都不是PPT上的概念，都是未来一条条产线、一个个零部件、一张张订单。

黄仁勋有一个形象的说法，叫做AI的五层蛋糕，也就是能源、芯片、基础设施、模型、应用（从底到上）。

对我们的企业来说，我觉得重点是放在这两层上。

第一是能源。

很多人觉得AI最大的瓶颈是芯片，这没问题，但AI首先吃的是电。

没有持续、稳定、便宜的电，再好的芯片也只是躺在机柜里的金属块。

国际能源署IEA在《能源跟AI》报告里就预计，到2030年，全球数据中心用电量将翻倍，达到945太瓦时，略高于今天日本全国的用电量，AI是推动增长的核心要素。

这意味着什么？

意味着AI红利不是从模型公司才开始，它从电力系统就开始了。

那么，发电、输配电、电网调度、变压器、开关柜、母线槽、电缆、UPS备用电源、储能、微电网、园区能源管理，都会被拉进这轮周期。

所以，我们过去看电力设备、配件相关的行业，总觉得这是传统夕阳行业，增长慢、利润薄。

但在AI时代，电成了算力产业的生产资料，站在了产业链的前台。

谁能稳定、高效、低成本地解决电力问题，谁就在AI基础设施里占住了一个关键位置。

同样的还有施工建设，因为新建AI数据中心也要考虑到电网能不能接入，冷却水源有没有保障，碳排放跟能源结构能不能满足要求。

第二层是AI基建。

说到AI基础设施，大家第一反应肯定是英伟达的GPU。

这当然没错，但我们要看到的是，GPU不是孤零零工作的，就像我们现在看世界杯比赛，第一眼看的都是球队里的当家球星。

但如果没有后卫、门将、教练跟训练团队，巨星也踢不了一整场比赛。

AI服务器也一样，GPU只是最耀眼的那个明星，背后还有大量不那么出名、但缺了就跑不起来的产业环节，我们列举一下：

高频高速PCB、覆铜板、封装基板、光模块、交换机、光纤、液冷、机柜、冷板、泵阀、管路、连接器、电源、结构件、热管理材料。

麦肯锡就做了一项调研，为了满足全球AI需求，到2030年，算力价值链需要向数据中心投入5.2万亿美元，如果看全球数据中心整体建设支出，规模可能达到7万亿美元。

这个数字背后，不只是买GPU。

大量钱还会花在建筑、供电、散热、网络、服务器、机柜、消防、运维、工程安装、机械设备上。

这就是传统制造企业最该看见的地方。

你不一定能做GPU，但你可以做GPU周边的PCB；你不一定能做大模型，但你可以做数据中心的液冷管路；你不一定能卖AI应用，但你可以给AI服务器做高速连接器；你不一定能训练模型，但你可以做让模型跑起来的电源、机柜、散热材料。

AI这块蛋糕，越往上越像算法，越往下越像工业。

中国制造业的优势，恰恰就是在往下的地方。

当然，这里有个重要前提，AI会去重新定义这些行业的价值。

比方说PCB，也就是印刷电路板，这是电子产业里的传统环节，过去拼的是成本、客户认证。

但AI服务器来了以后，事情变了。

它需要支撑高算力、高速互联跟高功耗场景，对PCB的层数、传输速率、信号完整性、散热跟可靠性都远高于传统产品。

所以，AI红利不是去奖励那些“我这也能做，那也能做”的中等企业，而是奖励那些在关键位置、关键工艺上有着长期积累、让自己的能力能够不断升级的企业。

包括像光模块，它就像数据中心里的通信驿站，模型越大，数据交换越频繁，对传输速度、带宽、延迟跟稳定性的要求越高。

为什么中际旭创能跑出来？

就是因为它在800G、1.6T的高速光模块不断升级，形成了自己的优势，而普通的光模块企业，需求来了也不一定能接得住。

所以，AI在带来新机会的同时，也带来了不一样的要求，企业就要立足于原点能力进行升级，往专精特新方向去靠拢。

03

那么，对大多数企业，特别是传统制造企业来说，我怎么判断自己有没有机会？机会又在哪呢？

我们总结了“一个问题、四条路径”。

一个问题是什么呢？

就是问AI工厂里，有没有我这个产品、工艺、服务的位置？

一个好机会，一定是对应一个具体的问题以及企业的能力。

围绕这个问题，传统制造企业大致有四条路径。

第一条路，是成为AI基础设施的零部件供应商。

如果你做PCB，你就要研究AI服务器、交换机、光模块对高频高速、高多层、高密度的要求。

如果你做制冷，就研究AIDC液冷、冷板、换热器、冷却液、CDU、泵阀系统。

如果你做电气设备，就要去研究数据中心配电、UPS、母线槽、变压器、开关柜。

如果你做连接器、线缆、结构件，你就要研究服务器、机柜、光通信、机器人对可靠性跟高速传输的要求。

这条路的关键，不是给自己贴一个AI标签，而是把产品指标拿到AI场景里重新校准。

就像我们前面讲的，AI要的不是“差不多能用就行”，而是更高的要求。

对我们身边很多制造企业来说，这是机会，也是门槛。

所以，我们今年也对自己提出了新目标，就是单仁牛商一定要帮助更多中国企业从平庸跟红海中脱离出来，往专精特新方向靠拢，获得新的增长机会。

第二条路，是成为AI基础设施的工程服务商。

AI数据中心不是买来一堆服务器堆起来就行，它涉及选址、供电、制冷、消防、土建、机电安装、弱电系统、能源管理、运维监控、节能改造。

我们很多传统工程公司、机电安装公司、园区能源服务商、工业自动化企业，看上去跟AI没什么关系，但完全有机会参与到AI基础设施建设中。

我认为，未来AI数据中心会逐步成为一种特殊工业项目。

也就是说它会作为一个单独的品类出现，不是普通写字楼，也不是传统机房，而是像智能工厂这样的类目。

那么，谁懂工程交付，谁懂系统集成，谁懂现场管理，谁就有机会吃到这部分订单。

并且，这类有能力的企业，最好现在就要提前抢占这个位置的认知高地，先行一步借助于全域营销让自己跟AI数据中心建设或者是其中某一环画上等号，形成品牌=品类的认知，方便需求爆发的时候做承接。

第三条路，是把传统产品升级成AIready产品。

什么意思呢？

未来很多产品都会因为AI被重新定义。

比如说设备不再只是设备，而是要能联网、能采集数据、能远程运维、能预测故障、能接入客户系统。

材料不再只是材料，而是要适配高频、高速、高功率、高散热的新场景。

零部件也不再只是零部件，而是要进入机器人、智能汽车、数据中心、智能工厂的新系统。

这就是AIready，也就是为AI做好准备。

它不是说你的产品里一定要搭载一个什么AI大模型，有最好，没有不必强求，而是你的产品要能被智能系统识别，能够检测跟调出数据，根据数据来做升级。

最终让客户买的不是一个单品，而是一套可接入、可追踪、可优化的系统能力。

第四条路特殊一点，就是你实在觉得自己跟AI基建暂时搭不上边，现在还没想好，那就先把AI装进自己企业里。

毕竟，不是所有企业都要卖给AI行业，但我们先用AI提升内部效率。

比如用AI做机器视觉质检，减少漏检、误检；用AI做排产，提升交付稳定性；用AI做工艺参数优化，提高良率；用AI做销售内容跟客户洞察，提高获客效率，就像我们文思子牙的专业营销AI系统。

你可以从一个具体的问题开始，哪个环节返工最多？哪个环节沟通最慢？哪个环节客户最不满意？

那就把AI先放进去，先解决一个小问题，先往前多走一步，这比你喊一百句拥抱AI，半夜焦虑睡不着觉，都更有价值。

04

其实，未来真的会非常精彩，AI有无限的未来，有更多的应用场景，也会把产业链重新分工，但它不是我们传统企业够不着的高墙。

就像黄仁勋说的，这是一场新的工业革命。

我们目前还刚刚开始，就像一个等待施工的现场。

它需要有人负责设计图纸，有人负责修路，有人负责供电，有人负责铺管道，有人负责做零件，有人负责把设备装进工厂，有人施工建设。

我们不需要都把目光放在今天那个最闪亮的位置，而是静下心来多问问自己：

在这座智能世界的新工地上，我能提供哪一块不可或缺的能力？

责任编辑| 罗英凡

图片均来源于AI

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。