夜雨聆风东吴证券在2026年8月18日发布了一份题为《技术革命、金融泡沫和经济新范式》的宏观深度报告。这份报告没有给出任何单家公司的投资结论，而是借卡洛塔·佩雷斯（Carlota Perez）在《技术革命与金融资本》中提出的分析框架，复盘过去两百余年五次技术革命的演进，拆解“技术突破—金融狂热—泡沫破灭—范式重构”的联动规律，并把这套规律投射到当下的AI浪潮。核心判断有三层：第一，AI正在开启以“降低认知与决策成本”为核心的智力革命；第二，当前资本市场表现与历史上的金融狂热高度接近，但两类金融风险苗头已经显现，且不会改变AI产业的发展趋势；第三，AI会重塑生产与分配方式，但就业、分配等问题需要新的治理规则来承接。
一、五次技术革命：同一套剧本，不同的载体
佩雷斯用“每一次技术革命最重要的技术扩散”而非“技术突破”作为时间节点，把过去两百余年划为五幕。每一幕都遵循“新技术系统→金融狂热→泡沫破灭→范式重构”的节奏。
第一轮是1771年阿克莱特水力纺纱厂开启的工业机械时代。运输瓶颈迅速转化为运河投资热，1790—1794年英国议会通过52项新运河法案，超过此前三十年总和；Grand Junction运河股票100英镑面值在1792年10月被炒至472.75英镑，1795年前后回落到100英镑附近，峰谷回撤约79%。泡沫由战争、通胀与流动性收紧终结，但已建成的运河网络在此后数十年持续降低重货运输成本。工厂制由此取代作坊，成为生产的基本单元。
第二轮是1829年蒸汽机车“火箭号”试验成功开启的铁路时代。英国铁路投资占固定资产投资的比例在1841—1850年达到30.4%；1843—1850年议会累计批准新建铁路约9947英里，仅1846年单年便授权4540英里。铁路股价指数从1843年1月的1000点升至1845年8月的2017点，两年涨幅102%，随后最大回撤66.7%。同一场技术革命在美国则表现为债务—银行危机：1873年重仓北太平洋铁路债券的Jay Cooke公司倒闭，纽交所史无前例休市十天，全美上百家银行倒闭，铁路股价从1872年4月到1877年6月回撤47.8%。危机形态由各国金融制度决定，但铁路作为基础设施在泡沫破灭后仍继续扩张。
第三轮是1875年卡内基酸性转炉钢厂开工开启的钢铁、电力与重工业时代。美国钢产量从1875年的39万长吨增至1908年的1402万长吨，扩大约36倍；全社会用电量在1902—1907年五年扩大2.37倍，推升铜价从1894年的约9.5美分/磅升至1906年的约19.6美分。1907年10月，海因策试图逼空联合铜业股票失败，股价从近60美元跌至10美元，关联银行遭挤兑并向信托公司扩散，最终演变为1907大恐慌，并促成了美联储的诞生。与运河、铁路不同，这一轮的金融泡沫没有表现为电力的全面过度建设，而是通过铜、工业证券与银行信用关系释放。
第四轮是1908年第一辆T型车下线的石油、汽车与大规模生产时代。美国乘用车注册量从1908年的19.4万辆升至1929年的2312万辆，扩大约119倍；住宅通电率从1907年的8% 升至1930年的68.2%；到1920年代末约七成新车以分期付款购买，消费债务占个人收入比重从1920年前后的约4.5% 升至1929年的9% 以上。分期付款与保证金交易推高杠杆，种子在1929年大萧条中发芽，最终靠凯恩斯主义、福利国家与分业监管支撑起大众消费范式。
第五轮是1971年英特尔微处理器问世开启的信息时代。美国信息处理设备与软件投资占GDP从1995年的3.32% 升至2000年的4.40%；电信资本开支1994—2000年累计增长206%；光纤路由里程从1996年的10.4万英里增至2000年的35.5万英里。风险投资金额从1990年的32亿美元飙至2000年的1030亿美元（占GDP从0.05% 升至1.00%）；纳斯达克指数从1995年1月的743.58点涨至2000年3月峰值5048.62点（+579%），又跌至2002年10月的1114.11点（-77.9%）。泡沫破灭后，网络经济发展得更规范。
二、三条铁律：索洛悖论、技术系统、三个时钟
复盘五次革命，第一条铁律是技术进步到宏观生产率之间存在数十年滞后，即“索洛悖论”。1888年交流电动机问世后，电力在美国工业动力中的占比从1889年的0.3% 升至1919年的53.1%，但同期美国制造业全要素生产率（TFP）不升反降——十年平均增速从1879年的1.23% 降至1889年的0.83%、1909年的0.5%、1919年的0.17%，直到1929年才跳升至5.29%。效率红利至少要在技术启动三十年后才体现在宏观数据中，传导链条是：单项技术突破→形成技术系统→跨行业扩散并完成组织适配→宏观生产率提高。
第二条铁律是单项发明不等于技术革命，必须结合关键材料、能源、设备与基础设施，形成技术系统。瓦特改良蒸汽机（1765年）与水力纺纱机（1769年）发明时间相近，尽管蒸汽技术领先一个时代，但由于水力纺纱机率先与堤坝、厂房、机械化棉纺和运输网络配套成系统，工业革命前六十年（1770—1830）是水力打败蒸汽。换成今天的语境：算力、大模型、数据与基础设施是技术端，但组织端——岗位、流程与决策权的重设——仍普遍缺位，多数企业只是把AI嵌进旧流程，而非以AI重构生产组织。
第三条铁律是经济范式的改变比生产率更滞后，因为技术、组织与制度三个“时钟”并不同步。技术可在数年跨过临界点，企业组织需十几年调整，制度往往要等几十年、甚至危机爆发才变革。汽车1886年问世，1908年福特T型车才形成流水线组织，大萧条后才补齐社保与最低工资等消费制度，整个范式闭环花了近半个世纪。技术革命期间还经常出现新旧经济的K型分化：1780—1860年，英国棉纺、钢铁、运河、铁路等少数现代化部门贡献了约61% 的全要素生产率增长，其余大量传统工业与服务部门合计仅约5%；美国1869—1919年生产者耐用品（机械设备等资本品）年均增速5.7%，快于消费品4.3%，投资与需求增量率先向新范式集中。
三、金融泡沫：三类载体，五重放大，且“有业绩”
技术革命是金融泡沫的催化剂，五次革命的泡沫以三类载体出现：基础设施过度投资（运河、铁路、光纤）、关键材料投机（1907年铜）、金融杠杆扩张（1929年信贷与保证金）。载体千差万别，底层却是同一机制——对未来的增长路径过度乐观，经估值、融资、行为、分配、制度五个层面放大，演变为金融泡沫。
估值端，市场对隐含增长过度外推，要么规模上不可行（反推出的公司未来规模超过整个行业），要么期限上不可实现（把短期高增速外推成近乎无限期趋势）。融资端，技术风险被分层、扩散、证券化，从企业资产负债表渗入整个金融体系——铁路靠债券向公众筹资，互联网靠风投与IPO把风险转给二级市场。行为端，“不可错过”的叙事催生群体跟风，1929年保证金交易占比一度超过50%，2000年新股认购超额数十倍。分配端，技术红利向资本与寡头集中，大众购买力赶不上产能扩张，分期付款与资产价格掩盖供需缺口。治理端，监管长期落后于金融创新，1907年尚无央行、1929年尚无证券法，风险失去最后一道防线。
但与普通投机不同，技术泡沫是有业绩的泡沫，常发生在革命早期，并反过来催化技术革命。一方面，破灭能一次性清退没有业务、缺乏现金流的企业，让经受过压力测试的公司存活——2001年后的亚马逊、谷歌便是例子。另一方面，每次泡沫破裂都倒逼制度创新：铁路泡沫催生1844年《合股公司法》，1907大恐慌催生美联储，1929大萧条催生证券监管与存款保险，2000年互联网泡沫催生《萨班斯—奥克斯利法案》。最后，泡沫期沉淀的过剩基础设施成为后代的公共遗产——2000年前后铺设的数十万公里光纤，利用率一度不足5%，却为随后十年的云计算与流媒体提供了近乎零边际成本的带宽底座。泡沫是用投资者的账面亏损，换取社会对下一轮技术变革基础设施的提前投资。
历史数据也显示，泡沫多发生在渗透率尚低之时：铁路泡沫破灭时铁路网络渗透率仅27.7%，互联网泡沫破灭时网络普及率43.1%、以网络零售占比衡量的经济渗透率仅0.9%，远未成熟。破灭清算的是过度定价，而非增长趋势。
四、映射到AI：两类风险苗头，与一场范式重构
AI降低的是决策与认知成本，是历史上首次对服务业影响大于工业的技术革命。从产业维度看，AI已能提高微观效率，但距离宏观生产率与TFP提升还需较长时间——韩国调查显示AI使用者平均工作时间下降3.8%（每周约省1.5小时），潜在生产率可提高约1.0%，但生成式AI推出三年后，韩国小时劳动生产率的增长趋势并未发生明显变化。这印证了“索洛悖论”的当代版本：技术扩散仍停留在将AI嵌入既有流程的辅助阶段。
从金融维度看，两类风险苗头已在AI领域显现。其一是基础设施过度投资：本轮扩产在市场需求之外叠加了国家安全考量，主要经济体将算力与芯片制造视为战略资产，叠加出口管制，使本可全球分工完成的算力与存储投资被拆分为北美、东亚、欧洲等多套并行体系、各自独立建设，冗余量巨大。2026年一季度，美国AI投资占GDP比例约0.83%，已接近1840年运河热与2000年互联网泡沫时期的高点；据BIS预测，2026年美国超大规模云服务商的资本支出占收入比例将接近一半，债务规模也将从1040亿美元激增至1750亿美元。其二是“循环融资”的杠杆风险：上游算力供应商投资AI企业、AI企业再购回算力，形成未经终端需求验证的自我强化闭环。2026年8月，英伟达联合高盛、贝莱德、黑石等六家机构宣布组建5000亿美元AI基础设施融资平台，以第三方资本为客户采购GPU、建设数据中心提供贷款，供应商深度介入客户融资，使循环融资制度化、规模化；一旦AI收入兑现不及预期，算力资产折旧快于贷款偿还，风险将从企业表内传导至机构信贷与保险资本。
但参照历史，即便出现金融风险，也不会改变AI的产业发展趋势。金融泡沫破裂只改变资产定价，不改变产业趋势——铁路网继续延伸、互联网用户继续增长，AI对认知成本的替代逻辑同样不依赖资本市场涨跌。
从经济范式看，AI正在改变生产、分配与制度。生产组织的最小工作单元从“人”变成“人+智能体”，组织形态两端分化：一端是大组织内嵌智能体，另一端是“一人公司”。其一是增长与就业可能脱钩，宏观GDP统计面临系统性低估风险——智能体产出不进入传统工资与雇佣统计。其二是分配冲击上移：前五次革命冲击体力劳动者，AI首次直接冲击认知劳动者，受损群体上升至中等收入人群。信号已出现在招聘流量中：纽约联储2025年调查显示，已使用AI的服务企业仅1% 因AI裁员，但约12% 已减少招聘、超过三分之一对现有员工重训；世界银行研究显示，ChatGPT发布后第一年，0—2年经验岗位发布量相对下降10.1%，3—5年下降6.5%，第二年三类岗位降幅分别扩大至18.8%、13.6% 和9.8%。其三是制度变革需求，最紧迫的有三项：红利分配（数据要素收益、算力税收、全民基本收入等）、产权界定（数据权属与收益归属）、责任分摊（算法审计与备案）。
核心观点总结
•东吴证券借佩雷斯框架复盘五次技术革命，提炼出“新技术系统→金融狂热→泡沫破灭→范式重构”的共性节奏，并指出金融泡沫的载体可分基础设施过度投资、关键材料投机、金融杠杆扩张三类，底层都是对增长路径的过度乐观经五重机制放大。
•三条铁律值得反复咀嚼：索洛悖论（技术到宏观生产率滞后数十年的J曲线）、技术系统（单项发明不等于革命）、三个时钟（技术、组织、制度并不同步，范式闭环常以半个世纪计）。
•当前AI兼具历史镜像与独特之处：资本市场表现接近历次金融狂热，2026Q1美国AI投资占GDP已逼近运河热与互联网泡沫高点，且“冗余投资 + 循环融资”两类风险苗头已显现；但AI降低认知成本属首次对服务业影响大于工业，微观效率可见而宏观生产率尚未兑现。
•历史规律指向一个中性偏审慎的结论：金融风险会改变资产定价、不改变产业趋势；泡沫破灭清算的是过度定价，沉淀的是基础设施。对AI产业趋势本身应持长期中性偏看好，但对估值透支、冗余产能与循环杠杆的金融风险保持清醒。
风险提示
•报告历史数据多来自后世学术测算而非当时统计，存在口径与误差风险。
•历史类比可能忽视当前环境的差异，存在偏差风险。
•若将长期产业结论用于短期市场判断，可能存在时间错配风险。