常州石墨烯企业技术全球领先却难盈利

你好，我是王煜全，这里是王煜全要闻评论。

先问一个问题，一个好技术，一定会变成好生意吗？

前段时间，在做产业考察的时候，我们和一家做石墨烯材料的企业聊了很久，就对这个问题做了更深的思考。

2010 年，安德烈·盖姆和康斯坦丁·诺沃肖洛夫因为石墨烯获得了诺贝尔物理学奖，石墨烯也因此成为了明星材料。

石墨烯的导电、导热、强度等各方面性能都非常优秀，一时间，市场上出现了各种打着石墨烯旗号的产品，甚至还冒出了石墨烯水杯、石墨烯内裤等概念性产品。

到了今天，石墨烯早就不仅仅是个概念了，可以在消费电子、新能源、涂料、复合材料等很多领域发挥不小的作用。

所以，现在放在石墨烯面前的一个更大问题是，一种已经证明有用、甚至已经进入很多产品的材料，为什么还没有形成一门足够大的生意？

其实，这也是很多初创企业都会遇到的问题：明明手上已经捏着很先进的技术或产品，却还是赚不到想象中的那么多钱。

要解答这个问题，还是先看看石墨烯这个生意是怎么回事。

石墨烯是一种非常上游的底层材料。它不像石油这样高度标准化、下游工艺也非常成熟的大宗材料，只要达到标准，就可以进入现成的产业体系。

在很多复合材料应用里，石墨烯到底能不能发挥作用，不只取决于石墨烯本身，还取决于用什么基材、怎么分散、界面怎么结合、配方怎么设计、采用什么加工工艺。

而且，实验室里测出来的材料性能很好，可规模化生产之后，性能又变差了。

因此，材料企业往往要和下游客户一起做研发，做配方，做出样品，再测试，再调整工艺，然后继续验证，最后才有可能真正进入量产。

但这就天然拉长了商业化周期。

更要命的是，新材料还常常面临两方面的困境。

一方面，你去替代现有材料，会发现，你的竞争者不只是旧材料，还有连同旧材料一起产生的一整套成熟体系。

就比如，石墨烯确实能造出非常好的耐腐蚀且耐磨的涂料，可以用在船舶之上。

但调研后会发现，传统船舶涂料已经被少数几家公司垄断，客户也用了几十年，对涂料的品质和稳定性都有数。

特别是围绕传统涂料还形成了备货、施工、维护、验收的商业体系，客户早已经适应了，要换掉也并不容易。

但另一方面，用新材料去打造过去没有的新应用，也不是说做就能做到的。

因为，很多时候，新应用的市场本身可能就很小，或是还没有长大。

企业说到，他们的石墨烯复合材料被用到了澳大利亚矿区的输送通道上，动辄就铺一百多公里。

这个应用好像很有前景，但其实场景很有限。

澳大利亚西部，矿区距离城区很远，人工又贵，施工条件也不好，所以愿意多掏钱用这种新材料，安装和维护都简单一些，也不需要修路了。

可是，这样特定的场景，并不是全世界所有矿区都存在。

这就是上游新材料经常碰到的困境：每进入一个新领域，企业可能都要重新做研发和适配；成熟市场有固化的体系要打破，新市场又还需要时间长大。

因此你会看到，他们的应用案例很多，却没一个领域形成了足够大的市场。

那该怎么办？难道这种原创的公司永远就没希望了吗？

其实，阳光之下没有新鲜事。不只是石墨烯，处在产业上游的原创科技公司，都容易碰到同样的困境。

一个很典型的例子就是英伟达。

今天大家很容易觉得，英伟达就是运气好，赶上了 AI 这轮超级浪潮，成为了全球第一大公司。

但我想，很多我们的老朋友肯定知道，英伟达在 AI 爆发之前，已经做了很多准备。

它在2006 年就推出了 CUDA，使得 GPU 原本用于图形处理的并行计算能力，可以用于更广泛的科学和工程计算任务。

但这无法让英伟达创造出一场 AI 革命。

深度学习什么时候突破，算法什么时候成熟，整个 AI 产业什么时候真正爆发，英伟达都无法单独决定，他们只能等待。

不过，他们可以不断降低别人使用 GPU 的门槛，并让大家都用他们的 GPU。

他们持续推动 GPU 进入高校和科研机构。到2011 年，已经有超过400 所大学的教授用 GPU 进行并行计算的研究。

再如，2016 年，在马斯克创办 OpenAI 之时，英伟达就把第一台深度学习超级计算机交给了他。

等到后来大模型真正爆发时，GPU、CUDA 和围绕它形成的生态，已经支持 AI 运行了很多年。其他芯片企业很难在短时间内替代这套生态，只能眼睁睁地看着英伟达赚大钱。

像石墨烯这样的上游科技企业，确实很难独立地创造巨大的应用市场，因为前沿技术往往就是会走在市场前面。

但也不能什么都不做，还是要不断和客户共同研发，推动新材料的应用。

更重要的是，要具备产业判断力：知道未来哪些产业最可能需要自己的技术，知道产业正在往哪里走、什么市场会变得足够大，哪些需求值得现在就投入几年时间去准备，甚至提前培养相应的产业生态。

这样，当属于你的大潮流来了，也就能吃透整个潮流的红利。