随风今日头条今日热点资讯聚合 · 实时更新
实时 · 0.23s
首页 > 热点 > 正文
← 返回列表

王缉慈|AI技术红利为何难以普惠产业集群的中小企业

澎湃新闻 2026-11-18 12:19 评论 0 赞 0 原文

一、问题的提出

2026年10月5日,《以AI推动包容性增长:未来强县要看能否构建智能协同网络》一文于澎湃新闻刊发,我在文中梳理出政府推动AI赋能中小企业的举措,包括发放算力补贴、普及工业智能工具、搭建公共AI服务平台。但政策工具的使用,不等于AI红利自动流向数量庞大的中小微企业,这一问题,有待大样本实证调研加以检验。

围绕在县域产业集群能否通过构建智能协作网络,使AI普惠中小微企业的问题,我对浙江的绍兴柯桥和台州路桥进行了初步调研,形成了以下判断:产业集群内部信任制度与利益分配制度是否完备,是AI红利普惠的约束。在2026年11月7日于广州举办的国际湾区经济论坛上,我提出了这一观点。

二、理解集群AI赋能的两组分析框架

为解析AI赋能产业集群的内在逻辑,可以建立两组分析框架。

一是将产业集群拆解为生产系统与协作系统。生产系统包含生产设备、加工工序、质检标准等要素。对于制造业来说,当前AI 最成熟的应用场景,是对标准化程度较高的生产环节进行改造,从而提升单一企业的生产效率。协作系统聚焦企业之间的信任构建、利益分配、风险共担等合作行为。AI技术只能解决生产系统的效率问题,难以破解集群协作系统的制度难题。

二是区分表层数据与深层数据。表层数据涵盖设备运行状态、质检影像、公开订单信息、合规备案材料等,数据敏感度较低;深层数据代表企业核心资产,包括独家工艺、产品配方、客户资源、报价体系等。当产业集群内部信任缺失、利益分配机制失衡时,企业不愿开放深层数据,跨企业的智能协同也就无从谈起。

三、意大利卡尔皮针织产业区的教训

英文学术界近年对意大利产业区案例的研究印证了制度的重要价值。例如,卡尔皮针织产业区建设Terminal Lab等公共AI实验室,但没有统一的信任监管规则与利益分配方案,企业普遍对核心的数据严格保密。公共AI中心仅能服务于企业内部,完成版型优化、瑕疵检测、需求预测等工作,提升个体企业效率,却无法促成跨企业协同,不能实现整个产业区的收益共享。

该案例表明,如果缺少制度配套,单纯推进AI升级,虽能增加大型企业的竞争优势,但会挤压中小企业生存空间,与包容性增长背道而驰。

四、浙江两大产业集群的实践差异

在绍兴市柯桥区发展了四十年的纺织产业集群,诞生了“柯桥AI布”公共服务平台,AI花型生成、智能验布、面料检索等轻量化工具得到广泛应用,提升了企业生产效率。但该集群缺少中立的监管主体,数据权属、协同收益分配规则处于空白状态。同业的企业竞争激烈,企业封锁染色配方、温控工艺等深层数据,集群中跨企业的产能调配、联合研发等协作难以实现。

在台州市路桥区电机产业集群,地方政府联合国有数字产业公司和浙江电信,共同运营“擎云智驱”第三方中立公共平台。在信任制度层面,厘清数据权属和数据使用边界,设立失信惩戒机制,规避同业数据窃取、平台数据垄断风险;在利益制度层面,落实表层数据确权,创新“数据换服务”模式,企业上传设备工况、质检结果等表层数据,就可以低成本获得AI仿真、智能运维、异音识别等模型服务,订单图片数据集、故障知识库实现跨企业共享,而绕组、电磁方案等核心工艺数据依旧留在企业内。这套制度安排减轻了企业的数据防御心态,实现了有限度的产业集群协同。

五、广东产业集群实证

广东数量众多的产业集群,可为观察AI赋能的现实约束提供丰富样本。例如,佛山、广州白云、深圳华强北分别搭建起不同定位的政府主导AI公共平台。佛山“模界”AI超市面向家电、五金、装备制造中小企业,打造工业小模型供需对接渠道,依托算力券降低企业采购成本,以轻量化小模型适配集群产业;广州白云化妆品代工集群的“美湾通”利用AI完成原料预审、标签校验、备案材料筛查,压缩企业申报周期;深圳华强北电子硬件产业集群的AI服务平台适配小微商户、小型工坊的敏捷生态,完成元器件智能匹配、图纸识别、业务需求智能撮合。

这三类公共平台虽然技术供给完善,覆盖海量市场主体,但普遍存在制度方面的问题:缺少数据确权激励、失信约束规则以及中立监管主体。企业开放数据要承担较高风险,却难以获得对等收益,大多选择封闭自身数据。由此,AI改造止步于单个企业内部优化。

在广东,还有一种以希音供应链为典型的龙头企业主导模式。以广州番禺为中心的多个服装产业区,依托订单与算法资源实现产业效率提升,但中小企业没有数据治理的话语权,不能分享产业升级带来的增值收益,只能被动接受技术赋能。中小企业与龙头企业的收益差距扩大,偏离包容性增长目标。

综合浙江与广东的案例,可以总结出三重现实约束。第一是能力分层约束,中小微企业数字化底子薄弱,没有普惠性制度安排,很难承接AI发展红利;第二是数据利益约束,数据权属得不到保障,企业会本能地保护深层数据,在美妆等行业该问题尤为突出;第三是平台信任约束,部分平台运营主体立场不够中立,规则透明度不足,企业观望并抵触,造成数字化公共资源闲置。归根结底,信任赤字与利益错配是阻碍AI普惠的制度障碍,而技术门槛只是表层矛盾。

六、产业集群包容性治理的实施路径

AI时代产业集群包容性治理的要义,是保障中小企业拥有平台参与决策权、能够共享数据协同收益、共同承担协作风险。包容性治理可以从四条路径推进。

第一,完善信任制度与利益分配制度,推广“数据换服务”模式,平衡数据开放的风险与回报。

第二,推广轻量化AI工具。服务商依托商业平台,开发工单管理、AI数字员工、单据识别、智能报表等应用,企业通过订阅模式即可快速使用,无需大规模改造产线;服务商基于平台完成行业适配,快速进行质检、设计、合规审核、供需匹配等,为深层次的产业协同打好基础。

第三,从制度层面防范数据垄断问题。对于政府建设的公共平台,坚持公共主体主导运营;对于商业外部平台,则需要政府、行业协会充当协调中介,适配本地产业的数据安全诉求,补充本地化监管规则。钉钉、企业微信、飞书等商业外部平台生态,是轻量化AI工具的重要供给来源,但它们存在治理主导权缺失、数据信任隐患等结构性局限。

第四,推行分层分类治理,摒弃数字化政策“一刀切”,针对不同规模、不同行业企业实施差异化政策。

七、跳出技术决定论,以制度创新实现AI普惠

综上,人工智能技术不会自发带来产业集群的包容性增长。无论是政府打造的公共AI平台,还是市场发展起来的轻量化AI平台,信任制度与利益分配制度,才是决定AI红利能否在集群内部普惠共生的核心变量。

在大模型快速迭代的当下,需要跳出技术决定论的思维误区,将AI技术供给与制度创新相结合。既要充分利用成熟的轻量化工具降低中小企业门槛,也要破解信任赤字、利益错配难题,才能让广大中小微企业真正共享AI时代的发展红利。

本文基于初步思考所得出的观点有待进一步的深入调研和验证。

参考文献

1. Bettiol, M., Di Maria, E., & Grandinetti, R. (2020). Industrial districts and the fourth industrial revolution. Journal of Economic Geography, 20(5), 987–1008.

2. Hervás-Oliver, J. L., et al. (2024). Does regional innovation policy really work for Industry 4.0? European Planning Studies.

3. Bianchi, P., et al. (2021). Regional resilience: Lessons from Emilia-Romagna. Business History, 63(7), 1124–1146.

4. Camarinha-Matos, L. M., et al. (2022). AI for inclusive manufacturing ecosystems. Procedia CIRP, 109, 678–683.

————————

王缉慈系北京大学城市与环境学院经济地理学教授,持续关注国内外产业园区和创新集群。本专栏以园区之思为主题,求索园区的初衷和未来。

王缉慈/北京大学城市与环境学院

(本文来自澎湃新闻,更多原创资讯请下载“澎湃新闻”APP)

评论 共 0 条 · 0.21s

暂无评论。