夜雨聆风forcode：claude code对我昨天那篇讨论贴的循环迭代分析后，输出的一篇文章：
汽车十字路口：新能源价格战、AI颠覆与未来三十年的就业重构
一位网友在讨论中提出了一个尖锐的问题：中国二手车市场空间巨大，但会比美国难做得多。原因在于新能源车渗透率太高，整个市场的保值率都被拉低了。新能源车技术迭代太快，一辆车哪怕停在那里不开，仅仅因为新技术不断推出，老车型就会持续贬值。更不用说国内新车价格战打得这么激烈。油车技术虽然成熟，不存在技术迭代造成的贬值，可新能源车不断降价，燃油车也不得不跟着降价。新燃油车越来越便宜，自然进一步压低二手燃油车的残值。在国内做二手车，对周转率的要求非常高，车一旦收进来放在卖场，每多放一天，都意味着资产在缩水。
另一个网友则观察到，在福州的二手车交易市场，大量零公里二手车停在五六层高的楼内，一望无际。这引出了一个更宏大的判断：中国汽车产业出海，未来二手车可能要超过新车，亚非拉广大发展中国家未来主要不是购买中国的新能源车和燃油新车，而是购买中国那些只开了十几万公里的二手车，甚至是零公里二手车。在白俄罗斯这样的国家，很多家庭购买的二手车已经开了十几万公里，还要再转手好几遍，开到五十万公里以上，甚至有八十万公里、一百万公里的老破车，照样还在路上跑。
这些讨论触及了一个更深层次的问题：当中国超低价新能源车把原来欧美日韩的价格体系打乱，当十几万就能买到以前三四十万以上的大型SUV，当新能源车淘汰燃油车、燃油车价格被带下一个台阶、二手车随之跌价、全球二手车价格中枢整体下移，这对于全球汽车产业的格局意味着什么？进一步说，当AI技术革命同时冲击就业市场，一边是通缩压力，另一边是新产业创造的无限可能，我们究竟应该悲观还是乐观？
这篇文章试图给出一个基于数据和逻辑的系统性回答。它不是一个简单的判断，而是将问题拆解为六个相互关联的维度，每个维度都有具体的数字支撑和趋势判断。
一、中国二手车市场的结构性困境
中国二手车市场面临的核心矛盾，可以概括为技术迭代带来的资产劣质化。这个判断在数据层面是否成立？答案是：基本成立，但并非全行业均匀分布。
先看最关键的定量证据——三年保值率。这是衡量二手车资产价值最直观的指标。中国汽车流通协会和精真估的2024到2025年数据显示，新能源车企的保值率呈现显著分化。比亚迪的海豹和宋PLUS等车型，三年保值率约在55%到60%之间。蔚来的ES6和ET5，由于NT平台换代惩罚，保值率跌至42%到50%的低位。小鹏的P7和G6，因为智驾硬件迭代（从Xavier到Orin再到Thor）导致旧款功能残缺，保值率在45%到52%之间。理想汽车则是一个明显的反例，L系列增程车型的三年保值率达到了60%到65%，几乎与燃油车持平。
横向对比看，中国燃油车基准——丰田和本田的保值率约为62%到68%。美国市场方面，特斯拉Model Y的三年保值率在58%到63%，通用Lyriq和Blazer因为软件故障和生产停滞跌至45%到55%，传统皮卡和丰田则在58%到65%。这些数据揭示了一个关键事实：中国新能源车的保值率中位数约为52%，而燃油车约为65%，两者之间存在着高达13个百分点的缺口。在美国市场，电动车中位数保值率为55%，燃油车约为60%，缺口只有5个百分点。这意味着中国市场远未消化电动车技术折旧的风险溢价，资本市场仍在将其视为劣质金融合约。
零公里二手车是另一个值得关注的现象。中国汽车流通协会的数据显示，这种状态的形成机制相当清晰：主机厂基于产能规划的批发量远超终端零售，经销商库存预警指数连续25个月超过50%的荣枯线，2025年2月该指数甚至达到了63.8%。经销商为回流资金，不得不将囤积的库存车抢先注册上牌，使之变成名义上的二手车，再以准新车身份清仓。2024年全年，准新车（一年内车龄）占二手车交易量的7.2%，约合141万辆流入二手市场，其中零公里库存车的比例显著提升。更严峻的是，这个比例在2025年仍在环比上涨。
零公里二手车的泛滥，已经进入反噬新车定价体系的负向循环。新车降价导致准新二手车更便宜，准新二手车更便宜又让新车更难卖，迫使主机厂进一步降价。中国汽车流通协会已将零公里二手车列为2025年市场的主要结构性风险。对于二手车经销商而言，这意味着周转率成为生死线。库存预警指数持续高于荣枯线，意味着平均库存周转天数远超正常水平，每多持有一天都面临资产贬值风险。
但中国二手车市场的出路或许在海外。比亚迪和上汽的二手电动车已经大规模流向中亚、东南亚和东欧市场，2024年的出口量超过十万辆。2025年中国二手车出口均价降幅在6%到8%之间，呈现国内低价、出口溢价收窄、全球价格趋同的路径。亚非拉发展中国家对价格高度敏感，中国二手车的价格优势正好切中了这个需求缺口。当然，挑战同样存在：当地政策限制，比如东盟对进口二手车有车龄限制；售后服务体系缺失；品牌认知度不足等。但整体而言，中国出清、新兴市场消化的套利通道已经形成。
二、全球汽车定价权的历史性转移
如果说中国二手车市场的困境是国内问题，那么全球汽车价格体系的重构，就是一场波及整个产业的定价权转移。
这场转移已经清晰地反映在数据中。中国纯电动车出口均价在2024年约为3.4万美元每辆，同比大跌12.3%。插混车出口均价约2.5万美元每辆，同比下跌8%。国内价格战的冲击波正在向外蔓延。在美国市场，Manheim二手车指数2024年12月报205.5，同比下跌5.4%，连续三年从2022年255的高点回落。Manheim批发价是新车零售价的六个月领先指标，批发价下跌意味着零售端的价格下移远未结束。虽然美国KBB新车平均交易价格在2024年12月仍维持在49740美元，但平均单台激励已超过3500美元创下新高，实质折价持续放大。
多家权威机构一致判断全球汽车定价通缩时代已经到来。摩根大通在2025年1月的全球汽车展望中明确指出，全球车企的定价权处于近五年最弱水平，预计2025年全球平均交易价格下降2%到3%。彭博的专题报道直接将这定义为全球汽车定价通缩时代，认为中国低成本制造加高利率环境终结了卖方定价权。LMC Automotive的数据显示，全球轻型车实际交易价格经通胀调整后已同比转负。
2024年是2019年以来第一个全球汽车价格实质性下移的完整年份。关税壁垒——欧盟对华电动车关税和美国100%关税——会部分阻遏中国直接出口，但无法逆转全球价格中枢由中国成本曲线重新定义的总方向。
价格的下降不可避免会刺激需求的增长，尤其是对价格敏感的新兴市场。数据显示，印度汽车销量增速在6.5%到7.5%之间，人均GDP弹性系数为1.1到1.3。这意味着每1%的人均GDP增长可以带动1.1%到1.3%的汽车需求。东南亚的增速在4.5%到6%之间，弹性系数为0.7到1.0。拉美巴西的增速约2.5%，弹性系数为0.3到0.8。如果单车均价下降10%，结合1.1的需求弹性，印度汽车需求可增长约11%。价格战不仅是竞争手段，也是打开新兴市场增量需求的条件。
与此同时，产业链正在加速向低成本地区转移。中国车企在泰国、印尼建厂，利用当地劳动力和关税优惠辐射东盟市场。比亚迪2025年在泰国市场份额已超过10%。印度的高关税壁垒迫使中国车企寻求合资或技术授权路径。中国品牌在巴西和墨西哥的本地化生产也在加速。短期来看，新增产能导致供应过剩压力增大，进一步压低价格。长期来看，本地化降低了成本并提升了可及性，激活了被高价格抑制的需求。
三、AI对就业的真实冲击到底有多大
关于AI替代就业的讨论，充斥着大量概念混淆。这是当前所有AI就业讨论中最大的统计陷阱。
先看各权威机构的核心数据。高盛在2023年经典报告中指出，全球约3亿个全职等效岗位暴露于生成式AI的技术影响。这个数字经常被误读和引用为AI将消灭3亿岗位。但实际上，这是任务暴露率，是技术上可自动化的上限，不是实际失业预测。高盛在2024到2025年的更新版中明确表态：AI不会导致失业率飙升，反而会提升总劳动力需求。他们在2025年2月的最新报告中甚至警告生成式AI的投入太多、收益太少，强调生产力落地慢于预期，更不可能出现裁员潮。
国际货币基金组织2024年的工作论文显示，发达经济体约60%的就业暴露于AI，全球约40%。但IMF在同一份报告中白纸黑字写了纠正：只有约一半的暴露岗位面临替代风险，另一半可能受益于AI的辅助增强。IMF最容易被误读的条款恰恰是它提供了暴露率与失业率概念混淆的官方证词。
麦肯锡全球研究院的数据显示，60%到70%的员工工作时间会被生成式AI触及，但2030年的净失业预测在基准情景下约等于零，因为15%到30%的工时自动化会被新创造的工作抵消。麦肯锡的核心指标不是失业数字，而是美国需要约1200万次职业转换。这是转型，不是失业。
三者在2024到2025年的更新版中，没有任何一家给出一个全球AI将消灭X百万岗位的净失业数字。它们全部转为情景分析，并且在基准情景下全部倒向AI增强主导、宏观净失业约等于零的方向。
但这是否意味着AI对就业没有实质性影响？答案是否定的。生成式AI暴露的岗位比例高达15%到20%，远超1990到2000年IT革命期间5%到8%的替代率。这意味着冲击幅度更大。而且AI对就业影响的本质正在发生变化。麻省理工学院的Daron Acemoglu在2025年NBER工作论文中提出了一个关键论点：当前AI系统过度偏向替代，缺乏创造新任务的能力。这是错误的AI类型——路径方向决定了净效果。他的模型估算，按现有技术轨迹，AI对劳动力需求的净影响为零或微负，十年全要素生产率收益仅0.53%到0.6%，远低于乐观者的预测。
而另一位经济学家David Autor在2025年的多篇论文中指出，生成式AI与互联网时代的最大区别在于冲击范围。过去IT革命替代的是例行任务，互补高技能、替代低技能。如今生成式AI将编程、写作、翻译、法律分析等认知判断任务首次卷入大规模替代风险。高技能知识岗位不再是免疫区。
互联网时代的历史经验提供了重要的参考框架。1947到1987年间，年度替代率约为1.5%，但年度新任务涌现率约为2.0%，净劳动力需求每年增长0.5%。年岗位涌现率约为1%，远低于毛替代率的6%到8%，但靠持续时间长实现了净吸收。每消灭一个旧岗位，大约创造2.4到2.6个新岗位。但Acemoglu强调，当前AI系统缺乏任务创造能力，即AI擅长替代但不擅长生成新任务类型，这与工业革命和IT革命形成本质区别。
四、短期通缩与长期繁荣之间的张力
AI对经济的冲击首先表现在通缩端。中国的核心CPI长期低位运行，2025年6月到2026年6月间，同比涨幅约在0到0.6%之间，而PPI持续通缩，同比负增长在1.4%到4.5%之间。AI替代对工资收入的挤压正在加剧需求侧通缩。
国际货币基金组织预测，全球劳动收入份额将从2023年的53.4%降至2029年的51.8%到52.3%。这意味着劳动者在GDP中的分成持续下降，压制消费能力。AI替代加速，被列为未来十年压低劳动收入份额的首要结构性因素。中国消费者信心指数在2026年6月处于低位区间，反映就业不确定性和收入预期偏弱。
但并不意味着长期没有希望。从历史规律看，每一次技术革命都经历了类似的过程。农业革命使土地承载力从每公顷0.01人提升到0.1到1人。工业革命将人均产出提升了10到100倍。信息革命实现了全球知识共享，使服务业变得可贸易化。每一次转型初期都出现了结构性失业和收入不平等加剧，工业革命时期甚至发生过机器砸毁运动。但每一次转型最终都创造了更多且更高生产力的就业。
从农业到工业的就业结构转型，英国用了约200年，农业就业占比从80%降至10%。从工业到信息服务的转型，美国用了约80年，制造业就业占比从35%降至8%。如果遵循历史加速规律，每轮转型时间减半，从信息时代到AI时代的转型可能在30到50年内完成。但转型中的阵痛——特别是就业替代速度快于创造速度——可能在第一个十年（2025到2035年）集中显现。
从短期通缩到长期繁荣的过渡需要满足三个先决条件。第一，未来的AI系统必须从替代型进化为生成新任务型，催生人类新职业。目前尚未出现这种跃迁的明确证据。第二，再培训体系的速度需要匹配转型节奏。互联网时代的转换周期是3到5年，AI时代的转型窗口可能只有1到2个商业周期，要求再培训体系效率提升5到10倍。第三，如果AI收益集中于资本和技术所有者，劳动收入份额继续下降，将出现生产繁荣加消费通缩的悖论。全民基本收入和AI税收制度可能成为必要选项。
五、未来新兴产业的就业容量
悲观者担心AI消灭工作机会，但换个角度看，那些今天尚不存在的产业，未来可能创造数倍于今天被替代的就业。
机器人产业是最明确的增量。国际机器人联合会2025年的数据显示，2024年全球工业机器人安装量达到54.1万台，同比增长11%。服务机器人全球收入291亿美元，同比增长5%。人形机器人装机量预计到2030年可达每年约20万台。更关键的是就业效应：服务机器人领域，2025到2026年间，替代约820万岗位，同时创造约970万岗位，净创造约150万岗位。
VR和AR产业正在从概念走向现实。IDC 2026年第一季度的追踪报告显示，2025年全年AR和VR头显出货量达到860万台，同比增长34.5%，市场收入92亿美元。内容开发岗位在2025年约65万，预计2030年增长到240万。远程操作岗位从2025年的50万飙升至2030年的300万。3D内容开发和建模岗位从25到30万增长到100到120万。交互设计师从10到15万增长到40到50万。硬件工程师从15到20万增长到50到60万。整体VR和AR产业链的就业容量从2025年的105到125万增长到2030年的540到610万，复合增长率惊人。
数字孪生技术的渗透正在加速。市场规模在2023年约为100到150亿美元，年复合增长率超过30%。制造业和智慧城市领域已经实现了20%到30%的初级渗透，包括数字映射、模拟仿真和预测运维等应用场景。宝马的iFactory和西门子的数字化工厂已是成熟案例。雄安新区和新加坡的Virtual Singapore则代表了城市级数字孪生的探索。虽然全生命周期闭环管理的深度渗透仍在早期，但数字孪生正在成为实体经济的基础设施。
基因编辑和合成生物学是另一个被低估的赛道。全球合成生物学市场2025年约200到300亿美元，预计2030年达到500到800亿美元，年复合增长率20%到30%。CRISPR基因编辑疗法已有2到3款获批，如Casgevy用于镰状细胞病，在研管线超过50项，涵盖遗传病、癌症和心血管疾病。产业瓶颈在于递送技术、脱靶效应和高昂的治疗成本。Casgevy定价约200万美元每疗程，限制大规模普及。但技术路线已经清晰。
太空经济也在从科研走向产业。全球太空经济总收入从2024年的6300亿美元增长到2025年的7800亿美元。全球直接就业约50到60万人。2026到2028年首次近月载人任务和商业空间站运营可能将就业推至70到80万。2030到2035年小行星采矿试采和月球基地常驻，就业可能达到100到150万。2040到2050年载人火星探索和太阳系经济区雏形形成，太空就业可达300到1000万。
在更现实的地面领域，沙漠改造和极端环境开发也有可量化的进展。中国库布其沙漠累计治理面积超过6000平方公里，单位治理成本约3000到5000美元每公顷。技术模式为光伏加治沙加种植，已具备商业化可行性。沙特NEOM规划面积2.65万平方公里，已投资超5000亿美元，涉及沙漠垂直农业和太阳能海水淡化，但单位开发成本在10万到50万美元每公顷，可复制性存疑。青藏铁路延伸线和北极航道的商业化正在推进，大规模人类居住仍需攻克低氧和严寒技术。
六、虚拟世界与现实世界的融合
元宇宙和数字孪生不只是用来娱乐的概念，它们正在改变人类与物理世界交互的方式，并创造出一个全新的经济空间。
从技术成熟度来看，不同领域的进展差异很大。工业数字孪生已实现规模部署，成熟度约8分（满分10分）。宝马iFactory和西门子数字化工厂是标杆案例。城市数字孪生处于试点阶段，成熟度约5到6分。人体数字孪生处于科研阶段，成熟度3到4分。远程手术已有超过100例中国5G成功案例，但成熟度仅4到5分。远程操控重型机械在矿业和港口已相当成熟，成熟度6到7分，力拓的远程采矿和上海洋山港自动化是典型案例。
元宇宙的经济规模有多大？不同机构的预测差距巨大，这本身就是预测泡沫的典型表现。普华永道的估算约为3200亿美元（2025年），包含间接拉动。经济合作与发展组织的估算约为2000亿美元，仅含直接支出。独立第三方综合估计在1000到3500亿美元之间。券商极乐观者如摩根士丹利给出了8万亿美元的潜在市场总量上限，但这个数字包含了所有数字经济活动，并非直接消费。
券商预测与第三方实际数据之间的差距，本质上是自上而下的情感叙事与自下而上的事实追踪之间的根本冲突。券商假设一切数字活动都变成元宇宙，相当于把全球电商、广告、游戏、社交全塞进口径，这是最大可想象空间。第三方机构只算头显出货量、企业AR软件、实时引擎订阅等有发票的支出。两者都对，但回答的是不同问题。错把券商预测当基准，就会把泡沫当成地板。
元宇宙GDP在2025年仍处于早期启动阶段，占全球GDP约0.2%到0.5%，到2030年可能达到0.6到1.2万亿美元，占全球GDP的0.5%到1%，尚不具备替代实体经济的规模。但其复合增长率在30%到50%之间，远高于传统产业，长期潜力不可忽视。
虚拟世界最重要的意义可能不在于娱乐，而在于它将人类的操作能力扩展到了物理上无法到达的地方。通过VR眼镜、AR眼镜、触觉反馈、力反馈、温度和气味传感器，人可以在此时此地感知和操控千里之外的真实设备。在地球上远程遥控太空轨道上的植物工厂和太阳能发电厂，在办公室操控几百公里外手术室里的手术机器人，为偏远地区病人做手术。这些场景已经从科幻走向工程验证。
七、AI时代的乐观主义是否站得住脚
讨论的最后一个维度，也是最根本的争论：AI究竟会让人类更好还是更糟？
悲观者的担忧是合理的。AI替代的速度可能快于创造速度，劳动收入份额持续下降，全球消费能力萎缩，通缩螺旋自我强化。汽车价格战和车厂裁员只是冰山一角，更多传统产业的崩塌可能正在路上。
但乐观者的论证也有其逻辑基础和历史支撑。每一次技术革命都曾引发类似的恐惧，每一次人类都找到了新的增长路径。关键在于理解人类活动边界的扩张规律。
农业革命驯化了动植物，使土地承载力提升了10到100倍。工业革命利用化石能源和机械化，使人均产出提升了10到100倍。信息革命通过互联网和自动控制，实现了全球知识共享。AI革命正在拓展认知带宽和决策质量，这是对人力资本本身的升级，而非简单的替代。
在宏观层面，人类目前尚未开发利用的资源极其庞大。高原无人区、极寒地区、深海、沙漠和太空，这些区域今天几乎没有贡献任何GDP。在AI辅助下，人类有潜力成百倍千倍地开发利用这些资源。半地下式城市可以在高原和极地实现人类定居，封闭式生态系统可以在沙漠中建立农业和工业，太空太阳能电站可以为地球提供近乎无限的清洁能源。每一个方向都需要数千万甚至上亿的劳动力来设计、建设和运营。
在微观层面，基因编辑和分子设计正在打开全新的资源维度。当人类在AI辅助下能够设计新物种、新材料时，生产制造成本将指数级下降，功能和性能将指数级提升。合成生物学、细胞农业、生物制造等新产业所需的劳动力规模是今天的制造业无法想象的。
还有一个被普遍低估的维度——虚拟世界本身就是凭空创造出来的经济资源。构建数字孪生城市、元宇宙空间、虚拟世界需要海量的内容创造、交互设计和系统运维。这些工作岗位今天还不存在，但未来可能成为最主要的就业形式之一。
关于太阳系开发与人口承载力的科学依据，基于奥尼尔圆柱体设计和木星土星轨道的大量物质资源，理论上太阳系可支撑数万亿人口。但这一规模需要在未来200到500年内实现，所需能源、材料和生命维持技术尚未突破。近期可行性更高的是月球水冰开采，提供燃料和生命支持的水源。火星定居可能在2040到2060年间实现，SpaceX的时间表支持这个判断。小行星采矿的经济性仍在验证中，近地小行星铂族金属回收的盈亏平衡点约为5000到10000美元每公斤，而当前地球开采成本约2000到5000美元每公斤，太空采矿尚无成本竞争力。但水冰开采在近月轨道已具经济可行性，预计在2028到2032年实现突破。
人造子宫技术的进展也为长期人口发展提供了新的可能性。全球至少有六个团队在研究全人造子宫，已在羊、猪和小鼠中实现存活至中期。截至2026年，尚无人体临床试验获批，伦理障碍包括胎儿的法律地位、母体胎儿连接的中断风险和长期发育影响未知。人体临床试验可能在2028到2032年间启动，商业化应用最早在2035到2040年。完全取代自然妊娠的时间跨度估计在2050年以后。
八、核心不确定性在哪里
在乐观与悲观之间，有四个核心不确定性将决定未来三十年的走向。
第一个不确定性是AI任务创造能力能否在未来十年内出现。这是决定2030到2040年就业走向的最关键变量。McKinsey的乐观派认为AI通过增强创造大量新岗位，净就业为正。Acemoglu的实证派认为当前AI是替代型工具，缺乏创造新任务的能力，净就业为零或微负。两个观点难以调和，反映了学术界对AI本质的根本分歧。如果AI始终保持替代型定位，那么短期通缩可能演变为长期停滞。如果AI进化出任务创造能力，那么2030年之后的新产业爆发将远超今天的想象。
第二个不确定性是核聚变商业化时间表。这决定了能源成本与经济增长的极限。廉价能源是一切产业扩张的前提。沙漠改造需要大量能源进行海水淡化和环境调控，太空开发需要低成本推进剂，数字孪生的实时计算需要巨大的电力供给。如果核聚变在2040年前实现商业化，人类面临的资源约束将大幅放松，乐观主义者的愿景更容易实现。
第三个不确定性是全球治理体系能否应对技术性失业和贫富分化。即使AI最终创造了更多就业，转型期的结构性失业和收入不平等也会造成巨大的社会压力。历史经验表明，制度创新——教育体系改革、社会保障网络、再培训基础设施——是技术革命平稳落地的必要条件。全民基本收入和AI税收制度可能从学术讨论走向政策实践。
第四个不确定性是地缘政治冲突是否会打断产业链重构与新兴产业发展。中美科技脱钩、区域贸易壁垒、技术标准分裂，都可能延缓全球汽车价格体系重构和新产业发展的节奏。关税壁垒可以延缓但不能逆转趋势，但地缘政治的突然变化可能改变发展路径。
综合来看，一个三段式的判断框架可能是最有解释力的：短期通缩，2026到2030年，AI替代压力加大，消费通缩持续，劳动收入份额下降，二手车和新车价格战伤害资产价格，新兴产业仍在早期不足以吸收失业。中期阵痛，2030到2045年，若AI任务创造能力启动，新产业崛起，远程操作、数字孪生运维、AI训练师等岗位成为新的就业增长点，合成生物学和基因编辑进入成熟期，但结构性失业和贫富差距可能达到顶峰。长期乐观，2045到2100年，太空经济从科研转向产业，元宇宙和数字孪生成为GDP重要组成，能源无限化可能使资源约束大幅放松，人类活动边界扩展至太阳系尺度。
最终，关于AI时代的未来，最有说服力的可能是历史给出的启示。工业革命之前，农业几乎是人类最主要的产业，大部分GDP集中在农业领域。今天看来，非农产业的经济总量是农业的多少倍？站在五十年后看今天，我们今天的全部产业加起来的占比，可能只相当于今天农业在经济中的占比。今天还不存在的新的各种产业，在五十年后创造的GDP将是今天所有产业的几百倍、几千倍。
但这并不意味着我们可以躺平等未来自动到来。三个条件需要同时满足：从替代型AI进化为能创造新任务的AI，再培训体系效率提升十倍，制度和分配机制确保技术进步的红利不被少数人独占。任何一个条件的缺失，都可能导致从通缩走向长期停滞而非长期繁荣。
汽车产业已经提前发出了信号。新能源车的技术迭代正在重新定义什么是有价值的资产，全球价格体系正在被中国成本曲线重构，二手车市场正在经历从本地交易到全球流通的转变。这些变化既是AI时代经济变革的缩影，也是理解未来的一个切口。
数据来源说明：本文所用的保值率数据主要来自中国汽车流通协会和精真估的2024到2025年保值率报告，以及美国KBB和ALG的残值指南。AI就业数据来自高盛2023到2025年系列报告、国际货币基金组织2024年工作论文和麦肯锡全球研究院2024到2025年报告。机器人数据来自国际机器人联合会2025年世界机器人报告。VR和AR数据来自IDC 2026年第一季度全球追踪报告。太空经济数据来自太空基金会2025年太空报告。中国宏观经济数据来自国家统计局和万得。学术观点来自Acemoglu 2025年NBER论文、Autor 2025年多篇工作论文和Korinek 2025年情景分析。