AI时代，九家“旧经济”巨头的逆袭法则复旦《管理视野》·2026年05月13日 09:44AI时代，穿越技术周期的五组密码。 Fast Reading 2026年的全球资本市场，正在重估一批平均年龄超过90岁的“旧经济”巨头：康宁、TOTO、富士胶片、信越化学、京瓷、村田、施耐德电气、飞利浦、3M。它们在AI产业链重构中跃升为不可替代的“基础设施供应商”，被市场贴上“AI卖铲人”的新标签。 九家企业的崛起绝非风口偶然，而是数十年潜心内功之后的必然。其逻辑可凝练为三条管理学主线：材料之根（耐心资本与“种子库”哲学）、工艺之魂（核心工艺的可迁移性）、系统之变（动态能力与投资组合管理）。 穿越技术周期的五组密码：技术的“层累式”演进而非线性替代；“失败资产”的实物期权价值；供应链的“产能前置”协同；核心能力的跨界迁移；AI作为“能力放大器”而非“业务替代者”。对中国制造业而言，挑战已不再是“有没有”，而是“精不精”与“深不深”。 2026年的全球资本市场，正在上演一场令人惊讶的价值重估。 ■英伟达拿出32亿美元认股权证，押注一家175岁的老牌玻璃制造商——康宁。消息一出，康宁股价单日暴涨18%，一年内累计涨幅超过300%。 ■日本卫浴巨头TOTO，因半导体静电吸盘订单激增，股价创下五年新高。它的陶瓷业务利润率逼近40%，竟远远超过了卖马桶的主业。 ■而曾被视为“胶片时代遗民”的富士胶片，凭借AI医疗影像系统REiLI，已经在诊断领域与西门子、GE三分天下。 故事还没讲完。 ■信越化学，这家从化肥起家的百年化工企业，掌控着全球AI芯片最上游的300mm硅片供应链。2025年，它宣布5000亿日元的巨额回购，底气来自AI数据中心对12英寸硅片的需求井喷。 ■京瓷把陶瓷刀具的层压共烧工艺，搬到了AI芯片封装基板上，解决了2.5D封装中令整个行业头疼的翘曲难题。 ■村田制作所的微型多层陶瓷电容器（MLCC），因AI服务器需求暴涨，逆势提价15%到35%。 ■施耐德电气和英伟达联合设计132kW超高功率AI机架，把数据中心的改造周期从24个月压缩到7个月。 ■飞利浦在分拆出ASML和恩智浦（NXP）两大半导体巨头之后，靠医疗科技完成了一次涅槃。 ■3M的氟化液和热界面材料，正成为解决千瓦级AI芯片散热瓶颈的关键。 这九家老牌制造业企业，横跨玻璃、化工、陶瓷、电子元件、电气设备、医疗影像与材料科学，平均年龄超过90岁。它们不是诞生于数字时代的“原生”科技公司，却在AI引发的全球产业链重构中，集体跃升为不可替代的“基础设施供应商”。资本市场也给它们贴上了一个新标签——“AI卖铲人”（AI Shovel Sellers）。 但这个标签只描述了结果，遮蔽了过程。 这些企业的崛起绝非风口上的偶然，而是数十年潜心内功之后的必然。那么，问题来了：顺应技术浪潮，这些公司重新崛起的管理学密码究竟是什么？它们对中国制造业又意味着什么？ 01 材料之根：康宁、信越化学与3M 如果说AI算力是一座摩天大楼，那么材料科学就是地基中的钢筋。 康宁、信越化学和3M的故事，共同指向一个被长期忽视的管理学命题：在“原子级”层面的工艺积累，终将转化为“系统级”的定价权。 康宁175年的历史，是一部“为天才兜底”的材料编年史。 1879年，爱迪生（Thomas Edison）点亮碳丝灯泡之后，因无法量产既坚固又可抽真空的玻璃泡而陷入困境。康宁接下了这个难题。 1970年，“光纤之父”高锟需要一种比空气更纯净、能让光跑过百公里几乎不损耗的玻璃介质。全球工厂皆视为天方夜谭，唯有康宁在实验室里拉出了第一根低损耗光纤。 2007年，乔布斯（Steve Jobs）为初代iPhone寻找“摔不碎、薄如纸”的触屏玻璃。康宁从四十年前的“种子库”中唤醒了离子交换技术，六个月就交付了大猩猩玻璃（Gorilla Glass），开启了智能手机时代。 所谓“种子库”，是康宁管理学中最值得深究的概念。 公司把历史上所有未商业化的技术配方与工艺参数系统归档，而不是因短期财务压力把它们费用化、彻底遗忘。在会计学上，这些“失败项目”早已沉入损益表，不体现在资产负债表上，却构成了企业最宝贵的隐性资产。 当新技术周期转折之时，这些沉睡的能力被重新激活，商业化速度远远快于从零开始的研发。这正是“耐心资本”（Patient Capital）的极致体现。 康宁每年测试上万种玻璃配方，积累超过12万种独特配方和1.2万余件专利。2001年互联网泡沫破裂时，全力押注光通信的康宁市值跌去九成。但正是凭借材料技术的深度与广度，公司通过大猩猩玻璃和Clear Curve抗弯曲光纤两大产品，同时抓住了消费电子与光通信的复苏机遇，完成了一次教科书式的华丽转身。 与康宁的“玻璃哲学”遥相呼应的，是信越化学的“硅片霸权”。 成立于1926年的信越化学，最初以化肥和基础化工起家，如今已经是全球最大的半导体硅片生产商。在AI芯片向3纳米及以下节点演进的当下，300mm（12英寸）硅片的需求呈指数级增长。信越化学与胜高（SUMCO）共同主导着这条关键供应链。 2025财年第二季度，信越化学电子材料营业利润同比增长11.8%，结束了此前连续六个季度的下滑。核心驱动力，正是AI拉动的12英寸硅片出货量回升。在全球AI/HPC半导体硅片市场，300mm硅片已经占据94.64%的份额。 信越化学在2025年4月宣布5000亿日元巨额股票回购，占流通股10.2%。这背后是管理层对AI驱动长期需求的绝对信心。 如果说康宁和信越化学解决的是“信号如何传输”与“芯片如何生长”的问题，那么3M瞄准的是AI算力最隐秘的瓶颈——热。 随着英伟达B200等芯片功耗突破千瓦级，传统风冷彻底失效。数据中心正从“耗电”转向“耗热”。 3M在氟化液、聚合物和热界面材料（TIM）领域拥有百年积淀。2026年2月推出的新一代高功率半导体热界面材料，正成为液冷方案的核心组件。 3M著名的“15%自由时间”研发传统，让它积累了大量看似无用的材料配方。当AI数据中心的热管理需求爆发时，这些配方被迅速产品化——这正是“创新冗余”与“耐心资本”的又一例证。 管理启示录： 这三家企业的共同启示在于，材料科学的竞争本质上是“时间尺度”的竞争。 新进入者可以购买设备、复制配方，但无法缩短工艺参数优化的时间周期。康宁的“种子库”本质上是一种实物期权（Real Options）——对边缘业务的适度投资，相当于购买了一份未来扩张的看涨期权，潜在收益远大于当期投入成本。 中国制造业在规模与成本上已经建立全球优势，但在“原子级”工艺控制与“配方级”知识管理上，与这些百年企业仍然存在代际差距。当AI算力把材料性能推向物理极限，这种差距将直接转化为供应链话语权的缺失。 02 工艺之魂：TOTO、京瓷与村田 如果材料是地基，那么精密工艺就是钢筋的捆扎方式。 TOTO、京瓷和村田的故事，揭示了制造业一个被长期低估的真理：核心工艺的可迁移性，远比产品线的延展性更具战略价值。 TOTO的转型，是一场长达四十年的“技术迁徙”。 1976年，第一次石油危机的余波推动精密陶瓷成为亟待攻克的技术问题。这家以卫浴陶瓷闻名的企业，开始把业务拓展至先进陶瓷领域。 1982年，TOTO正式研发静电吸盘（ESC）——一种在半导体制造中用于固定晶圆的陶瓷部件。1988年率先实现量产。但由于制造流程复杂、工艺窗口狭窄且高度依赖人工，这块业务几乎年年赔钱，一度被视为“边缘化项目”。 转折发生在2018年。 TOTO启动结构性改革，把研发基地从量产工厂中拆分出来单独运营，并于2020年建成新工厂，大规模引入自动化生产设备和基于AI的外观缺陷检测系统。 更深层的管理逻辑在于：TOTO在卫浴陶瓷生产中积累的高精度表面检测技术——原本用于识别瓷器表面微小缺陷以防止污垢附着——被迁移到了半导体陶瓷的质量控制中。 良品率与生产弹性同步提升，带来了惊人的财务回报。2022财年陶瓷部门营业利润率高达39%。2025财年该部门销售额增长34%，达到674亿日元，占公司总利润的53%以上。 TOTO在新工厂设计时就考虑了产能的柔性调节：需求高涨时延长设备运行，周期低迷时拉长停机时间，而不需要裁员。这种“逆周期产能管理”策略，让它能够在行业低谷期维持技术团队与工艺稳定性，在复苏期迅速抢占市场份额。 京瓷的故事，则是“核心工艺跨界迁移”的教科书。 由稻盛和夫于1959年创立的京瓷，以精密陶瓷刀具闻名。 2026年4月，京瓷宣布商业化一款多层陶瓷核心基板（Multilayer Ceramic Core Substrate），专门针对AI数据中心的高性能xPU与交换机ASIC。 随着2.5D封装尺寸增大，传统有机基板因热膨胀导致严重翘曲（Warpage）。而京瓷的陶瓷基板凭借更高的刚性，可以把翘曲控制在极低水平，同时支持75微米微孔与200微米间距的高密度三维布线。 这一突破的本质，是把陶瓷刀具的材料刚性、层压精度与高温共烧经验，迁移到AI芯片封装基板，实现了从“工业陶瓷”到“半导体基础设施”的价值飞跃。 村田制作所，代表了“隐形冠军”在AI时代的定价权觉醒。 作为全球最大MLCC制造商，村田在陶瓷介电材料、薄层化共烧工艺与超小型化方面，建立了全球最强的产能与良率体系。 一台AI服务器需要1.5万至2.5万颗MLCC，是传统服务器的数倍。 2026年1月，村田宣布扩产高容量MLCC生产线，以支持AI数据中心硬件需求。2026年3月，村田正式宣布对高阶MLCC产品涨价15%-35%，创下三年来最大涨幅。 村田社长中岛规巨把AI服务器MLCC需求的年均复合增长率（CAGR）上调至30%，并指出公司正从“被动跟随”转向“主动定义”AI硬件的电力输送标准。 管理启示录： 这三家企业的案例，深刻印证了普拉哈拉德（C.K. Prahalad）与哈默尔（Gary Hamel）提出的“核心竞争力”（Core Competence）理论：真正的核心能力并非附着于某一具体产品，而是深藏于组织内部的工艺知识与学习机制之中。 TOTO的陶瓷烧结技术、京瓷的层压共烧工艺、村田的薄层化陶瓷配方，本质上都是“手艺”的数字化封装——通过AI视觉检测、自动化产线与机器学习，把老师傅的“手感”转化为可量化、可复制的算法模型。 这种从“工匠式生产”到“智能式生产”的跨越，正是精益制造（Lean Manufacturing）在AI时代的进化形态。 对中国制造业而言，这意味着：我们需要的不是更多“机器换人”的表面文章，而是对工艺know-how的数字化沉淀。中国拥有全球最完整的工业门类，但许多关键工艺仍然依赖个体工匠的经验，尚未转化为组织层面的“结构化知识”。 03 系统之变：富士胶片、飞利浦与施耐德 如果说材料与工艺是点，那么系统集成就是面。 富士胶片、飞利浦与施耐德的转型，揭示了技术周期穿越中最艰难也是最高阶的命题：当主营业务遭遇毁灭性替代时，企业如何通过动态能力重构，完成从“终端产品商”到“系统解决方案商”的转变。 富士胶片的转型，是一场“在毁灭中重建”的企业再造。 成立于1934年的富士胶片，曾是仅次于柯达的世界第二大彩色胶卷生产商。 面对数码技术的冲击，公司管理层做出了一个关键判断：胶片业务的真正核心能力并非“制造胶片”，而是“精密化学涂层技术”、“纳米级颗粒分散技术”与“光学成像技术”。这些能力在医疗影像、半导体材料等领域具有高度的可迁移性。 基于这一判断，富士胶片展开了一系列进攻性并购： 2012年收购美国索诺声（SonoSite），获得便携式超声诊断系统；2019年收购德国Medwork，获得内窥镜业务；2021年以1790亿日元并购日立公司旗下的医疗设备部门，业务扩展至CT、MRI、X线摄影等领域。 在管理架构上，富士胶片于2021年完成医疗事业部（Healthcare Division）重组，推出VISION2023中期经营计划，三年内投资1.2万亿日元，聚焦医疗与高功能材料。 更具战略前瞻性的是它对AI技术的布局。 早在20世纪90年代，富士胶片就开发了医学影像归档和通信系统（PACS），积累了超过70种医学成像识别技术与海量医学图像数据。当AI浪潮来临时，这些数据资产成为了不可复制的竞争壁垒。它的REiLI人工智能诊断平台与手术导航系统，正在逐步重塑全球医疗诊断与微创手术的工作流。 飞利浦的路径则更为激进。 这家1891年以电灯泡起家的荷兰巨头，曾经发明了卡式磁带、CD、DVD。它位于埃因霍温的实验室曾吸引爱因斯坦（Albert Einstein）、玻尔（Niels Bohr）等科学巨匠到访。 面对21世纪初亚洲电子企业的冲击，飞利浦做出了堪称史上最成功的战略分拆——先后剥离半导体部门（独立为恩智浦NXP）与半导体设备部门（独立为ASML），把所得资金全力投入医疗健康领域。 如今，ASML已经成为全球光刻机霸主，恩智浦是汽车半导体巨头，而飞利浦自身则通过收购与整合，转型为专注健康科技（HealthTech）的解决方案提供商。 这种“以退为进”的投资组合管理（Portfolio Management），体现了传统企业穿越技术周期的关键决断力：敢于在巅峰期把最具价值的资产分拆上市，以换取战略聚焦的弹药。 施耐德电气的转型，则展示了“工业老炮”如何卡位AI能源基础设施。 这家前身可以追溯至19世纪钢铁与重工业的企业，如今正在与英伟达联合开发Vera Rubin NVL72机架参考设计，并推出基于Omniverse的数字孪生技术与800VDC高压直流配电系统。 AI机架功率密度已经从传统的5-10kW跃升至132kW以上。传统数据中心在电力与冷却上完全无法承载。 施耐德提出了“旧改优于新建”（Brownfield over Greenfield）的战略判断——通过改造既有数据中心而不是从零建设，可以把部署周期从18-24个月压缩到7-10个月。 这种把存量资产与新技术嫁接的能力，体现了老牌工业企业在工程实施与系统集成上的独特优势。 管理启示录： 从蒂斯（David Teece）等人的“动态能力”（Dynamic Capabilities）框架审视，这三家企业完美演绎了“感知—捕获—转型”（Sensing-Seizing-Transforming）的三部曲： ·富士胶片与飞利浦“感知”到胶片/消费电子市场的不可逆衰退，与医疗/能源的数字化机遇； ·通过一系列精准并购“捕获”市场准入权与技术能力； ·最后通过组织重组、品牌整合与AI赋能，完成业务模式的“转型”。 施耐德则展示了“存量创新”（Brownfield Innovation）的价值——在AI基建狂飙的时代，改造旧系统的工程能力，往往比搭建新系统的技术能力更为稀缺。 对中国制造业的启示在于：我们往往习惯于在“新建产能”中寻求增长，却普遍缺乏对“存量资产”进行技术重构的管理能力。 施耐德的存量策略、飞利浦的分拆聚焦、富士胶片的并购整合，共同指向一个高阶管理能力——投资组合管理。制造业企业往往把多元化视为风险分散的手段，却很少把它作为战略转型的工具。 当技术周期的切换速度加快，能否像飞利浦那样“壮士断腕”，或者像富士胶片那样“毁灭性再造”，将决定企业是成为周期的牺牲品，还是周期的受益者。 04 穿越周期的共同密码 九家企业，九种路径，却在管理学底层呈现出惊人的同构性。 我们可以从中提炼出五组穿越技术周期的核心密码。 第一，技术周期的“非线性”认知。 传统管理理论往往把技术演进视为线性替代关系——新技术的出现意味着旧技术的消亡。 但九家企业都证明，技术周期更多呈现“层累式”特征：每一代技术并不是完全颠覆前代，而是在既有能力基础上叠加新的应用维度。 康宁的玻璃科学，从灯泡到光纤再到AI光互联，是同一技术谱系在不同基础设施需求下的迭代；TOTO的陶瓷工艺，从卫浴到半导体，是材料科学在精度维度上的延伸；富士胶片的涂层技术，从胶片到医疗影像，是化学工程在生物兼容性方向上的迁移。 这种“层累式创新”，要求企业建立“技术族谱”意识，即不把任何技术路线视为孤立产品，而是视为能力树上的一个节点。 第二，“失败资产”的战略价值与实物期权逻辑。 康宁的“种子库”哲学最具代表性。 公司把未商业化的技术配方系统归档。在会计学上，这些资产或许已经被费用化，却构成了最宝贵的“隐性期权”。 当技术周期转折之时，这些沉睡的能力被重新激活，商业化速度远远快于从零开始的研发。 TOTO的静电吸盘虽然曾经长期亏损，但公司始终维持该业务的技术团队与工艺know-how，最终在AI算力需求爆发时实现盈利反转。 这印证了实物期权理论的核心洞见：对边缘业务的适度投资，相当于购买了一份未来扩张的看涨期权，潜在收益远大于当期投入成本。 第三，供应链的“深度绑定”与“产能前置”。 英伟达对康宁的32亿美元投资、Meta此前与康宁达成的60亿美元多年期协议，以及英伟达对Coherent、Lumentum等光通信供应商的40亿美元投资，标志着AI基础设施供应链正在从“现货采购”转向“战略共建”。 这种“产能前置”模式，要求制造企业不仅具备生产能力，还需要具备与客户联合定义技术规格、反向优化产品参数的协同研发能力。 康宁CEO韦克斯（Wendell Weeks）所说的“AI是一个制造业故事”，正是对这一趋势的点题。 第四，核心能力的可迁移性与“能力杠杆”。 TOTO把卫浴陶瓷的精密成型与表面光洁度控制技术，迁移至半导体陶瓷；京瓷把陶瓷刀具的层压共烧工艺，迁移至芯片封装基板；3M把工业胶粘剂技术，迁移至热界面材料。 这些迁移并不是简单的“跨界”，而是对核心工艺在不同场景下的“复用”。 这要求企业在组织层面建立“能力中台”——把工艺知识从具体产品中解耦出来，形成可跨领域调用的模块化能力。 第五，AI作为“能力放大器”而不是“业务替代者”。 九家企业对AI的应用，都不是简单的“AI+”概念炒作，而是把AI嵌入既有工艺流程中，作为核心能力的放大器。 TOTO用AI视觉检测提升陶瓷良品率；富士胶片用AI图像识别增强诊断精度；村田用AI优化MLCC的层压工艺；康宁用AI优化光纤预制棒的折射率分布设计。 AI并没有替代这些企业的工程师与工匠，而是把它们数十年积累的经验模型化、规模化。 这种“人机协同”的渐进式智能化，远比“机器换人”的激进式自动化更具可持续性。 九家企业的集体叙事，对当下的中国制造业具有强烈的镜鉴意义。 中国制造业在过去四十年中建立了全球最全的产业链门类与最大的产能规模，但在“耐心资本”的积累、“失败技术”的储备以及核心工艺的跨界迁移能力上，仍然与这些百年企业存在差距。 当AI引发的全球产业链重构加速推进，中国制造面临的挑战不再是“有没有”，而是“精不精”与“深不深”。 这些“旧经济”的隐形巨头，正在以全新的方式定义AI经济的底层规则。 它们的故事共同指向一个朴素的真理：企业对技术周期的穿越，并不依赖于对风口的追逐，而是源于多年潜心修炼的内功。 05 旧巨头的复兴密码 这些旧巨头能够成功，还有以下几个深层原因。 从封闭内耗走向开放连接式创造。 传统巨头长期处于封闭运行状态，组织层级冗长、流程繁复、内部博弈严重。创新视野局限在组织内部，创造力常常被内部评价、KPI约束与层级管控层层抑制，陷入典型的“意义坍塌”困境。 AI产业链的出现打破了这种封闭格局，把企业瞬间置于开放、多元、跨界的生态网络之中。上游技术、中游算法、下游应用、数据资源、资本力量与产业政策高度互联，形成天然的创造性合成场域（哈维 Harvey， 2014）。 企业不再依赖内部单点构思，而是在外部连接、跨界撞击与新问题倒逼下，不断生成新组合、新解法与新业务形态。创造力不再源于个体或组织内部，而是来自开放连接所激发的合成式创新。 从风险规避走向生态倒逼式创新。 传统大型组织天然具有风险厌恶倾向，偏好稳定、可预测与可控的发展路径，对新奇想法与不确定性普遍持排斥态度，导致新奇创意早期夭折、创新动力不足。 而AI产业链具有迭代极速、竞争激烈、高度不确定的生态特征。不创新即面临淘汰出局的生存压力。外部市场持续抛出新需求、新标准与新挑战，迫使企业打破原有稳定共识，容忍分歧、接纳新奇、拥抱不确定性，形成“发散式共识”（diverging consensus）（哈维与穆勒 Harvey & Mueller, 2021）。 创造力和成长不再是主动选择，而是生态压力下的必然反应。外部倒逼替代了内部审批，创新活力被系统性释放。 从资源沉睡走向资源唤醒式创新。 传统巨头沉淀着行业数据、成熟渠道、完整供应链、制造能力、客户资源、品牌影响与政策关系等核心资产。这些资源本来是创新的重要基础，却因为僵化流程、过度管控与意义坍塌，长期处于沉睡状态，难以转化为创新动能（哈维与贝里 Harvey & Berry, 2022)。 AI产业链的到来彻底改变了资源价值逻辑。这些存量资源成为AI应用不可或缺的关键“燃料”——数据、场景、制造能力、客户网络被重新定义、重新组合、深度激活，从静态资产转变为动态创新要素。 创造力和成长不再源于从零开始的技术发明，而是源于沉睡资源的重新唤醒与价值重构。 从意义坍塌走向价值重建。 在传统管控模式下，员工长期处于重复性、机械性任务中。高强度约束与低自主性导致工作价值感流失、内在动机弱化，形成系统性意义坍塌，创造力随之枯竭。 进入AI产业链之后，工作性质发生根本转变。重复性任务被技术承接，员工角色从机械执行层转向价值创造层，工作内容聚焦于服务、适配、连接AI生态。工作价值感被重新赋予，职业意义得以重建，内在动机复苏，创造力随之自然激活。 AI产业链本质上修复了传统组织长期累积的意义坍塌困境。 从单点创新走向生态位创新。 传统巨头的创新多局限于产品或技术层面，陷入单点竞争与同质化内卷，创新视野狭窄、格局受限。 AI产业链重构了产业价值逻辑。创新不再局限于单点突破，而是表现为生态位的选择、节点的连接、结构的重构。企业无需研发AI技术本身，而是凭借自身优势占据关键生态位，通过资源整合、关系重构、跨界适配形成系统性创新能力。 创造力的核心不再是技术发明，而是生态重组、价值整合与结构适配能力。巨头的创造力爆发，本质上是生态位重构能力的集中体现。 06 为什么是当下？ 明星企业与老牌巨头持续涌现、强者恒强，并非偶然。这背后是由技术异质性、金融创新、存量内生增长、无形资产价值重估四大核心机制共同驱动的系统性结果。 这些机制相互耦合、层层强化，让传统巨头突破了生命周期瓶颈，持续领跑、形成难以替代的竞争优势。 第一，技术禀赋的异质性，是顶尖企业与普通企业最根本的差异。 西班牙58万家企业的长期数据显示（贡廷与柯亨 Guntin & Kochen， 2005），顶尖企业依靠高固定成本、资本密集型的非齐次技术包，形成初始规模8倍、增速快6.3倍的先发优势。 这类技术虽然前期投入巨大，但具有极强的规模杠杆效应，随着扩张持续摊薄固定成本，形成“越扩越高效、越扩利润越高”的正向循环，打破了传统规模经济逻辑，为老牌企业提供了长期增长的技术底座。 第二，前瞻性融资工具，是老牌巨头实现快速扩张的关键支撑。 技术优势需要金融力量匹配。研究表明，顶尖企业依靠价值导向债务、早期股权注入等前瞻融资，缓解了高初始投资约束，突破了资本壁垒。 金融创新对融资总效益的贡献高达65%，让老牌企业在不依赖短期利润的情况下实现规模跃迁，形成“先扩张、后盈利”的增长路径，支撑它们完成从初创到行业主导的跨越。 第三，存量内生创新，而非颠覆式替代，是巨头持续领跑的核心动力。 美国企业数据进一步揭示：老牌企业扩张73%源于自身持续创新，远超新企业的替代贡献。1980年后自主创新率激增、创造性破坏减弱，形成典型马太效应（刘 Liu， 2022）。 成熟企业凭借经验、资源、组织能力持续迭代，叠加企业结构老龄化、新创企业萎缩的趋势，老牌巨头的市场份额不断巩固，强者恒强的格局被持续强化。 第四，传统会计低估了研发、技术、品牌、组织能力等无形资产价值。 阿亚加里（Ayyagari）等人2024年的研究修正后发现，制造业明星企业占比显著提升，专利价值、资本效率、研发强度大幅领先。 老牌巨头长期积累的无形资本，成为核心护城河。它们的成长路径呈现“先规模、后利润”的特征，在数字时代进一步演化为生态垄断能力，最终构筑起难以被颠覆的竞争壁垒。 技术杠杆、金融赋能、存量创新、无形资本——这四大机制相互嵌套、循环强化，共同解释了为什么明星企业与老牌巨头能够突破“大企业病”，持续翻新、长期领跑。 传统优势不是包袱，而是创新的基础；存量资源不是负担，而是未来的燃料。最终形成“旧根基、新爆发”的系统性增长逻辑。 参考文献 [1] Corning Incorporated. NVIDIA and Corning announce strategic collaboration to accelerate AI infrastructure[EB/OL]. (2026-05-05)[2026-05-12]. https://www.corning.com/news [2] Corning Incorporated. Form 8-K filed with U.S. Securities and Exchange Commission[EB/OL]. (2026-05-06)[2026-05-12]. https://www.sec.gov [3] MarketWatch. How this Japanese toilet maker became an unlikely AI winner[EB/OL]. (2026-05-02)[2026-05-12]. https://www.marketwatch.com [4] Financial Times. From toilet maker to semiconductor supplier: TOTO's unlikely AI pivot[N]. (2026-05-02)[2026-05-12]. https://www.ft.com [5] Nikkei Asia. Japan's Kao, Ajinomoto boost chip material operations on AI demand[N]. (2026-05-01)[2026-05-12]. https://asia.nikkei.com [6] 中信证券. AI需求驱动半导体硅片进入上行周期[R]. 2026-04. [7] 爱集微. 信越化学宣布5月起全线硅产品涨价10%以上[EB/OL]. (2026-04-20)[2026-05-12]. https://www.laoyaoba.com [8] 化学日报. 信越化学伊势崎尖端半导体材料新工厂提前投产[N]. (2026-04-18)[2026-05-12]. https://www.chemnews.com [9] EET China. 京瓷发布多层陶瓷核心基板，瞄准AI先进封装新需求[N]. (2026-04-15)[2026-05-12]. https://www.eet-china.com [10] Kyocera Corporation. Kyocera develops breakthrough multilayer ceramic core substrate for advanced AI semiconductors[EB/OL]. (2026-04)[2026-05-12]. https://global.kyocera.com [11] Edgen Tech. Kyocera developing new ceramic substrate to solve AI chip warpage[EB/OL]. (2026-04)[2026-05-12]. https://www.edgen.tech [12] 36氪. 村田：AI服务器MLCC用量激增，2030年需求将增长3.3倍[EB/OL]. (2025-12-10)[2026-05-12]. https://www.36kr.com [13] EEPW. 村田最新业绩：MLCC需求暴增，计算机业务同比增长22%[EB/OL]. (2026-02-18)[2026-05-12]. https://www.eepw.com.cn [14] 360Powder. 村田追加800亿日元扩产MLCC[EB/OL]. (2026-05-01)[2026-05-12]. https://www.360powder.com [15] 3M News Center. 3M materials-science innovations in semiconductor manufacturing[EB/OL]. (2025-10)[2026-05-12]. https://news.3m.com [16] 中国网. 施耐德电气布局AI就绪全栈解决方案[EB/OL]. (2026-04-10)[2026-05-12]. https://www.china.com.cn [17] Schneider Electric. Schneider Electric announces collaboration with NVIDIA to develop blueprints for gigawatt-scale AI factories[EB/OL]. (2026-03)[2026-05-12]. https://www.se.com [18] 中新社上海. 施耐德电气发布算电协同洞察报告[N]. (2025-07-20)[2026-05-12]. https://www.chinanews.com [19] CafePharma. Philips announces over $150 million investment to expand AI healthcare manufacturing capacity[EB/OL]. (2025-08)[2026-05-12]. https://www.cafepharma.com [20] Applied Radiology. Philips to acquire SpectraWAVE, expanding AI-driven coronary imaging portfolio[N]. (2025-12)[2026-05-12]. https://www.appliedradiology.com [21] 网易新闻. 京瓷2025年度合并营收目标上修至2.02兆日元[EB/OL]. (2026-02-15)[2026-05-12]. https://www.163.com [22] 富士胶片集团. 2023财年年度报告及VISION2023中期经营计划[R]. 2023. [23] TOTO Corporation. Advanced ceramics business update[R]. 2025–2026. [24] Ayyagari M, Demirgüç-Kunt A, Maksimovic V. The rise of star firms: intangible capital and competition[J]. The Review of Financial Studies, 2024, 37(3): 882-949. [25] Guntin R, Kochen F. The origins of top firms[R]. Notes, 2010/2015. [26] Liu O. Firm dynamics and innovation: Evidence from decomposing top sales shares[EB/OL]. SSRN 4090866, 2022. [27] Pugsley B W, Şahin A. Grown-up business cycles[J]. The Review of Financial Studies, 2019, 32(3): 1102-1147. [28] Harvey S, Berry J. Toward a meta-theory of creativity forms: How novelty and usefulness shape creativity[J]. Academy of Management Review, 2022. [29] Hippalgaonkar K, Li Q, Wang X, et al. Knowledge-integrated machine learning for materials: lessons from gameplaying and robotics[J]. Nature Reviews Materials, 2023. 本文来自微信公众号“复旦商业知识”（ID：BKfudan），作者：陈志俊 谭相宜，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。