•
大摩-閉門會 專業視角解讀：AI驅動下的中國經濟轉型路徑與2035戰略機遇
聚焦中國AI產業鏈的生態建構能力及其全球競爭力。儘管宏觀敘事美好，但現實中企業盈利、消費信心等基本面挑戰依然巨大。美國經濟在通膨壓力下，短期內降息空間有限，財政政策亦缺乏大規模刺激的可能性。2025年，美國財政赤字可能擴大至2000億至4000億美元，債務利息支出上升將進一步加劇財政不可持續性問題。
與此同時，全球投資者開始重新評估美元資產配置比例，逐步平衡回歐洲或亞洲市場。中國在AI領域展現出強大的整合能力，尤其是在人才、基礎設施和資料方面具備全球領先優勢。AI未來幾年將為中國GDP貢獻0.2到0.3個百分點，而到2030年，相關勞動力價值接近7兆元人民幣，到2035年規模可能達到11兆元。
中國GDP因基礎設施投資和企業資本開支獲得0.2到0.3個百分點的增長，但更重要的是AI技術在未來對中國經濟的深遠影響。預計到2030年，AI涉及的相關等價勞動力價值接近7兆人民幣，佔當前GDP的4到5個百分點；而到2035年，這一領域規模可能達到11兆人民幣。
這意味著AI不僅是技術工具，更是推動產業升級和高品質增長的力量。從製造端的機器人、自動駕駛、藥物研發，到消費端的客服、行銷、視訊娛樂等領域，AI都將顯著提升生產率。然而，儘管AI技術帶來了積極的宏觀敘事，當前中國經濟仍面臨通縮、消費信心不足等問題。工業層面雖有一定出口帶動，但消費低迷，網際網路公司也陷入"省購大戰"的現實困境。
短期內，中美貿易戰的緩和並未完全消除關稅不確定性，且庫存行為的變化難以創造新需求。因此，中國經濟需要在政策托底的基礎上逐步調整，同時科創行業正展現出新的升級潛力。
在當前全球經濟環境下，政策避險措施可能更加即時且溫和，儘管關稅帶來的額外衝擊存在，但在政策和避險措施的作用下，經濟將逐步進入較低增長區間並適應新的變化。從更長遠的視角來看，無論是政策重點還是實際進展，都表明中國的科技創新行業正在展現出新的升級潛力。
近期推出了一系列關於產業升級、人形機器人以及中國特色AI革命的重磅報告，強調了中國供應鏈規模和產業齊全的優勢。然而，問題在於量變是否能夠引髮質變。中國具備良好的基礎，主要得益於規模報酬遞增效應，包括知識外溢效應、固定成本分攤以及專業化的分工。這些因素共同推動了中國產業鏈和創新領域的內生動能釋放。
AI領域方面，中國CSP（雲服務提供商）正加大AI資本支出（CAPEX），產業鏈上下游顯示出明確的加單趨勢。DeepSync等大模型的快速應用進一步推動了AI推理和使用者資料的高速增長。同時，汽車、消費等領域也開始積極擁抱AI技術。
在中美關稅及晶片制裁背景下，中國AI發展的關鍵在於市場化能力與生態系統建設，而非單純依賴算力。自2017年起，中國政府已制定2030年AI發展規劃，並建立了超過250條監管標準，AI相關專利申請和人才儲備位居全球前列。
IMF預測，開發中國家40%的勞動力將受到AI影響，其中16%因AI提升生產效率，24%可能被完全替代。按2024年工資水平計算，中國約有6.7兆元人民幣的勞動力價值將由AI創造，相當於當年GDP的5%。短期內，AI將通過基礎設施建設和資本支出推動經濟增長；長期來看，隨著AI對腦力工作的逐步替代，生產力提升的同時也可能帶來勞動力資源錯配的問題，需要政府加強社會保障和職業培訓以緩解過渡期影響。
預計到2028年，網際網路團隊在AI基礎設施上的投入將達到盈虧平衡，2030年AI相關ROIC將達到52%，消費端和企業端貢獻的AI收入將達到5560億元人民幣。
在當前的科技投資領域，AI已經成為主導敘事的主題。儘管投資者對AI技術本身已相當熟悉，但在應用層面，AI的故事才剛剛開始。這一層級被認為是未來AI大周期中最的。
對於中國的AI發展而言，主要風險集中在地緣政治變化及美國算力晶片禁令的影響。近期，BIS重新針對中國發佈新的指導意見，在鬆綁全球國家分級管理的同時，特別強調了對中國使用3A-090規定下製造的AI晶片（如華為生存晶片）可能面臨的風險，以及美國AI晶片在中國模型訓練和推理中的潛在限制。此外，新規則還要求美國企業積極防範技術轉移風險。
規則制定與基礎設施建設一直是掌握話語權的重要手段，而此次美國出台的新指導不僅針對AI算力，更著眼於整個中國AI生態系統的全球化擴散影響。短期內，這種壓力可能會持續存在，但同時也將推動中國企業加速技術創新。例如，Deep Seek和華為已通過軟體和整體架構改進克服算力瓶頸。同時，中國半導體團隊上調了GPU國產化率預測，預計2024年國產化率將達到34%，至2027年進一步提升至82%。
在AI應用落地方面，網際網路巨頭正面臨短期盈利挑戰和長期商業模式演變的問題。中國憑藉自身市場體量優勢，逐步建立了一個相對完整且高效的AI生態系統。特別是在AR原生應用領域，使用者數量、時長和付費水平均表現出顯著增長。在B端市場，雖然應用採納速度較美國稍慢（約1-2年），但超級應用（superapps）作為AI智能體部署入口的重要性逐漸顯現。然而，由於B端企業在初期多依賴開源模型進行內部部署，向第三方雲服務商遷移的過程可能較為漫長。
總體來看，中國AI投資回報率（ROIC）相較於美國仍處於較低水平，主要原因包括C端應用免費提供、訂閱模式未成為主流、平台利潤空間有限，以及B端變現機會較少。儘管如此，隨著技術成熟和市場擴展，預計一到兩年內將出現較好的變現機會。
AI在零售和其他領域展現出巨大的潛力，但其變現能力在B端和C端存在差異。對於中國而言，AI可能為平台帶來約8000億人民幣的額外收入，其中70%來自C端，30%來自B端。相比之下，美國的這一比例為60%（C端）和40%（B端）。
預計到2027年，AI的投資回報將接近打平，而從2028年開始，AI將帶來顯著的正向收益。到2029年至2031年，毛利率有望達到50%以上。騰訊和阿里被視為AI領域的兩大主要受益者，騰訊在C端應用方面表現突出，而阿里則在雲端運算領域擁有較大的增長空間。此外，美團、攜程、Boss直聘等公司也被認為是AI的積極採用者。
在投資策略上，短期內市場對AI的預期可能過高，但中長期來看，AI的能力仍被低估。騰訊和阿里被看好能夠維持高雙位數的增長。硬體方面，儘管中美在算力和模型開發方式上有所不同，但中國通過快速落地的應用場景彌補了差距，因此並未形成明顯的代差。未來兩年，AI的投資機會將逐漸從基礎設施轉嚮應用層面，網際網路和軟體公司將迎來更多機會。
當前，國內AI應用領域正迎來顯著發展機遇。可以看到，一些網際網路及軟體公司已開始超越美國的輝達等領先企業，展現出明顯的業績優勢。預計未來12至18個月內，隨著中國從基礎設施建設轉嚮應用層面的升級，這一趨勢將持續強化。
年初時，我們已將網際網路行業評級上調為"有吸引力"，主要基於中國正處於技術發展拐點的判斷。這些企業在第一欄的第一個已被列為與中國AI相關的受益標的。然而，宏觀經濟層面仍存在較大不確定性，包括高頻資料波動、關稅對經濟傳導的影響等。
二、Q&A
Q：美國經濟當前面臨的主要問題有那些？
A：美國經濟當前面臨的主要問題包括通膨壓力、財政赤字擴大以及貨幣政策受限。具體而言，儘管中美貿易戰暫停，但關稅對美國經濟仍造成一定通膨衝擊，預計從5月開始通膨率將顯著上升，全年可能升至3%至3.5%。這迫使聯準會在經濟放緩的情況下仍難以降息，今年降息預期過高且可能性較低。
此外，美國財政政策短期內也缺乏刺激空間，國會對於財政談判的進展顯示，財政立場基本保持不變，減稅僅是現狀延續而非新增政策，對經濟作用有限。更重要的是，即使聯邦政府嘗試通過效率改革和關稅尋找新稅收管道，2025年財政赤字仍可能被動擴大至2000億至4000億美元。高利率環境下，債務利息支出上升進一步加劇財政負擔，引發市場對財政可持續性的擔憂。
近期甚至有債券評級公司下調美國主權信用展望，象徵意義重大，標誌著"美國例外論"光環逐漸退去。
Q：中國在AI領域的競爭優勢體現在那些方面？
A：中國在AI領域的競爭優勢主要體現在人才、基礎設施和資料三大要素上。首先，在人才方面，中國擁有大量高素質的技術人才，能夠支援AI技術的研發與應用。其次，在基礎設施方面，中國已建成龐大的資料中心網路及配套支援體系，為AI模型訓練和落地提供了堅實基礎。最後，在資料方面，中國龐大的使用者群體和多樣化應用場景為AI模型提供了豐富的訓練資源，使其具備更強的實用性和適應性。
儘管高端晶片算力受限，但中國在其他支柱領域的能力彌補了這一短板，推動AI應用快速落地，特別是在提升生產率和促進商業化方面表現出色。例如，中國可能成為全球唯一一個除美國外能夠打造完整AI生態系統的國家，涵蓋自主GPU、開源大模型、資料中心及豐富應用場景。
據測算，AI短期內將為中國GDP貢獻0.2到0.3個百分點，到2030年涉及的勞動力價值接近7兆元人民幣，到2035年規模可能達到11兆元，充分體現了中國在AI領域的長期發展潛力。
Q：AI技術對中國未來經濟的具體貢獻體現在那些方面？
A：AI技術對中國未來經濟的具體貢獻主要體現在以下幾個方面：首先，到2030年，AI涉及的相關等價勞動力價值接近7兆人民幣，相當於當前GDP的4到5個百分點，這表明AI將通過效率提升和資源配置最佳化釋放巨大的經濟潛力。其次，到2035年，這一領域的規模可能進一步擴大至11兆人民幣，顯示出AI技術長期發展的巨大空間。
此外，AI將在多個領域助力中國經濟，包括製造端的機器人、自動駕駛、藥物研發，以及消費端的客服、行銷、視訊娛樂等。這些領域的應用不僅能夠提升生產率，還將推動產業升級和高品質增長，為中國提供一個有利的宏觀敘事框架。因此，AI技術的作用遠超簡單的技術工具，而是成為中國經濟轉型的重要推動力。
Q：當前中國經濟面臨的短期挑戰有那些，如何應對？
A：當前中國經濟面臨的短期挑戰主要包括以下幾點：一是通縮和消費信心不足問題，儘管工業層面因搶出口帶來一定帶動效應，但消費層面依然低迷。二是中美貿易戰的不確定性，儘管90天的緩和期為經濟提供了短暫喘息機會，但關稅水平仍然維持在較高水平（約40%），且存在上行或下行的風險。三是庫存行為的變化無法創造新需求，庫存過高可能導致資金擠出、損耗增加以及商品過時等問題，從而限制經濟增長。
面對這些挑戰，中國經濟需要依靠政策托底來逐步調整，例如通過財政擴充等方式進行避險。具體而言，若關稅衝擊較大，政策對衝將更早、更積極；若衝擊較小，則避險措施可能更為即時和溫和。總體來看，中國經濟正處於結構轉型和走出通縮的探索期，政策將以托底為主，確保經濟在較低區間內逐步走穩。
Q：中國AI發展的優勢是什麼？如何通過政策支援實現長期可持續發展？
A：中國AI發展的優勢體現在多個方面。首先，中國擁有龐大的供應鏈規模和完整的產業結構，這為AI技術的應用提供了堅實的基礎。其次，規模報酬遞增效應在中國AI發展中起到作用，具體表現在知識外溢效應、固定成本分攤以及專業化分工三個方面。
例如，中國巨大的工程師和STEM人才庫促進了知識外溢效應，使得技術創新更具可持續性；而廣闊的市場則有助於分攤初期高額的固定成本，使更多創新行為變得有利可圖。此外，中國在AI政策規劃上表現出較強的前瞻性和執行力，自2017年起就制定了2030年AI發展規劃，並建立了超過250條監管標準，確保了技術發展的規範性和系統性。
為了實現長期可持續發展，政策支援至關重要。一方面，政府需要繼續強化自上而下的指導，推動AI技術與各行業的融合，特別是在綠色能源、硬體國產化等領域；另一方面，針對AI可能帶來的勞動力資源錯配問題，政府應加強社會保障體系，提供AI相關的教育和職業培訓，幫助失業人口順利過渡。此外，供需兩側的平衡也是長期可持續發展的，只有當企業能夠在AI技術應用中實現盈利，才能真正形成良性循環。
Q：AI對中國勞動力市場的具體影響有那些？如何量化其經濟價值？
A：AI對中國勞動力市場的影響可以從兩個維度：一是提升生產效率，二是替代工作崗位。根據IMF的研究，開發中國家40%的勞動力將受到AI影響，其中16%的勞動力因AI提升生產效率，24%可能在未來被AI完全取代。這意味著AI不僅能夠最佳化現有工作流程，還能在一定程度上減少對人力的依賴。
具體到中國，按照2024年的工資水平計算，AI創造的勞動力價值約為6.7兆元人民幣，相當於當年GDP的5%。這一數字反映了AI技術在經濟中的巨大潛力。
從短期來看，AI主要通過基礎設施建設和資本支出推動經濟增長，這將直接帶動相關產業鏈的發展。例如，AI硬體製造、軟體開發等領域將迎來顯著的投資機會。從中長期來看，隨著AI對腦力工作的逐步替代，生產效率將進一步提升，但同時也可能導致崗位消失，從而引發勞動力資源錯配的問題。為應對這一挑戰，政府和社會需要共同努力，通過加強社會保障、開展職業培訓等方式，幫助受影響人群適應新的就業環境。最終，AI的經濟價值不僅體現在直接創造的GDP增量上，還在於其對整個社會生產力的全面提升。
Q：中國AI發展面臨的主要風險是什麼？如何應對這些風險？
A：中國AI發展面臨的主要風險包括地緣政治變化和美國算力晶片禁令。具體而言，美國商務部工業安全域（BIS）發佈了新的指導意見，明確指出中國製造的AI晶片（如華為生存晶片）可能面臨的風險，並限制美國AI晶片用於中國AI模型的訓練和推理。此外，美國企業被要求積極防範技術轉移風險。
為應對這些風險，中國企業正在加速技術創新，以減少對外部算力的依賴。例如，Deep Seek和華為通過改進軟體和整體架構來克服算力瓶頸。與此同時，中國半導體團隊上調了GPU國產化率預測，預計到2024年國產化率將達到34%，並在2027年進一步提升至82%。這表明中國正通過自主研發和技術升級逐步降低外部依賴，從而增強AI生態系統的自主性和競爭力。
Q：中國AI應用在C端和B端市場的表現如何？兩者之間的差異體現在那些方面？
A：在C端市場，中國AI應用表現出強勁的增長潛力，尤其是在AR原生應用領域。使用者數量、使用時長和付費水平均顯著提升，顯示出較高的市場接受度。此外，中國高科技公司選擇了一條與美國不同的發展路徑，更加注重價格低廉和廣泛適用性，而非單純追求更高智能水平的模型。
相比之下，B端市場在應用採納速度上略遜於美國，大約滯後1-2年。然而，B端市場的一個顯著特點是超級應用（superapps）作為AI智能體部署入口的重要性日益凸顯。儘管如此，B端企業在初期多依賴開源模型進行內部部署，向第三方雲服務商遷移的過程可能較為漫長。此外，B端市場的變現能力相對較弱，主要原因是企業難以通過廣告或交易實現顯著的邊際收益增長。因此，C端和B端市場在應用速度、變現能力和技術部署方式上存在明顯差異。
Q：中美兩國在AI發展上的模式有何不同？這種差異是否會導致技術代差的出現？
A：中美兩國在AI發展模式上存在顯著差異。美國的CSP（雲服務提供商）更傾向於直接進行算力比拚，目標是率先實現AGI（通用人工智慧），這是一種追求迭代和通用型人工智慧的方式。而中國的CSP則選擇更快地落地實際應用，利用現有的Super App和應用場景，在實踐中探索AI的潛力。這種方式可能需要結合多個小模型以及一個大的呼叫模型來實現類似AGI的功能。
然而，目前產業對AGI的最終目標定義尚不明確，實現路徑也多種多樣。此外，中國在人才儲備、能源以及量子計算等領域有一定的技術和專利積累，這為其長期競爭提供了支援。因此，儘管中美在AI發展路徑上有所區別，但並不意味著會形成明顯的代差，中國也不會因算力限制而在競爭中失去優勢。
Q：如果AI在未來兩年內逐步實現全面落地，如何判斷其發展路徑及投資機會？
A：AI的發展路徑可以參考美國的經驗，通常經歷一輪周期：初期關注基礎設施建設，如晶片和資料中心；隨後轉嚮應用層面。在中國，過去一兩年已開始顯現類似趨勢，例如資料中心的表現良好。但由於缺乏像輝達這樣的大規模晶片公司，相關投資機會相對較少。
隨著AI的逐步落地，投資焦點將從基礎設施轉向AI應用者，尤其是網際網路和軟體公司。這些公司在AI驅動下表現出色，甚至超越了傳統的硬體公司。因此，未來的投資機會將集中在AI應用領域，騰訊、阿里等網際網路巨頭以及美團、攜程等垂直領域的公司將成為主要受益者。同時，投資者應關注那些能夠將AI技術有效轉化為商業價值的企業，從而抓住中長期的增長潛力。 （Alpha外資風向標）