在电池和电动汽车等战略领域的竞争中，像宁德时代和比亚迪这样的中国制造商远远领先于世界其他企业，几乎难以被挑战。一个主要原因是，他们利用国内巨大的需求，不仅实现了规模经济，还学会了如何降低生产流程成本，从而建立起成本优势。
对于试图在这个领域竞争的企业——或者在任何产量对促进学习至关重要的其他领域——了解这些中国企业是如何取得领先的，不仅有用，而且必要。只有这样，它们才能开始制定追赶和竞争的策略。
特朗普政府引发的全球贸易战只会让情况变得更加复杂。在许多情况下，唯一的前进道路可能是尝试改变竞争规则——例如，通过进行流程或产品创新。
学习曲线
航空工程师西奥多·P·赖特（Theodore P. Wright）于1936年首次记录了如今被称为“学习曲线”的现象。他发现，随着累计产量每翻一番，成本会以可预测的速率下降。工人在实践中学习，操作愈发熟练；新工具与方法投入使用，生产流程效率提升；企业可能采用更廉价的原材料或组件，规模经济效应也开始显现。在第二次世界大战期间，学习曲线受到了广泛关注，因为美国政府承包商试图寻找预测舰船和飞机制造成本的方法。
20世纪60年代，波士顿咨询集团支持了这一理念，这催生了半导体等技术领域的前瞻性定价概念：在早期将产品价格定在成本以下，以便更快地扩大产量，从而更快地沿着学习曲线降低成本。这一原则在许多行业都得到了体现，从太阳能电池板到化学加工等。传统上，合同制造商在投标时会将产品价格定在初始生产成本以下，因为他们知道通过学习和材料替代，最终成本会降至初始投标价格以下。
锂离子电池行业的经验教训
锂离子电池行业的发展具有启发性。自问世以来，其成本大幅下降。20世纪90年代初，每千瓦时锂离子电池电芯容量的成本约为7500美元。到2024年，成本降至100美元以下。这种成本下降并非偶然。它得益于材料方面的技术进步，比如从富含钴的阴极材料转向更便宜的磷酸铁锂化学材料。它也得益于制造创新，如电芯到电池包设计，这种设计减少了不必要的重量和材料。此外，巨大的生产规模带来的效率提升也功不可没。一家公司生产的电池越多，生产下一个电池的效率就越高。
最大的问题是成本还能降多少。当前，用于衡量累计产量每翻一番时成本下降幅度的进步比率，预估约为0.80，甚至更低。这意味着产量每累计翻一番，成本就会降低20%。宁德时代掌控着全球38%的电池制造产能，在中国市场这一比例更是高达44% 。单在2025年2月，宁德时代就完成了足以实现每年15吉瓦时电池电芯产量的产能建设。（相较之下，特斯拉的内华达超级工厂每年电池电芯产量约为37吉瓦时。）宁德时代新增产能的边际成本可能非常低，以至于其他企业赶上它的机会日益渺茫。
中国的电池企业能够利用学习曲线，因为它们拥有来自全球最大的乘用车市场的需求，中国的电动汽车普及率远远领先于美国和欧洲。在中国，近50%的新车销售是电池驱动的电动汽车，而在美国这一比例仅为9%。中国政府通过对电池生产的供给侧补贴和对电动汽车购买者的需求侧激励，在塑造这个行业的过程中发挥了关键作用。早期的购买者激励措施在产品性能还未达到如今水平时就刺激了购买，这些销售为制造商提供了客户以及持续改进所需的现金流。再加上国家对电池供应链的大力支持与主导推动，这条供应链涵盖从锂矿开采、精炼直至制造的各个环节。这些政策也助力打造了一个生态系统，让中国制造商获得了几乎难以撼动的领先地位。
激烈的国内竞争在赋予中国电池行业成本优势方面也发挥了重要作用。50多家中国电池制造商竞相以比竞争对手更快的速度和更低的成本实现规模扩张。预计到2025年，中国的电池产能将达到4800吉瓦时，是全球预期需求的四倍。这种产能投资可能看起来有些鲁莽，但在短期内，激烈的竞争正在推动成本降低。制造商生产得越多，就越能完善其生产流程，从每一个环节中挤出效率。随着每个制造商都试图超越其他制造商，整个行业都沿着学习曲线前进。成本不仅是下降，而是大幅下降。
关税能起到帮助作用吗？
特朗普政府发动的贸易战，可能会对一些依赖规模学习的行业产生重要的战略影响。理论上，对进口产品征收关税——例如对半导体，或者对稀土金属加工、通过生物制造生产的酶和氨基酸等新兴产业——可以让美国国内企业有机会扩大规模，沿着学习曲线降低成本。
但这只有在国内制造商落后不太多，且国内消费者愿意购买其产品的情况下才有效。我们已经看到，由于国内对其工艺的需求疲软，美国一些晶圆厂建设有所放缓。而且，如果美国国产半导体受到反制性关税或面临出口限制，从而缩小其潜在市场总量，这将显著影响企业沿着学习曲线前进的速度。
改变竞争规则
对于在依赖学习曲线的行业中严重落后的企业来说，直接在成本上竞争似乎已经无望。对它们来说，唯一真正的前进之路是改变竞争规则。有鉴于此，一些电池公司押注于彻底的流程创新，比如使用人工智能驱动质量控制的全自动工厂，以进一步降低成本。在半导体行业，日本的Rapidus公司正尝试运用融合先进计量与机器学习的单晶圆流技术，以加快学习进程。这其中的契机在于，借助数据驱动的洞察来推进流程优化，从而无需依赖基于生产规模的学习方式。
其他公司则着眼于全新的电池化学材料。例如，丰田公司正在大力投资固态电池，通过引入一种不同的生产方法，固态电池可能会重置学习曲线，使当今锂离子电池的规模优势变得不那么重要。在化学加工与药品生产领域，向连续流制造模式的转变带来了相似的重新布局契机。这种制造过程资本密集度较低，因而能够更便捷地借助人工智能来优化产量，同时减少不必要的副产品。
在全球市场碎片化的时代，弄清楚如何在依赖规模学习的行业中竞争并非易事。对于落后者来说，指望保护主义政策是危险的：如果这些壁垒消失，它们可能就会倒闭。通过流程创新或技术应用来改变竞争规则，可能是它们唯一的希望。
本文来自微信公众号 “哈佛商业评论”（ID：hbrchinese）
作者：HBR-China
该文观点仅代表作者本人
