为了穿透技术喧嚣、捕捉中国实体经济最真实的呼吸与温度，长江商学院产业政策研究部在2026年上半年，持续对全国2000余家规模以上工业企业，开展AI应用与出海专项调研。站在2026年9月，第三季度调研数据尚未落地，前两季度的微观调查已经留下了一组可以推演的坐标。本文不再重复此前已经呈现的大量调查数字，而是把这些微观选择与笔者及合作者在公司金融等领域的学术研究进行结合，在变化中寻找一些方向与可能。
系统越深，撤回越难：投资不可逆性下的AI分化
前两季度的AI调查留下了两个值得继续追踪的信号：AI似乎已经无所不在，但工业企业对AI的总体采用率仍然不高，而已经入场的企业，资金开始从通用硬件向开发、定制内部AI系统移动。到了这一阶段，AI已经不再只是买一套设备、开几个账号，而是要接入ERP、MES、设备数据、工艺流程和内部知识库，项目的金融属性随之发生变化。
笔者与合作者关于“企业级投资不可逆性”（Firm-level Irreversibility）的研究，为理解这种变化提供了一个直接的学术支点。通过重新估计企业真实毛投资流量，我们发现，微观企业实际出现负投资、即大规模向下处置资产和收回投资的比例仅为4.9%至6.2%，资本调整呈现出高度右偏和明显非对称的特征。企业可以比较容易地增加投资，却很难以同样的成本把已经形成的投资完整撤回，尤其当资产带有较强专用性时，退出价格会迅速恶化。
这一机制投射到工业AI上：标准服务器、摄像头、传感器等硬件即使项目调整，仍可能折旧转售；一套围绕企业自身设备、流程和数据开发的内部AI系统，几乎没有外部二手市场，一旦业务路径改变，其清算残值极低。内部AI系统占比上升，因此不能简单理解为“企业更愿意用软件”，它同时意味着一部分企业已经开始承担更高的沉没成本和更长的回收周期。
据此，我们对Q3的第一项预测是：工业企业AI采用率大概率仍将温和上行，很难出现陡峭跳升。未入场企业面对的核心问题，已经逐渐从“模型够不够聪明”转向“有没有足够明确的场景，能否与现有系统接起来，以及项目失败以后这笔钱还能不能收回来”。只要标准化、低沉没成本、可快速退出的行业方案尚未大面积成熟，大量中小工业企业仍会把财务审慎放在技术热情之前。
第二项预测是，大企业和中小企业的技术路径会继续分化。此前已经启动百万级系统项目的大企业，Q3更可能进入系统联调、数据清洗、流程重构和效果验证阶段，新增投入未必继续高速增长，但存量项目的“系统深度”会增加；中小企业则更可能把预算压缩在可替换、可拆卸、能快速看到结果的模块化工具上。由此，Q3真正值得观察的指标不只是“有多少企业开始用AI”，还包括试点企业有多少进入常态化应用、内部系统投入是否继续提高，以及大企业已经投入的项目能否在经营效果上逐步兑现。
值得特别强调的是，这种预测并不意味着AI投资会在三季度机械地放缓。工业投资具有明显的分布偏态，少数大型项目足以抬高全样本支出均值，而大量企业仍然保持不动。因此，Q3如果出现AI支出总量抬升，首先需要辨别是“更多企业开始采用”，还是“少数已经采用的企业把项目做大”。前者意味着技术扩散边界正在外移，后者则意味着系统集成正在向更深处推进。两种情形在宏观统计上可能表现得相似，对企业能力和产业结构的含义却完全不同。我们预计，第三季度更可能出现后一种情况：应用广度缓慢增加，系统深度继续提高，企业之间的差距被进一步拉开。
同样，投资不可逆性也意味着企业会越来越重视项目的阶段性验收。随着系统投入从几十万元进入百万元级，管理层对AI的评价会从“有没有效果”转向“效果能否稳定重复、能否覆盖维护成本、能否在更多工厂和部门复制”。因此，经营改善率未必随着投入增加同步上升，甚至可能出现投入继续增加、主观改善评价短期趋于平稳的组合。这并不必然意味着AI失效，更多反映大型系统进入了更长的调试与组织消化周期。Q3如果出现这一现象，也将是投资不可逆性和实施时滞在工业现场中的一次直接验证。
现金不是闲置资产：财务灵活性下的出海路径
工业企业出海的前两季度数据同样留下了一个鲜明结构：企业对海外市场兴趣很高，但真正跨过产品出口、进入海外销售服务网络、生产制造和研发体系的比例仍然很低。大量企业选择先卖货、后落地，这种路径并不只是经营经验上的保守，它与企业在高不确定性环境中主动保留财务灵活性的行为高度一致。
笔者与合作者关于现金边际价值（Marginal Value of Cash, MVC）的研究表明，在包含融资摩擦与代理成本的动态公司金融框架中，一美元现金对企业的价值并不恒等于一美元。极简化的来说，企业账上多一美元现金，平均相当于增加约1.02美元的企业价值；如果企业正在对外融资，这一元现金还能帮助企业少借钱、少付融资成本，价值接近1.03元。同时考虑到部分现金可能被低效使用，最终留给股东的价值约为1.01美元。总而言之，对缺钱的企业，一元现金往往比一元钱更值钱。因此，企业账上的现金不仅承担支付功能，还保留了未来行动的选择权。
财务灵活性（Financial Flexibility）的研究进一步说明，企业能够在不利冲击中继续投资，很大程度上取决于此前是否保留了足够的现金、较低的杠杆和融资余量。对于海外建厂、并购、仓储网络和本地团队这些前期投入较大、回收周期较长的项目，这一点尤其重要。前期调研中，深度出海企业仍主要依靠自有资金推进，也说明工业企业正在用自身资产负债表承担全球化的不确定性。
据此，我们对Q3出海行为的预测不会落在“企业会不会继续出海”这样过于宽泛的问题上，而会落在出海结构是否开始变化。
第一，产品出口仍将维持绝对主导，企业在地缘政治、法律合规、汇率和海外经营不确定性没有明显下降之前，不会集体转向重资产本地化；
第二，已经拥有稳定海外订单、客户牵引和较强现金储备的企业，会继续向销售服务、仓储和局部生产节点推进，但这种推进将集中在少数财务条件较好的企业中；
第三，自有资金仍会是深度出海的重要资金来源，企业会努力避免在海外项目尚未证明自身现金流之前过早拉高杠杆。
这里还存在另一层实物期权的权衡。保持现金可以保留未来选择，但等待本身也有成本。如果竞争对手率先完成海外渠道、本地认证和客户绑定，后来者可能面对更高的进入成本，甚至永久丢失一部分市场。因此，Q3更可能出现的状态，是企业继续守住资产负债表，同时对已经验证过的区域和客户进行有限加码，而不是全面收缩或全面重仓。真正值得追踪的，是“仅出口”的企业中有多少开始建立海外运营节点，以及这些节点能否带来收入占比和经营结果的变化。
出海部分也需要避免把“模式轻”简单理解为能力不足。对于一家仍以国内生产为主、海外订单尚在验证的工业企业，先通过出口获取客户和价格信息，本身就是一种低成本的实物期权安排：企业以较小的不可逆投入换取更多关于市场需求、渠道效率和政策风险的信息，等不确定性下降以后，再决定是否追加销售网络、仓储、生产和研发节点。这个顺序与财务灵活性的理论并不矛盾，反而说明企业正在把全球化拆成一系列可以分阶段行权的投资决策。Q3如果看到出口企业增加、但海外建厂比例仍然缓慢变化，不应直接解释为全球化“没有做深”；更重要的是观察已有出口企业中，有多少开始形成稳定海外收入、建立本地运营节点，以及未来两三年的重资产计划是否发生变化。
从物理网络到知识网络：全球化溢价的另一条路径
如果把AI和出海放在一起看，还能看到另一条更深的变化。中国工业企业过去的全球化优势，主要依赖产能、成本、交付和供应链效率，这些优势首先存在于物理网络之中；随着AI系统开始吸收工艺知识、客户响应规则、质量判断和生产经验，企业正在获得把一部分现场能力转化为无形资产的可能。
笔者与合作者进行的《Knowledge Network and Asset Pricing》（知识网络与资产定价）的学术研究表明：在今天的经济体里，知识已经和设备、原材料一样，是一种进入生产函数的投入——只是过去这张“投入产出表”只画了物理的，看不见的知识产权那一半被漏掉了。沿用论文里的一组公开数据：知识资本在企业市值中的占比，已从1970年代的24.9%上升到2010年代的44.8%，同一时期物理资本的占比则从30.9%下滑到20.7%；USPTO测算的美国2019年知识产权密集型产业占GDP41%、占就业33%。换句话说，“知识至少和原材料一样重要”这件事，在数字上其实已经发生了。
把这个判断延伸到出海和AI，至少有两层含义。第一，知识的可携带性远高于物理材料：它可以随着工程师、专利、代码和模型走，不依赖港口、不依赖航线、不依赖稀土配额，这天然就适合全球化的布局。第二，AI在这条曲线里扮演了双重角色——它本身是知识生产最典型的代表（研究团队把算法封装进可用的产品或服务），也是让过去依附在老师傅、工艺手册、生产线上的隐性知识，第一次有可能被系统记录、规模化复用、跨境传递的工具。