从1月下旬疫情大规模扩散开始算起，我国社会的很多行业停摆已1个月之久。当抗疫的战线被屡次拉长时，除了病毒本身，人们也开始担心疫情对中国经济产生的冲击。

服务业首当其冲。春节期间，诸如旅游、出行、餐饮、娱乐等线下消费行业集体陷入停滞。顾客锐减、生产经营停摆、收入中断，很多中小企业的现金流已撑不过两三个月。

如果说服务业的压力有望在复工后得到缓解，甚至产生“报复性反弹”，那么，对于制造业来说，疫情带来的冲击则要深远得多，它们面临的困境也更加严峻。

新型冠状病毒的冲击下，我国的制造业呈现出了两极分化的场景。

生物医药和医疗器械这类“抗疫相关”企业相对受益。不仅未受停工停产影响，反而在市场驱动与政策扶持的合力之下，释放出了更大的潜能。春节后医药股5天201次涨停，医疗器械子板块涨幅更是高达10.61%，涨幅较小的医疗服务子板块也上涨3.92%，成为疫情期间资本市场中的“逆行者”。

另一边，与火热的医药企业形成鲜明对比的，是传统制造业的萧条。在疫情未得到彻底控制的情况下，劳动力密集的制造业只能一再延后复工时间，很多工厂至今仍未全面复工复产，只能以最低产能维持运转。对于上下游关系非常紧密的制造业来说，供应链一旦脱节，情况就会变得十分棘手。

但现在，很多制造行业已经显露出这样的情况。以汽车制造业为例。汽车制造是现代制造业的集大成者，它的供应链条相当长且分工细致，产业链上集中了大量的中小民营企业，供应着汽车装配所需的上万个零部件。这些上下游企业联系紧密，任何一个环节、任何一个零部件的缺失，都会导致整条产业链的瘫痪。

受本次疫情影响最大的武汉市恰好是中国汽车制造业的重镇，仅武汉及周边就聚集了近千家汽车零部件厂商。这些工厂一日无法开工，主机厂就无法恢复正常生产效率。其影响甚至已蔓延到全球，比如此前特斯拉股价一夜暴跌17%，主要原因就是上海工厂无法复工，而且上游零配件也跟不上。

湖北车企复工面临严峻考验（图源：新浪汽车）

不止是汽车，在电子制造业，富士康复工后产能不足的问题，也波及到苹果的新机发布。

目前各地都已出台复工政策，在防疫安全与生产效率之间找到一个平衡点。恢复正常生产或许指日可待，但因生产停滞而引发的负面反应已经发生，绝大部分制造业企业都面临着订单锐减、资金周转困难等一连串难题，消化起来，除了更长的时间，还需要企业深厚的“内功”。

可以断定的是，经历2020年的新冠肺炎疫情后，制造业整体都面临着巨大的波动。财务压力之下，许多企业都在用裁员降薪等手段来控制人力成本，暂时渡过寒冬。但我们也必须清醒地认识到，一味减员并非可持续的路径，想要达到降本增效的目的，本质上应该思考的问题是：如何实现最优人效比、如何用最小的资源实现最大的利用率，以及如何在市场震荡中保持灵活的调度与运营。

这些问题的答案，都指向了制造业的无人化、智能化、信息化升级。

疫情之下，制造企业面临最大两个痛点：

一是:  如何提高运转效率，保证高产能?

二是:  如何在返工人员不足的情况下，让一人身兼数职，保证生产有条不紊进行?

事实上，经过持续不断的升级改造，现在大部分制造业的生产端都已非常成熟，人力在自动化程度很高的生产线已经极尽缩减，效率提升空间和降本空间都非常有限。

不过除此之外，另一个环节却习惯性地被忽略了——工厂内部的物流场景。这个环节涉及到大片的工厂物流区域，涉及到了混线生产的存储、拣选、搬运等复杂流程，需要众多物流作业人员参与才能完成。它的信息化和自动化的程度并不高，也就意味着它有巨大的提升空间。

针对这个问题，近年来，一些尝试用全机械自动化的解决方案陆续出现，但他们往往需要极其昂贵的改造成本，回报周期也相当长，对于普通制造业企业来说存在过高风险，并不实用。

亚马逊的全自动物流系统

需要大量的成本投入和改造时间

相较之下，企业更需要轻量化投资、柔性易改动的技术，能帮助他们灵活应对各种市场情况以及外部突发事件。一些整合物联网技术的轻量级物流解决方案应运而生，而且从落地效果来看，已经取得了不错的成效。

比如，TBL华清科盛就是其中最为成熟的解决方案供应商之一，它的客户包含长城、北汽、万力轮胎、京东方等，覆盖了从汽车、离散装配到电子的众多制造业分支。

围绕工厂物流管理，TBL打造了一套“会思考的物流系统”，目的是将决策权交给系统，帮助员工“傻瓜式”操作，解放双手，让用工范围扩大，让用工成本降低，为一人多岗提供可能性。

这套系统分为“AI智慧大脑”和“IoT感知器官”两个层面——“AI智慧大脑”即智慧物流数据分析平台，“IoT感知器官”即RFID标签、智能手环、无线MESH网络、UWB高精度定位等IoT技术，两者结合，形成AIoT智慧物流系统。

大数据技术自动采集并分析所有“物流过程行为数据”，并反向优化物流场景的IoT模块，从而实现物流现场的执行改善闭环

比如一个员工推着物流车，车子可以直接通过可穿戴设备识别人的身份和任务，把人指引到所需寻找的货架前。接着，货架会识别物流车的信息，判断出它内置货品所需摆放的位置，并通过亮灯和数字的形式，来帮助工作人员快速匹配货架和零件，节省了工作人员挨个识别信息的时间。

与此同时，整个行为数据也将被上传至“大脑”。这个上层系统一方面能实现生产过程的全程透明可视化，及时报错并追踪溯源；另一方面，对生产进行统一管理和配置，优化资源配比。

区别于完全机械物流自动化改造，这套轻量级智慧物流系统并依赖于昂贵的机器人设备，而是将人与机器高效结合，优化作业配置，改造成本和落地周期都要低得多。在TBL已服务的案例中，厂内物流人员平均效率提升50%；平均利用率从30~40%提升至60~80%；实现了物流端的结构型降本。

对于制造业而言，用“危中有机”来形容现在的生存现状可能再合适不过。疫情的冲击毕竟只是暂时的，它无法改变我国经济长期向好的基本面。在过去那些蒙眼狂奔的日子中，企业倾注全部精力疯狂提升产能，鲜有人会把生产运作方式的转型升级放在首位。

而现在，在疫情带来的缓冲期中，恰好是制造业智能化升级改造、修炼“内功”的最佳时机。