夜雨聆风最近我看到一份报告。
广发证券的郭磊和文永恒写的，《AI对于宏观规律的影响，十点探讨》。6月2号刚发出来，还热乎着。
说实话，我已经很久没有看完一份宏观研究报告之后，产生「我想把它讲给更多人听」的冲动了。
大多宏观报告，你懂的，数据堆数据，模型套模型，看完之后脑子里只剩一团浆糊。但这一篇不一样。
它不是在说AI会颠覆一切。也不是在说AI啥都不是。它说的是一个更微妙的东西。
AI不会推翻宏观经济规律。但它会把规律里的参数、传递路径和传导速度，全部重写一遍。
打个比方。
你家的水管系统还在那里。但水流的速度变了，水的温度变了，某些阀门被拧大了，某些管道被加粗了。整个系统没有消失，但运行方式已经和以前不一样了。
这就是AI对宏观经济正在做的事情。
坦率的讲，我读完最大的感受是，我们可能低估了AI改变经济的深度，又高估了它改变经济的速度。
顺着这份报告，我跟你聊聊里面让我印象最深的那些点。
说在前头，这十点探讨原文是正经的宏观研究报告，里面塞满了论文引用和计量模型。我接下来聊的，是我读完之后的个人理解和延伸，不代表原报告作者的观点。有任何说得不对的地方，那肯定是我理解不到位。
好，我们正式开始。
经济增长模型这个东西，说复杂也复杂，说简单也简单。传统经济学认为，一个国家长期能增长多快，基本就看三样东西，劳动力有多少，资本投了多少，还有全要素生产率，也就是你用同样的人和钱，能多干多少事。
AI进来之后，它不创造第四样东西。它改变的是前两样的形态。
劳动力不再只是人的体力加脑力了。你想想看，一个会用AI写代码的程序员，和一个不会用的，他们的劳动产出能一样吗。一个会用AI做数据分析的金融分析师，和一个还在手动拉Excel的，他们的效率能一样吗。
资本也不只是厂房机器了。算力、数据、算法模型，这些东西正在变成一种新的资本形态。有人管它叫「智能资本」。
最有意思的是全要素生产率。以前技术进步是外生的，你得等着它从天而降。但AI不一样，它是随着数据积累、算力提升和算法改进，自己加速自己的。你今天训练出来的模型，明天就能帮你训练更好的模型。
听起来很美好对吧。
但你猜怎么着，学界对AI到底能提升多少增长，分歧大到离谱。
有人算出来未来十年GDP能因此多增长超过一个百分点，也有人算出来年均才零点零七个百分点。差距接近二十倍。
这里面的关键变量是什么。
不是技术本身。是技术用在哪儿。
如果AI只停留在写写文案、做做PPT、生成一些不痛不痒的内容层面，对经济的拉动会远远小于大家的想象。但如果它进入了制造业质检、工业软件、供应链排程、新药研发、公共服务这些真正创造价值的环节，它就可能对冲掉人口老龄化带来的巨大压力。
所以我有时候觉得，我们现在对AI的讨论，太集中在「它能做什么酷炫的事」，而不是「它能解决什么真正的经济问题」。
这俩的区别，就是玩具和工具的区别。
说到这儿，我得跟你聊一个特别有意思的经济学概念。
索洛悖论。
1987年，经济学家索洛说了一句著名的话，到处都能看到计算机时代，唯独在生产率统计中看不到。
当时计算机已经大规模普及了，但宏观生产率数据纹丝不动。所有人都懵了。后来才发现，不是计算机没用，是企业和组织需要时间去学习怎么用、怎么改流程、怎么重新设计商业模式。
这个东西后来被总结成「生产率J型曲线」。
什么意思呢。
刚开始引入新技术的时候，企业要投钱买设备、培训员工、改造流程，成本先上去，利润先下来。生产率不仅不升，反而可能往下掉。等熬过了这个阶段，组织结构和商业模式都适配好了，生产率才会集中释放，画出一个J的形状。
AI几乎一定会重演这个过程。
你看现在，微软、谷歌、Meta每年几百亿美金往数据中心里砸，但利润率并没有立刻跳升。上游做芯片和光模块的先赚到了钱，下游真正用AI来提升效率的行业，可能还在抬头看路。
我自己的感受是，我们现在就处在J型曲线左边那个往下弯的坡上。
所以如果你问我，AI什么时候才能真正改变经济。我大概率会说，可能比大多数人想象的更晚，但一旦开始，又会比大多数人想象的更快。
这里有一个很重要的警示，报告里反复提到的。
如果企业没有高质量的产品可以卖，只是把AI当成削减人手、压缩成本的一个工具，那AI投资可能长期停留在试点阶段，永远不会真正兑现。只有当企业把AI应用于真实生产的每一个环节，设计也好、质检也好、供应链也好、研发也好，索洛悖论才会消失。
接下来聊聊就业。
这可能是大家最关心的话题了。AI会不会让我失业。
这份报告里对劳动力市场的分析，是我见过最冷静的版本，总结了五条关键判断。
长期就业中性。短期先替代后复原。岗位结构大规模重组。收入分配出现调整。非差异劳动的议价能力下降。
有点绕是吧。我拆开来说。
长期来看，历史已经反复告诉我们，技术进步不会让人类整体过剩。两百年前，百分之九十的人在种地。后来农业机械化了，那些人去哪了。去了工厂。后来工厂也自动化了，他们去哪了。去了服务业。过去两百年，美国的就业人口比率一直在上升，从来没有因为技术进步出现过长期下降的趋势。
技术消灭的是具体岗位，不是劳动本身。劳动需求会沿着新产品、新服务、新组织方式，重新长出来。
但短期呢。
短期确实会有人受伤。
报告引用了Acemoglu两篇经典论文里讲的两种效应，替代效应和复原效应。技术进步先替代劳动，资本在原本由人干的事情上更有优势了，劳动需求下降。但随后新技术创造出新的任务，劳动重新被需要。
但这个「随后」有多久，没人说得清。
而且，跟以前不一样的地方在于，以前自动化冲击的主要是流水线上的蓝领工人，高学历白领觉得自己高枕无忧。这一次反过来。
高工资、高教育、坐在办公室里写代码、写报告、做分析的人，AI暴露度反而更高。
Anthropic用Claude的真实使用数据做过一个分析，暴露度最高的职业是计算机程序员、客服代表、数据录入员、医疗记录专员、市场研究员、金融分析师。
这些可都是传统意义上的好工作。
说实话，我看到这个数据的时候，心里是咯噔了一下的。
但是，报告也给出了另一面。
同样是Brynjolfsson的研究发现，生成式AI助手对低经验员工的提升最大。一个刚入行的客服，用了AI之后，效率能追上有经验的同事。还有个叫Autor的学者在2024年提出了一个「AI赋能中产」的理论，说如果AI能把专家的判断和复杂规则嵌入到普通劳动者的工作流程里，那可能不是少数精英更厉害了，而是更多人能做更复杂的事了。
所以我的想法是，对个人来说，最危险的不是AI本身，而是你把自己放在「不用AI」那一边。
但我也得说，收入不平等这件事，AI大概率会加剧。会用AI的人边际产出提高，不会用的人议价能力下降。劳动收入占GDP的比例可能承压，而资本收入、知识产权收入、平台利润这些的比例会上升。
这还不是最关键的。最关键的是，工资收入者消费倾向高，资本收入者储蓄倾向高。如果AI的收益高度集中在少数人手里，就可能出现一种局面，供给能力上去了，但居民的消费跟不上了。
这个传导链条会一路影响到消费、通胀、财政、货币政策，每一个环节。
说到通胀，这就更有意思了。
很多人觉得AI会把一切成本打下来，通缩是必然趋势。长期来看确实有这个可能，AI降低产品和服务的边际成本，供给曲线往右移，价格往下走。
但短期呢。
短期AI反而可能推升通胀。
你想想看，现在全世界每年几千亿美金往数据中心、芯片、光模块、电力设施里砸。这些投资本身就是巨大的需求。有色金属价格被推高了，电力需求暴涨了，数据中心周边的地产和消费也被拉起来了。
这哪是通缩，这是典型的投资拉动型通胀。
所以AI对通胀的影响，不是一个简单的方向问题，而是一个阶段性的故事。前期是砸钱推高通胀，中期是基础设施跟上了成本开始回落，后期才是生产率提升压低通胀。
还有个比较骚的事。价格指数可能测不准了。
AI提高服务质量、响应速度和个性化程度，但这些质量改善未必体现在物价指数里。如果企业用算法做差别定价，不同人、不同平台、不同地区实际支付的价格可能天差地别。平均通胀率看起来稳得很，但你我去买东西的体验可能完全不一样。
顺着上面的再聊聊央行。
2026年年中，市场上加息预期和降息预期同时存在。
这本身就很说明问题了。
说明大家对经济到底在往哪个方向走，意见极度分裂。而AI在其中扮演的角色，让事情变得更复杂。
传统上，央行加息之后，大概要等一年半到两年，效果才会完全传导到实体经济。但如果企业用AI来做预测、定价和库存管理，它们对利率变化的反应会更快。货币政策传导的时间可能缩短。
但另一方面，算法定价也在改变通胀对冲击的反应速度。油价一涨，以前企业调价可能要考虑几个礼拜，现在算法几秒钟就完成了价格调整。
央行面对的局面是，既要判断经济是过热还是过冷，又要判断价格变化到底来自需求、成本还是算法。还要同时监测AI相关资本开支、劳动再配置、数据中心能耗这些全新的指标。
坦率的讲，这活越来越不好干了。
还有个更敏感的问题。算法合谋。
Calvano等人在2020年做了个实验，在寡头重复定价的环境里，Q-learning算法即使没有明示沟通，也可能学会维持高于竞争水平的价格。AI可能强化市场势力和默示合谋的风险，而传统反垄断工具更擅长识别沟通和协议，对算法默示合谋几乎毫无办法。
财政这一块的变化，可能是最深远但最少被讨论的。
你想想看，一个国家的财政基础是什么。税收。税收的主体来自哪儿。劳动收入、企业利润和消费流转。
但如果AI真的让劳动收入占GDP的比例下降，资本收入和知识产权收入占比上升，那整个税基的结构就要重新调整。
过去财政高度依赖土地、地产链条和传统制造业税源。未来可能需要靠算力基础设施、数据产业、能源配套来培育新的财政增长点。
还有一个很容易被忽略的点。
社保。
如果AI大规模替代入门岗位和流程化岗位，工资相关税费的征收基础就会变窄。但与此同时，教育、再培训、失业保险这些支出必须大幅增加。一收一放，财政压力可想而知。
IMF说得挺直白的，财政政策既要支持技术扩散，也要保护受冲击的劳动者，避免AI收益过度集中。
我觉得这提醒了我们一件事。AI不只是技术问题，它说到底是一个分配问题。技术本身不会决定谁赢谁输，制度和政策才会。
国际分工这块，是我读完感觉最不安的部分。
传统全球化的逻辑很简单，谁有低成本劳动力，谁就占据制造业优势。中国过去几十年的崛起，很大程度上靠的就是这个。
但AI在改变这个逻辑。
可离岸、可标准化、可文本化、可流程化的任务，都在被AI大幅替代。低成本劳动力不再天然构成护城河。
新的竞争优势是什么。
算力基础设施。能源供给。数据资源。工程师红利。
Cerutti等人的研究把国家间差异拆成了AI暴露度、准备度和技术获取条件三个维度。结论很直接，先进经济体更可能先获得AI生产率收益，而低收入经济体可能因为基础设施、技能和算力不足，连上车的机会都没有。
生成式AI不是一个天然普惠的生产率冲击。它可能强化技术中心国家、云和模型平台、半导体供应链和能源资源充足地区的优势。
电力普及花了一百年才覆盖全球大部分人口。AI的红利扩散，可能需要同样长的时间，也可能因为某些国家的管制和壁垒，永远不会真正普及到每一个人。
资产定价这块，毕竟离钱最近，得聊聊。
债市那边的逻辑特别简洁。如果你的国家产品和服务供给能力强，AI带来的通缩效应对利率是利好，债券走牛。如果供给能力弱，资源品和消费品被AI投资推高通胀，债券走熊。
股市这边更有意思。
AI作为一轮通用技术变革，会导致新老资产的收入预期严重分化。传统行业的收入预期走弱，AI相关的走强。这个大家都能感觉到。
但更值得关注的是股权风险溢价。
什么意思呢。
你投资股市的时候，要求的回报率比无风险利率高出的那部分，就是风险溢价。这个溢价取决于你对未来经济波动的判断。
如果AI通过供给变革长期降低了经济波动率，那市场要求的股权风险溢价就会系统性下降。
股市的估值中枢，可能永久性上移。
不是泡沫，不是炒作，而是底层经济逻辑变了。
当然，风险也很大。当所有市场参与者都基于同一个技术愿景形成集体乐观预期的时候，泡沫就来了。一旦这个预期修正或者反转，估值坍塌的速度会比以往任何时候都快。
报告里还有一个很有启发的框架，叫导入期和展开期。
导入期的时候，上游因为稀缺性，往往有逐步泡沫化的风险。展开期的时候，上游要素价格下降，大规模应用开始拓展下游商业模式的真正价值。
我们现在在哪个阶段，你自己判断一下。
一口气聊了这么多，回到最开始那个问题。
AI会推翻宏观经济规律吗。
不会。
但它是继电气化、计算机、互联网之后，又一轮会从根本上改变经济运行方式的通用技术变革。它改变的不是规律本身，而是规律里的参数、路径和速度。
我们正站在J型曲线左边那个往下走的坡上。短期内看到的可能是投资过热、就业分化、估值泡沫。但长期来看，如果AI真的渗透进研发、制造、医疗、教育这些深水区，它可能是人类应对老龄化、增长放缓和财政压力的最大底牌。
当然，这一切的前提是，我们能把AI的投资引向真正创造价值的地方，而不是堆砌算力和制造泡沫。能用制度和政策，让技术红利被更广泛的群体分享，而不是集中在少数人手里。
大时代啊，朋友们。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐️～
谢谢你看我的文章，我们，下次再见。
本文核心观点来源于广发证券郭磊、文永恒研究报告《AI对于宏观规律的影响，十点探讨》
