行业观察 · 设计思维与中国路径
在本次大会上，柳冠中教授从工业设计角度谈了一个所有人都在焦虑的问题：AI 来了，人该站在哪儿。他的答案很干脆——AI 只是发动机，方向盘得握在人手里。本文摘记这场演讲的几个核心观点（引用处为原文，其余为转述），并说明它们对一个物流与供应链企业意味着什么。
现场录像
柳冠中教授演讲现场录像（约十五分半）｜来源：本次大会主办方
一、AI 是发动机，不是方向盘
他抛出的问题很直接：在这个时代当口，“做 AI 的宠物呢，还是我们要做方向盘”。他的判断是，AI 相当于发动机与油箱，提供的是动力；而人比动物强的地方不在于感官——眼睛不如老鹰、鼻子不如狗——而在于“我们有头脑，我们还有良知”。
他反复提醒的一个危险是：被手段忘掉了目的。手段只是实现目的的方式，一旦把“上了什么工具”当成目标，方向就交出去了。
「做 AI 的宠物呢还是我们要做方向盘」「我们有头脑，我们还有良知」
二、设计不是“画效果图”，是整合
在他看来，这个世界的复杂与系统，逼着人类把它切成学科、职业与工种；而一旦“从工种去看世界，就把世界看窄了”。他用“瞎子摸象”作比——摸不到全部，就把象肢解了。所以他的结论是：设计恰恰是一个整合。
整合的对象不止于制造：一件东西要走完产品、商品、用品、废品四个社会环节——制造之后要流通，流通之后是使用，最后还要回收再利用。设计师要在这片“海洋”里做协调，而不是只站在其中一点上。他批评国内工业设计长期停留在“做外观、做表面”，关心设备与营销管理，却没把设计的作用发挥出来。
三、视力与视野：数字化能测出来的，和测不出来的
这是全场最锋利的一处对照。他说“视力可以测出来，2.0 可以当飞行员，0.5 要配眼镜”，而“视野是指看不见的那部分”——有了 AI 我们好像什么都有了，但看不见的部分呢？那才是人真正的价值。
顺着这个逻辑，他也批评了“追信息”的惯性：信息与知识之间没有必然关系，信息只是客观存在，跟你、跟人的发展不一定有关。这句话对今天做数字化的人是个提醒——把数据采上来不等于有了判断。
四、“力”与“功”、“性能”与“功能”：差的都是那一个人字
他用文字本身做论证：力和功、性能和功能的差别在哪？“就一个人字”。过度追求利益与性能，把“人”忘了——这是他对当下技术竞赛的判词。落到信息传达上，他强调要研究“特定环境条件下的人”，而不是把技术放在人前面。
他还用了一个很生活化的追问：家电到底在解决什么？衣服干净一定要洗衣机吗、食物保鲜一定要冰箱吗？（这是他与张瑞敏对谈时的设问）——问题指向的是需求本身，而不是既有产品形态。
五、四十年三段路：从“做外观”到“全流程干预”
他梳理了国内工业设计的三个阶段：第一阶段是引进，所以只能做外观做表面；随后开始关心设备与营销管理；到现在，一部分企业开始做全流程干预，走进主战场，开始关心原创、ODM 与品牌、定价权。这被他视为“设计走向成熟”的迹象。
他对规模给了一个数字：现在每年毕业的工业设计学生“六十万”（十年就是六百万）。但紧接着是警告——问题是这些人在干什么。他用了一句很重的话：现在还在讲“弯道”，而“弯道是跟随”，属于改良状态。至于“卡脖子了，脖子是自己的”——脖子为什么让人家卡，这才是要清醒的地方。
四组对照，值得贴在办公室
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
六、从“新产品”到“新物种”：主张使用，而非占有
他把“新”拆成三件事都变了：劳动对象、劳动者、工具。所以关注点应从“新产品”转向新物种、新产业、新社会。在他看来，工业设计的社会意义正在于此——它不是把一个产品做好看，而是重构一套社会化、循环性的产业结构机制。
最能落地的判断是这句：“提倡使用，不鼓励占有”。他反对“每家都买三辆车、每家都住豪宅”的路径，理由很硬：只有把使用效率做上去，才能解决十四亿人的生活水平提升；而这个方案对全球八十亿人才有参考价值。
他也给出了政策侧的信号：国家层面已经明确提出，工业设计不是“赋能”问题——它本身就是一个产业。所谓中国方案，在他看来是共同富裕与共同成长，不是一家独大。
七、为什么这套判断，物流企业也用得上
第一，系统是发动机，判断是方向盘。我们做物流数字化，最容易犯的错正是“被手段忘掉目的”：上了一堆系统，却没回答“这套系统让哪一票货跑得更稳、哪一笔成本降下来”。工具越强，越要盯住目的。
第二，“整合”正是仓配一体的本质。他讲的制造—流通—使用—回收，与物流的订单—仓储—运输—末端签收高度同构。只优化其中一段（比如只压运价）而不打通衔接，省下的钱会在下一个交接点漏掉。
第三，“提倡使用不鼓励占有”对应物流的资源协同。不必每家企业自建全国仓网与车队，把既有仓储、运力以合作方式接入，用共同配送与共享仓配能力提高利用率——这正是“使用优先”在物流里的具体形态，也与政策鼓励的“统仓统配、共同配送”同向。
第四，追信息不如建结构。行业里每天都有新名词、新平台、新模型。真正拉开差距的不是谁知道得快，而是谁能把这些信息沉淀成自己可复用的判断口径——这件事只能自己做，买不到。
整理说明：本文据本次大会现场录像整理。引号内文字经两份 AI 转写（本机 ASR 与现场录音的第三方 AI 转写）交叉核对后采用；两份转写不一致处一律改为转述，不作逐字引用。转写工具存在音近字误识（例如把“油箱”记为“邮箱”），文中已按语义校订。若需逐字引用，请以现场录像原声为准；转述部分若与演讲者原意有偏差，亦以录像与原话为准。
常见问题
“AI 是发动机、人是方向盘”，具体到业务里怎么落地？
我们的做法是划一条界：AI 负责“给出建议与推演”（比如时效评估、异常预警、对账差异提示），人负责“确认与担责”（报价、承诺时效、客户沟通）。凡是错了要赔钱的动作，必须保留人的确认环节与可追溯记录。
“弯道超车”和“换道超越”对物流企业有什么区别？
弯道是在同一条赛道上追，靠改良与降本，容易陷入价格战；换道是换评价标准——比如不比“谁的运价低”，而比“谁能让客户的库存周转更快、异常更少”。后者才可能形成差异化。
“提倡使用、不鼓励占有”在物流里怎么理解？
就是把“拥有多少资产”换成“调得动多少能力”。中小企业不必自建全国仓网，通过合作接入既有仓储与运力、参与共同配送，把利用率做上去；衡量指标也从“我有几个仓、几台车”变成“单位时间能稳定履约多少票”。
说明现有流程与系统情况
演讲者与出处：柳冠中教授，于本次大会的主旨演讲（现场录像约十五分半）。本文由主办方根据现场转写稿摘记整理；引号内为演讲原话，个别音近错字按语义校订。
【浏览原文】