10月19日发生了两件看起来没什么关系的事。北京这一天公布了一份由9个部门联合推出的文件，其中明确提出继续推动“人工智能+制造”，让AI往研发、设计、生产、营销等环节深入。

差不多同一时间，在柏林，英伟达CEO黄仁勋坐到了德国总理默茨旁边，讨论的恰好也是同一道题：AI怎么真正进入工业。更有意思的是，谈着谈着，黄仁勋把中国摆上了桌面。

他的判断很直接。过去那轮电气化浪潮，把德国、美国、日本推到了产业前列；后来计算技术崛起，全球生产体系重新组合。

中国恰好是在工业快速扩张时赶上计算机普及，于是形成了一种很少见的组合：一只手抓庞大的实体制造，一只手抓计算、软件和数字技术，两套体系不是隔开的，而是在不断往一起长。

在完整对谈中，黄仁勋甚至用了“probably the only nation today”这样的表述，认为中国很可能是今天唯一一个同时深扎制造业与计算机科学，并且能在两个领域之间熟练切换的国家。

当着默茨的面说这句话，分量显然比普通采访大得多。因为德国最不缺的就是制造业。

汽车、机械、化工、自动化设备、精密零部件，德国积累了一百多年。默茨自己也清楚，所以他当天反复谈德国的工程基础，还直接向台下中小企业喊话，希望它们愿意把企业内部的数据开放给AI使用。

德国政府随后与英伟达签署合作意向，目的也是把传统制造能力与物理AI接起来。问题就在这里。

德国现在做的事情，中国已经干了很多年，而且规模完全不是一个量级。2025年，中国制造业增加值继续保持世界第一，这个位置已经连续保持16年。

中国制造业增加值占全球比重接近30%，工业体系覆盖41个工业大类、207个中类和666个小类。到了2025年底，全国累计建成3.5万余家基础级智能工厂、8200余家先进级智能工厂、500余家卓越级智能工厂以及15家领航级智能工厂。

如果只看这些数字，很容易把黄仁勋的话理解成“中国工厂多”。其实还差了一层。

真正值钱的不是工厂数量，而是工厂和计算能力之间已经形成了非常密集的接口。一座汽车厂需要机器视觉，一家钢厂需要算法控制炉温，一个物流中心需要智能调度，一条电子产线需要自动检测，机器人企业需要真实车间测试动作和可靠性。

对于AI来说，这些都不是传统意义上的“客户”，而是训练场。2025年，中国人工智能核心产业规模已经超过1.2万亿元，相关企业超过6200家。

人工智能正在进入钢铁、电力、汽车、通信、矿山、物流等大量实体行业。这两组数据放到一起看，就能明白黄仁勋为什么强调“两手抓”。

只有制造业，没有强大的计算能力，工厂容易停留在自动化阶段；只有算法，没有完整产业链，模型再先进，也很难迅速找到数以万计的真实生产任务。中国的特殊之处就在中间这一段。

一个新算法出来，很快就能进入汽车厂、家电厂、港口、矿山和仓库；产品遇到问题，又会把数据送回研发端继续修改。设计、试制、生产、使用再到迭代，距离越来越短。

这个能力，比单独拥有一家明星公司重要得多。AI竞争进入今天这个阶段，已经不能只盯着谁的大模型考试分数更高。

真正决定产业竞争力的，是技术从电脑屏幕走到车间需要几个月，还是几年。中国现在手里最有价值的一张牌，恰恰就是大规模落地能力。

过去一批卓越级智能工厂经过数字化改造后，研发周期平均缩短28.4%，生产效率平均提高22.3%，不良品率平均下降50.2%。这些数字比任何概念都更直观，因为企业最终看的就是三件事：能不能少花钱，能不能快一点，能不能少出废品。

我认为，这才是黄仁勋那句“中国两手抓”真正扎人的地方。如果今天仍然把AI理解成聊天机器人，那就把下一轮工业竞争看窄了。

黄仁勋真正下注的是“物理AI”。也就是让人工智能从生成文字、图片，进一步走到机器人、汽车、机床和自动化设备里。

到了这一步，游戏规则就变了。软件时代，一家公司十几个人就能做出服务全球用户的产品；物理AI不一样。

机器人不能靠下载更新包就完成全部进化，它要面对电机、减速器、传感器、材料、供应链、生产成本，还要经受几千小时、几万小时连续运行。没有工业体系托底，AI很容易飘在空中。

这也解释了一个很有意思的变化：几十年前，制造业经常被部分西方舆论当成可以外包的“低附加值环节”，现在当AI准备进入现实世界，工厂突然又成了最宝贵的战略资源之一。因为数据不是凭空来的。

机器人抓一次零件、机床切一次材料、汽车跑一次复杂路况、生产线发生一次异常，背后都在产生数据。谁拥有更多实际运行设备，谁就拥有更多修正算法的机会。

这不是简单的工厂数量优势，而是学习速度优势。10月21日，黄仁勋在柏林GTC大会又进一步强调，AI经济不能只做消费者，还得有能力生产AI。

他把能源、计算基础设施、模型和应用连成了一条链，意思已经非常明确：AI正在从一种软件产品变成新的工业基础设施。英伟达近期在欧洲承诺投入接近100亿美元，也是在抢这个入口。

再回过头看柏林那场对话，很多东西就更清楚了。德国现在着急的，不是没有工程师，也不是不会造机器。

真正让默茨政府焦虑的是，上一代工业优势能不能及时换成下一代工业优势。当天德国和英伟达的合作，就瞄准机器人、工业AI和自动化工厂。

西门子展示的新方案，已经可以让虚拟生产准备环节的工程工作量大幅下降，并用AI进行生产规划。德国显然已经开始加速。

但产业竞争最怕的就是一个“慢”字。中国的优势不只是先跑了几步，而是拥有一整块适合新技术反复试错的产业土壤。

今年前三季度，中国工业机器人等先进制造领域仍在快速扩张；10月19日出台的新政策又明确把人工智能继续往制造端推。这说明“两手抓”不是一句口号，而是从政策、企业到工厂都在往同一个方向加码。

我更看重的，其实是另一点。中国没有走“先把制造业丢掉，再发展高科技”的路。

过去很长时间，一些国家把产业升级理解成金融、软件和服务业不断扩张，把工厂搬到国外似乎就是进步。短期看，这种模式利润高、资产轻，日子确实舒服。

但到了机器人、智能汽车、无人设备和工业AI时代，问题来了：算法最终得装进机器里，机器最终得造出来。没有材料、零部件、设备和工程体系，数字技术最后还是要去找别人完成落地。

黄仁勋当着默茨的面称中国是那个少见的“两手抓”国家，其实点中了中国过去几十年最重要的一项积累：没有丢掉实体产业，同时又把全球规模最大的数字基础设施之一铺了起来。

截至2026年一季度，中国智能算力规模已经达到每秒1882百亿亿次浮点运算，并建成42个万卡智算集群。另一头，则是超过600万家制造业企业。

算力和工厂同时存在，才有条件让AI迅速进入真实生产。这就是下一轮竞争真正值得关注的地方。

未来拼的恐怕不是“谁有AI”，因为很多国家最后都会有；也不是“谁有制造业”，因为德国、日本依然很强。真正拉开距离的，是谁能让AI与制造业形成高速循环。

算法改一次，工厂马上试；工厂发现问题，研发马上调；供应链跟着换零件，软件继续升级，最后再把成熟方案铺向成千上万家企业。这种循环越快，后来者就越难追。

所以黄仁勋当着默茨的面感慨中国“两手抓”，最值得中国人关注的，不是一句外国企业家的夸奖，而是背后的产业规律。过去我们常说中国制造的优势是规模大、门类全、配套强。

到了AI时代，还要再加上一条：数字技术正在和这些老家底发生化学反应。工厂不是旧经济，算法也不是空中楼阁。

谁能把两者焊在一起，谁就更有机会拿到下一轮工业革命的主动权。德国现在正在补这堂课，欧洲也在加快下注。对中国而言，更没有理由停下来。

制造业这只手不能松，计算与人工智能这只手还要继续加力。两只手真正拧成一股劲，才是黄仁勋在柏林看到的那个中国优势，也是未来最难被别人复制的部分。