利用莱特定律降低成本

一、加速累计产量，快速走完学习曲线（最核心）

莱特定律自变量是累计总产量，不是年度产能。同样的总累计量，越早生产完，越早拿到低成本。

1. 小批量先行爬坡，不要直接上超大产线：先小批量试产，快速暴露工艺、工装、良率问题；边生产边迭代，积累经验，再放大。一次性投资巨型产线，如果前期良率低，大量报废，反而拉高单位成本，浪费学习机会。
2. 扩大市场需求，拉动出货：降价、拓展应用场景，提升销量 → 累计产量快速翻倍 → 成本进一步下降，形成莱特飞轮。典型：光伏、动力电池，靠打开新市场加速累计产量。
3. 产品平台化，复用工艺 / 工装 / 产线经验：同一平台衍生多款产品，共用一套制造流程，经验可以跨型号复用，相当于多条产品共享同一条学习曲线。
反面：每个新品都全新设计、全新工艺，每次都要从零重新爬学习曲线。

二、主动放大 “学习效应”，提升降本斜率（提高学习率）

学习曲线的下降斜率不是天生固定，可以主动干预，让产量翻倍时成本降得更多。降本来源分为内部制造 + 供应链。

内部制造端

1. 固化工艺改进，把隐性经验变成标准化文件：工人熟练之后的操作技巧、工装微调、参数优化，不能只留在老员工脑子里。转化为 SOP、作业指导书、工装图纸，新人也能稳定复刻。
莱特定律本质是知识积累；人员流失会直接抹掉经验，曲线倒退。
2. 持续改善（精益、良率提升）：跟踪工时、报废率、良率，每一批次复盘：减少返工、减少物料损耗。良率提升是硬件产品里最大的学习降本项之一。
3. 工装、夹具、产线持续迭代：随着量产经验，不断升级治具、自动化改造，减少人工依赖，降低人为波动。自动化不是一次性项目，随量产经验持续优化效果最好。

供应链端

莱特定律不只是自己工厂的学习，上游零部件厂商同样走学习曲线。

1. 核心零部件定点给单一 / 少数供应商，让供应商累计产量快速提升，带动元器件降价；
2. 和供应商共享量产数据，联合工艺改善，帮助上游一起爬坡；
3. 避免频繁更换供应商：换供应商等于上游重新从零学习，成本反弹。

三、组织机制：锁住经验，防止学习曲线 “回退”

很多企业产量上去了，成本不降反升，根源是经验流失。

1. 建立量产知识库：试产问题、失效案例、工艺参数变更统一归档；
2. 稳定核心工艺团队，控制关键岗位人员流失；
3. 变更管控：设计变更、物料变更、产线改造要评估对已有经验的冲击。
重大设计改版，往往会重置学习曲线，需要权衡改版收益 vs 已经积累的莱特降本红利。

四、规避会打断莱特定律的风险（边界管控）

这些因素会抵消甚至覆盖学习曲线带来的成本下降：

1. 大宗商品原材料占比过高：锂、硅、铜等原材料涨价，会盖住制造端学习降本。对策：长协锁价、材料替代、降低主材用量。
2. 技术路线颠覆性切换：路线切换，旧产线、旧工艺经验作废，曲线重启。需要提前评估：是渐进迭代还是颠覆性更换。
3. 订单忽大忽小，生产断断续续：停产一段时间后，团队熟练度下滑，经验丢失，重启生产时良率、工时变差，成本回升。尽量维持连续生产。

五、量化管理：用莱特定律做预测与目标设定

1. 收集历史批次数据，拟合出自己产品的学习指数，算出本产品的学习曲线；
2. 预测：累计产量达到 XX 时，目标单位成本是多少；
3. 对标：实际成本 vs 理论莱特曲线，如果偏离，去定位是良率问题、供应链问题还是经验流失；
4. 做长期投资决策：评估需要累计生产多少件，成本才能降到盈亏平衡点，倒推需要的市场规模。

参考来源：豆包