赛富基金执行董事黄延涛：智能制造与效率提升｜WISE2022新风向大会-大湾区专精特新趋势论坛

6月17日，“WISE2022新风向大会-大湾区专精特新趋势论坛” 在广州举行。作为2022年首场线下WISE系列活动，承载着探风口、引动向、看趋势的重要意义，今年“WISE新风向大会” 将目光锁定在“专精特新”。

“专精特新”概念自2011年首次提出，2022年被写进政府工作报告，十年间，从概念提出到形成政策体系，扶持力度不断加码。

作为我国专精特新企业培育数量最多、发展质量最高的地区之一，粤港澳大湾区强大的制造业基础和浓厚的创新创业氛围，成为专精特新“小巨人”起飞的理想之地。

在“专精特新”风口渐起之际，本次论坛邀请政府、企业与投资机构三大经济力量，聚焦大湾区“专精特新”发展趋势、新机遇&新市场&新消费、智造与效率三大风口议题，深度剖析专精特新机遇，助力大湾区加速发展。

赛富基金执行董事黄延涛以“智能制造与效率提升”为主题，分享了智能制造的浪潮变迁及蕴含其中的创投机遇。黄延涛认为，智能制造的升级，将不仅限于前沿的半导体&新材料领域，更应立足于过去四十年我国已建立起的全球最完备的传统产业链。短期而言，我们需要更多更富经验的工程师投身到制造业的一线，通过AI的快速应用，推动制造业的升级，二次释放“工程师红利”；中长期而言，我们需要更多更系统化的关注基础科学研究，通过前沿创新拓展效率与成本的认知边界，逐步激发“科学家红利”。

以下是黄延涛的演讲实录，经36氪整理编辑：

大家好！我是赛富基金的黄延涛，很荣幸这次受到36氪的邀请来专精特新的论坛，就“智能制造与效率提升”这个主题进行一次分享。

首先，我们先简单回顾下近40年来中国制造业发展的历程。

改革开放之后，中国制造业起步主要基于“人口红利”以及“三来一补”的外贸拉动；而后，中国科技产业的初期发展有又以“市场换技术”的形式快速导入，节省了大量的研发经费与时间成本；再之后，我更愿意称之为“工程师红利”，中国的“工程师红利”的早期体现正是珠三角的深圳、广州，也就是目前大湾区。在过去的20年里，大湾区、深圳、广州汇聚了大量的年轻、优质的工程师，推动大量类似华为、大疆等优质企业的高速成长。

两段的发展历程中，主要发展逻辑有以下三点：第一，中国已经形成了在全球范围内最大的统一市场。第二， 大量且低成本的熟练工人。中国过往的“应试教育”体系培养了大量的且相对低成本的熟练工人和工程师，这也是支持中国二十年来工业发展的基石。第三，是超前的基础设施投入，释放政策红利。中国科技产业在2011年到2017年经历了一波非常高速的发展过程。核心原因就是由于大一统的市场政策下，以国家为主导的超前网络基建。国内从2008年到2011年启动大规模的3G网络工程建设，在2011年到2014年则已逐步升级建成了全世界最大、覆盖最广的、速度最快的4G网络工程建设，正是由于超前的基础设施投入、政策红利孵化出全球领先的移动互联网企业。

接下来，我想分享三个数据。

一个是美国市值前10位的公司与中国市值前10位的公司的对比。2018年苹果一家公司还相当于中国市值前5家公司之和，到了2021年，苹果可以抵过中国科技产业49家公司再加一万亿的市值，这是近三年来最能体现出变局中的产业到底发生了什么。

二是两国一级市场创业公司的趋势变化。通过对比中美创业公司从2010年到2021年的“独角兽企业”数量变化，2012年-2017年，中国独角兽企业并不落后于美国，甚至较长一段时间里，中国无论在增速还是总数上，独角兽企业都是领先于美国企业的。但是，到了2018年之后，美国独角兽企业快速赶超了中国，因为2018年之后，“脱虚就实”这四个字更为人所热议，不管是中国还是美国，风险投资在独角兽企业上更多开始关注科技企业、制造业、实业。基于基础设施、移动互联网建设起来的互联网络，爆发性是极强的，但是基于高科技产业以及制造业孵化的企业，它的成长曲线是需要时间的。就目前科技制造业的发展基础而言，美国公司的底蕴以及基础人工素质确实在中国之上，也就导致了在2018年到现在，中美独角兽企业发生了极大的变化。当然这不代表未来，2018年这个时点实际上是中国科技制造业的一个起点。

三是全球各国的技术研发投入强度对比。从1996年开始，中国整体对技术的研发投入强度持续上升，到了2021年，整个中国全社会研发投入达到2.7万亿，目前这个数字在全球已经排在了第二位。中国研发强度大概在2.44%左右，全球主要发达国家的研发强度大概在2%的范围内，美国的研发投入全球排名第一，中国仅为其规模的57%； 但同时，美国的研发强度仍然在中国之上，美国目前在3%。

另外德国和日本的精工装备制造业当中在全球非常领先的，研发力度大概3%左右，目前还略微领先于中国，仅因为经济基数的原因，所以总值已经被中国超过了。还有两个比较特殊的国家以色列和韩国，这两个国家目前是全球研发投入强度最高的国家，它们均在4%以上。这就是为什么韩国以这么小的国家的基数，能够引领半导体领域、显示行业、高端装备制造等高科技产业的发展，跟他们持续高研发强度投入有很大的关系。

中国每年2.7万亿的研发投入强度，是当下制造产业能够走向智能制造的发展基石，但其中有也有隐患。研发强度又分成应用型研发、基础科学研发。基础科学研发我们目前是很低的，2021年2.7万亿当中，中国基础研发强度只有1690多亿，这个数字在整个研发强度当中，在总值占不到7%。也正是因为是这样超低的一个比例，促使教育部、科技部开始推出大量强基计划，加强基础学科投入，为智能制造的未来升级提供更大的动能。

而到了当前这个时点，后续制造业需要走向何方？

我想用两句话比喻，一句话是“大水养大鱼”，第二句话是“老树开新花”。大水养大鱼，中国有全球第二高的人口数，最大的高速升级中的消费群体、同时也是全世界供应链的制造中心，向全球输出最成熟的供应链，这就是“大水”，最强的输出能力以及高成长的消费能力，就能孕育“大鱼”。

什么叫老树开新花呢？这里，我们举三个具体的例子来进行一下分享与理解。

第一个例子是显示器背板，所有的显示器背后都有一个不锈钢的背板。目前为止中国已成长为全球面板的最大制造国、出口国、消费国了，可是很多制造公司在做背板的时候，需要通过螺丝锁固大量的PCB电路板，电路板上大概有200到300个孔，工序是怎样的呢？打一个孔磨一个牙，就是螺母的牙口，便于把螺丝旋上去，200个旋完，PCB板锁定稳固，这背板就算做成了，可是如果磨牙的这200个孔磨到190个孔，装螺丝的时候发现这个牙口没有磨，多数企业是怎么做的呢？把前面190个螺丝全旋下来，把这个板重新处理这洞的磨口，这就是目前制造企业当中很惯常的一个做法，如果你们在这个行业里面会经常看到，大家是不是觉得不可思议？这就是我们所需要关注的效率。

再看第二个例子，现在有很多大量的户外屏之类的LED生产企业，LED生产企业怎么做质检呢？一排坐过去20个人，每个厂妹坐在位置上，通过肉眼来识别比如10×10的LED矩阵，通过按动钮按逐一显红色、绿色、蓝色，如果发现有某种颜色不亮，拿一个标贴贴上去“标识不合格！”，如果以这种亮度用肉眼去看的话，对眼睛的伤害是巨大的，这就是所谓的“每个行业都有“灯下黑”的痛点，令人倍感不适又习以为常的。”

最后一个例子，心电图是属于医疗中的常规诊疗，可是除了体检、妇产科或者急救科外，很少有做心电图，为什么？因为心电诊断的效率与收益比非常低。要做基础的心电图诊断，需要一个本科五年再加硕士三年的硕士，读图约15分钟以上才能做出基础的判断，过程中要用到圆规尺子量角器，涉及到一定的对比参照、数学计算，可是在医疗体系当中目前收费多少呢？这个价格大概是29块钱到40块钱人民币左右。这还是一个受过高等教育八年以上的执业医师才能够做出的，这就是为什么在医疗体系当中非必要不做心电图。

对于这三个场景，“智能制造”如何升级解决它们呢？

说起来也很容易，通过控制两台高速相机，两个角度拍照建模，简单的AI识别就可以判断显示背板中有没有磨牙，其实目前一个计算机或者智能识别专业的本科毕业生，应该在一个月到两个月之内可以完成相应的开发，就是这么简单的事。

同样的技术用到第二个领域当中，用一台工业检测设备，造价应该在小几千元人民币以内就可以替换掉一个检测工程师，这过程中节省的不仅仅是一月四千到六千块元的工资，更是未来可能的大量医疗费。

第三个心电图领域，通过AI的智能识别，把所有的心电数据进行智能算法的预诊后，将“疑似”的心电图区域提前标识出来，再交由医生进行最终的确诊，可以把基础诊断时间从15分钟降到4-5分钟，大幅度提升医生的时间使用效率乃至医疗的精确度。

观察这当中的每一家解决问题，产业升级的服务公司，会发现实现智能制造并不是要用到绝对前沿创新的技术去实现的，只需要拥有一幅洞察科技的工程师的眼睛去发现，并且改造它。我刚举得最后这个例子是赛富基金真实投资的案例“纳龙心电”，一家非常优秀的AI心电诊疗服务商。在2020年新冠疫情的第一波，武汉的13家方舱医院上的就是他们的心电系统；在没有支出任何广告费或者业务推广的情况下，中国载人航空也应用了他们的系统，因为他确实使用智能升级了产业，提升了效率与精准度。

整个科技制造业的投资过程中，也有一些趋势可以总结。

2010年之前的标志性企业，很多事这些企业家或者这些企业汇聚了一批有能力的人，在关键的时间节点上非常有魄力或者坚定地去坚持了一个产业方向的投入，到2017年之后，赛富投资所投案例的共性是“有绝活”，简单来说很多创始人是科学家级别的，工程师红利正在逐步向科学家红利进行转化跟释放。

简单举几个例子，节卡机器人的创始人是上海交通大学机器人研究院的几位教授；比如仙工智能，其创始人是全球机器人世界杯大赛的2013年到2014年连续两年的全球机器人世界杯大赛的冠军；此外，包括赛富基金投资的瀚天天成、苏州纳维科技，也都是科学家级别的创始人在主导公司的发展。

所以为什么科技创新需要加强资源整合或者说加杠杆？

因为科技企业发展比较慢，需要长期的研发投入，尤其研发制造型企业在早期投入当中，现金流是非常差的，很长一段时间里面，现金流不足以支撑企业的研发投入。第二是由于科技型企业的现金流很差，没有任何收入，所以估值体系目前没有用未来的自由现金流收入折现来进行换算，类似银行之类的资金借贷难以介入。所以科技企业需要适当“加杠杆”。加资金的杠杆、加供应链或者业务资源的杠杆，以便它能够支撑过研发期的现金流瓶颈、同时在技术与产品突破时平稳地度过前期市场导入期，快速的获得第一批客户。

最后简单总结一下今天关于智能制造的我们一些观点：

1.     经济增速减低， 传统制造业产能过剩，存量市场厮杀(内卷)

2.     高端与先进制造领域，人力成本优势弱化

3.     后疫情时代，供应链健壮性与成本弹性将获得制造型企业更多的重视

4.     将更具视野的工程师引入制造一线，释放高质量发展的“二次红利”

5.     快速“AI平民化”与全球最完备的供应链大数据为智能制造提供了广袤的空间

6.     关注新技术的应用与升级，将“效率” 与“成本”的认知拓展至更高的边际

以上就是我的分享，谢谢！