企业区位决策

周一上午九点，董事会桌上摆着三份建厂建议书。

第一份建议把新工厂放在现有产业集群旁边。它最贵，却能在九个月内投产，工程师当天就能往返，关键供应商也愿意把技术人员常驻现场。第二份建议把工厂放在劳动力和土地更便宜的内陆城市，测算出来的单位成本最低，但核心供应商要多走一段路。第三份建议主张去海外贴近客户，运费和交付时间都更有吸引力，只是汇率、政策、管理跨度和爬坡速度都不确定。

如果我们只问“哪里最便宜”，答案大概五分钟就能算出来。真正让会议持续到下午的，是另外几句话：竞争对手会不会抢先？补贴是否真的能拿全？需求若只有预测的一半怎么办？港口中断六周时，客户会把订单转给谁？三年后技术换代，这栋厂房还能做什么？

这正是本章与基础选址分析的区别。基础选址希望找到一个好地点；管理层的区位决策，则要设计一套在多种未来里都不容易被击穿的行动方案。地点只是决策的一部分，投多大、何时投、先投哪一段、保留哪些退出与扩张权利，以及用什么信号修正路线，同样重要。

本章中的案例都经过教学化重构，数字不是对某一家现实企业的复刻。我们关心的不是记住一个公司最后去了哪里，而是学会在会议室里把模糊争论翻译成变量、情景、模型和治理动作。

先看一眼管理层面对的完整局面：桌上虽然只有三张地图，真正需要选择的却是地图背后的一组未来路径。

图中的成本、交付、政策、灾害与竞争不会依次发生，它们可能同时变化。我们接下来要做的，就是把这些交织的变化拆成能判断、能行动、能复盘的结构。

---

管理层真正要决定的，不是一个点，而是一条可以修正的路径

先把“选址”这个词暂时放下。假设我们投资的是一座专用设备工厂，建设期十八个月，设备搬迁会损失四成价值，客户认证还要半年。此时选择某个城市，实际上同时锁定了五件事：

1. 现金流暴露：土地、建设、税费、工资、物流和营运资金会以什么节奏发生。
2. 履约能力：出现需求尖峰、供应延误或质量事故时，我们能否按时交货。
3. 组织复杂度：总部能否派出足够的经理和工程师，两个基地之间会不会互相推诿。
4. 制度与政策承诺：补贴、税收优惠、用地条件、环保要求和市场准入会怎样兑现或变化。
5. 未来选择权：我们能否延期、扩产、缩产、转产、转移采购，或以可接受的代价退出。

所以，一个看上去净现值最高的方案，未必最适合拍板。假如它只有在“需求高、补贴足额、投产不延迟、汇率稳定”四件事同时发生时才胜出，那么它不是最优方案，而是一张昂贵的连中四次彩票。

我们更需要下面这个决策表达式：

$$V(a)=E[NPV(a)]-\lambda\,CVaR_{95\%}(L_a)-\mu\,Regret(a)+OV(a)$$

这里的 $a$ 是一整套行动，而不只是城市名称；$E[NPV]$ 是平均意义上的财务价值；$CVaR_{95\%}$ 表示落入最差那部分结果时的平均损失；$Regret$ 是未来回头看时，与当时最佳选择相比少赚或多亏了多少； 则是延期、扩张、切换和退出等选择权的价值。 与 不是数学家替管理层决定的参数，它们反映公司的承压能力：现金紧张、客户罚款高或融资契约严格时，我们自然要更看重尾部损失。

先写“失败条件”，再写评分表

很多团队一上来就给土地、工资、物流、人才分别打分。这样做容易让一个致命缺陷被许多小优点抵消。比如某地综合得分八十五分，但没有满足客户要求的双路供电；另一个地点只有八十分，却能保证关键工序不断电。若停电一次就会报废整炉产品，第一个地点不应该只是“可靠性少五分”，而应直接出局。

我们先设三类门槛：

• 生存门槛：最大现金缺口不能超过授信余量；任何单点中断不能让公司失去全部交付能力。
• 履约门槛：关键客户在约定时限内可获得的有效产能不能低于合同下限。
• 合规门槛：土地、环保、数据、出口管制和补贴附带条件必须能由责任部门逐项签字确认。

通过门槛后，再比较“更好”。这一步顺序很重要：门槛负责防止企业被一票击穿，评分负责在合格方案中取舍。

决策包应该长什么样

一份能让董事会真正拍板的区位决策包，至少包含六页核心内容：候选网络，而非孤立城市；基准现金流；三到五个关键情景；尾部风险与最大后悔值；分阶段投资方案；触发扩张、暂停和退出的指标。附录可以很长，但会议桌上的逻辑必须短而完整。

下面的实验台先把案例一的决策摆到我们手中。试着改变订单、良率、跨境中断和风险厌恶程度，观察“平均收益最高”与“最不容易被击穿”是否仍指向同一个方案。

操作后应特别留意方案排名在哪个阈值发生翻转。那个翻转点比单次计算的冠军更重要，因为它告诉我们接下来最值得核实的是哪项证据。

---

案例一：不是“东部还是东南亚”，而是怎样设计双厂网络

一家消费电子配件企业，我们称它为海岳科技，现有主厂位于华东，九成产量从这里发出。它正在争取两家国际客户的新订单。管理层面对三个方案：

• 方案甲：原址扩建。一次增加年产一千二百万件，投资 7.2 亿元，投产快，良率爬坡有把握。
• 方案乙：海外单厂。在东南亚建设同等规模新厂，投资 6.4 亿元，接近部分客户，但供应商本地化需要时间。
• 方案丙：双厂分步。华东先增加四百万件柔性产能，海外先建六百万件一期，并预留二期接口，总投资初始值 7.0 亿元。

财务部门的基准测算显示，乙的净现值最高，丙次之，甲最低。如果会议在这里结束，答案会是海外单厂。但我们把真正会改变结论的变量摊到桌面上：

把争论变成情景树

我们先不追求几十个分支，只保留真正会改变行动的三层：

第一层是需求：高、基准、低。第二层是跨境物流：正常或受阻。第三层是海外良率爬坡：顺利或延迟。这样得到十二条主要路径。

以“低需求—物流正常—爬坡延迟”为例，海外单厂同时承受产能闲置和质量损失；原址扩建虽然也闲置，却没有跨区域管理的额外负担；双厂分步则可以不启动海外二期，并把高难度产品暂留华东。再看“高需求—物流受阻—爬坡顺利”：原址扩建有足够产量，却可能无法按期送达海外客户；海外单厂受影响较小；双厂可以由两地分别服务不同市场，并在库存耗尽前切换部分订单。

这个情景树揭示了一个容易忽略的事实：双厂的价值不来自“两个地方各做一半”本身，而来自产品、模具、认证和订单能够切换。如果两厂设备规格不同、客户只认证一个工厂、关键模具没有复制，地图上有两个点，运营上仍是一个点。

蒙特卡洛不是为了制造一个更精确的数字

团队用一万次模拟组合需求、良率、运输、汇率和中断时长。模拟结果如下：

这里最重要的不是“丙比乙少 0.21 亿元期望值”，而是分布形状。乙在顺利时赚钱更多，但左侧尾巴很长；丙牺牲少量平均收益，换来更小的失败概率和更轻的极端损失。对一家新订单占总收入四成、现金只能覆盖九个月固定支出的企业来说，尾部风险比平均收益更接近真实约束。

做一次敏感性拆解

我们逐一改变输入，发现结论主要受三个阈值控制：

• 当海外首年良率达到 92% 以上，乙相对甲的成本优势才稳定出现。
• 当物流受阻概率超过 12%，或者一次受阻平均超过 24 天，丙的履约优势迅速扩大。
• 当低需求情景概率超过 35%，丙“不开二期”的延期选择权开始抵消双基地管理成本。

工资差异反而只排第四。这个排序直接改变了尽调计划：团队没有继续花一个月争论五年工资涨幅，而是派工艺经理验证海外供应商的制程能力，要求物流商提供逐票时效分布，并与客户谈双工厂认证。

拍板与治理动作

董事会选择丙，但不是一句“同意双厂”就散会，而是附带四个条件：

1. 华东柔性线先投，承担新产品导入和海外爬坡的后备产能。
2. 海外一期只建六百万件，不在土建阶段预购二期专用设备。
3. 两厂使用统一工艺数据和可互换模具，前五大客户必须在量产前完成双厂认证。
4. 连续三个月滚动订单超过年化九百万件、海外良率高于 95%、当地供应商合格率超过 85% 时，才启动二期。

复盘边界也提前写清：如果海外良率连续两个季度低于 90%，暂停转移高复杂度产品；如果任一地区承担超过 75% 的有效产能，供应链委员会必须提交再平衡方案；如果跨境政策导致关键设备无法升级，则重新评估海外基地的产品边界，而不是机械追求原定份额。

把董事会的条件授权画成网络，我们会更清楚地看到：两座厂房只是外壳，可切换的工艺、认证和模具才是韧性的连接件。

这张图也给复盘提供了检查顺序。任何一条连接没有真正打通，都要从“双厂能力”中扣除，而不能因为地图上已有两个生产点就宣称风险已经分散。

---

案例二：近岸还是在岸——不要把“更近”误当成“更稳”

启辰泵业向欧洲整机客户供应工业泵模块。过去所有模块在中国完成装配，再海运到客户工厂。疫情后的延误和客户本地交付要求，让管理层考虑重构网络。三个候选方案分别是：继续中国集中生产；在中东欧建立装配与售后中心，核心部件仍从中国供应；在客户所在国建立完整工厂。

销售总监偏爱完整在岸，因为“离客户最近”；制造总监偏爱中国集中，因为“良率最高”；供应链总监偏爱近岸装配，因为“运输更灵活”。三个人都说得有道理，也都只说了自己最熟悉的一部分。

先画出端到端成本，而不是比较工资

我们把每台泵的经济结果拆成：

$$TC=C_m+C_l+C_t+C_i+C_q+C_d+C_c$$

$C_m$ 是材料与制造成本，$C_l$ 是直接劳动，$C_t$ 是运输关税，${}_{}$ 是在途与安全库存占用， 是质量失败及返工， 是交付延误造成的停线赔付与订单流失， 是跨基地协调和合规成本。

中国集中方案的 $C_m$ 与 $C_q$ 最低，却有更高的 $C_i$ 和 $$；完整在岸减少在途时间，但工资、供应商导入和初期良率使 、、 上升；近岸装配位于两者之间。仅看平均成本，近岸装配仍未必胜出，因此还要看客户响应、供应恢复速度、人才、政策暴露和可扩展性。

多目标评分不等于把偏好藏进小数点

团队采用一百分制，但先举行了一次“权重听证会”。财务、销售、制造、合规和供应链分别说明：为什么某个指标重要，它与企业目标是什么关系，以及多少变化才具有真实业务意义。最终权重如下：

评分模型可以写成：

$$S_j=\sum_{i=1}^{n}w_i\,u_i(x_{ij})$$

但这里的 $u_i$ 不是简单把原始数值按比例拉到 0—100。比如交付从六十天缩短到三十天，价值很大；从六天缩短到三天，对这类按月排产的工业品客户未必值同样多的分。效用函数必须反映业务边际价值，而不是为了算式整齐。

基准评分为：中国集中 71 分，近岸装配 82 分，完整在岸 76 分。此时不要立刻宣布近岸胜出。我们让每个权重在管理层认可的区间内变化，并把关键评分按尽调误差上下浮动。两万组权重与评分组合中，近岸装配有 68% 的次数排第一，完整在岸为 25%，中国集中为 7%。

这个结果说明近岸方案较稳健，却没有稳健到可以停止调查。进一步检查发现，只要完整在岸的首两年良率能达到中国工厂的 97%，并且自动化使单位人工时下降 30%，它就会反超。于是“在岸太贵”的争论被改写为两个可验证问题：自动化方案是否真的减少工时？当地团队能否复制关键质量控制？

用小规模运行换取信息

管理层没有立即建完整工厂，而是租用近岸标准厂房，先投入装配、测试、备件和售后能力。核心叶轮与密封件仍在中国制造，但接口标准化，允许未来导入第二来源。这个方案看似折中，实质上是在购买三种信息：当地招聘与培训的真实效率、客户是否愿意为更短交付付费、供应商能否通过质量认证。

十二个月后再看：

• 若本地订单超过每年六千台，装配一次合格率稳定在 98%，且客户愿意签三年以上框架合同，则评估把机加工迁入。
• 若订单不足四千台，保留装配与售后，不进入重资产制造。
• 若跨境核心部件交付波动超过约定阈值，则优先开发第二来源，而不是直接扩大厂房。
• 若法规要求影响的只是最终测试与记录，就把合规环节放近客户；若影响材料来源和全过程追溯，才重新设计完整价值链。

这里的复盘边界提醒我们：“近岸”“友岸”“在岸”都不是答案，它们只是对空间关系的描述。供应链是否更稳，要看中断是不是被真正隔离。把装配搬近客户、却继续由一个工厂供应唯一核心件，只能改善交付体验，不能消除单点故障。

把三种方案沿着真实物流路径展开，就能看出“距离更短”只改善了部分环节，并不会自动消除核心部件的单一来源。

图中需要逐段检查的不是国家名称，而是库存放在哪里、质量由谁控制、中断从哪里传导，以及恢复能力能否跨区域独立存在。

现在可以亲手检验评分模型是否稳健。调整六项目标的权重，并观察尽调误差进入模型后，三种供应网络的领先频率怎样变化。

如果一个方案只在某组极窄的权重下胜出，我们就不应把它包装成客观最优。更有用的结论，是找出最接近的翻转点，再把尽调资源投向那个变量。

---

案例三：竞争对手也在看地图——换电站的选址博弈

地点的价值并不独立于竞争对手。我们在地图上看到的“高流量商圈”，对方也看得见；我们拿下一块地以后，对方的下一步会改变这块地的收益。

设想两家商用车换电运营商，青栈与远驰，正在一座物流城市扩张。城市有两个关键节点：东部港区和西部物流园。东部当天车流大、土地贵；西部当前车流较小，但新仓储项目即将投产。两家公司都可以先建一座站，十八个月后再决定第二座。

如果青栈把竞争对手当作不存在，东部港区的单站净现值为 6200 万元，西部物流园为 4700 万元，答案显然是东部。但竞争发生后，结果变成下面的教学化收益矩阵，格内前一个数字是青栈收益，后一个是远驰收益：

两家都挤在东部，会分流客户并引发价格促销；一东一西，各自获得局部网络优势；两家都去西部，则早期需求不足。这张表没有告诉我们“永远去西部”，而是迫使我们回答：对手最可能怎么反应？我们能否通过先手行动影响它的选择？

从静态矩阵走向行动树

青栈有三种战略：

• 抢先承诺：立即签东部二十年租约，建设大站，试图让对手转向西部。
• 低成本占位：在东部租下可退的小地块，只建模块化小站，保留扩张权。
• 差异化绕行：进入西部，但与三家车队签排他性的夜间保障合同，避免只靠自然车流。

对手反应也分三类：避让、跟进、延迟观察。于是我们需要给每条路径估计收益，而不是只估计一个地点的流量。最难估的是对手反应概率。团队没有用“大家觉得”来投票，而是收集四类可观察信号：对手过去在相似城市的跟进速度、资本开支能力、设备交付排期、其车队合作范围。

基准判断是：青栈若在东部建大站，远驰跟进概率 55%，避让概率 30%，延迟概率 15%；青栈若模块化占位，远驰认为威胁不足，跟进概率反而升至 65%；若青栈进入西部并锁定车队，远驰去东部的概率达到 70%。

这说明“小投入试探”并不总是更安全。它可能向对手发出“我没有能力守住这里”的信号，降低威慑力。实物期权必须与博弈结合：灵活性给了我们等待权，也可能把先手优势让给别人。

计算最大后悔，而不是押中唯一预测

对于竞争反应，概率往往比需求预测更脆弱。我们因此增加最小最大后悔准则：在每一种对手反应下，先找事后最好的行动，再计算当前行动离它有多远。

若青栈对极端犯错非常敏感，西部锁定车队更合适。它在最顺利的情形下不一定赚最多，却把竞争最激烈时的损失控制住。更关键的是，车队合同把一个抽象预测转化为可验证需求。

拍板不是结束，而是部署探针

青栈选择西部模块化中型站，同时签下两支夜班车队，合同设置最低换电量，但不做过度排他，以免在需求低时背负补贴义务。它还获得相邻地块十八个月优先租赁权，并把扩站所需的电力容量在一期报装时一并预留。

董事会设置三类信号：

• 扩张信号：连续十周高峰利用率超过 75%，排队放弃率超过 8%，并且车队续约覆盖新增固定成本。
• 竞争信号：对手取得东部用地或设备订单，不自动触发跟进；只有当其签约车队与青栈客户重叠超过 30% 时，才重新评估价格与第二站。
• 退出信号：物流园投产推迟超过一年且保底换电量低于计划六成，则不扩站，并启动设备转移评估。

复盘时不能用“对手后来没有来，所以我们当初太保守”评价原决策。正确边界是：当时对手跟进具有合理概率，而西部合同确实降低了最大后悔；如果事实更新了反应概率，我们就更新下一站，而不是篡改上一轮决策的质量。

竞争选址的关键关系可以压缩到一张城市图上：每一个先手动作都会改变对方的收益，也会改变对方眼中我们的承诺强度。

图中的箭头提醒我们，地点收益不是静止的底色。只有把对手的跟进、避让和延迟放进行动树，流量预测才会变成可用于拍板的竞争判断。

---

案例四：补贴不是现金折扣，而是一份带条件的合同

澄明材料准备建设一条高纯电子材料产线。A 地给出总额 2.4 亿元的政策支持，B 地给出 1.5 亿元。项目团队初看认为 A 地显然更优，但法务把文件拆开后发现：A 地只有 4000 万元在开工后支付，其余资金与建设进度、量产时间、本地采购、就业数量和研发投入挂钩；若未在约定时间达产，部分资金可能收回。B 地金额较少，却有较高比例在固定资产形成后支付，条件也更接近企业原本计划。

我们不能把“2.4 亿元”直接从投资额里减掉，而要把每一笔支持写成条件现金流：

$$PV(Subsidy)=\sum_{t=1}^{T}\frac{p_t\times A_t-C_t-R_t}{(1+r)^t}$$

$A_t$ 是名义支持金额，$p_t$ 是在对应时间满足条件并到账的概率，$C_t$ 是为了满足条件新增的成本，$R_t$ 是违约返还、限制未来布局或失去其他选择权的风险调整价值。

建立政策情景树

这次情景树不从“政策会不会变”这种笼统问题开始，而从合同可执行事件开始：

1. 土地与许可是否按期完成；
2. 设备能否按计划到场；
3. 客户认证是否在达产期限前结束；
4. 就业与本地采购指标是否与自动化路线冲突；
5. 企业未来在其他地区扩产是否受附带条件约束。

团队设定四个组合情景：顺利兑现、许可延迟、客户认证延迟、规则与市场同时变化。测算结果显示，A 地名义支持 2.4 亿元，风险调整后的现值只有 1.26 亿元；B 地名义支持 1.5 亿元，风险调整现值为 1.17 亿元。两者真实差距不是 9000 万元，而是 900 万元。更重要的是，A 地为了满足就业和本地采购条件，需要改变自动化计划并提前导入尚未稳定的供应商，新增成本和质量风险可能继续放大。

看清补贴诱发的战略锁定

补贴往往同时改变两种行为。第一，它降低当前地点的进入成本；第二，它可能限制未来产能、技术或采购的移动。后者没有出现在传统净现值表里，却会影响公司下一轮区位决策。

我们设置一个简单压力测试：如果三年后产品升级，澄明材料需要新增一条更先进的产线，A 地合同可能要求优先在本地扩建，而 B 地没有这一条。假设未来更优地点出现的概率为 35%，迁往该地能创造 1.2 亿元额外价值，那么失去移动自由的期望机会成本就不可忽略。它不是说有约束的补贴一定不能拿，而是要把“接受今天的钱，放弃明天什么”明明白白写出来。

用里程碑付款匹配投资节奏

澄明没有简单地在 A、B 中二选一，而是重新设计谈判和投资结构：一期先投通用厂房、公用工程和一条验证线；二期专用设备在客户认证后下单；政策支持按土地交付、厂房封顶、试生产和稳定量产分段确认；因政府审批延迟造成的时间变化不计入企业违约；本地采购考核采用质量合格后的可用金额，而不是机械比例。

在重新谈判后，A 地仍保留较高支持，但企业取得两项关键保护：未触发的后续支持可以放弃，不影响已完成里程碑对应款项；新一代产品线的布局需要单独协商，不自动被旧项目锁定。此时 A 地的选择权损失显著下降，项目才重新变得有吸引力。

决策与复盘边界

最终董事会批准 A 地一期，二期为条件授权：客户认证完成率达到 80%、一期试生产良率连续八周超过 96%、政策资金已按首两个里程碑到账，才能释放二期资本开支。任何一项未满足，项目委员会有权延期六个月，无需重新证明“项目总体仍然正确”。

复盘时重点看四本账：名义承诺、已确认应收、实际到账、为满足条件新增的成本。政策支持若只记在一张总表里，团队很容易把尚未获得的金额当成已经降低的投资。

把名义支持沿兑现条件逐层展开后，宣传材料上的大数字才会变成可以进入现金流的金额。

这棵条件树最右端的数字不是对政策的悲观折价，而是把到账概率、额外成本、返还责任与未来布局限制同时计入后的可比较价值。

接着用分阶段投资实验台走一遍六道资本闸门。每到一个节点，都要依据当时已经获得的订单、认证、良率和政策到账证据，决定放行、暂停、延期、切换还是退出。

实验结束后可以看到，分阶段并不是把同一笔投资拖长，而是在新的不可逆投入发生前重新核验关键证据。闸门越清楚，团队越不容易被已经花掉的成本推着继续下注。

---

案例五：洪水不会按年平均发生——医疗耗材工厂的灾害风险

安澜医疗生产一种医院常用耗材，现有工厂靠近港口，正常年份物流效率很好。公司准备新增产能，候选地 C 的建设成本最低，但位于同一流域；候选地 D 成本高 12%，电力和运输略逊，却与现有工厂不共享主要灾害暴露。

工程团队拿到的保险数据说，现有地区严重洪水“百年一遇”。有人据此把年概率 1% 乘以一次损失，折算成平均每年风险成本。这个做法对保险定价可能有启发，对连续经营却不够。企业真正关心的是：灾害来时会同时停掉多少产能、库存能撑多久、客户多久转单，以及恢复之后订单能否回来。

从灾害概率走向业务影响

我们为每个方案建立业务影响链：危险事件 → 设施受损 → 公用工程中断 → 产能损失 → 库存消耗 → 客户缺货 → 合同和市场份额损失。关键变量包括：

• 两厂灾害相关系数，而不只是各自的单点概率；
• 最大可容忍中断时间，医院客户能等待多少天；
• 恢复时间分布，不能只写“预计两周”；
• 备用电、水、模具、包材和检验能力是否真的独立；
• 保险赔的是资产损失还是客户流失，两者不是一回事；
• 灾后交通、员工到岗与上游供应商是否共享同一暴露。

团队模拟三类事件：短时内涝导致停产三天；区域洪水使工厂和两家供应商同时中断三周；极端事件造成设备损坏并触发两个月恢复。对每类事件分别模拟水位、停电、道路恢复和供应商恢复时间，再把它们转成订单缺口。

异地完整复制最稳，却不一定最经济。进一步拆分工艺后发现，真正限制恢复的是灭菌、无菌检验和专用包装，而普通成型产能可通过外协补充。于是第三个方案出现：D 地不复制全部工序，只建立可快速扩张的关键工序与成品安全库存，并预先认证两家外协成型厂。

用恢复目标倒推区位与产能

董事会先确定恢复目标：任何单一区域中断后，七天内恢复 40% 合格交付，二十一天内恢复 80%；关键医院客户缺货不得超过五天。然后倒推所需资产：D 地保持 30% 日常产能，设备接口允许两周内加班提升到 55%；两地各保存一套关键模具；检验方法和质量记录统一；安全库存不只按销量分布，还按灾害相关性分开存放。

这一步把“是否多花 12% 去 D 地”变成“用什么最低成本满足恢复目标”。最终异地关键工序备份胜出，不是因为它综合评分最高，而是它以最小增量成本跨过了业务连续性门槛。

复盘不能等灾害发生

如果只有真实洪水发生后才验证方案，我们付出的学费太高。安澜每半年进行一次不通知切换演练：假设主厂当天不可用，D 地必须在四小时内接收订单、确认物料、排产和质量放行路径。演练记录四个时间：做出切换决定、取得可用库存、首批合格品完成、客户收到货。

治理边界包括：若演练中二十一天恢复目标连续两次未达成，新增销售不得继续占用主厂单点产能；若某上游供应商同时服务两厂且无法在灾害中独立恢复，它不再被计作双来源；若区域风险图、堤防标准或保险条件变化，重新运行尾部情景，而不是只调整平均风险成本。

平均灾害概率很难呈现业务后果，沿影响链追踪则能看清一次洪水如何穿过电力、道路、产能与库存，最终变成客户缺货。

下方的异地备份路径说明了为何恢复目标必须具体到天数和产能比例：只有关键工序、检验和库存能够按时接续，第二地点才真正缩短业务中断。

---

把模型装进管理流程：从一次性选址到滚动治理

五个案例看起来不同：一个讨论双厂，一个讨论近岸，一个讨论竞争，一个讨论补贴，一个讨论灾害。它们背后的管理逻辑却相同：先把不可承受的失败排除，再把不确定性显式化，随后购买信息和选择权，最后用触发器控制下一步资本。

第一步：把候选“地点”改写成候选“行动”

不要比较“苏州、成都、波兰”三个名词，要比较完整动作，例如：

• 苏州一次建满一千万件；
• 成都先租后建，十二个月后决定是否购买土地；
• 波兰只做装配与售后，核心部件继续由国内供应；
• 国内与海外各建一期，并预留可切换模具；
• 暂缓六个月，用客户预订单换取需求信息。

地点相同，建设节奏和可逆性不同，风险收益分布就完全不同。把“等待”也列为正式候选项，团队才能看到延迟决策的价值与代价。

第二步：只追踪会改变选择的变量

一份选址数据库可以有几百个字段，但董事会不应被几百个字段淹没。我们用“翻转测试”筛选关键变量：某个输入在合理范围内变化，是否会改变方案排序、触发门槛或资本节奏？如果不会，它适合留在尽调附录；如果会，它必须进入决策驾驶舱。

常见的翻转变量包括需求下限、良率爬坡、客户认证时间、跨境交付尾部时长、政策兑现条件、能源可用性、灾害相关性、竞争对手反应和退出残值。平均工资、平均运费等熟悉数字未必最关键。

第三步：区分三种不确定性

可估概率的风险，例如设备故障率、运输时效分布，可以进入蒙特卡洛。只能设情景的不确定性，例如新规则的具体形式，适合用情景树和压力测试。由他人战略反应产生的不确定性，例如竞争对手跟进、地方政府谈判或客户转单，需要用博弈与信号更新。

不要为了统一而强迫三者都变成一个概率。给一个完全没有依据的“政策变化概率 27%”，只会让模型显得精确，不会让决策更可靠。此时更实用的做法是问：在哪些政策版本下方案仍然可行？最坏版本造成多大损失？我们能否通过合同、阶段投资或产品边界降低暴露？

第四步：同时看四张结果图

单一平均净现值不够，至少同时观察：

1. 期望值：长期重复意义下能创造多少价值。
2. 尾部损失：最差一小部分情景里会亏到什么程度。
3. 最大后悔：如果未来与基准判断不同，我们离事后最佳方案有多远。
4. 现金流路径：低谷出现在哪个月，是否会触碰授信或偿债约束。

有些方案期望值高但会在建设第十四个月出现巨大现金缺口；有些方案总利润略低，却始终保留融资余量。对管理层而言，时间路径和总数同样重要。

第五步：给灵活性定价，也给它验收

“以后可以扩产”“必要时可以转移”是最容易被滥用的口头承诺。真正的选择权必须同时具备：执行权利、技术可行、组织准备和合理提前期。

例如预留二期土地只是第一层；如果电力容量没有预留、设备交期十八个月、客户认证需一年，这个扩产权在需求尖峰时可能毫无价值。我们应记录每项选择权的行权成本、最晚决策时间、准备条件和负责人。

可以用一个简化表管理：

把这些选择权放在同一只工具箱里，有助于我们区分“口头上可以调整”和“已经准备好行权”的差别。

每拿起一件工具，都要同时回答右侧三张验收卡：什么信号触发、付出多少行权成本、最晚何时会失效。答不出来的灵活性，不应计入方案价值。

---

董事会怎样防止模型被“做成想要的答案”

区位模型最大的风险通常不是公式算错，而是组织在输入端悄悄达成了一个想要的结论。业务部门高估需求，项目团队低估爬坡时间，地方谈判人员把附条件支持写成确定收入，财务用平均运费抹平港口拥堵，最后模型会非常整齐地证明大家最初喜欢的地点。

我们可以设置五道治理防线。

输入必须有“所有者”和“挑战者”

需求由销售提供，但财务或战略团队挑战；良率由制造提供，但质量部门挑战；政策资金由公共事务提供，但法务和财务确认可执行条件；物流分布由供应链提供，但必须保留逐票数据而非只有平均数。

挑战者不是为了把数字一律调低，而是检查证据、口径和相关性。例如需求与售价通常不是独立变量，高需求可能伴随更高加急成本；灾害可能同时影响工厂、供应商和港口。把这些变量独立抽样，会严重低估尾部风险。

先冻结模型结构，再看最终排名

团队应先确认目标、门槛、情景和权重范围，再运行最终候选方案。若看到排名后不断新增指标或改变权重，模型会沦为包装。确需调整时，要记录调整理由以及排名是否因此翻转。

让反方写“失败前传”

假设项目三年后失败，请反方团队写出一篇简短前传：哪个假设先偏离？哪个预警被忽视？为什么没有暂停？这不是悲观练习，而是在投资前暴露因果链。海岳科技的失败前传可能是“海外良率持续低于九成，但为了赶二期补贴仍然扩产，国内备用线又被其他产品占满”；一句话就能导出三个治理指标。

把批准拆成资本闸门

董事会批准的是一条路线，不必一次释放全部资金。典型闸门可以设在土地获取、基础设计、长周期设备下单、厂房封顶、试生产、客户认证和二期扩产。每个闸门只检查会影响下一笔不可逆投入的证据，避免每次都重做整套项目，也避免“既然已经花了这么多，只能继续”的沉没成本陷阱。

用决策日志区分“坏结果”和“坏决策”

高质量决策也可能遇到低概率坏结果，低质量决策也可能走运。决策日志应保存当时可得信息、关键假设、反对意见、触发器和责任人。复盘先问当时的逻辑是否合理，再问新信息如何更新下一步。这样团队才愿意真实报告不确定性，而不是为了避免事后追责伪装确定。

把会议中的三种异议变成可检验任务

区位会上最常听到的第一种话是：“这个风险发生概率太低，不值得为它多花钱。”我们不要争论低概率算不算低，而要追问冲击是否越过生存门槛。若一次中断足以造成现金链断裂、核心客户永久转单或合规资格丧失，即使概率很小，也应比较保险、冗余、合同转移和退出权中哪一种保护最便宜。低概率不能自动等于可忽略。

第二种话是：“等所有信息明确再决定。”等待确实有价值，但等待也有成本：土地优先权会到期、设备排期会后移、竞争对手会先进入、客户也可能转向更确定的供应商。团队应把等待写成一个正式方案，计算六个月内预期获得什么信息、这些信息有多大概率改变决策，以及为此放弃多少先手收益。若新信息不会改变行动，等待只是拖延；若一项低成本试验能迅速辨别关键情景，等待就是值得购买的选择权。

第三种话是：“总部没有能力同时管理两座工厂。”这不是模型外的借口，而是必须进入模型的约束。我们应列出新基地需要的厂长、工艺、质量、采购和信息系统人员，标注哪些岗位能内部派驻、哪些必须当地招聘、能力形成需要多久。若组织资源不足，双厂方案可以改成分期、合资、委托制造或只备份关键工序；如果仍无法跨过管理门槛，就应淘汰，而不是先批准再期待团队自行解决。

异议被这样处理后，会议不再以谁的职位更高结束，而以一个明确的验证动作结束：补做哪项压力测试、获得哪份合同条款、运行哪次切换演练，或者由谁在何时确认某项能力。管理层的分歧因此成为信息，而不是噪声。

---

一套可以直接带进会议室的拍板流程

我们最后把本章压缩成一次两周的管理动作。它适用于建厂、仓网、研发中心、区域总部和服务节点等不可轻易搬迁的决策。

第 1—2 天：定义决策与底线

写清决策期限、投资上限、客户履约底线、最大现金缺口、合规红线和恢复目标。确认“不投资”“延迟”“租赁试点”“分期建设”是否进入候选集。

第 3—5 天：建立可审计的事实底座

每个关键输入保留来源、时间、口径、责任人和不确定范围。平均值之外至少收集分布或上下界。对于政策支持，逐条拆出条件、到账时点、额外成本和返还责任；对于灾害，检查不同节点是否共享暴露；对于竞争，收集可观察行动而不是猜测对方心态。

第 6—7 天：构造少而有力的情景

不要把所有变量排列组合成无法解释的巨大树。先选出三到五个会改变行动的驱动因素，构造基准、上行、下行和断裂情景。每个情景必须能回答“发生后我们做什么”，否则它只是故事。

第 8—9 天：运行模型并寻找翻转点

对可估概率变量运行蒙特卡洛，对深度不确定性做压力测试，对多目标权重做全局敏感性，对竞争反应计算收益与后悔。输出方案排名之外，还要输出：哪些变量最重要、在哪个阈值翻转、哪些数据值得继续花钱调查。

第 10 天：设计阶段与选择权

把一次性投资拆成可管理阶段。逐项核实扩张、切换、缩产和退出是否真的可执行。对于无法定价的选择权，至少记录行权条件、成本、提前期和失效时间。

第 11—12 天：反方审查与合同化

由未参与建模的人挑战相关性、尾部风险和组织能力。把关键假设转成土地、建设、设备、客户、供应商和政策协议中的条款。一个无法进入合同或运营标准的“优势”，通常不如模型里看起来可靠。

第 13—14 天：批准路线与监控仪表盘

董事会最终文件只保留四类内容：现在做什么、下一笔钱何时释放、什么信号要求转向、谁有权暂停。监控频率按变量变化速度设置：订单和良率可以月度，政策里程碑按事件，灾害与业务连续性按季度演练，完整区位组合至少年度复核。

---

结语：最好的地点，是能让企业保留行动自由的地点

我们从三份建议书开始，最后却没有得到一张“万能选址评分表”。这是有意的。企业区位决策的核心，不是把所有因素压缩成一个永远正确的总分，而是建立一条可审计的逻辑链：什么不能失败，什么尚不确定，什么信息值得购买，什么资本可以延后，什么承诺必须写进合同，什么信号出现时要改变路线。

成本仍然重要，但我们不再只比较平均成本；我们看它在需求、良率、物流、汇率和政策共同变化时怎样分布。风险仍然重要，但我们不把风险理解为“越少越好”；我们判断哪些风险可以分散，哪些能够转移，哪些应该用冗余吸收，哪些必须通过退出权回避。灵活性也不是一句漂亮口号；它必须落实到设备接口、双重认证、土地权利、订单合同、组织权限和资本闸门。

当管理层下一次面对“甲地回报最高、乙地最安全、丙地最有战略意义”的争论时，我们可以先把问题改写：在哪些未来里甲地胜出？乙地为安全多付了多少？丙地的战略价值通过什么指标兑现？如果最关键的假设错了，我们在第几个月能发现，又能以多大代价转向？

问到这里，区位决策才真正从地图上的一个点，变成企业可以持续管理的一条路。