大摩閉門會：中國工業5.0誰能留住利潤

nashnova research

今天发布阅读约 5 分钟

摩根士丹利多團隊閉門對話聚焦一個核心問題：AI與自動化大規模落地後，誰能把技術進步轉化為可持續利潤，誰只是多了一輪產能——答案指向瓶頸供應商、軟件嵌入者和真實現金流。

三萬家智能工廠，投資分幾層？

中國目前擁有超過3萬家智能工廠、逾1億台聯網工業設備，製造業增加值約佔全球28%。

大摩將新一輪工業資本開支分為三層：底層是AI算力、電力與連接等基礎設施；中間層是存量工廠改造（智能設備、機械人、傳感器、邊緣晶片和軟件）；另一層是關鍵技術及新產業的戰略性產能。

這意味著→ 不是所有「工業AI」公司都在同一條跑道上——離客戶生產線越近、越能直接慳錢的環節，變現邏輯越清晰。

大摩工業團隊最看重存量工廠升級，原因很直接：客戶可以用慳下來的成本、減少的停機和改善的良率，馬上計到改造是否划算。

團隊更偏好能解決關鍵瓶頸的供應商——自動化、控制系統、精密機械、智能設備。簡單來說＝如果某個零部件壞了成條線就要停，換供應商仲要重新驗證，呢類位置先有定價權。

財務上，利潤可能向軟件、設備、半導體和先進材料遷移，但呢個係篩選方向，唔係話上游一定都賺錢——具體公司仍需核實認證門檻和交付能力。淨資產收益率和自由現金流是檢驗回報的關鍵指標。

大摩科技團隊明確區分兩種狀態：用了AI vs 靠AI賺錢。過去工業軟件主要負責採數據、出報表，決策仍然係人嚟做。

智能體（能在權限範圍內理解任務、調用工具並自主執行操作的AI系統）試圖進入生產決策：設備異常預警後，系統能否查清受影響工序、安排維護並調整生產計劃——呢個比生成一段故障說明更接近企業願意俾錢的工作。

這意味著→ 科技團隊揀公司的標準是：能否嵌入工業流程、積累專有運行數據，形成持續的推理和部署需求。一次演示跑通，唔代表換一條產線、換一種材料後仍然可靠。

大摩電池團隊用本行業做參照：需求快速增長，並無令所有企業獲得相同回報。好多公司出貨增加，盈利能力和自由現金流卻依然承壓。

差異來自材料科學、電芯化學體系、製造工藝和系統集成——更安全、充電更快、壽命更長，先能支撐更好的盈利。

簡單來說＝機械人賣多咗、設備訂單增長，只能說明市場在擴大；企業能否在價格競爭中守住毛利，先說明客戶真正認可其技術。這反映出「規模無法代替技術」在工業AI領域同樣成立。

宏觀團隊將「智能化產能過剩」列為核心風險：供給持續快過需求，工廠即使更先進，都可能面對低利用率和價格競爭。

簡單來說＝企業慳落嚟的生產成本，最終可能變成更低售價讓畀咗買家，資本回報依然偏弱。技術進步能改善供給效率，卻無法自動補足需求。

大摩預計轉型呈現「J曲線」：前期先支付設備、研發和組織調整成本，生產率收益隨後逐步顯現。按對話中的判斷，更明顯的宏觀貢獻可能在本十年後期先出現。

銀行：工業貸款具有周期性——投資擴張階段融資需求睇落強勁，但價格下跌、投產延後可能轉化為還款壓力。這意味著→ 貸款數量增加本身唔足以證明銀行回報改善，融資能否對應真實現金流先係核心。

歐洲與日本：中國工廠升級帶來設備與軟件採購機會，但中國企業亦在進入更高價值環節，硬件競爭將持續加劇。日本團隊強調逐項判斷技術壁壘——高端數控、精密設備仍有需求，但長期替代風險在上升。兩者共同關心的問題是：客戶為甚麼願意留低，以及呢個理由能維持幾耐。

供應鏈：產品可以喺越南、墨西哥組裝，但背後的機器、零部件和生產經驗需要更長時間建立。中國對美直接出口份額下降，唔等於中國企業在上游的參與同步減少。這反映出最終組裝轉移同底層工業能力遷移係兩回事。

市场有风险，内容仅供研究参考，不构成投资建议。