輝達在幹什麼？ 它試圖為AI產業鏈融資。2026年8月，輝達聯合Apollo、BlackRock、Blackstone、Brookfield、高盛和KKR，擬建立融資平台，長期撬動超過5000億美元第三方資金。 它為上游托底。資料顯示，截至2026年7月，輝達採購承諾從上一季度的1190億美元升至2790億美元，主要增量來自記憶體。 它還向下游注入信用。資料顯示，截至7月26日，輝達應收帳款631億美元，應付帳款151億美元，差額480億美元。銷售回款天數由上一季度的45天升至60天。公司披露，對部分投資級客戶提供90天至一年的付款期限，以配合大型資料中心建設。這一操作與中國大廠完全相反。

The next AI winner may not be the company with the biggest model. It could be the company that figures out how to get more useful AI for every dollar it spends.Nvidia Corp.(NASDAQ:NVDA) is helping shape that shift by powering more efficient, task-specific AI systems that aim to squeeze more performance out of every GPU cycle. 下一個AI贏家可能並非擁有最大模型的公司，而可能是找到如何讓每投入一美元都能獲得更有用AI的公司。輝達公司（納斯達克：NVDA）正通過為更高效的、面向特定任務的AI系統提供算力支援，推動這一轉變，力求從每個GPU計算周期中搾取更多性能。 DigitalOcean Holdings Inc.(NYSE:DOCN) CEOPaddy Srinivasantold Benzinga in an exclusive email interview that AI builders are increasingly mixing different models for different jobs rather than relying exclusively on expensive frontier systems from companies such as OpenAI and Anthropic. DigitalOcean Holdings Inc.（紐約證券交易所：DOCN）首席執行長Paddy Srinivasan在與Benzinga進行的一次獨家電子郵件採訪中表示，AI開發者越來越多地針對不同任務混合使用不同的模型，而非完全依賴OpenAI和Anthropic等公司提供的昂貴前沿系統。

這兩天，周星馳的《功夫女足》票房一路上漲。電影7月11日上映，全國院線排片47%。上映第二天，國內票房就超過5億元。 但電影的口碑兩極分化。有人說好看，有人說拉胯。當然也有各種技術層面的批評。但不管是那種說法，至少眼下看，都擋不住電影的票房一路狂奔，貓眼已經把總票房預測從14億元一路上調到25億元。 票房為什麼能一路走高？一個顯而易見的解釋是，情懷嘛，大家都在為情懷買單。但你仔細想想，這個解釋有點太懶了。所有大家熟悉的老IP回歸，都可以叫情懷。這個詞一說出來，什麼都解釋了，也什麼都沒解釋。 所以今天我們換一個視角。這個視角來自中國的曲藝行。《人民日報》專門寫過一篇文章，題目叫《萬變不離“俗”之魂》。文章一開頭就引用了曲藝行裡的一句老話，叫，生書，熟戲，聽不膩的曲藝。

他執掌聯準會十九載，歷經四位總統，一手締造了美國史上最長的經濟擴張期，也曾因一句“非理性繁榮”讓全球市場屏息。他被稱為“大師”，也被指為金融海嘯的“禍首”。 2026年6月22日，百歲的艾倫·格林斯潘在華盛頓家中辭世，帶走了一個時代的榮光與爭議。從爵士樂手到“美元總統”，他的一生如一首跌宕起伏的交響樂，至今仍在歷史的穹頂下迴響。 大師謝幕：一個時代的句點 聯準會前主席格林斯潘（Greenspan）

圖片 | 來自網路 十年前，日內瓦高級國際關係及發展學院的理查德·鮑德溫（Richard Baldwin）教授出版了《大趨同 The Great Convergence: Information Technology and the New Globalization》一書。 在當時，這本書只被經濟學界視為對全球化歷史的一次精妙總結；但在今天看來，它是一張精準預言了當下大國博弈終局的“底層原始碼”。 01

《在資本主義工商業社會主義改造問題座談會上的講話》中有這麼幾句話：“我們的目標是要趕上美國，並且要超過美國。美國只有一億多人口，中國有六億多人口，我們應該趕上美國……究竟要幾十年，看大家努力，至少50年吧，也許75年，75年就是15個五年計畫。那一天趕上美國，超過美國，我們才吐一口氣。”十四五的這五年過去了，大家印象最深的是什麼？十四五計畫的第一年，是2021年，距今已經5年了，真的是滄海桑田。那一年，春晚的歌舞裡面有非洲舞蹈，有歷史上幾乎沒有存在感的東京奧運會，新任美國總統是拜登。那一年中國汽車市場最暢銷的轎車，還是軒逸。長城哈弗H6依舊是SUV銷冠，別克GL8，還是MPV市場的王者，一切都看上去那麼的從容，彷彿變化永遠都不會發生。後來的事情我們都知道了。人，總是高估短期的變化，低估長期的影響。如果我們現在穿越到十六五規劃的第一年2031年，肯定也會驚嘆於歲月的痕跡。今天我們就從十五五規劃入手，預測未來五年可能的變革。一、消費崛起什麼是經濟學？經濟學是一門研究資源如何配置的社會科學。所謂經濟學，本質上應該是政治經濟學，政治在前，經濟在後。在經濟學裡面引入大量的數學、物理甚至生物學模型自然沒有什麼問題，但如果將手段作為目的，忽視了根本的分配，那就是真的揣著明白裝糊塗了。上面這個邏輯，可能連很多經濟學家都不明白，或者說不想明白。十五五規劃相比十四五，在資源配置上調了一個很大的彎。簡單說就是，在供給和需求的關係上，生產的相對地位下降，消費開始提升。以前的各種規劃設計政策的初衷，本質上都是為生產設計的，我們可以舉出很多例子。首先是匯率，按照購買力平價計算，人民幣兌美元，早就到了3:1。同樣是國際連鎖的四季酒店的標間，北京亮馬橋的分店，一晚上的掛牌價也就是250美元，紐約曼哈頓分店需要1800美元，中間差了整整6倍。當然影響匯率的因素還有很多，比如中美蘋果手機的價格就相差不大，但窺豹一斑，還是能反映不少的現實情況。匯率的影響被低估了。最近四十年經濟增長的熱點地區主要集中在東南沿海，主要原因顯然是強調供給端的出口導向型經濟結構。再比如稅收制度。美國稅收來源主要是直接稅，個人所得稅是稅收的第一大來源，佔到政府全部稅收的將近一半。中國則以間接稅為主，最大的單一稅種是增值稅。這種制度更鼓勵的是當地生產，而不是消費。所以各地都會在招商引資，培育當地企業上下功夫。其他的還有各種設計，基本都是圍繞生產供給端下功夫。最新的十五五規劃，開始強調：“建設強大中國市場，加快建構新發展格局……深入實施提振消費專項行動，增強居民消費能力，改善消費意願，適應不同群體消費需求擴大優質供給，促進全社會商品和服務消費較快增長。”並不是說要放棄對於生產製造端的追求，而是要提振內需和消費的相對地位。為什麼會發生這麼一個根本性的轉變呢？因為供給側也就是生產端，已經發展到了內卷式競爭了，從技術角度來看，中央財經委員會韓文秀也說：“經過多年努力，中國自主創新能力已經越過了某個拐點，外部力量難以逆轉我們的發展。”供給側的發展已經足夠到位，經濟增長卡在需求端，消費的問題就擺上檯面了。不要低估這個變化，因為這意味一系列的從機構到政策的大的配套思路的轉變。最近大家能感受到的政策動向，就是2026年3月6日證監會的表態：“積極支援新型消費、現代服務業優質創新企業登陸資本市場”，A股開始對消費型企業開放了。一看到消費，很多人立馬想到了傳統的大消費，喝酒吃藥，那顯然就有些刻舟求劍了。一個時代有一個時代的消費，白酒醫藥是大基建時代消費的代表，新時代投資還是要到新消費裡面找機會，到年輕人小登們喜歡的方向去。比如這些年，就跑出來了不少的新消費企業，典型的代表是泡泡瑪特、蜜雪冰城。有一句話這麼說，“80後是中國歷史上最奇幻的一代人，小的時候還點煤油燈，很可能老了要被機器人照顧”。時代變化快，大消費也要與時俱進。二、投資於物和投資於人“堅持擴大內需這個戰略基點，堅持惠民生和促消費、投資於物和投資於人緊密結合，以新需求引領新供給，以新供給創造新需求，促進消費和投資、供給和需求良性互動，實現供需更高水平動態平衡，增強中國大循環內生動力和可靠性。”規劃裡面提出，投資於物和投資於人緊密結合，這裡面投資於物和投資於人，是最近兩年才有的新提法。投資於物對應的是供給側生產端的思路，而投資於人則對應著需求側消費端的改變。我們都知道需求側消費有問題，那為什麼消費不行呢？社科院蔡昉的邏輯是，經濟增長乏力的根源在於消費不足，表現為“供強需弱”的格局，而需求不足的深層根源是人口結構的深刻變化。中國“未富先老”，在人均GDP不高的情況下就已步入中度老齡化社會，人口進入負增長階段，這直接抑制了消費潛力。為瞭解決消費不足的問題，就必須要重點關注投資於人。投資於人這個詞，聽上去是一個資本開支的概念，從個人的角度看不是，但從國家整體看是。這代表著站在宏觀角度，人口紅利期已過，應當把人力從原來的取之不盡用之不竭的固定資源屬性，開始向需要不斷投入，養護維修的變動資源屬性轉移。加大對於人的投入，那自然就是從搖籃到墳墓的全過程了，涉及教育、養老、住房還有醫療這四大件。首先看住房。中國的高淨值人群，普遍持有了超出合理水平的房地產。十五五規劃的政策邏輯將房地產從經濟增長的工具向基本保障和居住消費屬性轉移。這意味著中國房地產的黃金時代結束，或者說其金融屬性正式淡化，開始進入作為普通消費品的白銀時代。其次是醫療。“實施健康優先發展戰略，健全健康促進政策制度體系，提升愛國衛生運動成效，推動從以治病為中心向以健康為中心轉變，為人民群眾提供公平可及、系統連續的健康服務，提高人民健康水平”，戰略方向從單純的醫改向以健康為中心轉移。第三是養老。專門章節應對人口老齡化：“深入實施積極應對人口老齡化國家戰略，健全養老事業和產業協同發展政策機制，促進老有所養、老有所為、老有所樂。”最後是教育。對於個人而言，這一部分真的算是投資。這一塊基本上是奔著提昇平均受教育年限去的，“穩步擴大免費教育範圍，探索延長義務教育年限”。總之，投資於人政策的核心，一邊是減負，另一邊是提升教育水平。從投資的角度，這意味著這些行業國家的投入會不斷的持續的增加，對於原來就是走TO B路線的企業，可能會迎來新的發展機遇。但對於原來TO C的公司，就需要面對一些擠出效應。比如教育，新的政策下顯然並不鼓勵過多的內卷。投資於人，還有另外一個邏輯支撐，那就是AI的快速發展對於就業人口的擠出。實際上高科技行業對於就業都是不友好的。三、金融強國十五五規劃裡面，一口氣新增了五個強國，從原來的十一個增加到現在的十六個。新增的五個強國，分別是農業強國、旅遊強國、能源強國、金融強國還有航天強國。農業強國、旅遊強國、航天強國和能源強國，我們都可以從技術、行業基本面的角度來解釋，這個金融強國又怎麼理解呢？這可能是眾多金融行業從業人員最關心的問題。中國宏觀經濟學會劉尚希的觀點可能代表了金融強國背後的核心邏輯。即智能經濟將是未來經濟增長的核心支柱，而發展的關鍵在於形成一個有效的“科技—產業—金融”良性循環。當前循環存在的核心問題是金融這個環節沒能有效融入循環，主要體現在三個方面：退出機制單一：過度依賴IPO，限制了早期投資。融資結構錯配：以銀行為主的間接融資，難以匹配創新的高風險屬性。政府基金偏好“求穩”：政府引導基金考核機制缺乏容錯性，過於求穩。金融強國就需要解決這個大循環不暢的問題。從資本市場的角度，這意味著未來的重點方向是股權，而不是債權。跟股市相關的行業，不能說繁榮，至少還有β，至於能不能有α，要看自己。首先看壓艙石銀行。波士頓諮詢最近有一篇報告，分析了十五五規劃對於銀行業的影響。核心觀點是認為十五五規劃的本質是一場深刻的經濟底層邏輯切換，即從依靠房地產和傳統基建的舊模式，轉向依靠新質生產力驅動的新範式。舊模式下，銀行主要服務房地產和政府平台客戶；而在新階段，銀行要轉向服務新能源汽車、半導體、生物醫藥等300個細分賽道里的約3萬家新質生產力企業。波士頓諮詢的報告邏輯上沒有什麼瑕疵，但他的策略整體是偏進攻的。問題就一個，銀行這種業態到底是不是能夠匹配那些相對較高風險的新產業。聯準會一位前主席曾經這麼說，“這幾十年金融創新唯一做對了的可能就是發明了ATM機。”對於銀行來說，未來五年最核心的工作可能還是化解存量風險，也就是不折騰。其他資管機構，比如保險資管和公募基金，行業β還在。但對於其他資管機構來說，比如信託、理財子公司，套利的空間可能會越來越小，產品也越來越向標準化方向去規範。金融強國政策最受益的一個方向，可能是一級市場。要打通“科技—產業—金融”的循環，關鍵就是一級市場，規劃裡說“壯大耐心資本，完善支援中長期資金入市政策體系”。為了發展新質生產力，需要有一批能夠承受高風險對於短期虧損不敏感的長期耐心資本投資初創企業，真正起到孵化作用。起到這個作用的，目前看，通常是一些風險投資機構，天使投資人和產業資本等。初創企業，或者說一級市場是一個高風險，收益可能很高的行業。一般來說，大約有5%的企業可以進入到C輪也就是企業淨利潤為正的階段，能夠走到IPO階段的更低。什麼樣的資本會投初創企業呢？一般來說，可以認為是大資金在完成保值之後多餘出來的那部分錢。比如一個機構手裡有100億自有資金，每年投資固定收益產品可以有2%的收益，這家機構就願意拿這2個億的收益出來搏一下。所以，從規模上來說，一級市場的資金總量比投資債市和股市的資金，體量要小得多。實現金融強國，金融服務實體經濟，一級市場的錢又非常的重要，目前看除了在政策上鼓勵一級市場之外，就需要國資起到壓艙石的作用。所以未來五年，你會看到很多大型的國央企以及一些資管機構比如保險，都會成立專門的子公司，用來做這種高風險的一級市場投資。有學者說，鑑於這個市場的高風險特徵，對於創投投資，應當遵循容錯和盡職免責的原則。最後可能具體執行上會放鬆，但大機率上也會考慮到道德風險問題。四、科技的方向有研究員根據五年規劃的重點方向做了一個組合用來回測，發現總體收益還不錯。這個意義不大，因為真正有可靠資料的歷史並不長。實際上，從行業規劃到落地，再到股價，是一個二階導甚至是三四階導的關係。十五五規劃對於科技的終極要求是“加快高水平科技自立自強，引領發展新質生產力”，核心是高水平的科技自立自強。實現這個目標，規劃裡面重點是三個方向，或者說三大支柱：第一個是關鍵核心技術攻堅，同時佈局前沿領域科技，“聚焦戰略必爭領域和產業鏈供應鏈薄弱環節，採取超常規措施，全鏈條推動積體電路、工業母機、高端儀器、基礎軟體、先進材料、生物製造等重點領域關鍵核心技術攻關取得決定性突破”，“瞄準世界科技前沿強化系統佈局，實施人工智慧、量子科技、生物科技、新能源等科技戰略部署，加快突破基礎理論和底層技術，促進轉化應用”。這些關鍵核心技術，一直都是短板，前沿領域科技也符合預期，並沒有特別新的方向，政策一直比較連貫。第二個是發展壯大新興產業，佈局未來產業。新興產業包括：“加快新一代資訊技術、新能源、新材料、智能網聯新能源汽車、機器人、生物醫藥、高端裝備、航空航天等戰略性新興產業發展”，未來產業則有六個：“瞄準引領未來發展重點領域，建構未來產業全鏈條培育體系，推動量子科技、生物製造、氫能和核聚變能、腦機介面、具身智能、第六代移動通訊等成為新的經濟增長點”。第三個相對較新，數字中國。“深入推進數字中國建設，提升數智化發展水平”。這部分的根本目標就是用人工智慧推動經濟、社會和生活提升生產力水平，具體手段則是以算力發動機，演算法當大腦，資料作燃料，三位一體。從上面的三大支柱可以發現，顯然除了補短板以外，未來的核心方向就集中在兩個方向，新能源和人工智慧。一方面發展新能源，增加全社會財富總量；另一方面人工智慧改造社會，推動全社會生產力和效率水平提升。五、關於投資從增量資訊來說，十五五規劃相比以前最大的變化就是提升了消費的地位，投資於人的地位上升。這個變化可能很緩慢，但方向是確定且不容改變的。任何規劃或者政策都不是從天上掉下來的，它本質上不是預測，而是對現實的一種確認。並不是非要重視消費和投資於人，而是現實就需要你這麼做。從投資的角度來說，成長股投資跑去追科技方向即可，價值投資者則應當關注新消費。科技成長投資是看起來難，實際相對容易。方向是確定的，對於其中的不確定性大家也早有預期，大家圍繞著十五五規劃這些新興產業和未來產業佈局就好。想走硬科技路線的，除了那些補短板行業之外，就是新能源，汽車太陽能氫能核聚變。軟科技就是人工智慧，算力演算法資料改造社會，還有就是智能駕駛、人形機器人。至於消費，白酒自然還有很大的空間，但想要大β，那估計可能性不大了。像貴州茅台這種，20年年化收益率超過25%的神話，至少在白酒方向，是很難有了。新消費看起來容易，做起來難，關鍵問題是能不能長久。巴菲特買可口可樂和喜詩糖果的時候，前提都是20年之後這兩個產品都在。我們又怎麼能判斷，一個新消費品牌有足夠深的護城河，能讓一家消費企業持續紅火20年？曾經火爆的海底撈，現在正火的泡泡瑪特、蜜雪冰城，二十年後還在麼？如果你能正確回答這個問題，你就擁有了比肩巴菲特的能力。新消費還有一個非常關鍵的問題，就是人工智慧可能會很大的改變這個社會的面貌，這更增加了預測的難度。比如智能駕駛，我們知道的港股上市公司，文遠知行和小馬智行，已經把經濟性跑通了，單車造價從100萬降到了20萬左右的等級，同時省去了司機工資之後，車費也比一般的打車要便宜。一旦說政策放開，可能三五年內就會做到中國普及。這是我們隨手列的，關於人工智慧影響的例子，實際的影響可能比這個要大得多。這也是為什麼要強調投資於人的一個重要原因，因為人工智慧對於就業市場的影響，僅僅用顛覆這個詞還遠遠不足以形容。處木雁之間，當有龍蛇之變。三十年後看今天，大機率可能會比我們現在看三十年前變化的劇烈程度更大。規劃只是指引，變化只能自己去適應。 (虎嗅APP)

資產充裕、收入貧乏的經濟2014年 經濟學家理查德·庫（辜朝明）將日本上世紀90年代初的崩潰及隨後二十年的經濟萎靡診斷為一場"資產負債表衰退"。這一結論在2008-09年金融危機期間並未被聯準會忽視。聯準會實施了一項緊急應對措施，精心策劃了一場可以被稱為"資產負債表復甦"的處理程序。在本周早些時候的政策會議上，聯準會明確表示，即使不再恐慌，危機仍然給它留下了傷痕。異常寬鬆的貨幣政策將繼續實施。儘管聯準會每月的資產購買規模將縮減，但短期利率將保持在接近於零的水平。並且聯準會向我們保證，即使通膨動態改善、信貸市場定價完美、股市處於創紀錄水平，長期利率也無需上升。美國家庭的總財富，包括股票和房地產持有，剛剛達到了81.8兆美元的新高。這是自2009年以來增加的超過26兆美元的財富。難怪華爾街多數人為聯準會堅持不懈的資產負債表復甦策略喝彩。對於那些擁有大量資產、風險承受能力高且容易獲得信貸的家庭和企業來說，這是個好消息。然而，這對於必須依靠自己的收入報表來支付帳單的家庭和小企業來說，幾乎沒有帶來什麼慰藉。大約一半的美國家庭不持有任何股票，超過三分之一沒有房產。更不用說那些努力想依靠債券回報安度晚年的退休人員了。聯準會的特殊工具在刺激資產負債表財富增長方面遠比促進實際收入增長有效。最新的就業報告揭示了困擾普通民眾的嚴峻現實。儘管5月份創造了21.7萬個就業崗位，但大多數美國人的收入仍面臨壓力，工作時間和平均時薪僅略有改善。就業人數用了整整76個月才恢復到之前的峰值，創下了戰後令人不安的記錄。不幸的是，在同一時期，美國適齡勞動人口增加了超過1500萬人。這就是為什麼現在適齡勞動人口中未就業的比例處於36年來的高位。如今，領取殘疾保險金的美國人比從事建築和教育行業工作的人加起來還要多。與此同時，企業高管們理性地選擇了金融工程——例如債務融資的股票回購——而非對不動產、廠房和裝置的資本投資。金融市場獎勵股東積極主義。機構投資者擴展其風險參數以超越其基準。散戶投資者則姍姍來遲地參與到不斷上漲的資產價格環境中。所有這些都推高了資產負債表財富，至少暫時如此。但實際經濟增長——連續第五年僅略高於2%——依然嚴重不足。資產價格上漲並未轉化為資本支出的顯著增長，而疲軟的企業投資增長正被證明是工人機會的殺手。那些有工作的人擁有一定的就業保障。但他們更不願意冒險尋找更好的機會，或者為更高的工資進行談判。那些沒有工作的人，特別是沒有接受過高中後教育的年輕群體，無法進入勞動力隊伍，因而永遠無法獲得入門級的技能和紀律來建立職業生涯。勞動力市場的萎靡以及低迷的企業投資，有助於解釋為什麼生產率指標比歷史平均水平低了整整一個百分點。聯準會的最新預測是，今明兩年剩餘時間內經濟增長將超過3%，到2015年底失業率將降至5.5%左右。如果聯準會這種樂觀的預期最終成為現實，收益率曲線各期限的利率都可能顯著上升。湧入金融市場的資金可能會部分地重新導向實體經濟。股票、槓桿貸款和房地產很可能在更高的利率環境中重新定價。如果利率快速或意外上升，備受吹捧的資產負債表復甦可能會遭受打擊。 如果未來一兩年出現意外衝擊導致經濟放緩呢？聯準會無疑會被要求支撐資產價格並刺激實體經濟。但是，重新啟動每月850億美元的債券購買真的會有效嗎？我們懷疑華爾街或普通民眾是否會因重啟量化寬鬆而感到安慰。資產負債表財富只有來自於努力獲得的成功，而非政府指令，才是可持續的。財富創造來自於強勁、可持續的增長，這種增長將勞動力、資本和技術的適當組合轉化為生產力，生產力轉化為勞動收入，收入轉化為儲蓄，儲蓄轉化為資本，資本轉化為投資，投資轉化為資產增值。 國家需要擺脫2%的增長困境。通過聯準會人為製造的資產負債表財富創造沒有捷徑。聯準會越早、越可預測地退出其特殊的貨幣寬鬆政策，企業就能越早回歸業務經營，勞動力也能越早重返工作崗位。美國經濟增長2%和增長3%有什麼區別？正如已故經濟學家赫布·斯坦所說，答案是50%。而真正的區別在於，一個是幫助富裕階層的資產負債表復甦，另一個是增進所有美國人利益的損益表復甦。 (Intellectual honesty institute)華許先生曾任聯準會理事，現為史丹佛大學胡佛研究所傑出訪問研究員和史丹佛大學商學院講師。德魯肯米勒先生曾是杜肯資本的創始人，現為杜肯家族辦公室首席執行長

近兩年來，關於 AI 經濟學最引人注目的論戰，實際上是一場關於“速度”的博弈。關於AI泡沫的討論，最終都會還原到，「AI 多久會反映到 GDP/生產率上」這個問題上。（TFP）的增長貢獻可能僅為微不足道的 0.07% 到 1%。他的判斷主要立足於 AI 只能自動化很少一部分人類任務，且很難在短時間內大幅降低成本。諾貝爾經濟學獎得主 Daron Acemoglu 在 2024 年拋出了一盆冷水。他通過對當時 AI 能力（主要是 GPT-3.5 時代）的實證觀察，計算出 AI 對未來十年全要素生產率但在Agent全面接管工作流、推理模型層出不窮的當下，Acemoglu基於Chat時代的觀察顯得有點落伍了。在他的論點之外，轉折派、奇點飛昇派等多個流派對AI、對GDP年增長的影響預測從0.07%到10%，分佈在極其廣闊的光譜上。成功落地，以及能夠自我迭代的AI進入研發流程，意味著完全不同的增長軌跡。這些預期差距很大程度上源於他們對AI技術本身發展速度的理解差別。AI發展停滯、Agentic AI而史丹佛大學商學院經濟學家 Charles I. Jones 在 2026 年 1 月發佈的最新論文《人工智慧與我們的經濟未來》（A.I. and Our Economic Future），為這場爭論引入了一個超越具體技術參數的宏觀框架。Jones沒有糾結於模型能力的範圍，而是通過數學化的生產函數模型模擬了AI在不同場景下的可能。他認為，AI 確實擁有引爆經濟的潛力，但這個引爆過程將被經濟系統中的「薄弱環節」無情地拉長。和過往的電氣、網際網路革命一樣，這很可能也將是一個被馴服的奇點時代。01AI對經濟影響的三種敘事關於 AI 將在多大程度上提升長期 GDP 增長率，學術界目前分裂為三種截然不同的敘事。分歧不僅源於對技術能力的判斷不同，也源於他們看待經濟機器運轉方式的根本差異。漸進主義視角：任務模型的摩擦 (Acemoglu)（Hulten’s Theorem）作為依據進行論證。Daron Acemoglu 是這一流派的代表。在 2024-2025 年的系列研究中，他主要通過霍爾頓定理霍爾頓定理的推導邏輯非常直接：AI 對總生產力的貢獻，大約等於「受 AI 影響的 GDP 份額」X「這些任務的成本節約率」。根據Acemoglu的測算，即便假設 AI 能影響 20% 的任務並帶來 25% 的成本降低，其在未來十年內對 TFP （全要素生產率）的累計提升僅為 0.71%，折合年均增長不到 0.1 個百分點 。但是，Acemoglu的測算在方法論上存在根本性缺陷。他用了一個為衡量漸進式技術改進設計的工具，即霍爾頓定律，去預測一個可能改變經濟結構本身的通用目的技術。如果1900年有人用霍爾頓定理計算電力影響，其結論可能是電力只能替代20%的蒸汽機任務，成本節約30%，影響有限。但電帶來的最核心改變是，工廠無需再圍繞中央蒸汽機佈局、因此其生產限度和範圍都大幅擴展；而在微型化後，整個家用電器產業從零誕生。這些結構性變化不在替代舊技術的框架裡。然而，Acemoglu 確實敏銳的發現了一些很敏銳的現象。他注意到，當時AI的成果，比如寫程式碼的速度提升55%，職場寫作效率提高40%這類，都發生在他所謂的「易學任務」光譜裡。這些任務有兩個特點，依賴性，它們都有明確的對錯標準；二來，網際網路上有對此海量的訓練資料。但其實經濟活動裡大部分區域都沒這麼理想。比如一個醫生診斷罕見病，一個律師在複雜案件中尋找突破口，一個建築師在地形限制下設計方案，這些「難學任務」就沒有明確的答案，而且必鬚根據語境做判斷，而AI在這些領域的進步將極其緩慢。而且因為缺乏客觀的評判標準，AI只能從人類的平均表現中學習，這可能最終導致它們永遠無法超越人類專家。這一批評，在推理模型、RLVR，乃至Agent盛行的今天，甚至依然成立。爆發論視角：自我進化的AI在光譜的另一端，是耶魯大學的William Nordhaus和研究機構Epoch AI代表了這一陣營。他們不只把AI看作Acemoglu眼中那種提效工具，而是看作一種全新的生產要素，一種可以無限複製的「數字勞動力」。他們假設的基礎是AGI確實會到來。在這一假設之下，AI能在幾乎所有認知任務上替代人類，那麼傳統經濟模型中「勞動力受人口增長限制」這一鐵律就會被打破。經濟增長將不再被人口瓶頸所束縛，而只取決於我們能以多快的速度生產算力。，他們認為傳統索洛模型中「勞動」和「資本」互補的假設將失效。如果 AI 技術發展到足以在絕大多數認知任務中完全替代人類，經濟增長將僅受限於資本（算力）的積累，而不再受制於人口增長的停滯，長期增長率顯著上移。這一派別採用了內生增長模型他們預測，如果AI能夠自動化科研過程（設計更好的晶片、發現新材料、最佳化演算法），就會形成一個正反饋循環，更強的AI →更好的硬體/演算法 → 更強的AI。根據 Epoch AI 的預測，如果這一循環打通，全球GDP的年增長率可能在2030年代突破10%，甚至達到30%的爆發性水平。的再現融合視角：J型曲線與索洛悖論然而，目前的實證資料似乎更支援Erik Brynjolfsson 提出的「生產力 J 型曲線」解釋。該理論認為，通用目的技術（比如GPT）在引入初期，往往會導致生產力增長放緩甚至下降。這是因為企業需要進行大量的無形資產投資，這包括去重組業務流程、重新培訓員工、開發配套軟體。這些投入在短期內被計為巨額成本，而收益卻滯後顯現。2025年的調查資料也佐證了他的想法。儘管 GenAI 的個人使用率已極高，但許多企業正處於試點煉獄（Pilot Purgatory）之中，投了很多錢，但沒看到什麼規模化回報。這種現象完美復刻了羅伯特·索洛在 1987 年的名言：“到處都能看到電腦，除了在生產力統計資料裡” 。緩慢的爆炸，被馴服的奇點Charles Jones的新論文，其實站在了一個統合者的角色上，去看待上面提到的所有三種路徑。他既不否認AI擁有無限自我進化的革命性潛力，也不否認組織變革之類拖後腿的因素。他把這些因素都塞進了一個理論中去融合，即「薄弱環節」理論，或者說是經濟發展中的木桶效應。現實經濟中，絕大多數任務是互補的，是一個由無數相互依賴的環節組成的複雜系統。比如藥物研發，就包含靶點驗證、毒理、臨床試驗、監管批准，任何一環都無法用其他部分替代。工程交付，則包含設計、供應鏈、施工、驗收、許可，某一步過不了整體交付不了。現代社會之所以有如此多的分工，正是因為為了保證安全和質量、完成一件足夠複雜的工作，是需要很多不可替代的環節的。而在這樣一個系統中，最慢的環節決定了整體的速度，Jones就把它稱為「薄弱環節」。在論文裡，Jones自己用了一個比喻去解釋這套理論。準備一頓晚餐的過程由兩個步驟組成：想菜譜和做菜。現在AI來了，它超好用，能在瞬間生成一份完美的菜譜，考慮到營養搭配、時令食材、你的飲食偏好。因此在「想菜譜」這個環節，生產力直接可能飆升一萬倍。但真想讓它上桌，廚師仍然需要花一個小時切菜、炒菜、擺盤。AI讓你在菜譜上省了十分鐘，但整個流程的瓶頸，即實際的烹飪過程並沒有改變。結果是，就算AI無敵了，你也只是把做飯時間從70分鐘縮短到了60分鐘，提升有，但似乎談不上「革命」這麼誇張。當生產環節之間是高度互補時，總產出並不取決於那個最強的環節（AI），而是被鎖死在那個最弱的環節（人類/物理世界）上 。只要這個薄弱環節存在，就算自動化再完善，最終總產出都由最弱環節的完成時間、成本所限制。而在可見的未來中，這個薄弱環節都會存在。首先是AI自身能力還需要提升，目前它缺乏長程任務的處理能力，也缺乏創新能力，更缺乏進入物理世界的具身能力。就算這些技術卡點都解除了，算力、機房、電力也需要現即時間去搭建；組織本身的變革肯定要慢於技術的進展，薄弱環節就會移動至此。而當組織，可能都被AI重新劃定好後，那些涉及倫理、信任、最終決策權、以及人類純粹偏好的「不可替代環節」，又將成為扼住經濟咽喉的那個「絕對薄弱環節」。這些過程，即使Epoch AI預測的超進化發生，也無法被磨平。至少在人類同意將一切決策權交由AI之前，都不可能發生。卡到什麼程度呢？Jones給出了另一個公式。在一個替代彈性為一半，也就是說各項任務都相互依賴的世界裡，如果你把一類任務自動化到「無限供給」，而這類任務在原本經濟中佔 GDP 的成本份額為 s，那麼總產出的比例增益大約是：增益=1 / 1-s這個公式可以這麼理解，把某類任務壓到幾乎免費，帶來的最大效果，本質上就是把生產 1 單位最終產出的總成本裡，那一塊原本屬於它的成本拿掉。如果它原來佔總成本的份額是 s，那剩下的其它必要任務就佔 1−s。在這個強互補設定裡，其它任務那部分成本是你無論如何都躲不開的。在同樣資源/同樣預算下，你能買到的最終產出與單位成本成反比。單位成本從 100% 降到 1−s，產出能力就最多放大到原來的 1/(1−s)。而GDP佔比可以看成衡量一種經濟部門在總價值與總支付中的權重，也可以近似視作成本。比如，軟體開發行業大約佔美國GDP的2%。假設AI現在可以寫出所有的程式碼，讓軟體開發的生產率達到無窮大。即便如此，這項突破會讓GDP變成1 / （1-0.02），也就是大概102%，也就是帶來約2%的增加。聽起來很扯，但這確實是事實。因為拆解開來，美國的GDP大頭，基本上都完全無法用程式設計替代，都涉及到物理勞動、土地等「絕對薄弱環節」。因此，在這個任務無法互相替代的框架中，經濟在微觀上，很多環節效率暴漲（寫程式碼、寫文案、做分析、做客服……）；但宏觀上產出提升依然被少數硬環節卡住（許可、責任簽字、物理建設周期、供應鏈、信任與安全、資料生成等）。結果就是，增長不是瞬間起飛，而是拆一個瓶頸、瓶頸遷移到下一個，呈現緩慢加速。而且，A.I. 把某些任務變便宜後，支出份額 s 未必上升，甚至可能下降。GDP可能會更集中在卡脖子的環節之上。基於這個框架，Jones重新計算了AI的經濟影響。他的結論介於Acemoglu的極度悲觀和奇點論者的極度樂觀之間。AI確實會驅動經濟增長加速，年增長率最終可能突破5%的歷史高位。但這不會是一夜之間的飛躍，而是一個跨越三四十年的漸進過程。在頭十年，我們可能只會看到約0.5-1%的累計TFP增長，勉強高於Acemoglu的預測。換句話說，奇點依然存在，但它被經濟結構的韌性馴服了。爆炸會發生，但引線很長。03加速的可能如果說 Acemoglu 的理論是基於靜態的觀察，那麼 Jones 的理論則更好的描繪了系統的結構性阻力。他是一種極限實驗，在其中假設把某類任務做到近乎無限便宜/無限供給，問總產出最多能被抬高多少。本質上是一個偏結構約束的視角。這種結構約束就是任務間的不可替代性。但這會是一成不變的嗎？Jones 在論文中暗示，技術確實會重構經濟形式。也就是說，在上面公式中，任務間無法互相替代這件事兒，可能會因技術的變化而變化。那麼現實的發展速度就有可能比他的基礎預測更快。根據不同技術情景對任務替代的不同影響，他一共設想了三種可能的重構方式。第一個是改變生產函數本身。當一項新技術足夠強大時，我們往往會重新設計整個流程，用新的範式替代舊的瓶頸。比如當下一些行業的分工，像法律裡，有起草合同、稽核檔案、法庭辯護這些環節高度互補，缺一不可。但如果AI不僅能起草合同，還能直接與另一個AI代理基於智能合約達成協議，中間的許多人工稽核環節就可能被徹底繞過。這不是在原有流程上做最佳化，而是創造一個全新的、更少瓶頸的流程。一些原先的硬序列鏈條被改造成可以多開工、多條線並跑的結構。這種範式轉換會改變不可替代性的大小。如果經濟活動重組後，任務之間從強互補變為弱互補甚至可替代，那麼單純堆疊算力就能帶來指數級的產出增長。於是宏觀增長會更明顯加速，但仍可能受到物理與制度約束，不一定立刻指數爆炸。依然是一個隨著組織和滲透漸進的過程，但速度會大為增加。理論上講，這一改變是非常可能的，因為我們現在的勞動分工和流程化，在很大程度上都是為了人類本身的限制而設立的。如果對於一個能力高超的AI來講，設計一棟複雜建築的難度和原始人設計木屋的難度一樣，它完全可以邊設計邊建造，而無須拆分流程。第二種改變方法，是份額的內生增長。公式 1/(1-s)假設可自動化任務的份額s是固定的。但歷史告訴我們，當某種投入變得極其便宜時，我們會在所有可能的地方使用它。比如在電力剛出現時，它只是用來照明和驅動少數機器。但隨著電價下降，電力滲透到了經濟的每一個角落：製冷、通訊、交通、娛樂、醫療。類似地，如果AI推理的成本降到接近零，我們會在今天想都不敢想的地方嵌入智能，比如建築材料會自己監測結構安全，農作物會即時最佳化光合作用效率，甚至一片樹葉都可能成為一個微型計算節點。在這個環境下，企業開始加強AI的滲透，替代一部分原來必須由人/組織協調完成的任務，在一定程度上取消某些環節。總體看，AI的用量擴張和任務邊界擴張（把原本不屬於AI的任務重新劃給AI）會減少在各個層級上的「薄弱環節」，把它們同樣自動化。因此 s 並不是僅僅限制在「程式設計」本身的GDP佔比上，而是滲透性更強，幅度更大。對GDP增長的影響也更顯著。這基本上是目前完全可見的一種潛在未來場景。這種擴張不會在一夜之間發生，但也不會像Jones的基準預測那樣緩慢。第三個則是直接通過解決「基礎薄弱環節」，帶來跨越式增長。其實在Jones公式裡，最大的「薄弱環節」並非演算法，而是能源、材料、人力這些物理障礙。AI科學家不能直接建造核聚變反應堆，不能親手合成新材料，也不能獨自組裝iPhone。但這恰恰是AI可能產生最大槓桿效應的地方。Jones在論文中描繪了一個很接近Epoch AI提出「飛輪」場景：AI 科學家可以設計更好的機器人，機器人進行實驗產生資料，實驗資料則用來訓練更強的 AI。在這個過程中，一旦在AI的自我進化式研究的過程中，解決了核聚變（無限能源）和通用人形機器人（無限物理勞力）的問題，那麼原本佔比最大「薄弱環節」和瓶頸都會消失，進入到自動化循環中。這就會是真正的經濟奇點到來的前夜。而在當下，進化性模型正是最火熱的前沿領域，AlphaEvolve帶來的曙光初現。這個場景變得越來越可能。在這三種Scenario之下，我們可以看到相對於Epoch AI和Acemoglu，Charles I. Jones 的研究框架完全可以包容前三者的所有假設。在當下高度互補的經濟系統中，AI 的局部無限能力會被那些尚未被自動化的「硬骨頭」（如物理瓶頸、法律倫理、人類情感）所稀釋。這就是為什麼即便技術在飛速迭代，宏觀經濟變化卻相對緩慢，因為價值會迅速從智能環節逃逸，被死死鎖在那些依然昂貴且稀缺的短板上。而隨著AI的持續發展滲透，打補丁式的替代將轉向徹底的重構。自動化份額逐步擴大，很多生產流程將完成從人機互補到端到端的完全替代。更遠處，利用「AI 科學家+機器人」的飛輪攻克能源與製造等物理底座，則會撬動幾乎所有「薄弱環節」。一旦我們成功擰動這些關鍵的「生產環節替代性」的調節旋鈕，一步步消除系統中擁有一票否決權的短板，經濟增長便能突破引力束縛，從線性的摩擦走向真正的指數級躍升。當然，這些旋鈕中，可能最先被擰動，是你我這樣的人。04人的新位置那麼，在這樣一個由「薄弱環節」定義的未來裡，人類的位置在那裡？從這個圖景看，答案其實很簡單，即人會不斷向瓶頸處遷移。在過去，掌握大量知識是高薪的保障。但在 AI 時代，這些成為了最先被無限化的廉價資源。人類的技能必須向那些 AI 尚未攻克的薄弱環節轉移。而當下尚能看到的瓶頸在那裡？首先是物理世界的最後且最難的一公里。尤其是那些非標準化的、需要靈巧操作和複雜判斷的物理工作。照顧老人、修繕古建築、緊急情況下的複雜救援。在這些場景中，只要機器人還沒有達到人類的靈巧度，工作的薪資反而會因為「薄弱環節」理論而水漲船高。這在現實中其實完全有映照。最近，在美國修築算力中心的藍領工人工資就在大幅提升。其次，是監管與信任的能力。 在一個充滿了 AI 生成內容的世界裡，驗證變得比生成昂貴得多。法律責任的界定、倫理的審查、人際間的信任背書，這些是 AI 難以通過算力解決的硬骨頭。這些問題基本沒有技術解決方案，只有社會和制度的解決方案。律師、審計師、倫理顧問的工作重心會從做轉向驗證和擔保。最終，是定義意義的能力。 當 AI 能解決所有如何做（How）的問題時，價值就集中到了做什麼（What）和為什麼做（Why）上。能夠發現需要AI 解決的問題；能夠制定一個城市的規劃願景、一個社會的價值排序；能夠定義人類應該有的生活，確認出可能不適合所有人，但適合一部分人的意義；這些工作，是缺乏生命史和生物本能的AI本身永遠也無法去取代的。直到我們達到「後豐裕時代」，把相當豐富的決定權都交予的AI的圖景。ones 在論文的結尾沒有談論大規模失業的恐慌，而是談到了「退休」和「夏令營」。在傳統的經濟模型中，人類文明的絕大部分時間，都活在不工作就會死的重壓之下。即使在現代社會，這個恐懼只是被包裝得更精緻：不工作就付不起房租，看不起病，養不起孩子，失去社會身份和尊嚴。我們把它叫做"職業發展"、"自我實現"、"社會貢獻"，但底層邏輯從未改變，工作是生存的代價。這種恐懼塑造了人類文明的幾乎所有結構。教育系統，本質上是勞動力培訓營，從幼兒園開始就在為將來有用做準備；時間分配，清醒時間的一半以上用於生產勞動或為生產做準備。身份認同，你是做什麼的？成為認識一個人的第一個問題 。更深層的是，生存恐懼塑造了我們對人性本身的理解。我們把理性定義為效用最大化，把成功定義為資源積累，把價值定義為市場定價。人被簡化為經濟人、生產要素、人力資本。而當後豐裕時代來臨時，人類會退守到那裡？標準答案通常是，AI無法替代的高級工作，創造力、同理心、領導力。但這仍然是生存恐懼的框架，仍然在問「我能提供什麼有用的東西」。真正的新高地，可能根本不在有用的維度上。這聽起來像是一個烏托邦式的幻想，但它符合「薄弱環節」理論的最終推演：當所有的生存需求都變成「容易環節」被解決後，人類唯一剩下的「薄弱環節」，就是如何定義我們存在的意義，以及如何度過這漫長而由自己主宰的一生。這場由 AI 引發的經濟變革，或許不會像原子彈爆炸那樣瞬間摧毀舊世界，而更像是一場持續數十年的氣候變遷。水位會慢慢上漲，舊的大陸（傳統認知工作）會慢慢淹沒。在這之前，我們都將不得不搬遷到新的高地，那些 AI 無法觸及的、屬於人類本質的薄弱環節之上。回歸生存恐懼之外的人性。那不是人類的終點，而是人類的起點。 (騰訊科技)