**

上周四，高盛最新发布了一篇分析，旗帜鲜明地表示：加关税救不了美国制造业。高盛指出，关税或许能提供一时保护，却无法解决根本矛盾 —— 技术落后、效率低下，才是制造业竞争力下滑的真正原因。高盛强调，“创新步伐的加快 —— 可能来自机器人技术和生成式 AI 的最新进展 —— 仍是最有可能扭转制造业生产率长期停滞的催化剂”。

一、关税的局限性与技术创新的必要性

关税看上去能提高进口商品价格，激励企业回流投资，但现实远比理论复杂得多。数据显示：2023 至 2025 年间，美国制造业持续疲软，美国制造业采购经理人指数（PMI）连续多月处于收缩区间；2025 年 4 月，美国制造耐用品新订单环比下降 6.3%，创近三年最大跌幅；铁锈地带的 “重振承诺” 迟迟未兑现，大多数新增制造业岗位集中在服务型制造，而非回迁重工业。

过去，美国靠电脑和电子行业拉动产出，享受了一段 “容易溢增”（easy gains）。但如今这些红利渐渐耗尽，即便对中国等低成本国家征收高额关税，也无法根本解决问题，因为海外生产仍然 “远低于美国本土”，这意味着进口替代只能微调成本差距，无法扭转整体趋势。

在高盛看来，中国凭借成本优势和国家产业政策，仍将持续扩大其制造业出口份额。那对于美国来说，出路在哪里？高盛的看法是技术创新。因为美国制造业 “生产率长期停滞” 的问题根源在于技术创新不足，而加速技术创新才是扭转局面的关键。

此前，高盛估计美关税政策可能使 GDP 下降数千亿美元，但技术创新则可为 GDP 带来几万亿美元的增量。特别是随着越来越多企业将 AI 和机器人融入生产流程，生产效率与人均产出有了明显的提升。

比如，亚马逊已经在仓储物流中大规模部署机器人，提高搬运效率；百事公司用 AI 分析土壤和气候数据，帮助农民在正确的时间播种和灌溉；而做牛奶包装的利乐（Tetra Pak）则用 AI 预测不同配方在未来几个月的市场需求，提前调整生产计划。设备维修也变得 “未雨绸缪” 了 —— 以前要等机器 “罢工” 才修，现在 AI 会提前预警，让工厂少停几次，损失也就少了几分。

再比如美国印第安纳州航空精密零件制造商 MSP Manufacturing，这家公司使用人工智能辅助的 CNC 编程方案，将零件加工程序编写时间缩短约 70%，极大加快了报价和交付速度，从而在竞争中取得优势。

二、中美在 “机器换人” 中的差异

在全球制造版图重绘的今天，中美两国在 “机器换人” 这场深水区的角力中，起点和路径都存在显著差异。

中国的进展令人侧目。近年来我们在工业自动化方面投入巨大，成效显著。根据国际机器人联合会（IFR）的数据，2021 年中国工业机器人密度已达每万名制造业员工 322 台，首次超过美国同期的 274 台。

事实上，根据官方数据，中国过去十年里新增的工业机器人装机量占全球的一半以上。中国国家层面甚至宣布未来 20 年内将通过国投基金等形式投入近 1 万亿元人民币用于机器人、人工智能等高技术领域，进一步为制造业智能化提供政策支持。所以你看到了，中国这边，是整个国家在用财政、政策、市场和技术编织一张密实的智能制造网络。

而美国的智能制造，则仍停留在 GE、波音的 “孤岛式试点” 阶段 —— 没有形成平台化工业互联网生态，也缺乏对中小制造商的系统渗透能力。

在应用案例上，中国企业也体现出快速部署的趋势。例如，特斯拉上海工厂报告其生产线自动化率已达到 95%，并将焊装车间的自动化率几近 100%。通信装备和电子制造业中的龙头企业（如华为、比亚迪等）也普遍采用自动化生产线和 AI 质检系统。Foxconn（富士康）更将 AI 和数字双胞胎技术作为未来工厂的核心，通过与西门子合作构建 “未来工厂”，在电子制造和自动驾驶汽车领域优化生产效率。这背后，是中国企业在政策引导和市场规模的双重推动下，展现出的高度组织力和快速部署能力。

美国当然也在行动。比如 GE 的智能制造项目试图通过数据分析加持精益生产来提升效率，但总体而言，美国在自动化推广方面受到成本和产业结构因素制约较多，且民间投资多集中于消费领域 AI（如互联网企业），工业领域的创新需更多政策引导。根据 BCG 的一项调查，仅 46% 的美国受访者报告工厂中多场景应用 AI，远低于全球平均 62% 和中国 77%。

当然《芯片与科学法案》也开始对先进制造进行财政补贴，但相较于中国设立的各类产业基金、地方政府的专项配套政策，以及数以万计的机器人应用场景，这些努力还显得有些 “轻巧”。

智能制造不是孤立技术的堆叠，而是系统能力的体现。未来的制造，不再只是比谁更便宜，更关键的是谁更聪明、反应更快、更安全。产业链的稳固不再只是为了压低风险，更是为了抢占技术与市场的主动权。

接下来，中美将在更多前沿领域展开拉锯：从工业互联网的底层协议，到协作机器人的柔性部署，从自动驾驶物流的闭环试验场，到 AI 在制造数据分析上的 “隐身工作”。甚至在绿色制造、数据出海、专利管辖权这些看似边缘的赛道，也可能成为战略级的高地。

三、AI 与自动化的代价及应对之策

高盛也承认，AI 和自动化不是没有代价的。他们预测，在接下来的十年里，全球可能有多达三亿个工作岗位受到 AI 与自动化的冲击。

所以，对于一个国家来说，真正有前瞻性的工业政策，从来不是去 “保住” 旧的岗位，而是设法创造出新一代的工人 —— 那些能够驾驭智能工具、理解数据逻辑、在数字车间里操控未来生产线的 “新工匠”。

首先，是从政府端点燃引擎。无论是研发补贴，还是税收激励，都可以成为推动车间变革的扳手。很多国家早已开始布局：德国设立工业 4.0 示范工厂，日本推动 “智能制造伙伴联盟”，中国也有类似的 “灯塔工厂” 试点。这里的关键在于，把钱用在真正能够升级工业神经系统的领域 ——AI 算法、自动化硬件、工业传感网络等 —— 并让科研院所、高校和企业形成协同合力，为下一代制造系统提供人才和技术的 “底盘”。

其二，装上引擎还不够，还要有人会开。自动化提升了效率，却也重塑了劳动力市场的地基。我们正在进入一个 “训练成本” 变成核心门槛的时代。一台自动化设备再聪明，也需要人去维护、校准、分析和调试。而这些新岗位，对工人的要求远远高于流水线时代。因此，从现在起重新设计职业教育体系，提前开展再培训项目、构建有弹性的社会保障网，才是真正意义上的 “智能制造战略”—— 技术不该是用来替代人的，而应该是用来强化人的。

其三，是构建可视化评估工具。为了做出科学的决策，将不同政策（关税保护、研发补贴、教育培训等）与关键经济指标（就业、GDP、投资回报等）联系起来，甚至把关税、补贴、教育投资等多种政策路径纳入统一模型。例如，将宏观经济模型与行业生产率模型结合，形成 “关税 vs 技术投资” 的情景模拟工具，评估各种策略的长期影响。这类可视化工具能够帮助政策制定者理清路径的成本收益，为制造业的发展制定更加精细的政策。

四、美国制造业的路线之争及中国的思考

其实，美国制造业的复兴，目前面临的是路线之争：核心矛盾在于是继续依赖贸易保护来 “回避” 竞争，还是选择拥抱技术创新来 “迎接” 挑战，是在 “退守” 与 “升级” 之间做选择。

高盛目前的研究和案例表明，关税可以筑起一道墙，拖延竞争压力，但没法从根本上改变美国目前单位产出的成本结构。反之，唯有通过技术深化和组织升级，才能从 “更聪明地生产” 中走出效率困局。

而对站在另一端的中国来说，更值得深思的其实是镜像里的自己。当 AI 智能化成为新工业体系的标配，当 “生产率” 的定义从拼规模转向拼算法，当全球产业分工悄然重构，我们真正要关注的，不是美国怎么做，而是中国如何在智能制造浪潮中，占据标准、技术与信任的优势地位。

这意味着，我们要关注标准的制定力，技术的原创力，以及 —— 最难得也最稀缺的 —— 全球信任的积累力。文明的迭代，不会属于最会喊口号的国家，而会属于那些能持续更新认知、建设能力、并用真实行动说话的国家。