在電池和電動汽車等戰略領域的競爭中，像寧德時代和比亞迪這樣的中國製造商遠遠領先於世界其他企業，幾乎難以被挑戰。一個主要原因是，他們利用國內巨大的需求，不僅實現了規模經濟，還學會了如何降低生產流程成本，從而建立起成本優勢。
對於試圖在這個領域競爭的企業——或者在任何產量對促進學習至關重要的其他領域——瞭解這些中國企業是如何取得領先的，不僅有用，而且必要。只有這樣，它們才能開始制定追趕和競爭的策略。
特朗普政府引發的全球貿易戰只會讓情況變得更加複雜。在許多情況下，唯一的前進道路可能是嘗試改變競爭規則——例如，透過進行流程或產品創新。
學習曲線
航空工程師西奧多·P·賴特（Theodore P. Wright）於1936年首次記錄瞭如今被稱為“學習曲線”的現象。他發現，隨著累計產量每翻一番，成本會以可預測的速率下降。工人在實踐中學習，操作愈發熟練；新工具與方法投入使用，生產流程效率提升；企業可能採用更廉價的原材料或元件，規模經濟效應也開始顯現。在第二次世界大戰期間，學習曲線受到了廣泛關注，因為美國政府承包商試圖尋找預測艦船和飛機制造成本的方法。
20世紀60年代，波士頓諮詢集團支援了這一理念，這催生了半導體等技術領域的前瞻性定價概念：在早期將產品價格定在成本以下，以便更快地擴大產量，從而更快地沿著學習曲線降低成本。這一原則在許多行業都得到了體現，從太陽能電池板到化學加工等。傳統上，合同製造商在投標時會將產品價格定在初始生產成本以下，因為他們知道透過學習和材料替代，最終成本會降至初始投標價格以下。
鋰離子電池行業的經驗教訓
鋰離子電池行業的發展具有啟發性。自問世以來，其成本大幅下降。20世紀90年代初，每千瓦時鋰離子電池電芯容量的成本約為7500美元。到2024年，成本降至100美元以下。這種成本下降並非偶然。它得益於材料方面的技術進步，比如從富含鈷的陰極材料轉向更便宜的磷酸鐵鋰化學材料。它也得益於製造創新，如電芯到電池包設計，這種設計減少了不必要的重量和材料。此外，巨大的生產規模帶來的效率提升也功不可沒。一家公司生產的電池越多，生產下一個電池的效率就越高。
最大的問題是成本還能降多少。當前，用於衡量累計產量每翻一番時成本下降幅度的進步比率，預估約為0.80，甚至更低。這意味著產量每累計翻一番，成本就會降低20%。寧德時代掌控著全球38%的電池製造產能，在中國市場這一比例更是高達44% 。單在2025年2月，寧德時代就完成了足以實現每年15吉瓦時電池電芯產量的產能建設。（相較之下，特斯拉的內華達超級工廠每年電池電芯產量約為37吉瓦時。）寧德時代新增產能的邊際成本可能非常低，以至於其他企業趕上它的機會日益渺茫。
中國的電池企業能夠利用學習曲線，因為它們擁有來自全球最大的乘用車市場的需求，中國的電動汽車普及率遠遠領先於美國和歐洲。在中國，近50%的新車銷售是電池驅動的電動汽車，而在美國這一比例僅為9%。中國政府透過對電池生產的供給側補貼和對電動汽車購買者的需求側激勵，在塑造這個行業的過程中發揮了關鍵作用。早期的購買者激勵措施在產品效能還未達到如今水平時就刺激了購買，這些銷售為製造商提供了客戶以及持續改進所需的現金流。再加上國家對電池供應鏈的大力支援與主導推動，這條供應鏈涵蓋從鋰礦開採、精煉直至製造的各個環節。這些政策也助力打造了一個生態系統，讓中國製造商獲得了幾乎難以撼動的領先地位。
激烈的國內競爭在賦予中國電池行業成本優勢方面也發揮了重要作用。50多家中國電池製造商競相以比競爭對手更快的速度和更低的成本實現規模擴張。預計到2025年，中國的電池產能將達到4800吉瓦時，是全球預期需求的四倍。這種產能投資可能看起來有些魯莽，但在短期內，激烈的競爭正在推動成本降低。製造商生產得越多，就越能完善其生產流程，從每一個環節中擠出效率。隨著每個製造商都試圖超越其他製造商，整個行業都沿著學習曲線前進。成本不僅是下降，而是大幅下降。
關稅能起到幫助作用嗎？
特朗普政府發動的貿易戰，可能會對一些依賴規模學習的行業產生重要的戰略影響。理論上，對進口產品徵收關稅——例如對半導體，或者對稀土金屬加工、透過生物製造生產的酶和氨基酸等新興產業——可以讓美國國內企業有機會擴大規模，沿著學習曲線降低成本。
但這隻有在國內製造商落後不太多，且國內消費者願意購買其產品的情況下才有效。我們已經看到，由於國內對其工藝的需求疲軟，美國一些晶圓廠建設有所放緩。而且，如果美國國產半導體受到反制性關稅或面臨出口限制，從而縮小其潛在市場總量，這將顯著影響企業沿著學習曲線前進的速度。
改變競爭規則
對於在依賴學習曲線的行業中嚴重落後的企業來說，直接在成本上競爭似乎已經無望。對它們來說，唯一真正的前進之路是改變競爭規則。有鑑於此，一些電池公司押注於徹底的流程創新，比如使用人工智慧驅動質量控制的全自動工廠，以進一步降低成本。在半導體行業，日本的Rapidus公司正嘗試運用融合先進計量與機器學習的單晶圓流技術，以加快學習程序。這其中的契機在於，藉助資料驅動的洞察來推進流程最佳化，從而無需依賴基於生產規模的學習方式。
其他公司則著眼於全新的電池化學材料。例如，豐田公司正在大力投資固態電池，透過引入一種不同的生產方法，固態電池可能會重置學習曲線，使當今鋰離子電池的規模優勢變得不那麼重要。在化學加工與藥品生產領域，向連續流製造模式的轉變帶來了相似的重新佈局契機。這種製造過程資本密集度較低，因而能夠更便捷地藉助人工智慧來最佳化產量，同時減少不必要的副產品。
在全球市場碎片化的時代，弄清楚如何在依賴規模學習的行業中競爭並非易事。對於落後者來說，指望保護主義政策是危險的：如果這些壁壘消失，它們可能就會倒閉。透過流程創新或技術應用來改變競爭規則，可能是它們唯一的希望。
威利·C·史（Willy C. Shih）、奇戈齊·烏卡奇（Chigozie Ukachi）| 文
威利·C·史是哈佛商學院管理實踐教授。奇戈齊·烏卡奇是一名化學工程師，也是哈佛商學院MBA學生。她曾就職於麥肯錫公司，在那裡為全球公司解決複雜的製造和供應鏈挑戰。
豆包 | 譯 周強 | 編校
推薦閱讀
《哈佛商業評論》中文版 聯絡方式
投稿、廣告、內容和商務合作
↓點選閱讀原文進入哈評中文網，獲取更多精彩內容