导读

本文原标题《资本市场视角看 AI：J 曲线、K 型分化与资产泡沫》，刊发于《北大金融评论》第29期，为符合微信阅读特点，内容有删减。

编者认为，本文通过对资本市场投资技术革命历史的研究，提炼出了“三个分开”的一般性方法论，可能有利于投资者理性参与新技术投资。本文不构成任何具体投资建议，不代表本公众号对AI投资的看法，请投资者仔细甄别。

不适应长文阅读的读者，可直接看最后一段：“AI与资产泡沫”。

“站在资本市场投资分析的角度讨论 AI，需要把技术、产业、商业模式和资产价格分开，把短期和长期分开，把玩家和赢家分开。”

陈果

东方财富证券研究所副所长、首席策略官

上海

AI 是近年来全球资本市场最核心的主题，几乎已经无人怀疑，AI 是一场真实而伟大的产业革命，并且注定改变世界。今天站在资本市场投资分析的角度讨论 AI，需要把技术、产业、商业模式和资产价格分开，把短期和长期分开，把玩家和赢家分开。

过去的产业革命基本符合“生产率 J 曲线”规律，即产业革命刚开始发生时，未必能带动生产率上升。以 AI 技术为例，企业要重写流程、清理数据、培训员工、改变考核方式，还要容忍一段人与机器彼此磨合的低效率期，这个阶段从社会到企业，很可能在无形中投入组织资本、人力资本和制度资本等各类成本，而收益未必能立即充分体现。例如 Brynjolfsson、Rock 和 Syverson 的研究表明，这类投入要等到组织创新成熟后，收益才集中释放。

一言以蔽之，这个时候，AI 带来的效应未必是“AI+”，往往可能是“AI-”。

资本市场可能立即对远期乐观预期定价，所以资本增值可以是最显著和最领先的。资产可按日定价，产业可按季度或年度评估开支投入，而社会组织制度及整个生产力和生产者的调整适应则可能要长得多。这种不同步，演绎到一定程度，往往会产生基于资本开支周期的资产泡沫。

这里要把两条曲线分开。生产率 J 曲线的凹陷在前段，也就是投入已经发生、产出还没兑现的那几年；而资产价格在同一时间往往是向上的，因为它定的是曲线右半段的远期回报。人对新技术需求的判断难免有偏差，真实社会追不上产业的乐观预期，产业又追不上资产价格的乐观预期，落差积到一定程度总要清算一次。从铁路革命、电气革命到互联网革命，每次产业革命都有不一样之处，但每次伴随着资本开支周期都曾经表现为资产泡沫的兴起与破灭。

例如在 1990 年代末的互联网基建潮中，运营商更担心的是带宽不足，因此积极扩建，设备商据此备货，上游再按照设备商的订单扩产；安全冗余和重复采购沿着产业链逐级放大，最后被误读为需求旺盛，等到终端最终确认光纤利用率不高，订单又以相反方向逐级收缩，投资收缩幅度剧烈。今天，市场讨论 AI 时，一个流行的观点是算力确定性供不应求，可见未来订单饱满，但如果讨论下游最终端的模型公司净利润以及商业可持续性，不确定性则要大得多。

逻辑本身是清楚的。资本开支可以先发生，上游收入和资产价格也可以先反映乐观预期，但生产率提升要等企业真正完成流程改造、组织适配和应用落地之后才会出现。如果资本开支继续增长，生产率、收入和现金流迟迟跟不上，市场最终会回到一个最朴素的问题上：这些钱到底赚回来多少？对 AI 资产来说，真正的风险是价格已经把远期的生产率提升定得太满。

因此，J 曲线不仅能够描述生产率兑现的滞后，也解释了为什么产业趋势越强，资产定价就越容易在早期跑到基本面前面。

这也是今天重新讨论“卖铲人”逻辑的原因。AI 上游硬件的订单看起来最确定，但订单的来源仍是 CSP（云服务提供商）和模型公司的资本开支，而资本开支的持续性最终要由收入、自由现金流和投入产出比来证明。上游越靠近资本品，收入对下游投资意愿的边际变化越敏感。对高估值资产而言，市场并不需要看到资本开支绝对下降，只要增长斜率从持续上修变成不再上修，就足以改变折现率和远期盈利预期。

近期全球资本市场另一个倾向强调的关键词是“K 型分化”，所谓“硅基通胀、碳基通缩”，但这最终也会反噬硅基经济的收入与资本回报。

AI 经济要走向成功，核心还是把碳基经济蛋糕做大。

这里的分歧其实很大。达龙 · 阿西莫格鲁在 2024 年 5 月的研究中，估计此后十年 AI 对美国全要素生产率的累计提升可能不超过 0.66%。这是现有估计中偏保守的一端，其他机构的测算要高出数倍，差别主要来自三个假设：能被 AI 覆盖的任务占比、这些任务效率提升的幅度，以及新任务和新岗位的创造速度。0.66% 的价值不在于精确，而在于提醒一件事：任务级的效率改善要传导到全要素生产率，中间要经过任务占比和成本节约率两道折扣，量级掉得很快。引用它的时候应当把它当作区间的下沿，而不是共识。

值得注意的是，当前美国的 AI 发展路线，似乎更聚焦于替代碳基劳动者，那么这项技术的功能本质是在资本与劳动者的分配中进一步强化资本的获取比例，这将使得劳动者（目前是脑力劳动者，未来机器人技术可能会进一步替代体力劳动）进一步弱化，分配的极端化可能比宏观总产出蛋糕变大的效应更显著。

这个时候，资本所得的增加是否能带动新的就业，或者未来社会的就业形态如何，就变成一个重要的宏观与政策命题。

科技以人为本。人，不是技术红利的被动接收者，而是需求、知识和组织能力的来源。一个持续提高资本回报、持续削弱劳动者收入的 AI 体系，最终会失去自己的客户。

分配，不是增长之后再处理的尾项，它本来就是增长能否持续的约束条件。

K 型分化还会通过企业利润表传导到资产定价。AI 上游获得更高利润，传统企业则承担更高的软件、算力和数据成本；如果这些投入只能替代一部分劳动，却不能带来更高的收入和更大的终端需求，那么宏观层面的效率提升并不一定会同步转化为更广泛的盈利改善。短期看，这会强化少数科技龙头的利润集中；长期看，利润和收入分配过度集中又会削弱最终需求，使上游的高资本回报缺少足够大的碳基经济来承接。

所以，“硅基通胀、碳基通缩”并不是一个可以长期稳定的均衡。更可持续的路径，反而可能是硅基成本逐步下降，模型、算力和存储变得更便宜，企业使用 AI 的门槛下降，原来算不过账的应用开始具备经济性。对上游公司而言，这意味着单位利润率未必还能一直维持在最舒服的水平；对整个经济而言，可能会扩大 AI 的使用半径，把技术红利从少数资本品公司向应用企业和消费者扩散。AI 红利需要从硅基利润变成更广泛的碳基收入，产业循环才能更加稳定。

伟大的产业趋势和糟糕的阶段性投资回报完全可以同时出现，甚至往往只有好的资产，才会产生较大的价格泡沫。

对于资本市场来说，当前定价 AI 产业链的问题在于投资周期上行时全行业盈利可能被高估，因为科技大厂投入算力时，可以作为资本开支分多年折旧摊销，但上游硬件公司却可以即期确认收入及盈利。市场往往又会线性外推 AI 产业链的盈利增长，一旦投资周期下行，整个产业链盈利下行也会相对剧烈。

当前的美国 AI 经济，需要特别观察的是极致的集中度，以及融资和订单之间的内生循环。上游硬件龙头的客户高度集中在几家大型 CSP，CSP 的新增算力服务依赖于个别头部模型厂商；而模型公司的商业模式平庸。

从 2000 年互联网等案例来看，资本市场与资本开支周期之间也可能具有反身性。股价上涨时，融资变得容易，资本开支上升，订单和收入改善，高估值因此获得新的基本面解释；一旦资产价格形成泡沫且难以维系，公司估值下降，融资难度上升，整个循环逆转，最后表现为估值调整领先利润下滑，这个时候，与其说是股市预测了基本面的走弱，不如说股市既参与了基本面的扩张，也助长了基本面的收缩。

我们认为，下一个阶段，资本市场更加良性和理性的选择，应该不只重点关注受益于资本开支的公司盈利，更重要的变量会是成本能降到多便宜、企业能从 AI 中获得多少回报、新增利润最终流向哪里。从这个意义上说，资本市场可能有助于引导产业的估值体系和利润分配的再平衡，而非助涨助跌，放大波动。

我们认为，“硅基通胀、碳基通缩”的 K 型分化最终容易导致资产泡沫破灭，“硅基通缩、碳基复苏”更可能是可持续之路。硅基通缩意味着持续压低算力和模型的单位价格，压缩一部分上游的稀缺溢价；同时更低的成本致力于改善使用 AI 者的回报率，让全社会真正多快好省地使用 AI，这样生产率的提升带动企业盈利和居民收入修复，AI 的终端需求基础会比单靠资本开支循环更扎实，资本市场则需要更多耐心资本，而非一味抱团追逐受益 AI 资本开支者，也需要耐心等待和寻找真正提升经济生产率的 AI 应用公司，而这更可能产生持续的良性循环。

（作者单位：东方财富证券研究所）

-End-

「喜欢就点个小爱心吧」