AI时代的误判:市场仍在用旧经济框架理解新经济

【前言】

2026年是投资难度很大的一年，难在今年市场要在「产业趋势」和「货币政策」两个维度里交易，近期巨大的市场波动，源于市场又重回“货币政策”交易框架；

未来回头看2026年，将是重要的承前启后的一年，真正理解了AI产业变革的底层逻辑和周期跨度，就能理解新Fed的政策组合将去何方，也会明白长期看，通胀是伪命题；

2026年后，主要经济体将更大踏步地进入罕见的新周期、新范式中，本文也会阐述「新周期」具体都”新“在哪里；

我们需要结合「产业周期+货币政策周期+债务周期」并行去理解，否则无法解释变乱交织的新周期下的重重矛盾的组合；

AI毫无疑问是当下人类解决一系列沉疴的钥匙，几乎是唯一的钥匙，AI将带来人类生产力跃升的必然的，2026年仍处于”J曲线“跃升前的基础设施建设阶段，这个阶段仍要持续几年；

标题的看似矛盾的组合，是不可能同时出现在”旧范式“经济中的，旧经济依靠QE维持增长，必然催生通胀，然后靠暴力加息降低通胀，循环往复，导致债务越积越高，超过GDP100%以上并难以为继；

凯文沃什，他将用过去二十余年未有过的对冲组合”降息+QT“来试图降低长端利率和短端利率；

本文试图用一篇长文，阐述「AI新周期」下，厘清中长期逻辑下究竟货币政策会去向何方，通胀还是通缩，降息还是加息，利率水平如何等；

底层逻辑厘清后，才能在高波动、充满噪音的市场中坚定不迷茫。

总结新周期的关键词：多年罕见、复杂交织、分化、重构、前景乐观。

【正文】

当下的新周期，想必大家都有切身的体感，无论是剧烈分化的资本市场，还是未有过的消费环境，还有资产价格；

很多身经百战的资深投资人，这几年发现沿用二十几年屡试不爽的投资范式不灵了，当用19-21年的新能源3年牛市周期、13-15年的移动互联网3年牛市周期等旧范式，来丈量本轮AI周期，那么对于23Q2开启的AI硬件行情，25年应该见顶，结果26年还在新高？同时27年还在增长？这次为何不一样？

新周期，同时伴随着剧烈的分化，除AI之外的资产几乎全线持续下跌，个位数PE的大消费，曾经的核心资产，低估下还有低估...

从大框架下，有几点原因：

一是前几轮3年小周期牛市，均产生在康波萧条期内，周期级别和需求上限都有明显的天花板，包括新能源、储能、消费等；

二是过去二十几年的旧经济范式，是以地产基建为基地的经济周期，这套模式下有其固有框架和评价体系，比如惠及行业多、惠及人口多、依赖间接银行体系融资多等特点，所以周期上行期，自然带动的就业人口、消费数据是很明显的。本轮AI科技周期是新范式，总量占比尚低、参与受益人口比例低、依赖直接融资体系偏多等特点，所以无关资产均产生了明显的虹吸效应；

三是生产力贡献程度，AI是蒸汽机、PC信息化级别的产业变革周期，大周期仅基础建设阶段就可能长达8-10年，即当下的AI数据中心建设阶段，2026年算AI基建进入第四年，AI远未深入各行各业提升全要素生产率阶段，但其威力从Anthropic核心数据可窥见一斑：

2024年1月：约8700万美元年化收入 (ARR)

2025年12月：约90亿美元ARR

2026年 5月：约470亿美元ARR

复合增速：

2024.1-2026.5（28 个月）：年化复合增速超1000%（增长约540倍）；

2024.12-2026.5（17 个月）：年化复合增速超300%（增长约47倍）。

在如此大级别的产业变革下，依旧参考过去二十几年经验试图刻舟求剑，自然无所适从。

下面第一部分，参考部分华创的对于中美新周期的部分数据和分析，进一步理解新周期和新范式。

一、新周期新范式，新在哪里？

新旧周期的分化节点，大约在2021年前后，2025年数据已经非常明显。

1、全球经济在供需两端的重构

1）美国重构的核心在需求侧。

过去美国经济增长的循环大致表现为：货币政策转向→地产投资复苏→消费支出回升→经济周期上行；

当前美国经济增长的循环，逐步转化为：AI投资需求+安全需求增长→科技股上涨提升财富效应→消费韧性有保障但内部分化较大→经济周期上行；

从GDP权重来看，2025年以来随着AI发展提速，新经济占比快速提升，截至26Q占比达到31.5%（25Q1占比为30.4%）。从增速来看，2025年新经济同比增速达到5%-6%，而旧经济同比增速仅1%左右。

（从数据看，新旧经济增速差异已经非常明显。同时提一句，2026年美GDP增速可能从预期的2%+，上修至4%）

2）中国重构的核心在供给侧

过去经济增长的循环大致以房地产业为中心。地产带动财政收入、居民财富、信贷量价、PPI 与企业利润等宏观指标同上同下；

当前经济增长的循环正切换为以中游制造、生产性服务业为代表的新动能为核心；

从GDP权重看，26Q1新经济占比提升至22.1%，旧经济下滑至17.7%，近年来二者差值持续扩大中。从增速来看，26Q1新经济GDP同比增长10.1%，旧经济仅-1.4%。

（这种数据的分化，可以完全解释近年大家的体感，也可以解释资本市场的极致分化，新经济之外的如大消费等行业，EPS持续下行反应到盘面，市场算是正常反映，并没有低估，因为EPS趋势并没有改变且预计未来几年仍不会改变，这里有AI挤占生产资料、AI实质推升Deflation等底层因素）

2、新旧经济范式惠及行业及分配差异

1）旧范式下，全球经济增长未必能使装备制造业受益，受益的可能是中国的地产基建或消费链条、欧美的服务消费链条、全球的油气贸易；

2）新范式下，全球经济增长更高概率惠及装备制造业。对全球，装备制造业有望受益本轮全球的能源重构，包括运输工具的电动化、电力需求的紧张、能源结构的低碳化等；

3）在旧范式下，地产是经济循环的核心，而地产同时也是信贷的放大器。因而，银行业的资产端的盈利能力、增长速度充分受益于地产带动下的经济的上行。在新范式下，新动能是经济循环的核心，其主要依赖权益、债券市场进行融资，银行业较难受益；

4））旧范式下，财富增长依赖地产，而地产的普惠性较高。

央行调查显示2019 年城镇家庭住房拥有率为 96%。收入增长来自劳动力的增加，典型的是农民工就业人数持续增长；

新范式下，财富增长依赖权益类资产；

但居民的股票以及权益类基金的持有率低于住宅拥有率。同时在集中度层面，权益资产前10%左右的群体持有的市值占比要远高于地产；

收入增长或更依赖技术与学历。例如，观察A 股上市公司员工中的学历结构，旧经济的代表房地产行业，专科高中及以下员工占比为71%，而新经济的代表信息传输、软件和信息技术服务业中，专科高中及以下占比仅25.5%。

5）新经济范式下资产增值更加依赖权益资产

在旧经济模式下，一方面房地产增值能够惠及更多人群，财富效应或更具普惠性；

另一方面，地产建筑链也能够吸纳更多低端劳动力，收入效应也具有普惠性。因此，在旧经济循环下或能够带来更广泛的消费提升。

在新经济循环之下，财富效应切换至股权资产增值、普惠性有所降低，同时居民获取收入更依赖人力资本与技术，普惠性或同样不及旧经济；

数据上看，2019年我国城镇居民家庭住房拥有率为 96%。2019年我国家庭住房拥有率为91.5%；

权益类资产方面，2019 年我国居民的股票持有率（持有该资产的家庭数/总家庭数）为4.4%、基金持有率1.3%。

3、小结

新旧经济范式的差异是非常明显的，更多的数据不列举了，阐述的措辞也是小心翼翼。

简言之，AI驱动的新经济新周期，级别规模应是历次科技变革中最大的，周期跨度也将是几十年的跨度，仅基建阶段至少持续至2030年左右，底层逻辑类似于蒸汽机时代和PC时代；

但AI未来极大提升全要素生产率，当下尚未开始并仍处在基建阶段，这个阶段呈现明显的“局部通胀+局部受益”的特征，上述数据中也非常明显地体现了新经济惠及人群比例是缩窄，同时对惠及人口的专业素质、学历要求明显提升；

这种虹吸效应趋势下，短期不要再幻想地产、消费为核心的旧经济范式下的核心资产，AI财富无法分配到多数旧范式人口；

新经济财富的分配方式将明显异于旧经济，新经济多采用直接融资方式，故权益资产和权益市场是重要的分配方式之一，同时受惠人口呈现较高的门槛特征，包括学历、技术、参与分配能力等特征。

二、AI将驱动全要素生产率J曲线跃升

1、以史为鉴，90年代后期美国经济增长，信息技术是核心动因吗？

笔者此前文章阐述存储产业史时，说明过从本轮存储需求驱动逻辑，与90年代PC信息化变革逻辑一致。

同理，在阐述科技驱动经济增长的结构占比时，同样类比90年美国经济增长与科技变革之间的关联。

数据显示：1995年至1999年，美国实际GDP年均增长率约为4%；

在经济快速增长的同时，劳动生产率也实现了反弹：非农商业部门的每小时产出年均增速超过2.5%，几乎是此前 25 年平均增速的两倍；

确定此次经济复苏的根源，一个显而易见的候选因素是在美国企业部门广泛传播的“高科技”产业变革。为降低成本、更好地协调大规模运营以及提供新的或改进的服务，美国企业正以惊人的速度投资信息技术；

事实上，按实际价值计算，自1995年以来，企业对计算机及外围设备的投资增长了四倍多。

在1990年代初之前，信息技术对增长的贡献相对较小，计算机硬件对产出增长的贡献在该时期仅为 0.25 个百分点；

1990年代后半期，信息技术资本对产出增长的贡献大幅飙升。如表1最后一列所示，我们估计1996-1999 年计算机硬件对产出增长的贡献约为每年 0.6 个百分点，而整个信息处理资本的贡献达到每年 1.1 个百分点，较1990年代前半期有显著提升。

1990年代后半期，美国劳动生产率增长出现反弹，信息技术在其中可能发挥的作用引起了广泛关注；

在1990年代初之前，信息技术（包括计算机硬件、软件和通信设备）的使用对产出和生产率增长的贡献相对较小；

然而，这一贡献在1990年代后半期大幅飙升。计算机（包括内嵌半导体）生产领域的技术进步也对生产率增速的加快起到了重要推动作用；

总体而言，我们估计，在1990年代前半期与后半期之间，劳动生产率增速提升的1个百分点中，约三分之二源于信息技术的使用和计算机生产效率的提高；

信息技术变革是90年代后期美国经济生产率表现改善的关键因素。

2、生成式AI的价值潜力

1）AI对生产力提升的潜在价值规模

生成式人工智能标志着人工智能发展史上的重大突破。随着各企业争相采用并实施这项技术，深入理解其为整体经济和社会创造价值的潜力将有助于制定关键决策。

根据麦肯锡研究显示，AI应用场景涵盖16个业务职能的63种生成式人工智能应用场景，这些应用在跨行业部署时每年可创造2.6万亿美元至4.4万亿美元的经济价值；

估算的非生成式人工智能与分析技术所能释放的11.0万亿美元至17.7万亿美元经济价值增加15%至40%；

其主要应用场景以及该技术应用于知识工作者工作场景后，预计实现的诸多生产力提升——每年将达到6.1万亿美元至7.9万亿美元；

当下尚未明显感知到，因为AI仍处于早期阶段，尚在基础设施建设阶段，产值爆发通胀在技术革新后期，例如1993年PC信息技术爆发，生产力跃升发生在2000年后。

2）生成式AI对企业应用场景的广泛影响

生成式人工智能对大多数业务职能产生影响；

以该技术对功能成本占比的影响程度来衡量，在客户运营、市场营销与销售、软件工程以及研发几个领域——能够对此产生显著影响；

生成式AI应用场景贡献了全年总价值的75%。

3）AI在多行业拥有巨大的创收潜力

AI将会彻底改变了我们的商业模式，而基于文本的人工智能正站在这场变革的前沿。

事实上，基于文本的数据资源丰富、易于获取，并且能够被大型语言模型（LLM）大规模地处理和分析，这使得生成式人工智能发展初期便对其给予了高度重视；

当前生成式人工智能领域的投资重点也主要集中在聊天机器人、虚拟助手和语言翻译等文本应用领域；

未来在各类应用场景中，生成式人工智能所能释放的价值中，近五分之一将得益于超越纯文本处理的多模态能力；

虽然生成式人工智能的初期应用主要集中在文本领域，但近年来该领域的进展已在图像生成方面取得突破（OpenAI的DALL·E和Stable Diffusion已充分证明），同时在音频（包括语音、音乐）及视频领域也取得了显著进展；

研究分析得出，63个应用场景中，生成式人工智能有望为各行业创造2.6万亿美元至4.4万亿美元的价值。

同时，生成式人工智能在多个顶尖行业中的特定应用场景中部署时，能够带来显著价值。

5）AI智能体数字员工属性对知识型工作影响显著

基于生成式人工智能的发展进展，目前预计该技术性能将在广泛能力领域内早于先前预期达到人类中位数水平，并超越人类前四分之一的顶尖表现；

得益于生成式人工智能，该技术在某些技术能力方面实现人类水平表现的速度，可能比此前预期更快（这部分功能就是AI智能体的作用，数字员工属性发挥的作用）；

生成式人工智能能够理解和运用自然语言来完成各种活动与任务，这在很大程度上解释了自动化潜力为何会如此迅猛地提升；

6）生成式人工智能将推动生产力实现更高增长

从2012年到2022年，全球经济增长速度比前两个十年都要缓慢；

尽管COVID是一个重要因素，但长期的结构性挑战——包括出生率下降和人口老龄化，是制约增长的持续障碍；

全球劳动力总数GAGR从1972至1982年的2.5%降至2012至2022年的仅0.8%，主要归因于人口老龄化，劳动力问题影响了过去十年间人类整体的生产率增长。

生成式人工智能的应用将提升整体生产力增长，部分抵消就业增长放缓的影响，并推动整体经济增长；

根据估算，在2023年至2040年间，AI及相关自动化落地，可为全球经济带来每年0.5%至3.4%的生产力提升（具体增幅取决于自动化普及率）；

AI对整体生产力的提升，与前文阐述的90年代信息化贡献生产力提升，底层逻辑一致，甚至AI的生产力贡献率，大概率要显著高于信息化变革，因为其拜托了人类体力局限性的束缚。

3、生产力J曲线-AI生产力跃升的相对滞后性体现

通常一项新通用技术的变革，前期都要经历一个阶段的投入期，这个时期新技术对生产力的贡献率体现并不明显，反而体现为成本开支；

AI当下所处的基础建设建设阶段，便是J曲线的底部平缓时期+资本开支投入期，目前AI对整体经济的生产率贡献提升还不明显，根据历史规律，明显的跃升期要在投入期后期；

当一种新的通用技术出现时，会有一段可能相当长的时期，企业将可计量的资源投入、并放弃可计量的产出，用于积累与通用技术互补的不可计量投入；

例如，推动英国工业革命的技术，导致了长达半个世纪的“恩格斯停顿”——资本积累、工业创新与工资停滞并存的时期；

例如，后来的通用技术电气化案例中，工厂布局的彻底重构花了整整一代人的时间，才充分释放了新技术的红利。

以上这种现象称为「生产力J曲线」。当企业采用新的通用技术时，全要素生产率增长最初会被低估，因为资本和劳动被用于积累不可计量的无形资本存量。随后，当这些隐藏的无形存量产生的资本服务流转化为可计量的产出时，测量到的生产力增长又会高估真实的生产力增长。

1）1995 - 2000年“高增长+低通胀”新经济奇迹

产业标志：1993年第一个网页浏览器Mosaic问世，1995年Windows 95发布。

J曲线底层逻辑：1995年前后，企业前期数年积累的“无形资产”（打字熟练的员工、初步建成的企业局域网、数字化的财务流程）与外生技术突破（互联网）发生了剧烈的化学反应，无形资产的无形积蓄基本宣告结束，开始向显性产出转化。

在1990年代末（J的右侧收获期）：1995-2000年间，美国劳动生产率陡然拉升至2.5%以上，非农经济创造了4%以上高增长与核心CPI 2.3%低通胀完美兼容的‘新经济奇迹’。

2）当前正处于AI新周期“J曲线底部蓄力期”

2026年应该说也仍处于AI周期的早期阶段，全球对算力基础设施的抢购、对Agent工作流的摸索、对企业内部知识库的重构，正处于巨大的无形资产沉淀阶段；

根据这一范式推演，当AI工作流跨越J曲线拐点，以Token为基础的‘智能与服务’边际成本将指数级递减；

AI产业变革的量价，要远高于90年代的信息技术变革，所以在前期投入期，我们已经看到诸如Anthropic惊人增速，25年1月至26年4月的15个月内，年化营收从10亿美元暴涨至300亿美元，增长30倍，并在26Q2实现盈利，明显快于市场预期的2028年；

所以本轮AI新技术变革的产出期，要明显快于90年代互联网变革，以此推断本轮AI的量级，也将是显著高于互联网产业周期，按孙正义的估算，是其10-50倍；

按历史周期估算，本轮AI产业变革的投入期，乐观情景下，基础设施投入期要到2031-2033年左右，当下的2026年处于前期投入期中段左右，算力硬件资本开支仍要持续5年以上，按黄仁勋说法，要通用计算范式全部转为加速计算范式，从云端到本地端均建设完毕，包括主权AI建设完毕，方可完成本轮AI基建的投入期，也就是J曲线的底部区域；

所以对于本轮AI技术变革的周期节奏，要有个宏观的准确的看法，由于底层逻辑类似于90年代，所以我们有依据笃信AI会真实带来生产力的跃升；

那么在生产力跃升的背景下，我们便更能解释2026年的很多宏观事件，包括预见凯文沃什将要推行的货币政策的底层逻辑；

同时引出本文阐述的主题：AI将驱动「高增长+低通胀」的新经济范式；

高增长的逻辑，前面几段已经阐述了逻辑，那么“低通胀”的逻辑，下段继续。

三、AI为何会导致Deflation？

1、AI优化成本下降导致Deflation

人工智能通过打击通胀的核心驱动因素——劳动力成本、生产效率低下和服务瓶颈——来抑制通胀；

在生产率和成本压缩，AI以智能体处理能力取代人类劳动，降低了经济的边际产出成本；

例如：根据达拉斯联邦储备银行在2025年6月调研，AI的普及提高了经验不足的劳动者的生产力，从而降低了单位劳动力成本，而劳动力成本是服务业通胀的支柱。同时分析到基于AI的优化的物流技术，正同时将浪费和运输成本降低5%至12 %，从而对制造业和零售业降低通胀成本。在服务业也是一样，调研显示通过部署AI，白领职能的成本显著降低；

机构预测，AI进驻/赋能/替代多行业后，这些效率提升合计，会使CPI 每年下降0.5 到 0.7个百分点，足以将长期通胀率重新锚定在1.8%左右。

（这里重点强调的观点：AI将必然导致Deflation的逻辑，无论的供给端的大幅提升，还是经济运行各个环节的降本。尽管基于地缘和油价短期波动导致的美国CPI攀升至4%，但这种短期扰动，完全不会影响AI必然导致CPI长期维持中低水平的推导逻辑）

2、AI导致的“良性Deflation”

AI在提升产品质量的同时，以更优的设计、更少的缺陷、更长的产品寿命——产生隐性的享乐性Deflation，其表现形式是实际价值增长速度超过价格上涨速度；

一旦一家公司通过AI实现了效率提升，竞争均衡就会迫使其他公司效仿，从而在整个行业内引发Deflation；

正如安永经济学家莉迪亚·布苏尔在2023年底告诉路透社的那样：“如果企业能够实现强劲的生产率增长，它们就不会那么倾向于将上涨的投入成本转嫁给消费者。”

这是AI良性Deflation的一面——即物价因效率提高而下降，而非经济萎缩。

3、劳动力TOKEN化与富足悖论

AI通胀下降源于降本，智能体对人口劳动力替代；

从增强到冗余。早期AI辅助人类工作，而现在智能体系统将取代人类工作，这些自主运行的Agent能够独立规划、执行和结算多步骤工作流程；

麦肯锡预测：到2030年，美国经济中目前高达30%的工作时间可能会实现AI自动化，27%的工作岗位“高度易受”自动化影响，另有44%的工作岗位部分易受自动化影响；

AI一定程度上解决了全球主要经济体人口老龄化对经济的冲击，同时通过自动化提高生产力，AI可以弥补劳动力短缺，但是，也是抑制了劳动者工资的上涨；

以上均起到了整个经济体运行的劳动报酬成本支出；

按此逻辑推导，经济运行的其他环节同样降本，包括服务成本、计时收费、人力资源、合规成本等等，交易摩擦消失，服务型经济中的通胀惯性也随之消失。

人口结构与技术进步的结合产生了一种奇特的宏观经济悖论：

劳动力萎缩通常会引发通胀；而不断壮大的智能体却能抵消通胀的影响。

产出持续增长，但劳动收入却没有增长。

富足悖论：商品和服务产量增加，成本降低，但工资占GDP的比重却在下降。

国际货币基金组织警告：“如果不进行政策调整，AI带来的生产力提升虽然可以抑制通胀，但可能会扩大收入差距。”

因此，Deflation不仅源于效率提升，还源于人口老龄化导致的劳动力流失——经济体用更少的工人生产更多的产品，而推动需求的工资收入者也减少了。

小结：富足悖论是基于人类立场而言的，从整个经济体角度，AI必然大幅提升供给，而人类的需求侧由于智能体替代逻辑，进一步压缩了需求，那么这个富足是对于整个经济体和AI受益群体而言，同时AI导致Deflation的结论也显而易见。所以这种必然趋势下，以上依据，就给了「高增长+低通胀」这个罕见组合以逻辑支撑，那么货币政策上，就给了QT和中性利率的空间。

4、AI将导致人为设计的长期Deflation

根据机构测算，到2035年，AI将占美国经济总生产力增长的60%至70%，从而有效地将通胀与计算成本挂钩；

当劳动力的边际成本让位于计算的边际成本，并且计算价格随着摩尔定律下降时，其结果是永久性的技术Deflation；

通胀将不再与工资或就业水平挂钩，而是与能源、带宽和计算周期挂钩——这些投入要素随着时间的推移而趋于便宜；

换言之，价格水平本身变成了技术成本的衍生品，而不是过去的劳动力成本的衍生品。

所以结论：AI是人为设计的Deflation，AI正在悄然改写通胀的逻辑。它以计算取代劳动，以自动化取代稀缺性，从而创造了一个自我强化的Deflation循环；

同时，人口结构变化加剧了这一周期——劳动力减少、需求放缓、自动化程度提高以及结构性通胀下限降低；

所以，未来十年的挑战不再是遏制CPI上涨，而是维持目标——确保在一个生产力不再依赖于人的世界里，富足带来的繁荣仍然能够被广泛分享；

AI正在有意地带来通胀放缓——并重新定义增长的意义。

四、AI时代下的长期利率中枢重估：为什么更可能是中性利率

所谓R-star（自然利率），是指既不会刺激经济过热，也不会压制经济增长的均衡利率水平。在这个利率附近，经济增长、就业和通胀能够实现相对稳定的平衡。

过去二十年，美国自然利率持续下行。其根本原因并非美联储刻意压低利率，本质是增长水平下降所致，包括人口老龄化、生产率停滞、全球储蓄过剩以及优质投资机会不足；

所以Fed通过QE维持勉力维持增长，尤其2020年前后达到峰值；

其结果导致资本越来越多，而能够吸纳资本并创造高回报的项目越来越少，自然利率因此不断下降；

这也是2008年金融危机之后，美国长期维持接近零利率的原因。

但与此同时，AI长期看，生产率提升和自动化扩散，不断压低单位劳动成本与整体通胀水平，也就是AI制造通缩；

所以未来更大的概率是形成一个新的均衡区间：

地缘和石油问题之后，AI的长期逻辑将逐步显现，那么逻辑就是长期通胀预期下降，区间或在1.5%-2%左右；

这就给了降息的空间，这个空间是AI赋予的，同时也要用降息来对冲QT，这就是凯文沃什的总体思路；

AI时代生产率提升压制了通胀，而投资需求托住了利率，两股力量相互对冲，最终形成一种全新的中性利率环境。

同时，AI时代下，美联储的目标函数或也会发生变化，过去关注通胀和就业的双目标，未来可能变成通胀和金融稳定的双目标。

因为就业已经越来越难反映真实生产力，现在还不明显，未来几年会愈发明显，AI智能体趋势下，无法用就业指标来衡量经济繁荣程度，那是旧经济范式。

综上，截至本文撰文时点6月12日，顺利的话本周末霍尔木兹海峡重新开启，即使不顺利，预计未来不久，也将重新开启；

因为从凯文沃什到贝森特到川普，乃至华尔街木头姐这类顶尖投资人，目前对AI的共识是一致的，就是类比90年代的信息技术变革，且周期级别更大；

这种背景下，闭环的逻辑就是「高增长+低通胀+中低利率」的多年罕见组合，同时用QT来恢复、重塑资产负债表；

所有的底牌和空间，都要依靠AI。幸运的是，AI的盈利刚刚开始，且在陡峭攀升，AI给了人类生产率跃升的机遇，让人类能够有机会来处理过去多年的沉疴。

五、总结综述

说到底，本文的逻辑是建立在“技术乐观主义”的框架下进行阐述，即相信AI产业趋势，相信AI能极大地提高全要素生产率，从而解决人类的债务困境，这是基础；

在此基础之上，才有了现在的投资框架，在「生产力J曲线」的底部区域，人类正在进行AI基础设施建设，这个周期至少要到2030年后，我们投资的标的也主要在这里；

为了这个任务，主要经济体的权益资本市场都承载着新的历史任务，比如今年的Space-X IPO等几个大型IPO；

2026年的复杂和艰难，因为处在旧经济范式瓦解，而新经济范式正在建立且尚未成型的时期；

新Fed领导层与财长等精英层已经形成明确的新范式框架「高增长+低通胀预期+降息+缩表」的对冲组合思路；

所以这套思路下，加息必然是噪音，地缘也必然是要解决的短期扰动，因为不符合中期政策框架；

这套框架下，投资者角度，只能依靠AI、相信AI、挖掘AI，尤其要挖掘AI的eps增长的机会，QT下不再有全面牛市，彻底告别2020年前后QE提升全市场PE的大牛市；

QT+中高利率组合下，只会有盈利驱动的结构性牛市，类似于90年代中后期的互联网牛市，所以不悲观；

即使短期几个月内地缘石油问题仍无法解决，造成这套框架短期失效，也必然是短期扰动。在AI长期逻辑下，只有「高增长+低通胀预期+降息+缩表」这一套框架是闭环的；

新经济范式下，投资方向、受益人群、比例、门槛等等都在分化、重构，AI是双重属性，赋能的同时也在取代。

每代人都有自己的“四川长虹”和“凤凰自行车”，我们当下正处在新一轮AI超级大周期的初始阶段，AI未来会带领人类拜托债务泥潭并创造极大的物质丰裕和文艺复兴。不用留恋旧周期的落幕，未来是属于乐观者的，用全力去拥抱AI。

祝愿身处其中的人们，尤其生活与年纪处在夹缝中的8090后，能够在新周期中，实现财务与生活的突围。

最后将毛主席的《忆秦娥・娄山关》送给各位：

西风烈，长空雁叫霜晨月。

霜晨月，马蹄声碎，喇叭声咽。

雄关漫道真如铁，而今迈步从头越。

从头越，苍山如海，残阳如血。

2026.6.13