船厂AI的估值逻辑，不在订单数字

我花了两天试了一下用AI做造船行业尽调，起因是虎嗅那篇讲中国船厂拿全球八成订单，标题里拿AI碾压日韩的说法有点冲。我第一反应是这个赛道天花板在哪，估值逻辑是什么。于是我把几篇报道、行业数据截图、船厂订单表丢进大模型，搭一个小型尽调工作流。准备阶段先定义问题，订单份额能不能变成利润，AI在哪些环节真的缩短交付。术语也要解释，载重吨就是船能装多少货，修正总吨是按建造劳动量折算的船型单位，LNG船是液化天然气运输船，智能航行系统可以粗略理解成给船装感知和决策辅助。

进入上手，我把2026年上半年中国船厂新接订单按载重吨占全球82.3%、同比增长173.1%这组数据作为事实输入，让它拉竞争格局。它很快在右侧生成时间线和来源卡片，把不同数字排在一起，有报道说第一季度占比84.9%，有数据说2月中国新接订单占比80%、韩国11%，还有文章提上半年约70%。这一步我有点惊喜，它提示我口径可能不一致，有的看新接订单，有的看手持订单，载重吨和修正总吨也会造成差别。我让它给每个数字补一句适用口径，再导出表格，结果还算干净，只是船厂别名要手动归并。

但是很快我踩坑了。它把全球九成订单和98%中高端订单混成同一条趋势，读起来像所有船型都被包了。我回去核对，发现份额和船型结构是两回事。中国船厂在散货船、集装箱船等主流船型上成本、规模、交付速度优势明显，可日本仍占特种气体船、特种工程船、船用通导等配套，韩国守住LNG运输船、超大型集装箱船核心位置，并在双燃料主机、智能航行系统上形成绿色技术壁垒。第二次卡住是PDF图纸，船级社符号、燃料类型、主机型号，我传了一张扫描页，它把氨燃料认成甲醇燃料。船东融资、保险、合规都跟燃料和技术规格绑死，这类错误不能接受。第三次是时间口径，有船企说订单排到2028年，也有说法排到2029年，AI一开始直接写订单已经排满，没有区分新接、手持和交付周期。

后来我把流程改笨一点，先让模型只做抽取，不做判断，所有数字旁边强制写来源口径，每个结论必须带反例。比如问AI能不能碾压日韩，我不让它回答，只让它列出设计排产、焊接质检、供应链配合三类证据。它给得并不完整，但帮我搭了框架。真正有价值的地方，是它能把份额翻译成估值问题。如果一家船厂只是订单多，但毛利薄、现金流差、船价波动大，那它更像周期制造。如果AI能进入排产系统，减少钢板浪费，缩短分段合拢时间，提高一次报验通过率，那它才可能从成本工具变成利润工具。

从投资角度看，中国造船的强项是规模、供应链和交付确定性，弱项在于最值钱的位置还没有完全拿稳。AI在这里的作用，短期主要是降本，中期看高端船型学习曲线能不能缩短，长期则要看数据积累。只把新闻摘要成报告的项目，我不太想看。能接进设计、采购、焊接、涂装、试航数据的项目，我会认真聊。估值逻辑要看你能不能证明每一笔订单交付里减少了多少返工，省了多少工时，良率有没有提高。行业规模本身不够。拿不出可追踪数据，就还是故事。

它适合产业尽调的人快速整理口径，也能给投资人做BP第一轮压力测试。直接拿AI结论去投船厂、投工业软件、投机器人，我不建议。它最大的优点是能把散乱新闻拆成可验证假设，最大的缺点是会把不同口径的数字揉成一个听起来很顺的结论。用之前，必须自己盯分子分母。能接进船厂排产和质量数据层的项目，才值得认真聊，只会写行业报告的AI不够。