7.3
深览指数
商业FT 中文网··AI 生成
AI与出海，企业家关心的两大话题Q3会怎样？
长江商学院基于对2000余家工业企业的调研，结合学者自身在公司金融领域的研究（投资不可逆性、现金边际价值、知识网络），对2026年Q3工业企业的AI应用与出海趋势做出五项预测。核心结论是：AI应用广度将缓慢增加，但系统深度持续提升，大企业与中小企业的技术路径进一步分化；出海仍以产品出口为主，重资产本地化集中在少数现金充裕企业；领先企业可能尝试将AI系统、工艺知识等无形资产随产品输出，形成全球化新路径。文章特点是学术框架与微观调研数据紧密结合，为深度读者提供了可验证的判断逻辑。原文 ↗
核心观点
- ▍工业企业AI应用在Q3将呈现“广度缓慢增加，深度持续提升”的分化格局，大企业消化存量系统投资，中小企业偏好可替换的轻量化工具，两者差距进一步拉大。
- ▍企业出海在Q3仍以产品出口为主，重资产本地化将集中在已拥有稳定订单和现金储备的少数企业；企业通过保留现金和低杠杆来保留海外投资的实物期权。
- 01作者与合作者的研究表明，企业资本调整呈高度非对称性，大规模处置资产（负投资）的比例仅为4.9%-6.2%，投资一旦形成，撤回成本极高。
- 02工业AI中，围绕企业自身设备、流程开发的内部系统几乎没有二手市场，这意味着采用内部AI的企业承担了更高的沉没成本和更长的回收周期。
- 03在包含融资摩擦的框架下，企业账上一美元现金的平均价值约为1.02美元，对于缺钱的企业，现金的实际价值高于面值，这解释了企业为何优先用自有资金而非杠杆出海。
- 04知识资本在企业市值中的占比已从1970年代的24.9%上升至2010年代的44.8%，USPTO显示2019年美国知识产权密集型产业占GDP的41%，知识已成为重要的生产要素。
- 05前两季度调研显示，AI对岗位的增强作用仍高于直接替代，企业面对的主要变化是任务重组，而非大规模裁员。
反方 / 局限
- — 作者承认，采用内部AI系统虽然可能带来竞争优势，但也意味着企业需承担更高的沉没成本和更长的调试周期，甚至在短期内出现投入增加但主观改善评价停滞的现象。
- — 出海的知识输出路径面临知识产权、数据跨境、技术标准和合规审查等新风险，企业输出的资产越无形、越专业，其地缘政治意义上的不可逆性越需要重新计算。
- — 知识成果的转化并非自动发生，需要企业将分散在员工个体经验中的隐性知识先编码为可复用的组织知识，这一前提条件在当前大多数工业企业中尚未具备。
14 分钟 · 3 卡片 · 9 资料
读原文 →