文 | 海能老王

一：一個反直覺的觀察

2025年開年，DeepSeek橫空出世，用十分之一的成本做出了比肩OpenAI的模型；宇樹科技的人形機器人登上春晚舞臺，價值幾十萬的機器人跳著整齊的舞蹈。2026年開年，一大批國產機器人登上春晚。ChatGPT的迭代速度讓所有互聯網巨頭徹夜難眠。朋友圈都在討論同一個話題：AI會取代什么？我會不會被淘汰？我異常焦慮，我在努力想象科學儀器行業會被AI和機器人改變成什么樣子？

 

二：科學儀器是科學背面的“隱形賽道”

用液相色譜檢測食品中的農藥殘留，用質譜儀分析血液中的蛋白質成分，用光譜儀測量材料的光學特性——這些背后都是科學儀器在默默工作?？茖W儀器是科學研究的基礎設施，是所有“硬科技”的起點：沒有顯微鏡，就沒有微生物學；沒有質譜儀，就沒有蛋白質組學；沒有氣相色譜，就沒有現代環境監測；沒有液相色譜儀，就沒有藥物分離?？茖W儀器“極度分散、極度專業、賽道極度長坡厚雪”。

全球科學儀器市場被Danaher、Thermo Fisher、Agilent等巨頭牢牢把持，前十家企業占據了超過一半的市場份額。中國科學儀器企業長期處于“追趕者”角色，銷售額與國際巨頭相比，差距在十倍百倍以上是常態。

個人觀點：國產科學儀器2026年迎來一個重要的轉折點。

三：2026年：我稱之為“直線加速賽”

2026年是海能技術成立的第二十年。這一年，我觀察到一個關鍵變化正在發生，我稱之為“直線加速賽”。什么意思？過去的產業競爭，流行“彎道超車”的說法——找一個技術換代的窗口期，實現逆襲。但科學儀器行業沒有那么多彎道，這里的競爭是直線式的，拼的是實力、學習力、毅力、速度。沒有捷徑，唯有日復一日的積累。

為什么2026年是這個賽道加速的起點？第一個變化：信息差正在消弭。過去，一個實驗室采購人員要了解某款儀器的性能，往往需要跑展會、查文獻、問同行，耗時數周甚至數月?，F在，一篇測評、一段視頻、一個直播就能讓產品的優缺點暴露無遺。當信息不再是有護城河的資源，競爭就回歸到了產品和服務的本質。

第二個變化：流量入口重新分配。當抖音、小紅書、B站成為科研人員獲取信息的重要渠道，傳統的“廠家→代理商→銷售”的通路正在被重構。五年前我在公司的銷售會議上就一直強調：海能未來沒有銷售崗，只有技術支持和應用支持。這不是一個激進的口號，而是一個趨勢的判斷。當客戶可以通過內容直接了解產品，當企業可以通過直播展示儀器性能，“傳統型銷售”的壁壘就在坍塌。未來的競爭，是“誰能更好解決客戶問題”的競爭，而不是“誰能搞定更多客戶關系”的競爭。一個有內容能力的國產廠商，可以直接觸達終端用戶。

第三個變化：AI正在重新定義效率和門檻。這里說的不僅是儀器本身的智能化，更是指企業運營的全鏈條。研發效率、生產效率、服務效率——每一個環節都可能被AI重構。誰能更早、更深入地擁抱AI，誰就能在直線加速賽中獲得優勢。AI正在重估一切資產的價值。這里的“資產”不是財務報表上的數字，而是企業多年積累的隱性資產——數據、工藝Know-how、客戶關系、應用經驗。

四：我們有兩個確定的選擇

面對這樣的時代背景，我們公司面臨一個問題：我們應該做什么？我的答案是兩件事，這不是非此即彼的選擇，而是并行不悖的兩個方向。

第一個方向：積極擁抱科技進步，應用AI

這不是追熱點，而是實實在在的效率革命。研發環節：AI可以輔助實驗設計（DOE），減少試錯次數；可以自動生成圖紙，直接導入加工設備；可以優選合格供應商，科學調度研發人員工作任務。生產環節：AI可以優化生產排程、預測設備故障、控制質量波動。服務環節：AI可以提供7×24小時技術支持，解答用戶的常見問題。坦率地說，對于我們以前長期重視數據的積累，AI的應用是“順手完成”的事情——數據已經在那里了，只需要換一個更智能的工具來使用它。

第二個方向：投硬件，強化產品品質

這不是反潮流，而是基于一個樸素的邏輯：無論算法多么先進，模型多么強大，最終都需要硬件作為載體。AI可以寫代碼，但不能替代一根精密的色譜柱；機器人可以跳舞，但分析樣品仍然需要一臺靠譜的色譜儀；大模型可以推理，但實驗驗證依然需要真實的儀器設備。這就是我們科學儀器的“賣鏟人”邏輯——無論你淘什么金，鏟子是剛需。二十年來，太多潮起潮落。熱點會過去，概念會過時，但科學研究永遠需要工具，制造業永遠需要設備。把這兩件事做好，就是科學儀器企業在AI時代的確定性答案。

五：全產業鏈：一個十五年前的選擇

想清楚了“該做什么”，下一個問題是“怎么做”。十五年前我們的選擇：全產業鏈制造模式。后來也有很多同行在跟進全產業鏈的做法。

為什么當時要做這個選擇？科學儀器行業“多品種、小批量”的特點，讓有質量保障的成熟供應鏈公司看不上這種“蚊子腿”訂單，愿意供貨的都是小作坊，質量、貨期、一致性，無法保障。怎么辦？自己干！這不是一個浪漫的決定，而是一個痛苦的決定。建設廠房購買設備，都需要巨額投入，培養技術工人需要漫長周期，建立質量體系需要無數試錯。但十五年過去，我們證明了一件事：全產業鏈模式雖然重，但它構建了我們的護城河。

當所有部件都是自己生產的，交期可以壓縮、質量可以管控、成本可以優化。更重要的是，當你想做任何產品創新時，你不需要等待外部供應商的配合，可以快速迭代。當然，模式也要進化。2026年我們在上海建設新的智能化制造基地，我稱之為“海能智造2.0”。這個新基地除了引入智能化制造、數字化管理，還引入了一個新的概念：核心產業鏈模式。

什么意思？聚焦制約科學儀器性能和質量的產業鏈條。對于那些外采可以控制品質的上游，我們逐步放棄自主制造，注重供應鏈管理和培養；對于那些真正影響產品核心競爭力的環節，我們加大投入、做到極致。做重的東西，但不做無謂的重。這是十五年全產業鏈實踐后的進化。

六：數據：時間釀造的資產

回到AI應用這個話題。我問自己：AI到底能給科學儀器行業帶來什么改變？我的回答是：這取決于你改變自己的決心，和你擁有什么樣的積累。

海能從十五年前就引入了信息化管理體系。研發數據、生產過程數據、銷售數據、應用數據、技術支持數據，多年來持續沉淀。這些數據不是“存著好看”的，而是真正在產生價值：研發環節：用AI輔助實驗設計，減少試錯次數；生產環節：用AI優化排程、預測故障；應用環節：用AI分析數據、優化方案。

坦率地說，多年來長期重視數據積累，今天擁有了回報，AI的應用是“順手完成”的事情——數據已經在那里了，只需要換一個更智能的工具來使用它。AI時代，時間釀造的資產同樣有價值。

七：軟件：被低估的戰場

還有一個被忽視的角度：國產科學儀器的軟件差距，正在被AI快速抹平。長期以來，國產儀器與國際巨頭的差距，軟件是重要的一環。無論核心算法，還是功能的差距，更是使用體驗的差距——操作界面不夠友好、數據處理不夠智能、報告格式不夠靈活。但AI正在改變這一切：大模型的編程能力，可以快速提升國產儀器軟件的功能豐富度；AI的自然語言交互，可以讓非專業用戶也能輕松上手；智能化的數據處理，可以自動識別異常值、推薦分析方法、一鍵生成可視化報告。這不是遙遠的故事，而是正在發生的變化。當軟件不再是短板，國產科學儀器的競爭力將迎來質的飛躍。

八：未來的競爭，是耐心的競爭

站在2026年的起點回望過去二十年，我最深的感受是：科學儀器行業沒有那么多彎道超車，有的只是日復一日的積累和選擇。2010年，我們選擇了全產業鏈，被人說“太重、太慢”。2026年，我們選擇繼續重倉“基建”（智造基地、數據機房）。

我只想說：在不確定性時代，確定性才是真正的稀缺資源。科學儀器是高端制造業，讓制造業回歸制造本質。這是我在這個行業中二十年最深刻的體會。熱點會過去，概念會迭代，但科學研究永遠不會停止，對精密儀器的需求永遠不會消失。那些選擇在浪潮中堅守“制造”本質、在喧囂中持續積累、在變化中擁抱科技趨勢的企業，終將在“直線加速賽”中脫穎而出。

二十年后回望：

2026年或許是中國科學儀器行業真正站上賽道的起點。這是一個需要耐心的事業，也是一個值得押注的賽道。

讓我們一起，見證下一個二十年。

國產科學儀器的未來，值得期待。

免責聲明：本站轉載自媒體的資訊，版權歸原作者所有，如有侵權，請聯系我們刪除。我們對文中觀點持中立態度，僅供參考、交流。若轉載或下載使用，必須保留本網注明的"稿件來源"。