—— 换挡的加速度，与十四亿人的饭碗。

先看三个几乎同时发生的画面。

一边是AI在飞，一边是地产在爬。而中间那座小城，既不飞，也没爬。

K的上半支，是以AI为代表的新兴产业，向上，但斜率在放缓；K的下半支，是以地产为代表的存量部门，向下，但正在触底。

而上半支与下半支之间那道张开的裂缝里，装的是一件比GDP更重要的事：

今天这篇文章，我们就把这个K，从两端拆开，再钻进中间地带看清楚。因为它不只关乎宏观，它关乎你我的工作、房子，和未来几年钱该往哪里放。

一、先看清这个K：经济不是"不行了"，是在"换挡"

2026年上半年，中国GDP同比增长4.7%。这个数字不算亮眼，但也谈不上失速。

真正值得琢磨的，是总量平稳底下的"温差"。

在8月底的中国首席经济学家论坛上，殷剑峰给出了一个精准的描述：当前经济与产业结构，正呈现显著的"K型"分化。

• 向上的一端：排名前20的高景气行业——有色金属、电子产业链、家用电器、电力设备。它们由产业升级与全球化出海驱动。
• 向下的一端：排名后20的行业——房地产链及相关传统制造业。它们面临内需收缩或周期底部压力。

用四个维度概括这种结构性温差：供给端"供强需弱"、需求端"外强内弱"、企业端"新强旧弱"、金融端"企强民弱"。

但这里有个容易被误读的地方。

K型分化，不等于经济危机。

从康波周期到熊彼特的"创造性破坏"，每一轮通用技术革命——蒸汽机、电气化、互联网——在商业化初期，都必然催生资本向新兴赛道的集中涌入，同时挤压传统产业的增长空间。回看1997到2000年的美国：信息科技产业对GDP的贡献快速攀升，通信设备与软件投资增速一度超过20%，英特尔、思科、微软的市值飙升；而传统制造业的投资增速，持续下行。

代价是什么？

是就业。

这就引出了这个K的两端。

二、AI这一端：斜率正在放缓的"第二幕"

先看向上那一端。

如果说这一轮AI行情有一个"心脏"，那它不在模型公司，而在美国几家云巨头的资本开支表里。

2026年，亚马逊、谷歌、微软、Meta四家的数据中心资本开支，预计约9170亿美元——比2025年的4660亿翻了一倍。而到2027年，这个数字将继续攀升到约1.47万亿美元。

看那条线：从2026年的约97%，降到2027年的约60%，再骤降到2028年的约12%。

摩根士丹利的结论是：这轮AI基建热潮，将在2027年迎来"峰值年"；此后进入"消化阶段"，资金将从半导体、硬件，轮动到软件和应用层。高盛的测算方向一致——资本开支增速从今年的接近100%，放缓到2027年的54%，2028年的12%。

再看渗透率。

AI在"数字世界"的渗透，是真的快。文本、代码、图片、语音——它们在线上，复制成本接近零，试错成本接近零，出了问题可以回滚。所以一个新模型发布，几周就能触达几亿人。这是"以周计"的速度。

但AI要进"物理世界"——车、机器人、工厂、医院、电网——游戏规则完全变了。那里有物理约束、有法律责任、有已经站好位的利益方。每一次渗透，都不只是技术问题，而是一场博弈：安全谁负责？出了事赔多少？原来的司机、工会、保险公司怎么办？

而市场给它的估值，是按"指针会继续上扬"来定价的。

三、AI的两副面孔：它为什么既是"需求"，又是"通缩"

这一节，是全文最需要慢下来读的地方。因为它决定了政策的方向。

市场习惯把AI当成一个"增长故事"。但从宏观的视角看，AI其实有两副面孔，而这两副面孔，指向的是完全不同的政策处方。

第一副面孔：AI是"需求"——它以资本开支的形式出现。

云厂商一年砸下近万亿美元建数据中心，这些钱流向了芯片、电力、铜、光模块、土地和施工。它是一笔实实在在的投资需求，短期内会拉动上游的价格。

PPI就是证据：8月中国工业生产者出厂价格同比上涨3.8%，其中"算力需求快速增长"直接推高了移动电话、平板电脑、数据存储设备的价格。

但这笔需求，有两个致命的特征。

第二副面孔：AI是"供给"——它以效率提升的形式出现。

追大模型token价格的指数显示，每百万token的价格从6月到现在已经腰斩，跌破1美元。国产模型完成了"参数减肥、跑分增肌"：30B总参、3B激活，就能跑出旗舰性能。

现在，把两副面孔并排放在一起看，政策的困境就出来了。

看出问题了吗？

两副面孔，终点都是通缩；但一副要"放水"，一副要"收水"——而两副，都解决不了就业。

如果你相信AI主要是资本开支（需求），那么短期看起来热闹，但终局是产能过剩与通缩，货币政策应当维持宽松；可问题是，宽松出来的钱，会流向回报率最高的地方——大摩测算，AI"自有基建+模型层"的资本回报率高达46%——于是资金被AI虹吸，地产、消费、传统制造这些真正需要钱的部门，反而被"抽干"。

如果你相信AI主要是效率提升（供给），那么潜在增长率上升、自然利率上升，货币政策理应"适度收紧"，以防止在生产率上行期吹大资产泡沫；但它同时会替代大量劳动，把失业率推上去——这时候收紧货币，无异于雪上加霜。

四、被挤掉的那一层：K型真正的代价，是就业

现在，我们来看就业。

• 25—29岁：7.5%；

• 30—59岁：3.9%，与上月、上年同期持平。

青年人承受的，是这轮技术变迁最直接的冲击。

具体到数字，更直观：初级编程岗位需求下降52%；而AI相关的新发岗位量，同比增长超过10倍。智联招聘的数据显示，2026年一季度要求掌握AI工具的职位数量同比增速超过70%，而编辑、客服等AI高度可替代的职位，招聘量正在收缩。

这不是中国独有的现象。高盛2026年4月的就业分析指出，基于真实工资单数据，AI在过去一年里每月净替代约1.6万个美国岗位。Anthropic Institute的《Economic Scenarios for Transformative AI》报告，在"极端情景"下推演：到2030年，美国白领失业率可能达到17.9%——几乎每五个知识工作者里就有一个人失业。

但这里有一个必须说清楚的边界：

国际劳工组织的估计是，只有约25%的岗位任务可以被完全自动化，绝大多数工作将以"人机协同"的形态存在。高盛列出的最高风险岗位——程序员、会计审计、法律行政助理、客服代表、校对编辑、信贷分析师——几乎全是白领的标准化环节；而最低风险的，是空管、放射科医生、药剂师、摄影师这类需要极高专业判断、物理现场操作或深度人际信任的岗位。

2022到2025年间，要求至少5年工作经验的科技职位占比，从37%升到42%。企业发现，打杂的活AI做得又快又便宜，于是少招新人。年轻人失去了收入，更失去了"在做事中学会担责"的那条成长阶梯。

那么，谁来承接被挤出的这一层？

五、中间地带：一座北方小城的就业账本

前面讲的两端，都发生在聚光灯下。

有一个数字很少被提起：全国约有1472个县城，承载着1.6亿人口，占全国城镇人口的近三成。而在已公布数据的2700多个县区中，十年间常住人口减少的接近1500个，其中绝大部分是县和县级市。

要看清这件事，最好的办法不是看平均数，而是把它拆开。我们选了一座北方小城，做一次解剖。它是一座十八线的县级市，人口不到百万，本文不点名。

它是全国农产品出口的一个关键节点：出口的几种蔬菜（姜、葱、圆葱）占全国同类出口的八成以上，年蔬菜出口量做到94万吨、销往97个国家和地区，农产品出口连续十六年位居所在省份县域首位。工业上，它长出了食品加工、装备制造、电子信息、节能环保、新材料五大主导产业——一家做智能穿戴精密件的企业营收做到30亿元，一家做工业冷却塔的企业全球市占率约70%。在所属地市的八个县市区里，它的经济增速连续四年排第一，GDP刚刚迈过500亿元台阶。

放在全国县域里，这是一份相当漂亮的成绩单。

但"成绩漂亮的县城"和"生活宽裕的县城"，是两件事。

账本的反面是这样的：全国两千多个县，平均每花100块钱，自己只能挣38块，其余靠上级转移支付；有的县一年税收四个多亿，而财政供养人员的工资预算要二十多个亿。产业的税收留在了报表上，就业和收入的改善，却要慢得多。

超市收银员一千八，餐厅服务员两千二，保洁一千五；工厂普工三千五到五千，已经算"好工作"；快递分拣和外卖骑手能到四千五到六千，靠的是时长和体力。两口子都在上班，一个月加起来五六千，在这座县城里已经算体面。

要理解这道缺口是怎么形成的，看主街上那两家零食店就够了。

两家门店合计超过 5 万家，其中一家已经把长期开店目标上调到了 5 万—6 万家。在一个整体消费"看起来在降级"的年份里，这是一个反常识的现象。

但对这座县城来说，这条主街讲的还有另一半故事。

那么，这座县城的就业，靠什么撑着？

关于AI，在县城还有一件更具体、也更残酷的事。

与此同时，县城真正抗跌的，是那些线下的、必须要人到场的活：维修、护理、餐饮、物流、农机手。

县城的年轻人，正在用脚投票。县域的人口流动路径，已经从"农村→县城"，变成"县城→省会、地级市、都市圈核心"。2020到2024年，县城流向地级市和大城市的人口累计约4500万——走的正是最年轻、最能消费、最该留下来的那一批。

留下的，是老人、孩子，和一批"回不去也留不下"的返乡青年。

六、灵活就业率：就业质量，也在K型分化

• 与之并行的是，2025年全国农民工总量首次突破3亿人（30115万人），其中外出农民工18006万人。

这正是K型在劳动力市场内部的投影：

政策正在补位，力度不小：2026年7月1日起，职业伤害保障试点在全国推开，覆盖出行、即时配送、同城货运三个行业，此前试点累计参保已超2742万人；"一放开、三灵活"，让灵活就业者可以在就业地参保、灵活选择缴费基数和缴费周期。

但这里有一个更深层的错配，值得停下来想一想。

外卖骑手、网约车司机、主播、自媒体创作者——他们和平台之间大多不是雇佣关系，没有劳动合同，也就没有"裁员"这个概念，自然谈不上"不裁员少裁员"的稳岗返还。

K型最麻烦的地方正在这里：它不只是收入在分化，而是"谁在被政策接住"，也在分化。

这个容器，在县城，叫做地产。

七、地产这一端：稳住房价，就是稳住就业与信心

为什么说"另一端"是地产？

先看体量。截至2025年末，中国居民部门总资产约738.9万亿元，其中房产约占城镇居民家庭总资产的67%—69%。它不是一个行业，它是十四亿人资产负债表上最重的那一块。

AI提供效率，地产容纳就业。

AI替代白领的标准化任务，地产承接被挤出的那部分劳动力。

而在中间地带，这条链就更直接了。

所以在中间地带，"稳住房价"这四个字的分量还要更重一层：对一线城市来说，它是资产价格的止损；对县城来说，它是就业、是消费、是那批返乡青年最后的一点底气。

理解了这一层，我们再来看地产这一端正在发生的两个变化，就不会把它简单读成"房价涨不涨"的问题。

变化一：供给在主动收缩，新房的价格底部在抬高。

• 竣工面积2.11亿平方米，下降23.7%；

• 房地产开发投资4.80万亿元，下降19.9%；

• 上海二手住宅价格在连续33个月环比下跌后，于2026年2月首次转涨；

• 上海3月二手房成交突破3万套，创近五年新高；深圳6月二手住宅网签5093套，同比增长13.1%；

• 8个重点城市的二手房挂牌量约123万套，较2025年6月的历史高点减少28万套，降幅约19%。

国泰海通的研究给了另一个坐标：一线城市核心区的房价收入比，从2021年的28—41倍，降到了2026年的20—28倍；外围区从18—29倍降到了8—13倍。同时，一线城市房产市场已从"降价放量"，转向"放量、价格走稳"。

这就是K这一端正在发生的事：从"以价换量"的下跌，切换到"量稳价稳"的筑底。

而对十四亿人的资产负债表来说，这一步，至关重要。

因为房价稳，居民净资产才稳；净资产稳，预期才稳；预期稳，消费才敢放开；消费放开，企业营收才稳；企业营收稳，就业才稳。

所以，"稳住房价"从来不是"救房企"。

它是稳住十四亿人资产负债表的那块压舱石——也是让被AI挤出的那一层，有地方可去。

八、两端之间：一次"既要又要"的政策平衡术

现在，把两端拼起来，政策的全貌就清楚了。

这不是一道"选A还是选B"的题，而是一道"如何同时踩油门和稳底盘"的平衡题。

这个框架，其实已经出现在政策的措辞里。

2026年，货币政策定调"适度宽松"。8月，1年期LPR为3.0%、5年期以上为3.5%，已连续15个月保持不变；而多家机构预计，随着逆周期调节力度加大，年内降准降息仍有可能，窗口或在三季度末至四季度初。为什么迟迟不动？因为上半年GDP增长4.7%，处于目标区间，政策处于"效果观察期"；也因为输入性通胀（油价、大宗）暂不构成降息的好条件。

翻译成投资语言，K型两端的机会，也就有了各自的坐标：

九、结尾：K的两端，最终要合拢成一条线

回到开头那三个画面：AI在飞，地产在爬，而中间那座小城，既不飞，也没爬。

很多人把前两者看成对立的两件事——一个是未来，一个是过去；一个要放手去追，一个该顺其自然。

但读完这个K，你会发现问题恰恰相反。

AI越强，越需要地产稳。

因为AI带来的是通缩（更便宜的智能）和替代（更少的岗位），它天然是"分化"的力量；而一个社会要消化这种分化，就必须有一个足够大、足够长的产业，去承接被挤出的劳动、去托住居民的资产负债表、去稳住对未来的信心。

这个产业，目前只有地产能当。

而中间地带，是这场平衡术里最不能失手的地方。因为两端的人加起来不过几亿，中间地带的十几亿人，才是"经济换挡"真正的承重墙。他们的饭碗，一半系在AI放缓的那条曲线上，一半系在地产筑底的那条曲线上——所以这两端不能只算收益账，还得算就业账。

换挡太快，会有人被甩出去；换挡太慢，车会熄火。这是2026年中国经济最纠结、也最关键的一仗。

对我们普通人来说，与其去猜"AI会不会成功"或者"房价哪一年见底"，不如盯住四个最灵敏的信号：

风险提示：本文基于公开宏观数据与机构研究展开分析，为研究观点分享，不构成任何投资建议。人工智能产业发展、房地产市场与资本市场均存在高度不确定性，价格与政策走向受多重因素影响，请独立判断、审慎决策。

延伸阅读｜《坐井观世界》往期文章

这篇文章不是一个孤立的判断。下面五篇，是它的"上下文"——按时间由近及远排列，建议连着读：