泉源：解放军报：日本押注无人装备居心叵测作者： 林佩昆：

彭文生 ：对AI投资热潮的几点宏观思索

彭文生系中金公司首席经济学家、中国首席经济学家论坛副理事长

分享在2026中国数字经济生长和治理学术年会上的主旨演讲稿

转载自清华服务经济与数字治理研究院的微信公众号

7月3日，，，，，2026中国数字经济生长和治理学术年会（以下简称“年会”）在清华大学举行。。。本届年会以“数智经济生长中的全球机缘与治理挑战”为主题，，，，，紧扣2026全球数字经济大会焦点议题。。。近40位顶尖专家学者、智库和业界代表参会并举行钻研交流。。。近20所高校的研究职员、数字经济工业相关的科研机构及企业代表共400余人线下加入聚会，，，，，超10万人次寓目了大会直播。。。

中金研究院院长，，，，，中金公司首席经济学家、研究部认真人彭文生揭晓题为《对AI投资热潮的几点宏观思索》的主旨演讲。。。本文凭证彭文生先生现场讲话内容整理。。。

中美的AI生长在全球处于领先职位，，，，，近期有一个征象值得关注，，，，，中国的AI相关资源开支大幅低于美国。。。为什么有这个差别，，，，，对中美AI未来的生长有什么影响，，，，，对公共政策有什么寄义？？？？？我想从宏观视角提供一些视察和思索。。。

首先，，，，，中美在AI模子能力方面处在全球领先职位，，，，，我们用的是国际上的一个数据库，，，，，凭证它的指数指标，，，，，中美大模子的能力在第一梯队，，，，，中国比美国落伍一点（图表1）。。。一个主要的问题是，，，，，这个差别未来是会扩大照旧收敛？？？？？已往有人说互联网是美国发明的，，，，，互联网最大的盈利爆发在中国，，，，，一个体现是中国的互联网巨头企业。。。大模子也是美国人发明的，，，，，未来AI大模子的最大盈利会不会爆发在中国？？？？？这就涉及到我们怎么明确互联网时代的数字平台和AI大模子两者之间的差别。。。

图表1：AI大模子能力：中、美共处第一梯队

注：图中大模子选择了阻止2026年5月12日，，，，，各国大模子在Artificial Analysis Intelligence Index得分中的最大值

资料泉源：Artificial Analysis，，，，，中金研究院

一、从数字经济1.0轻资产模式到数字经济2.0重资产模式

我们可以供应和需求两个方面看数字经济1.0（数字平台）和2.0（AI 大模子）的经济属性的差别（图表2）。。。

图表2：人工智能大模子的经济属性

资料泉源：中金研究院

从供应端来看，，，，，焦点差别体现在生产能力与边际本钱的关系。。。已往的数字平台得益于数据使用的非竞争性特征，，，，，数据可无限复制、快速传输，，，，，边际本钱险些为零。。。只要商业模式跑通，，，，，用户规模的扩大并不会带来边际本钱的增添。。。像抖音、微信这类产品，，，，，随着用户量增添，，，，，边际本钱依旧趋近于零。。。由此一般以为互联网平台企业属于轻资产模式。。。但AI大模子是重资产模式，，，，，有两个方面的体现。。。第一是大模子的规模定律（Scaling Law）带来的规模酬金递减。。。模子性能的提升需要投入算力（芯片）、数据、电力等，，，，，但抵达一定水平后，，，，，一律的投入所带来的模子性能改善的速率放慢，，，，，若是企业追求手艺领先，，，，，甚至追求极致智能好比AGI、就须一连增添资源投入到模子研发（训练）。。。

第二是模子运行（推理）保存可酿本钱。。；；；チ氖褂孟招┟挥锌赡鸨厩，，，，，但大模子每一次推理、每一次问答交互，，，，，都要实时消耗算力和能源，，，，，7天24小时运行，，，，，芯片的物理消耗很快，，，，，其手艺迭代也导致经济折旧快，，，，，大模子运行的可酿本钱一直保存。。。正是这两大特征，，，，，使得AI大模子区别于古板互联网，，，，，具有重资产属性。。。

从需求端看，，，，，已往数字平台具有很强的网络效应，，，，，使用的人越多，，，，，整个平台价值越大，，，，，大模子的网络效应相对小，，，，，行业集中度较低，，，，，现在似乎看不到收敛到少数1-2 个模子“一统天下”的时势。。。从第一性原理看大模子首先是个手艺手段，，，，，至于之后会不会爆发网络效应，，，，，爆发新的平台企业或者让现有平台企业的垄断属性更强，，，，，尚有很大的不确定性，，，，，尚有待视察。。。网络效应带来很强的内部规模经济和规模经济，，，，，使得平台企业收益更多内部化，，，，，盈利能力强。。。相对来讲，，，，，大模子的弱网络效应使得其价值创立更多体现在外部规模经济，，，，，大模子作为手艺手段在下游的应用中实现经济价值，，，，，同时这也意味其在价值分配中的优势没有古板的数字平台企业大，，，，，或者说大模子的经济收益更多地被社会化或者外部化。。。

综上，，，，，大模子具有重资产特征，，，，，要维持行业领先职位，，，，，需要一连的资源开支投入，，，，，大模子作为新的通用目的手艺，，，，，其价值创立主要承载在经济活动的应用中，，，，，实现外部规模经济的潜力重大。。。虽然模子性能的领先可能在一段时间带来立异的熊彼特利润，，，，，但弱网络效应使得大模子在商业模式上的护城河较低，，，，，在分配中的势力没有古板的数字平台企业强。。。冒着太过简化的风险，，，，，我们可以说，，，，，数字平台的价值攫取能力大于其价值创立能力，，，，，AI大模子的价值创立能力大于其价值攫取能力。。。

由此带来所谓的正外部性，，，，，大模子重资产投入所创立的价值和分配更多爆发在应用层面，，，，，这种外溢效应使得通例的投入-产出剖析会导致个体投入加总起来低于社会理想水平。。。外部性特征对我们思索重资产投入的爆发气制、投入的可一连性、以及社会价值有主要寄义。。。在这样的剖析框架下，，，，，我们来看中美AI 资源开支的情形。。。

二、中美AI资源开支落差及原因

美国的AI资源开支大幅度加速，，，，，已往几个季度很是显着，，，，，从今年第一季度同比看，，，，，美国AI资源开支孝顺了美国GDP增添的44%，，，，，孝顺了美国总需求增添的66%，，，，，总需求的三分之二都是AI资源开支孝顺的（图表3）。。。这两个数据显示，，，，，虽然AI在经济供应侧提升效率的力度尚有待视察，，，，，但在需求侧已经成为当下美国经济增添的主要驱动实力。。。从宏观来看，，，，，美国目今的经济状态切合典范的凯恩斯投资驱动经济周期论。。。

图表3：美国AI资源开支加速，，，，，在需求端是经济增添的主要推力

资料泉源：Haver，，，，，中金公司研究部

那为什么本轮AI资源开支力度云云强劲？？？？？凯恩斯的投资理论有助于我们明确这个问题，，，，，投资取决于资源回报预期和资源本钱之差。。。资源回报预期不确定，，，，，但资金本钱（利率）是确定的，，，，，好比借一笔贷款用于未来5年的投资，，，，，这个利率当下就知道，，，，，或者用自有资金投资，，，，，所损失的时机本钱（保存银行或者买国债带来的收益）也是确定的。。。由此导致在现实经济剖析中，，，，，人们的注重力更多放在利率的转变上。。。从典范的IS-LM 模子来看，，，，，钱币市场形成利率，，，，，利率进而平衡实体端的储备与投资，，，，，由此利率成为驱动投资波动的主要实力。。。凭证这个框架，，，，，美国现实利率仍在高位，，，，，资源开支理应缩短，，，，，现真相形是，，，，，非AI资源开支确实较量弱，，，，，但AI资源开支快速扩张，，，，，这只能用市场极端乐观的预期来诠释。。。极端乐观的预期在资源市场有体现：以标普500指数来权衡，，，，，持有股票的回报预期（盈利收益率，，，，，或者说P/E倒数）险些和美债收益相当，，，，，股市的风险溢价近似零，，，，，这在历史少见，，，，，是极端乐观情绪的直观体现（图表4）。。。

图表4：两级预期观: 目今AI投资由极端乐观预期驱动

注：现实利率=10年期国债利率-已往12个月CPI均值

资料泉源：Wind，，，，，FactSet，，，，，中金公司研究部

怎么明确美国AI相关资源开支由极端乐观预期驱动？？？？？和新古典经济学的理性预期相反，，，，，凯恩斯“动物精神”的焦点逻辑是非理性。。。后凯恩斯的一位代表性人物英国经济学家沙克尔，，，，，从凯恩斯的动物精神延伸，，，，，以为市场预期只有两种极端状态：乐观或气馁。。。乐观者加杠杆，，，，，气馁者则会选择去杠杆，，，，，利率决议杠杆的本钱，，，，，但市场主体中有多大比例是乐观者，，，，，则难以事先掌握，，，，，波动性也很大。。。就当下美国的情形而言，，，，，基于高利率的事实，，，，，极端乐观预期是AI资源开支的更合理的诠释。。。

由此带来的问题是，，，，，这种由极端乐观驱动的投资能不可一连，，，，，后凯恩斯经济学的另一位代表性人物明斯基把凯恩斯的动物精神、非理性预期和金融连系起来，，，，，不稳固的一个主要方面是现金流能不可一连。。。美股七巨头的市现率（股票价钱相关于自由现金流的比例）已经靠近科网泡沫时期的高点，，，，，彰显了市场风险或者说懦弱性（图表5）。。。要害问题在于，，，，，这种极端乐观预期还能一连多久，，，，，在高利率的情形下，，，，，投资者包括一级市场的风险投资者有多大耐心期待预期的兑现。。。

图表5：泡沫风险：科技巨头现金流估值靠近科网泡沫时期

注：美股七巨头详细为英伟达、谷歌、苹果、微软、亚马逊、特斯拉、Meta，，，，，数据阻止2026/5/30

资料泉源：Bloomberg，，，，，中金研究院

从中国的情形来看，，，，，AI资源开支大幅低于美国：阻止2026年1季度，，，，，AI相关资源开支对我国GDP和总需求同比增添的孝顺只有0.10-0.15个百分点（图表6）。。。

图表6：中国：AI资源开支对经济增添孝顺有限

资料泉源：Wind，，，，，中金公司研究部

中美AI资源开支差别悬殊的一个体现是，，，，，外需对我国AI相关产品出口的拉行动用上升（图表7）。。。

图表7：但外需对AI相关出口拉行动用显着

资料泉源：Wind，，，，，中金公司研究部

怎么诠释中美之间的反差，，，，，有几个可能的原因。。。第一是手艺供应受限，，，，，受美国GPU出口限制影响，，，，，海内企业即便有投入意愿，，，，，也面临装备采购难的问题，，，，，直接制约了资源投入落地。。。第二是资源市场热度较低，，，，，相比美国市场，，，，，A股整体热度和投资者乐观情绪偏弱。。。与目今美国股市风险溢价近乎归零差别，，，，，A股仍维持3%左右的风险溢价（图表8）。。。

图表8：中国资源市场热度较小

注：现实利率=10年期国债利率-已往12个月CPI均值

资料泉源：Wind，，，，，FactSet，，，，，中金公司研究部

第三是劳动力本钱差别。。。有研究显示，，，，，高薪职业的AI袒露度较高，，，，，而美国的人均收入比我们高许多，，，，，意味AI替换人的脑力的需求在美国更强（图表9）。。。第四是总体宏观经济情形对AI盈利空间预期的影响。。。中国当下面临总需求缺乏的问题，，，，，尤其体现在金融周期下半场，，，，，房地产疲弱与债务肩负交织在一起，，，，，带来很强的顺周期性，，，，，需要强有力的逆周期调理来应对（图表10）。。。

图表9：劳动力本钱差别，，，，，高薪职业的AI袒露度更高

注：横轴为统一的职业人为百分位，，，，，划分将 Autor & Dorn（2013）按1980年人为排序的职业和Hampole等（2025）按2014年人为排序的职业映射至统一0-100区间；；；Hampole等(2025)中关于AI袒露度（AI exposure probability）是指某个职业的所有使命，，，，，平均被企业现实安排的AI应用替换的比例

资料泉源：David H. Autor and David Dorn. The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market. The American Economic Review, AUGUST 2013, Vol. 103, No. 5, pp. 1553-1597. Menaka Hampole, Dimitris Papanikolaou, Lawrence D.W. Schmidt & Bryan Seegmiller. Artificial Intelligence and the Labor Market. NBER working paper 33509. September 2025.

图表10：宏观基本面，，，，，中美金融周期分化

注：时间阻止2026Q1

资料泉源：BIS，，，，，Wind，，，，，中金研究院

以上几个因素可能都有一定的诠释力，，，，，从纠正外部性的角度看，，，，，最主要的差别在于股权和股市投资的热度或者说泡沫，，，，，投资者的非理性预期起到了对冲理性的投入-产出剖析导致社会总体投入缺乏的问题。。。一旦泡沫破碎，，，，，一些个体投资主体将遭受损失，，，，，但总量投入对AI生长的增进作用有可能对整个社会是有益的。。。

三、美国的压力在后端、中国的压力在前端

在上述逻辑下，，，，，怎么看待资源开支差别对中美AI未来生长的寄义？？？？？两国面临的磨练和风险差别（图表11）。。。美国的磨练在后端，，，，，其前端已经形成了较大规模的AI资源投入，，，，，其风险在于驱动投资的乐观预期能否兑现，，，，，多快速率兑现。。。一旦预期无法兑现，，，，，或者高利率削弱期待的耐心，，，，，现金流断裂，，，，，不但一些个体投资者将遭受损失，，，，，AI资源开支在一定水平上有点类似基础设施投资，，，，，其大上大下有可能也影响整体投入-产出效率。。。

中国的磨练在前端，，，，，AI资源开支缺乏，，，，，若是这种状态一连下去，，，，，可能拖慢前沿大模子的迭代进度，，，，，拉开我们和美国的手艺差别。。。简朴来说，，，，，美国的风险在于投资过剩、泡沫破碎，，，，，凯时AG风险在于投资缺乏、手艺落伍。。。

图表11：未来生长：美国磨练在后端，，，，，中国磨练在前端

资料泉源：Counterpoint Research，，，，，Stanford HAI《2026 AI Index》，，，，，IFR World Robotics 2025，，，，，中金研究院

中国下一步应该做的事情，，，，，就是追赶美国的AI资源开支。。。美国的股市泡沫起到了纠正立异的外部性的作用，，，，，中国的股票投资和股权投资市场没有美国那么蓬勃，，，，，怎么办？？？？？我们应该施展工业政策的作用，，，，，通过工业政策的指导，，，，，纠正外部性所导致的私人机构投入缺乏的问题。。。AI大模子的手艺路径已经较量清晰，，，，，在发动资金投入方面，，，，，科技金融需要重视银行信贷和工业政策的连系。。。银行也面临投入产出比的商业考量，，，，，政策性金融包括政府的直接投入和羁系指导可以施展作用。。。股市泡沫和工业政策指导都有可能导致太过投资和微观层面一些项目的抵效率，，，，，但在新的地缘形势下，，，，，由于投资缺乏导致AI手艺落伍带来的风险更大。。。

连系近期政策亮相与多家科技企业投资结构动向判断，，，，，预计明年海内 AI 领域资源开支有望实现显着增添。。。政策层面已释放明确导向，，，，，一连支持以智算中心为代表的 AI 基础设施建设。。。最终落地的效果有多大，，，，，仍有待视察。。。从更广的层面来看，，，，，钱币政策支持财务扩张，，，，，增进内部需求，，，，，营造有利于立异的宏观经济情形也是要害视察点。。。