一、序章：一次没有打开任何网站的采购初筛
2026 年夏天，一位做跨境家居生意的采购负责人在自己常用的 AI 助手里敲下一句话：「帮我找广东做金属置物架的工厂，要有出口经验，规模五十人以上，列十家，附上能联系到老板的方式。」
十几秒后，名单出现在对话框里：工厂名称、所在城市、主营产品、规模信号、出口特征，每一家后面跟着可以进一步索取的联系路径。她追问了一句「第三家和第七家详细对比一下」，AI 助手又调出两家的完整档案，把成立年限、产品结构、经营状态并排列好。整个过程她没有打开任何一个网站，没有注册任何账号，没有在搜索引擎的广告和黄页的噪音里翻页——她只是在自己每天用来写邮件、整理表格的那个 AI 对话框里，多问了几句话。
支撑这几句话的，是她看不见的一条链路：AI 助手识别出她的需求，调用了天下工厂开放平台的工具接口，在 480 万家中国工厂的数据库里执行检索、取回档案、按次结算——单次搜索的价格是两毛钱。
这个场景在今天已经不是演示，而是正在发生的日常。天下工厂开放平台已经完成建设并开放接入，MCP 服务与面向各家 AI 客户端的官方适配正在陆续发布。这篇文章要讨论的，就是这件事对制造业意味着什么：当一个覆盖 480 万家工厂的数据底座，以标准接口和 MCP 协议的形式向所有 AI 助手、所有开发者敞开时，找工厂、找客户、做供应链的方式会发生什么变化——以及，哪些变化被高估了，哪些被低估了。
二、两个名词：开放平台是什么，MCP 又是什么
这篇文章的读者里有工厂老板、有销售、有采购，未必人人熟悉这两个技术名词。用两段话把它们讲清楚——这两段话值得读，因为后文的一切推论都建立在它们之上。
开放平台，本质上是把一家公司的核心能力做成标准化的「插座」，让外部的软件可以直接取用。这件事在消费互联网世界早已是常识：地图公司把定位和导航做成接口，于是打车软件不必自己测绘全国道路；支付公司把收款做成接口，于是任何一家小店的收银系统都能扫码收钱。一个行业的基础能力一旦被做成公共插座，围绕它就会长出一整片应用生态——这是过去二十年被反复验证的剧本。
MCP（模型上下文协议，Model Context Protocol）则是 AI 时代新出现的一种标准：它规定了 AI 助手如何发现和调用外部工具。可以把它理解成 AI 世界的通用接口标准——就像 USB 让任何设备都能插进任何电脑，MCP 让任何数据服务都能「插进」任何支持该协议的 AI 助手。在 MCP 出现之前，想让某个 AI 产品用上你的数据，要跟那家 AI 公司逐一谈合作、做定制开发；MCP 出现之后，你只需要按标准发布一次服务，市面上所有支持 MCP 的 AI 客户端——从 Claude、Codex 到各家国产助手——理论上都能直接调用它。
还值得补一句 MCP 的现状：这个协议 2024 年底才发布，但采纳速度罕见地快——主流 AI 客户端在几个月内相继支持，官方服务目录、各类市场与工具生态迅速成形，「给 AI 装工具」正在从前沿实验变成行业默认做法。协议之争尚未终局，但方向已经清楚：AI 与外部世界之间，会有一层标准化的工具接口。
把两个名词合起来，这篇文章讨论的事情就可以用一句话说清：天下工厂把覆盖 480 万家中国工厂的数据能力做成了标准插座，并且同时插进了两个世界——传统软件世界（通过标准接口），和正在爆发的 AI 助手世界（通过 MCP）。
为什么这件事值得用一整篇文章来讨论？因为插座的两头，一头是中国制造业几十年来最完整的一份工厂底账，另一头是正在以月为单位进化的 AI 工具生态。这两样东西此前从未被接通过。
三、为什么制造业的数据此前一直没被接进来
在消费互联网里，「查一家餐厅、比三家酒店、订一张机票」的体验二十年前就被接口化了。而在体量大得多的制造业 B2B 世界里，「查一家工厂、比三家供应商」直到今天仍然主要靠搜索引擎、黄页网站和熟人介绍。为什么？
第一个原因是数据本身长期不存在。餐厅和酒店天然愿意被找到，它们的信息是自我披露的；而工厂的世界里，最关键的信息——这家厂真实存在吗、还在生产吗、实际做什么产品、老板是谁、厂在哪里——散落在几百万家企业的车间里，从来没有人系统性地把它们收拢、验证、更新成一份可供机器调用的底账。我们在上一篇关于工厂选址的研究长文里详细讲过这份底账是如何用五道工序、数年笨功夫炼成的，这里不再重复；只说结论：没有可靠的数据底座，任何接口都只是空插座。
第二个原因是B2B 信息服务的商业形态落后了一代。过去这个行业的主流形态是「会员制黄页」：年费几千到几万，买的是一个查询账号。这种形态天然排斥两类使用者——偶尔用一次的小买家（为一次询价买年卡不划算），和想把数据嵌进自己系统的开发者（账号没法写进程序）。于是大量真实需求被挡在门外，行业的数据能力被锁在一个个登录框后面。
第三个原因，也是最新的一个：AI 助手崛起了，但它们查不到工厂。今天的大模型什么都能聊，唯独说不准「河北做丝网的厂哪家还在营、电话多少」——因为这些事实不在训练语料里，在且只在持续更新的产业数据库里。AI 助手越普及，这个空洞越明显：用户已经习惯了在对话框里解决一切，而制造业的事实层没有接进来，AI 只能一本正经地编造。行业里把这叫幻觉；对一个要打电话给工厂谈生意的用户来说，这叫不可用。
三个原因，恰好对应了破局需要的三样东西：一份真实的数据底座、一种按次付费的开放形态、一条通向 AI 助手的标准通道。这正是天下工厂开放平台这次一并交付的东西。
四、接口如何改写过一个行业：三个先例
「把能力做成插座就会长出生态」不是一句愿景口号，而是过去二十年被反复验证过的产业规律。在展开我们自己的发布之前，值得先看三个已经走完全程的先例——每一个都对应着本文论点的一块拼图。
第一个先例：地图。 二十年前，电子地图是少数巨头的自有资产，想在自己的软件里显示一张地图、算一条路线，门槛高到只有大公司做得起。地图能力接口化之后，发生的事情远超地图公司自己的想象：打车、外卖、跑步记录、共享单车、酒店民宿——整整一代基于位置的服务，全部建立在「地图是现成积木」这个前提上。这些应用没有一个是地图公司自己规划出来的。先例一的启示：基础数据能力开放后，最大的价值增量来自平台想象之外的长尾应用——这正是我们对开发者生态的预期（后文「积木层」一章会展开）。
第二个先例：支付。 在线支付接口化之前，收款是电商巨头的专属能力；接口化之后，任何一个卖煎饼的摊位都能扫码收钱。值得注意的是支付开放的定价形态——按笔抽成，而不是按年卖账号：门槛压到零，收入跟着真实交易走。先例二的启示：基础设施型服务的定价，应该让最小的使用者也用得起，让收入与客户创造的价值同向——这正是开放平台按次计价、两毛钱一次的逻辑来源。
第三个先例：云计算。 云的本质是把「算力和存储」这种重资产能力变成按量取用的公共服务。它最深刻的影响不是让大公司省了钱，而是改变了创业的成本结构：一个两人团队从此可以在第一天就用上过去只有巨头养得起的基础设施，于是过去十几年全球软件创新的爆发，有相当一部分要记在「基础能力公共化」的账上。先例三的启示：当某种关键能力从「自建才有」变成「即插即用」，受益最大的不是原本就有能力自建的巨头，而是原本被挡在门外的小玩家——这一条，对应着我们对中小企业和独立开发者的判断。
三个先例有一个共同结构：某种此前被锁在少数机构内部的基础能力，以标准接口的形式公共化，随后在它之上长出远超预期的应用生态，而整个行业的创新门槛下降一个数量级。地图之于位置服务、支付之于交易、云之于计算——本文的全部论证，建立在一个判断之上：经过验真的工厂事实数据，是制造业 B2B 世界里同等地位的基础能力，而它的公共化此前从未发生。
当然，先例不是保票。三个成功故事的背后，还躺着许多开放了却没长出生态的平台——数据不够硬、接口不够稳、定价不够诚实、或者仅仅是时机不对。开放只是必要条件；能不能长出森林，要看土壤。这也是为什么本文接下来要用两章篇幅交代土壤的成色——数据底座与定价——而不是只喊一句「我们开放了」。
五、我们发布了什么：五个能力，两种接入方式
先把产品事实摆清楚，再谈影响。天下工厂开放平台（文档中心 www.tianxiagongchang.com/open/docs，接口域名 open.tianxiagongchang.com）当前开放五个能力：
- 工厂搜索：按关键词、省市区、行业类目等条件检索工厂，返回结构化名单。底座是 480 万家工厂档案、1,965 个细分行业类目。
- 企业详情：取回单家工厂的完整档案——注册信息、产品结构、规模信号、经营状态。
- 联系方式：获取工厂关键人的联系渠道，覆盖超过 300 万家带老板或决策人直连方式的工厂；数据经脱敏处理、按授权分级交付。
- 深度解读：对一家工厂做 AI 深度分析——聚合公开信息，生成一份关于其产品、能力与业务特征的解读报告。
- AI 对话找厂：把天下工厂主站的自然语言找厂能力整体开放——用一句人话描述需求，返回解析后的意图与工厂名单，与主站 AI 搜索同源。
五个能力通过两种接入方式交付，覆盖两类完全不同的使用者：
**标准接口（REST）**面向传统软件开发者：接口遵循业界通行规范，平台公开完整的 OpenAPI 描述文件，任何代码生成器、接口调试工具乃至 AI 编程助手都能直接读取它自动生成调用代码。想把「查厂」嵌进自己的 CRM、ERP、小程序的团队，走这条路。
MCP 服务面向 AI 助手生态：按模型上下文协议标准发布，支持 MCP 的 AI 客户端配置一次即可把五个能力当作原生工具调用。序章里那位采购负责人的体验，走的就是这条路。
两种方式背后是同一套数据、同一套计费、同一套权限——开发者和 AI 用户看到的是同一个事实源。此外还有两处值得一提的设计：行政区划与行业类目的字典接口完全免费（这是所有筛选参数的取值基础，收费只会制造无谓的摩擦）；提供免费沙箱环境，用示例数据零成本跑通全流程，跑通了再充值上生产。
已经发生的生态动作
围绕 MCP 的发布不是一个孤立动作，而是一串：服务已登记进 MCP 官方 Registry（模型上下文协议的官方服务目录，全球各 MCP 市场从它同步索引）；面向 Claude Code、Codex 等主流 AI 编程与通用助手的官方 Agent Skill 已在 GitHub 开源发布（china-factory-search），装一个技能包，AI 助手就学会了「怎么在中国找工厂」的完整方法——支持 MCP 的客户端直接调工具，不支持的也能走标准接口。文档中心同时维护着面向七种主流 AI 客户端的接入指引，并按 AI 可读的规范格式（llms.txt）发布全量文档——连「接入文档」本身都是为 AI 读者准备的。
这一串动作背后的判断值得明说：我们认为 AI 助手正在成为一个新的、而且可能是最重要的流量入口。上一代开放平台把能力接进网站和 App；这一代开放平台必须同时接进对话框。而对话框世界的分发逻辑与网站世界完全不同——那里没有搜索排名可买，只有协议标准可循、只有被 AI 真实调用的质量可拼。谁先把可靠的事实层接进去，谁就先成为 AI 回答里的那个事实源。
六、两毛钱一次：定价背后的判断
开放平台的定价是公开的：工厂搜索每次 0.2 元，企业详情每次 0.1 元，联系方式每次 0.2 元，深度解读每次 0.25 元，AI 对话找厂每轮 0.1 元。另有三条规则：调用失败一分不扣；同一家工厂的联系方式重复获取不重复收费；沙箱调用永远免费。
这组数字背后是一个明确的商业判断：把 B2B 数据服务从「会员制」翻转成「水电煤」。
会员制的逻辑是筛选客户：只有用量大、预算足的机构才值得服务。按次计价的逻辑是消灭门槛：一个一年只需要查二十次工厂的小外贸公司，花四块钱就能把这二十次查完；一个想验证创业想法的开发者，充十块钱就能把原型跑起来。天下工厂主站的十万多注册销售员里，绝大多数服务的正是中小企业——开放平台的定价延续的是同一个立场：制造业数据的使用权，不应该按公司规模分配。
失败零扣费和重复不收费这两条规则，则是把「计价的诚实」写进合同：客户为结果付费，不为尝试付费；数据服务卖的是信息本身，同一条信息卖两次是黄页时代的坏习惯，不该带进接口时代。
还有一个不太起眼但值得记录的细节：按次计价对 AI 场景有一种天然的适配性。AI 助手替用户调用工具，调用次数由任务复杂度决定——简单问题一两次，复杂比选十几次。按次计价让成本与任务价值精确对齐，而会员制在这种波动用量面前要么让轻用户吃亏、要么让重用户占便宜。AI 时代的数据服务，几乎必然走向按调用计价——我们只是把这一步提前走了。
七、MCP 深看一层：当 AI 助手成为工作台
前文把 MCP 比作 AI 世界的通用插座，这一节把这个比喻展开——因为 MCP 对制造业的意义，比「多一种接入方式」深远得多。
入口的迁移
过去三十年，B2B 获客和采购的入口迁移过三次：从展会和黄页，到搜索引擎，到垂直平台。每一次迁移都重新洗了一遍牌：适应新入口的企业拿到了增量，守着旧入口的企业被动等待。而现在，第四次迁移的迹象已经相当清楚：越来越多的商业查询，第一站不再是搜索框，而是对话框。
用户问 AI 助手「帮我找做精密弹簧的厂」时，AI 的回答质量取决于它能调用什么工具。没有工具，它只能凭训练语料复述几个知名品牌加免责声明；有了 MCP 工具，它可以实时检索、核对状态、给出带联系路径的名单。对用户，这是从「AI 聊天」到「AI 办事」的分界；对数据服务商，这是从「被浏览」到「被调用」的分界；而对那些还没有被任何工具覆盖的行业，这是在新入口上集体缺席。
我们把五个能力接进 MCP，本质上是替中国制造业在这个新入口上占了一个位置：今后任何一个支持 MCP 的 AI 助手，只要用户授权，就能回答「找中国工厂」这一类问题——答案来自持续验真的数据库，而不是模型的记忆。
工作流的重排
入口之外，MCP 改变的第二样东西是工作流的形状。
传统模式下，一个销售的找客户流程横跨四五个软件：在数据平台查名单，导出表格，贴进 CRM，再在通讯工具里逐个触达，每一步之间靠手工搬运。AI 助手加 MCP 工具的组合，第一次让这条流程可以在一个对话里走完：让 AI 按条件圈出目标工厂，追问细节，取联系方式，起草触达话术，更新跟进记录——工具在后台被逐个调用，人只负责在关键节点做判断。
这不是把旧流程搬进对话框，而是流程本身被重排了：过去以「软件」为单位组织的工作，正在改成以「任务」为单位组织。对做工具的人，这是一个提醒：未来的竞争不在界面，在能力——你的能力若不能被 AI 调用，就会被排除在新工作流之外。这也正是我们把 Agent Skill 开源、把文档做成 AI 可读格式的原因：让接入这件事本身的摩擦趋近于零。
一个诚实的限定
也要把话说满前先说明：对话框不会吞掉一切。大宗采购的尽调、验厂、谈判，永远需要人到现场；复杂的供应链决策，AI 给的是候选集和事实核对，不是拍板。MCP 带来的是信息获取环节的数量级提速，而信息获取只是 B2B 交易链条的第一环。把第一环从三天压到三十秒，链条后面的环节并不会自动消失——它们只是终于不用再等第一环了。
八、一次接入实录：从看到文档到第一次真实调用
抽象的能力清单不如一次具体的走查。这一节按一个开发者（或者一个会用 AI 编程助手的普通业务人员）的真实动线，把接入过程走一遍——它同时回答一个常被问到的问题：「听起来不错，但接入要花多大功夫？」
第一步：读文档——或者让 AI 替你读。 文档中心把能力说明、参数定义、错误码、示例代码放在公开页面上，不需要登录。更省事的路径是把文档的 AI 可读版本（llms.txt 格式的全量文档）直接喂给你的 AI 编程助手，让它替你消化——文档本来就是按「人和 AI 都能读」的标准写的。实际体验里，向 AI 助手说一句「帮我接一下天下工厂开放平台的工厂搜索」，它就能读文档、生成调用代码。
第二步：沙箱跑通。 注册后进入控制台，创建应用即可获得密钥；平台提供公共沙箱环境——沙箱调用返回结构完整的示例数据，不消耗任何费用。在沙箱里把「搜索、取详情、要联系方式」的完整链路跑一遍，确认返回结构与自己的系统对得上。这一步的设计目标是：验证想法的成本为零。
第三步：小额充值，切换生产。 沙箱跑通后，充值即可切到真实数据——按次计价意味着十块钱就能做五十次真实搜索，足够绝大多数原型验证。调用失败不扣费，所以试错阶段的浪费趋近于零。
第四步（可选）：接入 AI 客户端。 如果使用场景是 AI 助手而非自研软件，路径更短：支持 MCP 的客户端按文档配置一次服务地址与密钥；常用 Claude Code 等编程助手的用户，直接安装开源的官方 Agent Skill（china-factory-search），一条命令，AI 就学会了整套「在中国找工厂」的方法。
整条动线走下来，一个熟练开发者的耗时以分钟到半小时计，一个借助 AI 编程助手的业务人员也能在一个下午之内完成。我们把这条动线的每一处摩擦都当产品问题对待——公开的接口描述文件让代码可以自动生成，字典接口免费让取值不设卡，沙箱让第一次体验零成本——因为前文说过：生态的增长速度，取决于第一次成功体验的速度。
顺带回答一个相关的问题：「我不会写代码，这些跟我有关系吗？」有关系，而且关系正在变大。AI 编程助手已经把「写几十行调用代码」的门槛降到了「会描述需求」；AI 客户端加 MCP 更是把门槛降到了「会打字」。接口世界过去只属于开发者；从这一代起，它属于所有会说话的人。
九、对 B2B 销售：从「用平台」到「长在工作流里」
给工厂卖设备、材料、软件、物流服务的 B2B 销售，是天下工厂最早也最大的用户群。开放平台和 MCP 对这个人群的意义，可以用一句话概括：找客户这件事，正在从「打开一个平台」变成「长在你的工作流里」。
具体会发生三层变化。第一层是入口的贴身化：销售不必再在浏览器和数据平台之间切换，在自己惯用的 AI 助手里就能圈名单、查档案、要联系方式——工具跟着人走，而不是人迁就工具。第二层是流程的自动化：例行的部分——「每周一把长三角新注册的注塑相关工厂列给我」「把这个名单里已经停业的剔掉」——可以交给 AI 定期执行，人只处理结果。第三层最深：销售组织的数字化系统可以直接长在数据底座上。过去 CRM 里的客户资料靠销售手工录入，录入即过时；接上标准接口之后，客户档案可以与持续验真的数据库保持同步——经营状态变了、搬迁了、换类目了，系统自己知道。
对个体销售，这是效率；对销售组织，这是基础设施的代际更换。我们预计最先吃透这一层的会是那些本来就在用数据打仗的团队——他们会把「圈选—排序—触达—跟进」整条链路重写在接口之上，而他们的同行还在手工导表格。
十、对采购与供应链：把「找供应商」的成本打下来
镜像的另一面是采购。序章的场景已经演示了体验层的变化，这里说结构层的。
采购领域有一个长期存在的怪现象：寻源的成本高到让「货比三家」变成一句空话。找到三家合格候选供应商，传统上要翻黄页、托关系、逛展会，累计成本以天计。于是大量中小采购方的现实选择是「用熟不用生」——明知现有供应商未必最优，但换供应商的搜索成本吃掉了一切潜在收益。经济学教科书会把这叫搜索摩擦导致的市场效率损失；工厂老板的说法更直接：好厂接不到新客，会来事的厂不缺订单。
把寻源成本从「以天计」打到「以次计、两毛钱一次」，改变的不只是采购员的工作体验，而是市场的匹配质量：当比价、比质、比地理位置的成本趋近于零，订单会更频繁地流向真正合适的工厂，而不是恰好被认识的工厂。供应链的每一次重新匹配都是一次效率释放——这件事的宏观意义，我们在上一篇选址长文里讨论错配成本时已经论证过，这里只补一句：寻源接口化，是把那篇文章里「让工厂长在对的地方」的逻辑，延伸成「让订单流向对的工厂」。
对供应链管理更成熟的企业，开放平台还有一层用法：把供应商风控做成常态监测。核心供应商的经营状态、关联变化，过去靠年度尽调抽查；接上接口后可以按周自动核对，异常即预警。供应链的韧性，一半靠布局，一半靠早知道。
十一、对开发者与软件业：制造业垂直应用的积木层
第三类受益者是做软件的人——这一类的想象空间反而最大。
中国有海量围绕制造业的软件与服务：CRM、ERP、跨境电商工具、物流系统、金融风控、招商平台。它们过去共同的短板是缺一块「工厂事实层」的积木：想做「客户资质自动核验」，没有数据源；想做「按产业带找供应商」，自己建库建不起。于是每家都在自己的一亩三分地里重复造粗糙的轮子，或者干脆放弃这类功能。
开放平台把这块积木做成了公共件。基于五个能力，开发者可以搭出我们自己都没想到的东西：嵌在跨境 ERP 里的供应商推荐、招商系统里的企业尽调面板、给银行风控用的实体核验、垂直行业的选品找厂小程序——上一篇文章讨论的选址与招商分析，同样可以由第三方直接建在这套接口之上。平台的想象力上限，从来不是平台自己的产品清单，而是开发者拿积木搭出的长尾。这是所有开放生态的共同规律，消费互联网已经演示过一遍，制造业数据这一侧，现在才刚开始。
为了让「搭积木」的门槛足够低，我们把该做的都做了：公开的 OpenAPI 描述、AI 编程助手可直接读取的文档、免费沙箱、示例代码——一个熟练开发者从注册到跑通第一次调用，应该在半小时之内。生态的增长速度，取决于第一次成功体验的速度。
十二、对工厂自身：被 AI 看见，正在变成一种新的竞争力
前面三节讲的都是「用数据的人」，这一节讲数据里的主角——480 万家工厂自己。
一个正在成形的事实是：工厂被客户发现的路径，正在加速向 AI 渠道迁移。当采购方的第一站从搜索框换成对话框，工厂的「数字门面」就不再只是官网和店铺，还包括它在数据底座里的那份档案——产品写得准不准、类目挂得对不对、经营信息新不新，直接决定它会不会出现在 AI 给出的名单里、以什么面目出现。
这对工厂是新事，但不是坏事。传统获客渠道的竞争，拼的是投放预算和运营技巧，大厂天然占优；而在「被 AI 检索」这个新渠道里，起决定作用的是档案的真实与完整——一家三十人的小厂，只要产品扎实、信息清楚，在一次「找做某种特种紧固件的厂」的检索里，与行业巨头站在同一条起跑线上。AI 不看广告位，看事实匹配度。
给工厂经营者的具体建议只有一条：把自己在天下工厂的档案当成第二张营业执照来维护。产品描述写具体（「金属制品」不如「不锈钢厨房置物架、年产两百万件、主做出口」），信息变更及时更新。在流量越来越贵的年代，这可能是性价比最高的一笔获客投入——因为它免费，而且它的受众是正在爆发的所有 AI 助手。
十三、更远的图景：当采购的 AI 遇上销售的 AI
把时间轴再拉长一点，做一次审慎的展望。
今天的形态是「人 + AI 助手 + 工具」：人发指令，AI 调工具，人做决策。而 AI 行业正在发生的事情——agent 能力的快速成熟——指向一个更远的形态：任务级的自主代理。采购方的 AI 代理带着需求清单和预算约束，主动执行「寻源—初筛—询价—比选」的完整流程；销售方的 AI 代理带着产能档期和报价策略，回应询盘、安排样品。两个代理在标准协议上对话，人只在成交前的关键节点介入。
这幅图景实现几成、何时实现，今天没人说得准，我们也不打算假装说得准。但有一个判断可以站得住：无论 agent 之间最终怎么对话，它们都需要一个共同的事实层——采购代理要能核实「这家厂真实存在且在营」，销售代理要能证明「我就是我声称的这家厂」。身份、状态、能力、信誉，这些事实必须由中立的、持续验真的数据基础设施来提供，否则 agent 商务就是幻觉对幻觉。
这正是我们对开放平台的长期定位：不是做那个替谁谈判的 agent，而是做所有 agent 都要引用的那份底账。市场可以有一百种 agent，就像路上可以跑一百种车——我们修路。
最后补一个宏观视角。制造业的 agent 化协作真要发生，大概率首先发生在中国——因为这里同时具备三个条件：全球最完整的工业门类与最密集的工厂网络（供给侧的丰度）、全球最激烈的 B2B 获客竞争（需求侧的动力）、以及对新工具接受度极高的一代生意人（扩散侧的土壤）。基础设施的竞争从来是生态位的竞争：谁的事实层先跑通、先被大规模引用，后来者就要面对「数据不如你全、验真不如你久」的双重追赶。我们把开放平台在这个时点推出来，看中的正是这个窗口。
十四、关于开放平台的十问
成文前后，我们把方案讲给不同背景的朋友听，以下十个问题被反复问到，集中作答。
一问：数据从哪来？可靠吗？ 数据资产的建设过程，我们在《选址的科学》一文里用了整章交代：档案逐家建立、地址逐条清洗、经营状态多信号滚动验真，覆盖 480 万家工厂、1,965 个行业类目。开放平台交付的就是这份底座本身——主站十万多销售员每天用它打真实电话，这是比任何认证都硬的质量测试。
二问：和网上爬来的企业数据有什么区别？ 三个词：厂址、验真、更新。多数市面数据锚定工商注册地址、依赖静态登记信息；这份底座锚定实际生产地址、状态持续核验、产品类目对齐产业一线的说法。区别在每一次「打过去电话是空号」与「打过去老板接了」之间。
三问：为什么不做年费会员，按次计价不怕收入少吗？ 我们判断按次是 AI 时代数据服务的必然形态（用量由任务决定、波动极大），也是把中小使用者请进来的唯一方式。收入的逻辑从「锁定大客户」换成「服务所有真实需求」——我们赌的是需求总量，而历史上每一次门槛下降，需求总量的膨胀都超过预期。
四问：调用出错、数据不准怎么办？ 失败零扣费是合同承诺。数据层面，档案存在时滞与边界情况（《选址的科学》边界章有完整交代），对单家企业请以档案为线索、实地为准绳。发现具体错误可通过平台反馈，验真管线会处理。
五问：哪些 AI 客户端能用？ 凡支持 MCP 协议的客户端都能接入；文档中心维护着七种主流 AI 客户端的接入指引，并随生态演进持续更新。不支持 MCP 的场景走标准接口，能力完全一致。
六问：联系方式会不会被滥用？ 脱敏交付、按授权分级、调用有频次约束，滥用行为有风控拦截。我们的立场写在边界一章：这个能力的存在意义是促成有价值的连接，不是骚扰的弹药库。
七问：我的调用数据安全吗？ 密钥体系隔离、调用全程审计。开发者的业务数据（查了什么、怎么用）属于开发者，我们不将其用于任何其他用途。
八问：免费能试到什么程度？ 沙箱不限时间、不收费，返回结构完整的示例数据，足以完成全部开发联调；字典类接口（行政区划、行业类目）在生产环境也永久免费。付费只发生在取用真实数据的那一刻。
九问：会开放更多能力吗？ 会。方向由两样东西决定：数据底座还能支撑什么（选址分析、集群档案这类研究能力的接口化在路上），以及开发者实际在搭什么。开放平台的路线图，一半写在我们的计划里，一半写在你们的调用日志里。
十问：这跟天下工厂主站是什么关系？ 同一份数据、两种出口。主站是做好的成品（面向销售和采购的完整产品），开放平台是原材料和积木（面向开发者和 AI）。用主站不需要懂接口，用接口不需要经过主站——各取所需，底下是同一个持续验真的事实源。
十五、边界与诚实：这件事做不到什么
按研究院的惯例，讲完能力讲边界。四条，每条都是真实使用中会遇到的。
数据有边界。 开放平台交付的是档案与线索——工厂是否存在、是否在营、做什么、怎么联系。它不能替代验厂：产能是否如实、质量是否稳定、账期是否守信，这些必须靠人到现场、靠订单磨合。接口把你送到正确的门口，门后的功课省不掉。
AI 有幻觉，工具是解药但不是万灵药。 接上 MCP 的 AI 助手在「找厂」这类事实问题上的可靠性远高于裸模型——因为答案来自数据库而非记忆。但 AI 对结果的转述、归纳、推荐仍然可能出错。我们的建议一以贯之：把 AI 的输出当高质量线索，不当免检结论；关键决策前，用企业详情能力核对原始档案。
联系触达有伦理边界。 联系方式能力的存在意义是促成有价值的生意连接，不是骚扰的弹药库。数据脱敏交付、按授权分级、调用有频次约束——这些设计都在传达同一个立场：我们希望接口的每一次调用，最终变成一通对双方都有价值的电话。滥用触达的使用者，不是我们想服务的客户。
生态刚刚开始，别按成熟期预期。 MCP 协议本身仍在快速演进，各家 AI 客户端的支持程度参差，agent 自主协作更是早期。本文描述的图景里，哪些三年内成为日常、哪些要等十年，我们和所有人一样在观察。可以确定的只有方向，和一件我们能控制的事：把数据底座维护得足够真、把接口做得足够稳，等生态长过来的时候，地基已经在。
十六、结语：插座已经装好
回顾这篇文章的论证链条：制造业的事实层数据长期缺席于接口世界和 AI 世界；三个先例证明基础能力接口化之后会长出超预期的生态；我们把 480 万家工厂的数据能力做成五个标准能力、两种接入方式，并完成了 MCP 生态的一串发布动作；按次计价把使用门槛压到两毛钱一次；由此，销售的工作流、采购的寻源成本、开发者的积木箱、工厂的被发现方式，都会依次发生变化；更远处，agent 之间的产业协作需要一个共同的事实层，而这正是我们的长期定位；同时，验厂替代不了、幻觉消灭不了、生态急不来。
如果把这一切压缩成一个画面：中国制造业这台巨大的机器，第一次装上了一个标准插座——任何软件、任何 AI，从此都可以插上来，读到这台机器的真实状态。
插座装好之后会长出什么，说到底不由我们决定，由插上来的人决定。这也是「开放」两个字的本义。
想插上来的读者，路径很短：文档中心在 www.tianxiagongchang.com/open/docs，沙箱免费，第一次调用不需要花一分钱。找工厂的、找客户的、做软件的、做研究的——插座不挑用途，只认真实的需求。
数据来源与主要参考
本文关于天下工厂开放平台能力、定价与数据规模的信息，来自平台公开文档与天下工厂产业平台数据资产；关于 MCP 协议的表述参考其公开规范。主要来源如下：
- 天下工厂产业平台 — 中国工厂数据库与产业链数据（480 万家工厂档案、1,965 个行业类目、超 300 万家决策人直连）
- 天下工厂开放平台文档中心（www.tianxiagongchang.com/open/docs）— 能力说明、接入指引与公开定价
- Model Context Protocol 规范与官方服务目录（modelcontextprotocol.io）
- 天下工厂产业研究院，《选址的科学：当 345 万个工厂坐标遇上 AI》（2026）
封面图：电路板贴装设备（摄影：Nenad Stojković，Wikimedia Commons，CC BY 2.0）。