夜雨聆风
当人工智能的浪潮像海啸一样席卷全球，我们目睹了一个极其有趣却又令人不安的现象：同一个技术变量，在大洋两岸却激起了完全不同的经济涟漪。一边是美国经济在巨大的资本开支推动下，从预测的衰退悬崖边奇迹般地反弹，硬生生把“软着陆”变成了让宏观经济学家大跌眼镜的“不着陆”；另一边则是中国经济在结构转型的阵痛中，虽然AI相关产业红红火火，出口数据亮眼，但宏观总量的体感依然偏冷。这不禁让人发问：AI究竟是拯救经济的万能灵药，还是一场正在酝酿的巨大幻觉？如果不搞清楚这背后的逻辑差异，我们很可能在狂欢中错失真正的机遇，或者在低谷中无谓地悲观。
要解开这个谜题，我们首先得透过现象看本质，把AI对经济的影响拆解成两个完全不同的维度：一个是短期的“兴奋剂”，另一个是长期的“营养剂”。现在的迷雾，很大程度上是因为大家把这两种药效混在了一起。在美国，AI目前主要扮演的是“兴奋剂”的角色。看一看2025年的数据，简直令人咋舌：美国四大云厂商的资本开支合计飙升至7200亿美元，同比增长高达80%。这种近乎疯狂的投入，直接拉动设备和知识产权投资增长了6.8%，对GDP增长的贡献率竟然达到了40%。这意味着，美国经济的韧性并非来自大众消费的自然复苏，而是来自巨头们的“军备竞赛”。这是一种典型的外生性需求冲击，企业老板们此时此刻已经不再是在精打细算ROI（投资回报率），而是在恐惧中被迫入局——害怕被时代抛下的恐惧压倒了高利率的成本。这就像是一场大型的真人CS游戏，不管子弹贵不贵，先买下来再说。与此同时，这种疯狂通过资本市场传导给了居民，美国家庭持有的股票资产占比创下了1945年以来的新高，财富效应让美国人的消费变得异常坚挺。于是，我们看到了一个奇特的“K型”经济：AI和富人阶层在云端狂欢，而传统的就业市场和实体民生却在地上艰难行走，美联储在这种扭曲的数据面前陷入了进退两难的尴尬境地。
反观中国，AI这剂“兴奋剂”的打法完全不同，或者说，我们更在意的似乎是它作为“营养剂”的长期价值，但短期内不得不面对“旧动能”衰退的剧烈反噬。中国的AI发展并非由单纯的私人资本狂欢驱动，而是有着鲜明的政府和产业资本印记，且优势集中在应用层和产业链中下游。这就导致了一个现象：虽然我们的AI产业链出口撑起了“半边天”，2026年前五个月相关商品出口增长了43.9%，对出口增量的贡献率超过一半，甚至A股的科创50指数在一年内狂涨120%，跑赢了纳斯达克，但这种繁荣并没有直接转化为宏观总量的爆发。为什么？因为中国正处于新旧动能转换的深水区，房地产和基建这两个巨大的“旧引擎”正在熄火，它们对投资的拖累高达数万亿，而AI等新动能虽然增速迅猛，但毕竟体量尚小，还填不上旧动能留下的那个大坑。2025年，高技术产业投资占比只有12.5%，而房地产和基建依然占据近40%的体量。这就好比一辆换引擎的赛车，旧引擎已经拆了，新引擎虽然转速极高，但还没挂上载，车子自然会有一段减速的滑行期。更重要的是，中国AI大模型多以开源、免费为主，这种模式虽然极大降低了社会使用门槛，却难以在短期体现在企业利润和GDP的统计中，也就是所谓的“有增长而无利润”，导致财富效应无法像美国那样顺畅地传导给居民，大家的钱包并没有因为股市的结构性牛市而鼓起来。
这种短期的差异只是序曲，真正的重头戏在于中长期，也就是AI能否兑现传说中的“生产率革命”。学界对此的分歧大得惊人，简直像是两个平行世界的预言。乐观派认为，AI将在十年内把全要素生产率（TFP）提升30%，因为它不仅是工具，更是“发明方法的发明”；而以诺奖得主阿西莫格鲁为代表的悲观派则泼了一盆冷水，认为未来十年AI对TFP的提升可能连1%都不到。这两种观点的鸿沟，折射出的是对现实约束的不同理解。这里我们必须提到著名的“生产率J曲线”理论：在新技术初期，因为需要大量的组织重构、流程再造等无形资本投入，这些投入在传统的经济核算中不仅体现不出效益，反而可能因为成本上升而拉低生产率。电力从发明到真正改变工厂效率用了几十年，AI恐怕也难以免俗。我们正处于J曲线的底部，不仅看不到生产率的跃升，反而可能因为投入巨大而感到疲惫。
更复杂的是，AI的红利释放还面临着“空间”和“分配”的双重锁链。在“空间”上，大国博弈使得技术不再自由流动，技术封锁可能导致全球AI进步出现“赢者通吃”或“双轨并行”的割裂，这对处于追赶地位的中国提出了极高的自主创新要求。而在“分配”上，问题更为隐蔽且致命。AI作为一种通用技术，其天然属性是强化资本、替代劳动。纽约联储的研究已经指出，劳动收入份额的下降往往伴随着自然利率的走低。如果AI带来的利润全部变成了芯片厂商和算法巨头们的超额利润，而普通打工人面临着被替代的风险，那么全社会的消费能力从何而来？这就是典型的“供强需弱”——生产效率上去了，东西更便宜了，但没人买得起，这才是宏观经济最可怕的梦魇。在这个意义上，AI不仅是技术问题，更是社会学问题，那些在技术进步中被边缘化的人群发出的“沉默的哭声”，如果被忽视，最终会演变成巨大的经济逆风。
既然看清了局势，我们的对策就不能是简单的“照单全收”或“盲目跟风”。对于中国而言，当下的政策必须具备极高的精准度和前瞻性。短期来看，我们虽然不能像美国那样搞无节制的资本开支狂欢，但必须承认AI投资是目前逆周期调节的重要抓手。既然民间资本在算力基建上相对谨慎，那么就需要政策引导，把资金更多导向“AI+”的应用场景落地。与其在芯片制程上死磕短期难以逾越的鸿沟，不如在工业制造、医疗教育这些垂直领域深耕，把应用层的优势转化为实实在在的商业利润和GDP。同时，必须打通资本市场的财富效应传导机制，让居民从科创板的繁荣中真正赚到钱，敢于消费，形成“科技—资本—收入—消费”的良性闭环。
而从中长期来看，应对AI挑战的核心在于“人”的回归。制度的安排必须跑在技术的后面，去填补技术留下的真空。我们要加速技术扩散，搭建开源平台，让中小企业也能用得起、用得好AI，避免技术垄断导致的阶层固化；我们要坚持自主创新与开放合作并重，在“卡脖子”领域举国攻关，在应用领域拥抱全球。但最重要的一点，也是决定AI能否造福社会的关键，在于分配改革。如果因为技术进步导致贫富差距无限拉大，那么这种进步就是不道德且不可持续的。我们需要通过税收调节、就业保护基金甚至是AI超额利润税，来削峰填谷，将技术红利反哺给那些受冲击的群体，完善社会保障体系，让每一个被时代列车甩下的人都能有尊严地生活。
归根结底，AI狂奔的时代，是一场关于速度与方向的博弈。它像一列极速飞驰的列车，美国在拼命加速，试图用速度掩盖车厢内部的摇晃；中国则在努力铺轨换轮，试图在换挡的阵痛中寻找更稳的平衡。技术本身没有善恶，也不决定国运，决定结局的，始终是我们驾驭技术的能力和分配利益的智慧。AI能否真正成为经济增长的新引擎，不仅取决于算法的迭代有多快，更取决于我们能否构建一个包容、公平、以人为本的制度环境，让这场技术革命的雨露，真正滋润到每一寸干涸的土地，惠及每一个平凡的个体。这不仅是为了GDP的数字，更是为了我们共同的未来。
