深度产业分析里，技术路线是最容易写得漂亮、也最容易出错的章节。漂亮的写法是选一条主线，把成本、性能、政策支持逐项比较，最后给出推荐。出错的地方在于，这条主线往往只在某几个维度上成立，一旦放到真实的生产条件里，结论就散了。

单点最优不等于系统最优

比较技术路线时，常见的做法是找关键指标，比如单位成本、转换效率、良率。问题是，单点最优的路线，常常在系统层面付出更高的代价。一项工艺的单位能耗低，但要求更纯的原料，原料的提纯成本没有被算进去；一条路线良率高，但设备停机后的恢复时间长，实际产出反而不如另一条。

更稳的做法是先画系统边界：从原料进厂到产品出厂，把能耗、辅料、人工、维护、废料处理全部纳入，再比较。边界画窄了，结论一定偏。多数失误不是因为算错，而是因为漏算了边界之外的那部分。

边界之外还有一层：时间。同一套工艺在产能爬坡期和稳定期的成本结构完全不同，用稳定期的数据去做投资决策，等于把最难的两年跳过去了。

中试指标不能直接外推

实验室和中试线的数据，是在理想条件下得到的：原料稳定、批次小、人员熟练、可以随时停机调整。放大到商业装置，变量会成倍增加。传热、传质、停留时间分布这些在小装置里可以忽略的因素，在放大后成为主导。

这是技术路线分析里最常见的敞口：把中试的效率直接乘上产能，得出成本优势。可行的修正方式是给放大留一个折减系数，并要求看到连续运行的数据，而不是批次数据。连续性本身就是一道筛选，能跑满一个检修周期的工艺，才算真正过关。

配套半径决定路线生死

一条技术路线能不能成立，往往不取决于技术本身，而取决于它需要的配套在不在附近。需要大量低温蒸汽的工艺，得看周边有没有余热；需要特殊气体的，得看有没有供气商；副产物多的，得看有没有能消化它的下游。

这也是海外经验移植最容易失效的地方。同一套工艺在配套完整的工业区里跑得通，搬到一个只有厂房和土地的新园区，光是物流和副产物处理就能把成本优势吃掉。分析时应该把配套作为前置条件，而不是落地后再解决的细节。

三个敞口合起来，指向同一个提醒：技术路线不是选最优，而是选最合适。合适的标准，是它在给定的边界、规模和配套条件下，仍然算得过账。