区位选择与区域发展

傍晚六点，一家准备进入华南市场的工业软件公司开完了第三次选址会。销售负责人坚持把办公室放在深圳中心城区，因为客户密集；财务负责人看中了东莞较低的租金；产品负责人希望靠近香港，方便招聘熟悉国际业务的人才；交付负责人却提醒大家，软件虽然可以在线发送，工程师仍要频繁进入工厂调试。四个人说的都对，也正因为都对，会议才迟迟没有结论。

真正的区位选择，从来不是找一个“条件最好”的地方，而是在多个彼此冲突的目标之间做取舍。低租金可能伴随更长的客户响应时间，临近高校不等于能留住工程师，拿到政策补贴也不代表项目十年后仍有竞争力。对一家企业如此，对一座城市、一个产业园和一个城市群也是如此。

这一章我们不从概念清单开始。我们会跟着四个决策团队，分别处理前海的企业选址、合肥的产业投资、长三角的跨城布局和阜新的资源型地区转型。每个案例都要回答六个问题：决策情境是什么，哪些变量真正改变结果，空间机制如何运转，怎样计算，结论是什么，以及结论在什么条件下会失效。走完这些案例后，我们再把共同逻辑收束成一套可以复用的分析框架。

先换一个问题：不是“哪里最好”，而是“哪里让系统运转得最好”

假设我们只比较租金，郊区通常胜出；只比较客户密度，中心城区往往胜出；只比较补贴，某个开发区可能胜出。但企业最终支付的并不只有租金，它还要承担运输、招聘、沟通、库存、延误、合规和中断风险。我们先把第一个直觉写成式子：

$$\Pi_i=R_i-C_i^{\text{生产}}-C_i^{\text{物流}}-C_i^{\text{协调}}-C_i^{\text{风险}}+A_i+P_i$$

式中，$\Pi_i$ 是区位 $i$ 带来的预期净收益；$R_i$ 是可实现收入；四类成本依次是生产、物流、协调与风险成本；$A_i$ 是集聚带来的额外收益；$P_i$ 是政策或制度安排带来的净收益。注意最后一个词是“净收益”：补贴要减去申报成本、履约成本和政策变化风险，不能把补贴金额原封不动地加进利润。

如果项目会持续多年，我们还要考虑资金的时间价值：

$$NPV_i=-I_{0,i}+\sum_{t=1}^{T}\frac{CF_{i,t}}{(1+r)^t}-\frac{L_i}{(1+r)^T}$$

$I_{0,i}$ 是初始投入，$CF_{i,t}$ 是第 $t$ 年现金流，$r$ 是折现率，$L_i$ 是期末搬迁、土地修复或退出成本。一个地方在第一年看起来便宜，不代表整个项目周期都便宜。厂房扩建受限、招工难度上升、极端天气导致停产，都可能在后几年反转结论。

在进入案例前，先约定一个实用顺序：先检查不能违反的硬约束，再比较可以权衡的软指标。环评容量不足、用地性质不符、洪涝风险不可接受、关键能源无保障，这些都不是“分数低一点”，而是直接淘汰。只有通过硬约束的候选地，才进入成本收益与多指标评分。

---

案例一：一家跨境专业服务公司为什么考虑前海

情境：客户在深圳，业务要跨境，团队该坐在哪里

我们把自己放进一家知识产权与供应链合规服务公司的管理层。公司现有客户主要是珠三角制造企业，同时准备增加面向香港及海外市场的服务。候选地有三个：前海、福田中心区和宝安机场周边。团队不需要大厂房，却高度依赖面对面沟通、跨境专业人才、法律与金融服务网络，也经常前往机场和制造企业。

前海的价值不能被简化为“离香港近”。合作区从最初的较小片区扩展到约 120.56 平方公里后，承载空间、交通节点和产业类型都发生了变化。其定位集中在现代服务业、制度创新、深港合作和高水平开放。对这家公司而言，真正需要验证的是：这种制度与网络优势，能否转化为更多客户、更低交易摩擦和更快的人才匹配，并抵消办公和生活成本。

第一步：把“区位好”拆成可观察变量

决策组先列出六项变量，并说明怎样取数，而不是先给喜欢的地点打高分。

这里有一个常见误区：把行政区人口或 GDP 直接当作市场规模。服务企业真正关心的是“在可接受时间内能触达、且有购买能力的客户”。我们可以用市场潜力表示：

$$MP_i=\sum_{j=1}^{n}\frac{M_j}{(t_{ij}+\tau_{ij})^{\alpha}}$$

$M_j$ 是客户点 $j$ 的潜在需求，$t_{ij}$ 是旅行时间，$\tau_{ij}$ 是过关、换乘、预约等额外摩擦时间，$\alpha$ 表示时间增加后联系强度下降得有多快。客户越大、越近，贡献越高；同样是 30 公里，有直达轨道和需要两次换乘，经济距离并不相同。

第二步：做一张可复算的评分表

下面是一组教学化数据，用来演示方法，不是现实租金或招商报价。团队先把每项指标转成 0—100 分，再按业务战略确定权重。

以前海为例，计算是：

$$0.20\times82+0.22\times94+0.18\times90+0.15\times91+0.15\times62+0.10\times78=83.4$$

前海只领先福田 0.7 分，这不是“稳赢”，而是提醒我们进行敏感性分析。若公司暂缓跨境业务，把跨境便利度权重从 22% 降到 10%，并把客户可达性和固定成本权重提高，排序可能改变。若公司主要服务宝安、东莞制造企业，宝安的客户可达性分也会提高。一个稳健结论应当经得起合理的权重变化，而不是依赖某个精心挑选的权重。

第三步：把年租金差额换成业务量

评分还不够，管理层需要知道前海比宝安更高的成本要增加多少业务才能覆盖。假设前海每年固定成本比宝安高 180 万元，跨境项目的平均贡献毛利为 6 万元，那么保本所需的新增项目数为：

$$Q^*=\frac{1{,}800{,}000}{60{,}000}=30\text{ 个项目/年}$$

接下来不能拍脑袋说“肯定能多 30 个”。团队应检查销售漏斗：专业网络每年能带来多少有效线索，线索转化率是多少，交付团队能否承接。如果预计新增 80 条线索、转化率 25%，只有 20 个项目，单凭业务增长无法覆盖成本；但如果更快招聘使交付产能增加，或者跨境办结时间缩短提高了毛利，就要把这两项一并加入现金流。

结论与边界

这家公司选择前海的理由不是“政策好”，而是跨境业务占比足够高时，制度摩擦、专业网络和人才匹配三项收益共同超过成本差。它还可以采取分阶段方案：先租小面积办公室验证一年，以新增客户数、招聘周期和跨境办结时间作为扩租门槛。

结论的边界同样清楚。若企业是低毛利后台处理中心、员工几乎不见客户，或主要客户位于东莞北部，那么更低成本的节点可能更合适。若政策优惠附带的履约条件无法满足，也应按零计算，而不是先把最高补贴写入收益。

---

案例二：合肥的产业投资，怎样从“押一个项目”变成“造一条链”

情境：财政资源有限，要不要支持重资产新产业

再换到地方政府的会议室。2008 年前后，合肥面临一个高风险选择：新型显示项目投资规模大、技术迭代快、建设周期长，而本地当时并没有成熟的完整产业链。第 6 代液晶面板生产线项目总投资约 175 亿元。只看眼前税收，这类项目很可能不划算；只看“高科技”标签，又容易把产业判断变成追热点。

决策真正要回答的不是“这个企业会不会成功”，而是五个更具体的问题：项目是否卡在本地区产业结构的关键缺口；本地有没有足够的工程、能源、人才和融资承载力；龙头落地后，上下游是否愿意跟进；政府能否设置分期投入和退出机制；即使项目失败，形成的厂房、人才和供应商能力是否可转用。

合肥后来围绕新型显示、集成电路和新能源汽车形成了连续的产业布局。这里最值得学习的不是把地方政府想象成一个会选明星企业的“投资高手”，而是把资本、空间、基础设施、人才和招商组合成一套项目落地系统。

先算三本账，而不是只算股权回报

第一本是企业现金流账，判断项目自身能否存活；第二本是公共资金账，判断财政承担了多少风险、何时可以退出；第三本是区域产业账，判断本地增加值、就业、供应链和知识能力是否增加。三本账不能互相冒充。

区域产业账可以写成：

$$B_t=VA_t+W_t+T_t+S_t-E_t-O_t$$

$VA_t$ 是新增本地增加值，$W_t$ 是就业和技能提升带来的收益，$T_t$ 是可持续税收，$S_t$ 是供应链与知识溢出，$E_t$ 是环境与资源成本，$O_t$ 是挤出其他项目的机会成本。股价上涨不等于区域收益，厂房产值也不等于本地增加值；大量零部件从外地采购时，产值很大，本地留下的价值仍可能有限。

为了避免把所有好处都乐观地加总，我们可以用情景概率计算公共项目净现值。以下仍是教学化数据：地方平台计划投入 60 亿元，分三期拨付；十年后成功、一般、失败三种情景的公共净收益现值分别为 150 亿元、45 亿元和 -55 亿元，概率分别为 35%、45% 和 20%。

$$E(NPV)=0.35\times150+0.45\times45+0.20\times(-55)=61.75\text{ 亿元}$$

期望值为正不代表可以直接投资。失败情景会损失 55 亿元，财政是否承受得起？如果失败还会导致隐性债务、烂尾厂房和银行风险，尾部损失要继续上调。一个好的项目不仅要有正期望值，还要设置最大可承受损失。

把“龙头带动”变成四项可验收承诺

“龙头会带来产业链”听起来很合理，却不一定自动发生。采购可能仍留在原有供应地，核心研发也可能不迁入。我们需要把空间集聚机制改写为可验收条款。

我们还可以用本地采购率判断产业链是否真正扎根：

$$LCR=\frac{\text{本地采购额中由本地创造的价值}}{\text{全部中间投入}}\times100\%$$

分子不能简单使用“本地供应商开票额”。本地贸易公司转售外地零件，并没有产生等额的本地价值。更可靠的做法是穿透一层供应链，至少分清本地制造、本地研发、本地物流与单纯贸易。

一个可操作的决策门槛

假设项目团队为五项条件设置红线：社会资本到位比例不低于 50%，关键能源具备双路保障，前三年本地研发岗位达到约定数量，五年本地价值率达到 30%，公共资金失败情景损失不超过年度可支配财力的既定比例。只要任何一项无法通过，就缩小一期规模、调整条款或暂停，而不是靠提高预期产值来掩盖风险。

产业集聚在这里通过三条渠道发生：

1. 供应商靠近核心客户后，降低了物流、库存和认证沟通成本；
2. 同类工程师聚集，企业招聘更快，员工换工作也不必搬家；
3. 设备调试、良率改进这类难以写进手册的经验通过频繁接触扩散。

等到本地供应商、人才池和专门服务都达到一定规模，新企业进入的成本会下降，集聚开始自我强化。

结论与边界

合肥案例可复制的是流程：长期产业研判、公共资本撬动、项目分期、全链配套和可退出设计。不能照搬的是具体赛道和投入规模。一个城市若没有电力、水、工程人才和下游市场，单靠基金不能复制显示或芯片产业；多个城市同时追逐同一赛道，还会造成重复建设和低水平竞争。

地方政府也不应把少数成功项目的账面收益当成稳定能力。技术路线变化、市场周期、企业治理和国际供应链冲击都可能改变结果。更稳健的做法是把单项目损失上限、产业组合相关性和财政流动性一起管理。

---

案例三：长三角一体化，不是把所有环节搬到同一座城市

情境：一家医疗器械企业要设计四个节点

一家医疗器械企业准备扩张。总部需要接近资本和国际服务，研发需要高校与医院，试制需要工程师频繁磨合，量产需要土地、供应商和稳定物流，售后则要覆盖主要城市。若全部放在上海，沟通最方便但成本高、扩产空间紧；若全部搬到成本较低的外围城市，研发和高端人才可能流失。

更合理的问题是：能否把总部、研发、试制和量产分布在不同城市，同时把跨城协调成本控制在可接受范围？这正是城市群分工的核心。长三角一体化的意义，不是消灭城市差异，而是通过交通、规则、公共服务和创新协作降低“跨边界的代价”，让差异变成分工条件。

先计算可达性，再讨论行政距离

两地属于同一个省，不一定比跨省城市更近；直线距离也不能代表真实联系。我们用加权平均时间衡量节点 $i$ 到整个市场的可达性：

$$A_i=\frac{\sum_j M_jt_{ij}}{\sum_j M_j}$$

$M_j$ 可以是客户数、医院采购额、研发人员或供应商产能，取决于问题；$t_{ij}$ 是门到门时间，必须包含去车站、候车、换乘和末端接驳。$A_i$ 越小，整体可达性越好。

假设苏州候选试制基地到上海、南京、杭州、合肥四个协作点的门到门时间分别为 1.3、2.1、2.4、3.2 小时，对应协作权重为 40、25、20、15。则：

$$A_{\text{苏州}}=\frac{40\times1.3+25\times2.1+20\times2.4+15\times3.2}{100}=2.005\text{ 小时}$$

若另一个候选地的加权时间为 2.25 小时，但厂房年成本低 800 万元，团队还不能直接选便宜者。假设 60 名跨城协作人员每人每月往返 4 次，每次多耗时 0.245 小时，综合小时成本 300 元，则一年新增时间成本只有：

$$60\times4\times12\times0.245\times300\approx21.2\text{ 万元}$$

这远低于 800 万元，看起来便宜地胜出。但医疗器械试制的损失往往不是工资，而是问题晚一天暴露造成的项目延期。若每年有 8 次关键联调，较弱的面对面协作使每次平均多延误 3 天，每天机会成本 30 万元，新增延期损失就是 720 万元。加上时间成本后，两地差距已很小。这说明协调成本必须与业务事件相连，不能只用差旅费衡量。

用网络总成本选择“谁放哪里”

设环节 $k$ 放在城市 $i$ 的固定成本为 $F_{ik}$，环节 $k$ 与 $l$ 之间每年交流量为 $q_{kl}$，两城广义距离为 $d_{ij}$，单位交流成本为 $c_{kl}$。多节点布局可写成：

$$\min Z=\sum_{i,k}F_{ik}x_{ik}+\sum_{k,l}\sum_{i,j}q_{kl}c_{kl}d_{ij}x_{ik}x_{jl}+\sum_i Risk_i$$

$x_{ik}=1$ 表示环节 $k$ 放在城市 $i$。第一项是每个环节自身的成本，第二项是环节拆开后的协作成本，第三项是供应中断、合规与环境风险。这个模型让我们看到：研发与试制交流频率最高，应当尽量靠近；量产与总部交流频率较低，可以适度分开；售后则更适合按市场分布设置多个服务点。

一个教学化方案如下：

一体化真正降低的是什么

轨道交通只能降低一部分时间成本。企业跨城布局还会遇到标准不一、资质互认不足、公共数据不通、员工社保与子女教育不便、环保治理责任分割等问题。也就是说，行政边界会产生额外的“制度距离”。我们可以把广义距离写成：

$$d_{ij}=\beta_1t_{ij}+\beta_2m_{ij}+\beta_3b_{ij}+\beta_4u_{ij}$$

$t_{ij}$ 是时间，$m_{ij}$ 是货币成本，$b_{ij}$ 是制度边界摩擦，$u_{ij}$ 是不确定性。区域一体化若只修路、不统一规则，$t_{ij}$ 降了，$b_{ij}$ 仍然很高，企业不会自动形成高效网络。

长三角已形成巨大的经济规模和密集的创新制造网络。2024 年区域生产总值约 33.17 万亿元，占全国约四分之一。这种规模提供了多层级市场，但机会并不平均落到每个城市。高铁站本身不会制造产业。节点能否受益，取决于本地产业能否接入核心城市的研发、订单与服务网络。

结论与边界

这个案例的结论不是“总部一定在上海、工厂一定在外围”，而是高频互动环节靠近、标准化环节适度分散，并用真实门到门时间和业务延期损失衡量协调成本。适合模块化、可追溯、跨地协同成熟的产业，更容易采用多节点布局；依赖大量隐性知识、需要每天现场调试的早期研发项目，则可能先集中，待流程稳定后再分散。

城市也不能只等核心城市“溢出”。外围节点需要明确自己提供哪种稀缺能力：低成本只是短期优势，专门供应商、工程人才、检测平台和可靠治理才会形成长期位置。

---

案例四：阜新的转型，为什么不能用一个新产业替换一座煤矿

情境：资源衰退后，城市要同时处理产业、土地和人

阜新曾长期依煤而兴。煤炭工业一度占全市工业的 35%—60%，资源衰退后，大量矿山关停，就业、财政、沉陷土地和居民生活同时承压。转型早期，下岗失业人员一度达到 15.6 万人。2001 年，阜新成为全国第一个资源枯竭型城市经济转型试点。

如果把问题理解成“再找一个支柱产业”，城市很容易重复旧路径：用单一产业承担大部分就业和财政，一旦市场变化，再次陷入困境。资源型地区真正的决策单元不是一个招商项目，而是一组相互咬合的任务：哪些劳动者可以转岗，哪些土地必须先治理，哪些既有能力可以转用，哪些新产业与本地市场和生态条件相容，以及过渡期的公共服务如何维持。

阜新的接续方向包括农产品加工、装备制造和新能源等。到转型推进十余年后，装备制造在工业中的比重超过四分之一，风电并网规模达到约 188.9 万千瓦。数字本身不是我们要背诵的结论，更重要的是理解：液压与矿山设备积累可向装备制造迁移，广阔土地与风资源可支持新能源，周边农业基础可延伸加工链，这些选择都利用了原有能力，却不再只依赖煤炭。

第一步：建立“能力邻近度”，不要只看行业热度

我们用四类能力判断新产业与旧基础是否相邻：劳动技能、供应商与设备、基础设施、市场与制度。对候选产业 $s$，可以计算转型适配分：

$$Fit_s=0.35L_s+0.25K_s+0.20I_s+0.20M_s$$

$L_s$ 是劳动技能可迁移度，$K_s$ 是设备和供应链可转用度，$I_s$ 是基础设施适配度，$M_s$ 是稳定市场与制度适配度。权重应随城市主要矛盾调整；若失业压力最紧迫，劳动技能权重可以更高。

下面用教学化评分比较四条路径：

纯软件外包看起来轻资产、无污染，但与大量待转岗矿工的技能距离远，短期难以吸纳主要就业。新能源适配分不是最高，却能利用土地与能源条件，并创造长期运维岗位。因此，城市不应只选分数最高的一项，而应构建组合：装备制造承接技能，农产品加工扩大就业面，新能源利用空间资源，教育培训为更远期的新产业准备人才。

第二步：把“创造岗位”改成“完成转岗”

招商材料常写新增岗位数量，但岗位与失业者不一定匹配。我们用转岗覆盖率检查：

$$JCR=\frac{\sum_s Jobs_s\times Match_s\times Retain_s}{Workers_{need}}$$

$Jobs_s$ 是产业 $s$ 计划提供的岗位，$Match_s$ 是现有劳动者经过可承受培训后能够胜任的比例，$Retain_s$ 是三年后岗位仍存在且员工留任的比例，$Workers_{need}$ 是需要转岗的人数。

假设某阶段有 2 万人需要转岗：装备制造提供 8000 个岗位，匹配率 70%，三年留存率 80%；农产品加工提供 7000 个岗位，匹配率 65%，留存率 75%；新能源与生态治理提供 4000 个岗位，匹配率 45%，留存率 85%。则有效覆盖岗位为：

$$8000\times0.70\times0.80+7000\times0.65\times0.75+4000\times0.45\times0.85=9422.5$$

转岗覆盖率约为 47.1%。这告诉我们，宣布 1.9 万个岗位并不等于解决 1.9 万人的就业。剩余缺口需要小微创业、公共服务岗位、跨地区劳务协作和更长期培训共同承担。

第三步：土地修复要进入项目成本

沉陷区和工矿废弃地不是“免费土地”。不同地块适合的用途不同：稳定性、污染、地下水、交通和与居民区距离都要评估。若一块地修复后用于光伏、工业或公园，应该比较全生命周期净收益：

$$LV_u=\sum_{t=1}^{T}\frac{Revenue_{u,t}-Operate_{u,t}}{(1+r)^t}-Remediate_u-Risk_u$$

$u$ 表示土地用途，$Remediate_u$ 是达到该用途安全标准所需的修复成本，$Risk_u$ 是地质与环境不确定性。公园本身现金收入低，但可能降低健康风险、改善周边土地价值并提供公共福利；这些效益应单列，不能因为没有门票收入就记为零。

第四步：防止从一种单一依赖滑向另一种

可以用赫芬达尔—赫希曼指数观察产业集中度：

$$HHI=\sum_{s=1}^{n}share_s^2$$

若四个产业的增加值占比分别为 60%、20%、10%、10%，则 $HHI=0.42$；若调整为 35%、25%、20%、20%，则 $HHI=0.255$。指数下降意味着结构更分散，但不是越低越好。产业过于零碎，也可能缺乏规模和专业化。我们的目标是避免单一产业控制城市命运，同时保留若干有竞争力的专业方向。

结论与边界

阜新案例说明，资源型地区转型是一个至少持续十余年的组合工程。先稳住民生和处置环境风险，再发展与既有能力邻近的接续产业，同时为更远期能力投资。新能源能利用土地与自然条件，却通常无法一比一替代采矿就业；文旅和生态项目能改善环境，也不必然形成足够财政收入；装备制造与旧产业邻近，但仍会受到市场周期影响。

因此，转型成效不能只看 GDP 增速，还要同时看有效转岗、居民收入、财政韧性、修复土地、产业集中度和人口流失。只要其中一项持续恶化，“产业项目成功”也不等于“区域转型成功”。

---

把四个案例收束成一套选址工作台

前海、合肥、长三角和阜新的尺度不同，但决策结构高度相似。我们现在把它整理为一套九步流程。企业可以用它选办公室或工厂，园区可以用它筛项目，城市也可以用它设计产业组合。

第 1 步：写清决策对象和期限

“研究某地适不适合发展新能源”太宽。更可执行的表达是：“比较三个园区在未来十年承接年产 5GWh 储能电池项目的可行性，并控制供电、用水、消防、物流和财政风险。”决策对象、候选地、产能、期限和风险边界都明确后，数据才知道为谁服务。

第 2 步：先列硬约束

硬约束包括法律准入、国土用途、生态保护红线、能耗与排放容量、水资源、地质灾害、洪涝、关键基础设施和安全距离。任何红线不满足，就标记为不可行；不要让高补贴把不可行项目“平均”成可行。

第 3 步：画四张地图

第一张是市场地图，标客户与需求强度；第二张是供应链地图，标关键原料、配套和替代来源；第三张是人才地图，标岗位、院校、通勤圈和住房；第四张是风险地图，标洪涝、能源、生态、地缘与单点故障。四张图叠在一起，才接近真实经济空间。

第 4 步：把距离改成广义成本

公里数只是一种距离。货运要算运价、时间、损耗、库存和波动；人员往来要算门到门时间、班次和疲劳；制度边界要算材料、等待和不确定性；知识交流还要看能否频繁面对面。

物流广义成本可写成：

$$GC_{ij}=Freight_{ij}+v\times Time_{ij}+Loss_{ij}+Inventory_{ij}+DelayRisk_{ij}$$

$v$ 是货物或时间价值。高价值、易腐、停线损失高的产品，$v$ 很大，更愿意为速度和稳定性支付费用；低价值大宗货物更敏感于运价。

第 5 步：识别集聚收益，也识别拥挤成本

集聚能形成共享供应商、劳动力池和知识溢出，但也会抬高工资、租金、拥堵与环境压力。可将净集聚收益写为：

$$NA_i=Supplier_i+LaborPool_i+Knowledge_i-Congestion_i-RentPressure_i-Competition_i$$

判断集聚是否真实，可以问三个问题：本地是否有可替代的多家供应商，而非只有一家名义配套；员工离开一家企业后是否能在本地找到同类岗位；企业间是否存在联合研发、设备共享或频繁工程协作。仅仅很多企业注册在同一园区，不等于形成集聚经济。

第 6 步：建立基准情景和至少两个压力情景

基准情景通常最容易被乐观偏差污染。我们至少再加入需求下降、能源涨价、核心客户迁出、极端天气、技术路线变化中的两项。对每个候选地计算 NPV 和最大损失，并记录哪个变量会让排序翻转。

第 7 步：区分企业收益与区域收益

企业可能因为补贴而获利，但区域可能承担环境和财政成本；区域可能从公共交通获益，但单个企业未必愿意付费。评价表要把企业现金流、公共财政、就业居民和生态影响分列，不能用“社会效益很好”替代财政可承受性，也不能用“企业利润不高”否定公共基础设施。

第 8 步：设计阶段门与退出机制

信息不完整时，最有价值的选择往往不是“投或不投”，而是“先投多大，看到什么信号再继续”。试租办公室、建设一期产线、设联合实验室、先修复示范地块，都是用较小成本购买信息。阶段门必须配具体指标和截止时间，否则分期只是把一次性冒险拉长。

第 9 步：建立监测面板

落地后每季度或每年更新客户可达性、本地价值率、招聘周期、供应商集中度、能源中断、财政敞口、有效岗位和环境指标。区位不是一次选择；道路开通、租金上涨、产业迁移、气候风险和政策变化都会改变最优解。

数据怎样采，才能避免“表格很精确、输入全靠猜”

一份选址报告最薄弱的地方通常不是公式，而是输入口径。我们可以用“小样本、多时段、可追溯”的办法先得到足够好的数据。

交通时间不要只查一次。人员通勤至少抽取普通工作日的早高峰、平峰和晚高峰，连续记录五天；货运则要记录装车、排队、在途、进场等待和卸货，而不是只取导航行驶时间。对关键路线同时保留中位数与 95 分位数。前者代表日常效率，后者接近业务连续性压力。

租金要换成“可使用面积的全占用成本”。同样标称 1000 平方米，有的包含较多公摊，有的需要企业承担装修、物业、停车、空调加时和恢复原状。比较时应把押金资金占用、免租期、装修摊销、扩租选择权和退租成本统一到年度现值。

人才供给不能只看城市高校数。最直接的实验是发布同一份岗位说明，使用相同薪酬区间，在不同候选地分别运行四周，比较合格简历数、面试到场率、录用率、拒绝原因和预计通勤时间。对于需要经验的岗位，还要观察当地同类企业数量及人员流动，而不是把所有毕业生都算作立即可用人才。

政策收益只记录“企业满足条件后可兑现的金额”。团队应把申报主体、投资强度、产值、税收、研发、就业、持续经营年限和追偿条款逐项列出，并让财务、法务和业务负责人共同确认。尚未写入有效文件或合同的口头承诺，放入备忘录，不进入基准现金流。

风险数据可以从一次桌面推演开始。我们假设主电源中断、唯一供应商停产、暴雨封路、核心客户迁移和关键技术路线替换，逐项回答发现时间、替代方案、恢复天数和最大损失。若团队无法回答，说明缺的不是一个概率，而是一套应急方案。

最后，为每个输入建立“数据卡”：写明定义、单位、时间、采集者、样本量和更新日期。评分改变时，我们就能判断究竟是现实发生了变化，还是某个人悄悄换了口径。这样做看起来笨，却能让区位决策从漂亮的展示材料变成可以复核的管理工具。

---

直觉之后，再认识几个经典模型

现在再看术语会容易得多，因为它们分别回答了案例中的一个具体问题。

杜能：什么活动愿意为靠近市场支付更高地租

设某种农产品单位面积产量为 $q$，市场价格为 $p$，单位生产成本为 $c$，单位产品每公里运费为 $f$，距市场为 $d$，则它最多愿意支付的地租为：

$$R(d)=q(p-c-fd)$$

距离增加时，地租支付能力以 $qf$ 的斜率下降。鲜奶、叶菜等易损耗产品的有效运输成本高，愿意靠近市场；耐储存且单位价值较低的产品可分布得更远。这就是杜能农业区位模型的直觉。

但今天的冷链、加工和高速物流会降低 $f$，电商会改变市场节点，城市也不再是唯一圆心。因此，我们使用这个模型不是去寻找完美同心圆，而是判断“哪类产品对时间和距离最敏感”。

一个近郊冷链小案例

某城市周边有 A、B 两块地，A 距消费中心 20 公里，年地租 240 万元；B 距离 100 公里，年地租 100 万元。一个叶菜基地年外运 1 万吨，普通运输的综合距离成本为每吨公里 0.25 元。B 比 A 多 80 公里，新增年运输成本为：

$$10{,}000\times80\times0.25=20\text{ 万元}$$

仅看运输，B 似乎明显更优：

• 节省地租 140 万元
• 增加运输 20 万元

但若 B 的损耗率高 4 个百分点，叶菜平均价值每吨 3000 元，则：

• 新增损耗成本 120 万元
• 还要额外承担更高的库存和延误成本

这样一来，B 的优势几乎消失。

如果投资建设预冷设施，能把额外损耗降到 1%，B 又有可能胜出。

因此，区位优劣不是“蔬菜永远在近郊”，而取决于地租差、损耗、冷链投资和服务半径等多项因素的共同作用。

韦伯：工厂应靠近原料、市场还是劳动力

韦伯工业区位思路把运输、劳动和集聚成本放在同一张账上。原料在加工中大量减重的产业，靠近原料地可少运废料；成品易损或配送频繁的产业，更靠近市场；劳动成本差足够大时，企业可能偏离最低运输成本点；产业配套成熟时，集聚收益又会拉动企业靠近同行。

我们不必拘泥于几何三角形。把候选地到每个原料点和市场点的货量乘以广义运输成本，再加工资、能源、土地与集聚净收益，就能得到现代版的可操作模型。

中心地：为什么服务网点会形成层级

便利店服务半径小、门槛人口低，数量多；大型专科医院服务半径大、维持运营所需人口多，数量少。服务越专业、固定成本越高，就越需要更大的市场范围。这解释了为什么城市群内会形成不同等级的中心。

规划公共服务时还要加入公平约束。若只追求总成本最低，设施会集中在人口密集处，边缘居民可能完全无法触达。常见做法是：在最小化总出行时间的同时，要求 90% 居民在某个时间阈值内可达，并为偏远地区保留基础服务。

新经济地理：为什么“小优势”会被放大

当前方某地市场稍大时，企业更愿意靠近市场；企业增加后，本地岗位和工资提高，进一步扩大市场；更多供应商和人才随之进入，企业成本继续下降。这种循环会把初始小差异放大为核心—边缘格局。运输成本、规模经济和要素流动共同决定循环强弱。

运输成本极高时，企业必须分散服务各地；运输成本下降到中间区间，企业更容易集中在大市场；如果运输与远程协作成本继续大幅下降，部分标准化环节又可能向低成本地区扩散。因此，“修路一定带来均衡”并不成立，改善可达性既可能产生扩散，也可能增强核心城市的虹吸。

从企业选址走向区域发展：一条完整的因果链

一个项目落地，不会自动带来区域发展。我们需要逐环验证下面这条链：

因果链中的每一环都可能断裂，例如：

• 高速公路开通后，企业可能只把当地当作仓库而非生产基地
• 工厂产值虽高，但核心零部件和研发环节留在外地
• 岗位数量增加，却与本地劳动者技能不匹配
• 税收增长的同时，住房和环境成本也同步上升

因此，区域政策应从关注“项目数量”转向提升“连接质量”。

衡量连接质量，可以观察五组指标：本地价值率而非本地开票率；三年有效岗位而非招聘公告数；供应商替代性而非企业名录数；居民可支配收入与公共服务而非单一 GDP；单位增加值的能耗、用水和排放而非总产值。

---

常见的六种误判

误判一：把行政边界当作经济边界

企业、劳动力和污染都可能跨界。应使用通勤圈、供应链、流域和客户网络界定分析范围，再回到行政体系分配责任。

误判二：把产值当作留在本地的价值

高产值项目可能高度依赖进口设备与外地零件。应拆分工资、利润、折旧、税收和本地中间投入，计算本地增加值。

误判三：认为交通改善必然惠及节点

交通同时让本地企业更容易出去，也让外地企业更容易进入。若本地没有可交易的产品、技能或服务，交通改善可能加快消费和人才流向核心城市。

误判四：用平均值掩盖尾部风险

平均通勤 40 分钟可能意味着少数极端天气日完全中断。对关键供应链，应同时看平均时间、95 分位时间和替代路线。

误判五：先定答案，再调权重

多指标评分最容易被操纵。权重应来自战略优先级和可解释规则，并公开敏感性区间。若权重轻微变化就翻转排序，正确动作是继续收集信息或分阶段试验。

误判六：把其他城市的结果复制成自己的策略

复制前海的制度标签、合肥的基金规模或某资源城市的文旅项目，都可能失效。真正可迁移的是分析流程、治理能力和风险控制，而不是产业名称。

---

综合练习：为一家食品加工企业选址

某企业要在甲、乙两地选择中央厨房。两地均通过用地、食品安全和环评硬约束。甲地年固定成本 1600 万元，距主要市场近，年配送成本 900 万元，预期损耗 300 万元；乙地年固定成本 1150 万元，年配送成本 1250 万元，预期损耗 480 万元。乙地计划投入一次性冷链改造 600 万元，可将年损耗降到 260 万元，设备使用期 5 年，暂不考虑残值，折现率为 8%。

问题一：不做冷链改造时，哪一地的年度可见成本更低？

显示答案

甲地年度可见成本为 $1600+900+300=2800$ 万元；乙地为 $1150+1250+480=2880$ 万元。甲地低 80 万元。但这只是年度静态比较，还没有加入需求增长、延误风险和退出成本。

问题二：乙地改造后的五年成本现值是多少？它是否比甲地更低？年金现值系数可用 $\frac{1-(1+0.08)^{-5}}{0.08}\approx3.993$。

显示答案

乙地改造后的年度成本为 $1150+1250+260=2660$ 万元，五年现值为 $600+2660\times3.993=11221.38$ 万元。甲地五年现值为 $2800\times3.993=11180.4$ 万元。因此在给定参数下，乙地仍比甲地高约 40.98 万元，两者几乎持平。此时应进行敏感性分析，而不是把几十万元的小差额当成确定答案。

问题三：乙地改造后，年损耗还需再下降多少，才能与甲地五年现值持平？

显示答案

乙地需要弥补约 40.98 万元现值，换算为等额年度成本约为 $40.98\div3.993=10.26$ 万元。因此，乙地年损耗从 260 万元再降到约 249.74 万元即可持平。也可以通过降低配送成本、获得可兑现的租金减免或提高残值达到同样效果。

1

一家高价值、易停线的零部件企业比较物流方案时，最不应该遗漏哪一项？

A道路直线距离B延误导致的停线损失C园区宣传册页数D行政区面积

2

评估地方产业投资是否真正带来区域收益，应同时检查哪些指标？

A本地增加值B三年有效岗位C股权账面最高价D环境与财政敞口

检查

3

高铁缩短旅行时间后，沿线所有城市都会自动获得相同比例的产业增长。

正确错误

4

衡量一个地区产业结构是否过度集中，可使用的常见指数是 ____。

检查

---

结尾：一张地图不会替我们做决定

回到开篇那家工业软件公司。现在我们不会再问“深圳、东莞、香港哪里最好”，而会先定义客户、交付和人才网络，剔除不满足硬约束的地点，计算广义距离和全周期现金流，评估集聚收益与拥挤成本，再用压力情景检查排序是否稳健。如果信息仍不足，就先做一个可退出的小规模试点。

对区域发展也是一样。前海提醒我们把制度距离变成可测量的业务摩擦；合肥提醒我们把项目投资放进产业链和公共风险中；长三角提醒我们用网络布局替代单点竞赛；阜新提醒我们，产业变化最终要落实到劳动者、土地和城市韧性。

区位经济学最实用的地方，并不是告诉我们某类企业“应该在哪里”，而是训练我们看见一个地点背后的全部关系。地图给出位置，模型帮助比较，案例告诉我们机制，而真正可靠的决策还需要持续取数、验证和修正。下一次看到一个新园区、一条高铁或一项产业政策时，我们可以继续追问：它究竟降低了谁的什么成本，连接了哪些原本分离的能力，又把哪些风险留给了未来？