彭文生系中金公司首席經濟學家 中國首席經濟學家論壇副理事長

宏觀視點

自2022年年底ChatGPT發布以來，美股AI龍頭公司（所謂7姐妹）的股價大幅跑贏整體市場，2025年初DeepSeek出現以來，中國的AI龍頭公司（主要在港股）也大幅跑贏大市。就美國股市而言，盡管相關企業盈利有較快增長，但風險溢價在極低水平，反映了投資者的樂觀預期。股票高估值使得近期關于AI相關資產價格泡沫的討論多起來，本文不是如何定義泡沫和測算泡沫的技術分析，而是從資產價格、創新與宏觀經濟的關系出發提供一些思考。

關鍵詞| 人工智能 規模經濟 科技創新 資產價格

研究員| 彭文生

正文

一、因與果

消化股票高估值的一個可能是利率下降，由此一些投資者把樂觀的預期寄希望于美聯儲降息。傳統的思維是利率和風險資產價格是蹺蹺板的關系，無風險利率下降促使配置向風險資產傾斜，有利于股票估值。這樣的關系在當下是不是仍然成立，我們首先得解釋為什么過去幾年美元利率上升的環境下，股票價格大幅上漲。

利率與股市的關系有三個可能。第一是傳統的利率是因、股價是果的關系。第二個是反過來，股市是因、利率是果。AI領銜的股市上漲是美國經濟總需求的重要支撐，由此帶來的通脹壓力促使美聯儲維持利率在高水平。今年以來AI相關資本開支貢獻了美國GDP增長的三分之一[1]，同時，最富有的10%的人口擁有85%的美國股票[2]，而這部分人占總消費支出的一半[3]，是自有數據記錄以來的最高份額。按照這個邏輯，股市的財富效應促進消費，降低儲蓄，而AI相關的資本開支增加了投資，兩者共同作用，導致維持供求平衡的自然利率上升。

第三個可能是利率和股價都是果，都是由第三方力量驅動。美國AI主導的股市吸引了來自世界各地的資金。根據美國財政部TIC口徑統計的海外投資者持股情況，截至2025年9月，外國投資者持有美股21.2萬億美元，占總市值31.3%，按照歷史數據，約30%的市場份額是二戰結束后最高的份額。全世界的投資者都在押注美國科技巨頭的股票，助長美國股市，相關財富效應刺激總需求，進而支撐了利率水平。

第二和第三個情形相互聯系，可以解釋高利率和股票高估值并存的現象。展望未來，就利率和股市的關系，關鍵是區分利率下降的原因。如果投資者對AI的樂觀預期下降或者被證偽，股票價格和AI相關資本開支下降，導致總需求下行，自然利率下行，促使美聯儲降息，這種情況下，股價是因、利率是果，利率下降不能支撐股價。尤其需要關注的是數字經濟和人工智能時代的投資者羊群效應，智能手機、社交媒體、和生成式AI使得全球越來越多的個人投資者參與人工智能這一宏大敘事的投資。這是一把雙刃劍，繁榮的時候強化上漲的動力，一旦轉向也會加劇下跌。

消化高估值的另一個可能是相關上市公司盈利的增長。這方面的一個直觀的疑慮是目前為止價格上漲集中在少數股票上。從樂觀的角度看，AI是一項通用目的技術，就像過去蒸汽機和電力一樣，將逐步滲透到各行各業，這有一個過程，AI技術研發和上游機構首先獲利。按照這個邏輯，隨著時間的推移，盈利和股價上升的浪潮將延伸到大多數公司。但對于投資者當下而言，如何研判AI及其應用的投入產出比是關鍵。

二、成本與收益

本輪AI技術發展的特征是，在應用層面技術成熟度低和預期利潤大并存，需要資本市場尤其股權投資的支持。投資者最終要考慮AI的成本收益比。第一個約束因素是創新需要的研發投入，成本端的一些支出是看得見的，比如大模型有研發成本和應用成本。研發成本主要包括算力成本、人員成本、電費成本、和其他項（數據獲取、模型維護等），而應用成本中推理能耗是重要一項。

值得關注的AI相關投資模式的新特征。傳統的風投公司熟悉的資本輕型的軟件分發模式（比如社交網絡）轉變為資本密集的硬件生產（先進芯片和數據基礎設施）模式。引領這一轉型的是占主導地位的科技巨頭公司，他們不僅投入巨額資金，還成為包括OpenAI和Anthropic在內的大型AI初創企業的主要支持者，接管了風投公司的歷史角色。與風投相比，業界資本更容易被AI賦能，可以降低不確定性或者說提高預期收益。

雖然有很多期待和預期，但AI在產業的應用到底有多大潛力？有不少爭議。大模型收益端的分析面臨很大的不確定性。不同應用場景的情況相差大，大模型帶來的直接經濟收益（如降本增效）和間接經濟收益（如提升競爭優勢）很難估量和加總。一個缺點是大語言模型給出不準確的答案，限制其在很多商業應用的價值。另外，大模型的應用價值在于用企業內部場景數據訓練，但很多企業還沒準備好或者說還不知道怎么應用到自己的數據。

看遠一點，在宏觀層面也有一些研究，估算AI對經濟增長的影響，存在樂觀和悲觀兩種觀點。今年9月份中金研究院歐洲智庫行小組在巴黎拜訪了Philippe Aghion教授（2025年諾貝爾經濟學獎獲得者），就相關問題做了探討和交流。Aghion教授和我們分享了其對相關研究文獻的梳理，有兩種方法推算AI對經濟增長的影響。一是外推法（extrapolation），即將AI類比電力與IT革命，推測AI技術帶來的GDP增長，未來十年AI革命或能帶來0.8-1.3個百分點的年度額外增長[4]。二是基于任務的方法（task-based approach），Acemoglu（2024）以此估算為未來十年AI對TFP增速的影響僅為每年增加0.07個百分點[5]。Aghion教授認為由于沒有充分考慮AI的成本下降以及AI能力的提升，基于任務的方法的結果存在低估。綜合文獻來看，AI帶來的年生產率增長應該在0.08-1.24個百分點之間，其中間值與IT和電力革命外推估算的貢獻相當。

中金研究院2024年發布的《AI經濟學》采用了“元任務”的分析方法對AI的經濟影響進行估算，在AI的成本下降和AI能力的提升以外，還考慮到AI應用部署時所需的時間和資金成本。測算數據顯示，以2024年為基準，到2035年AI的引入將為我國帶來的GDP額外提升幅度約為9.8%，對應額外年化增長率約為0.8%[6]。這一估算結果與主流文獻的測算較為接近。

短期來看，對于相關公司而言，如何縮小當下的巨額支出與未來利潤不確定之間的差距是一個挑戰，這也是部分投資者擔心這個行業過熱的原因。雖然不確定性使得我們需要謹慎對待任何具體的估算數值，但基于經濟學學理的分析有助于我們思考相關問題，規模經濟是一個關鍵概念。

三、規模經濟與規模不經濟

DeepSeek的突破在于以算法架構的改善來彌補算力的限制（美國對出口中國先進芯片的限制），簡單來講就是用7納米芯片做4納米芯片的事。這對先進半導體巨頭企業是什么含義，當時有兩派觀點。悲觀一派認為算法改善（技術進步）對先進芯片（要素投入）有替代作用，英偉達股票價格有幾個交易日出現明顯下跌。樂觀派則引用歷史上的杰文斯悖論（Jevons Paradox），即當技術進步提升要素使用的效率時，收入效應大于替代效應，導致整體需求增加。從英偉達股票價格后面的走勢來看，杰文斯悖論似乎得到印證。

杰文斯悖論的原始例子是瓦特改良蒸汽機后英國煤炭消耗量反而大幅上漲。1865年杰文斯在著作《煤炭問題》中提出，瓦特改良的蒸汽機相較早期紐科門蒸汽機，大幅提升了煤炭利用效率，讓煤炭成為更具性價比的動力源。這使得蒸汽機被廣泛應用到更多行業，即便單個應用場景的煤炭消耗量減少，但整體的消耗量卻顯著增加，這和當時人們認為“效率提升會減少煤炭消耗”的直覺認知相悖。

自DeepSeek以來，中國的AI研發企業在通過算法和系統的改善來彌補算力不足方面取得了更多進展。Jevons悖論仍然有效嗎？把煤炭的邏輯套用到芯片，我們需要問一個問題，同樣是投入要素，芯片和煤炭的經濟屬性有什么不同。芯片作為制造品具有規模經濟的特征，即單位成本隨著生產規模的增加而下降，在充分競爭的市場環境下，價格隨著邊際成本而下降。煤炭作為自然稟賦，具有規模不經濟的特征，采礦業的供給彈性低（勘探需要時間、需要挖的更深、交通不便利等），由此需求增加導致價格上升，才能引導更多的資源投入采礦以增加供給。

同樣面對需求增加，規模不經濟意味煤炭生產企業的收入不僅得益于產量擴張，也得益于價格上升，而規模經濟意味芯片生產企業得益于產量的增加，但價格是下降的趨勢。當然，芯片行業尤其先進制程芯片不是充分競爭的市場，寡頭壟斷下規模經濟可能使得大型企業在一段時間獲得熊彼特利潤或者壟斷利潤，但長遠來看這改變不了規模經濟的趨勢性影響。

上述的邏輯可以從芯片延伸到大模型，我們可以把大模型看成投入，大模型應用創造價值（產出）。規模定律隱含要素投入比如算力、數據、電力等呈現規模報酬遞減的特征，由此對模型性能的追求只能通過增加要素投入來實現。對AI大模型及其應用的樂觀預期促進了相關的資本投入需求，而給定技術（比如算法）條件下的規模報酬遞減意味著，需求的增加在一定程度上只能靠價格的上漲而不是供給的提升來平衡，由此帶來上游公司的盈利和股票價格的上升。

規模報酬遞減和盈利增長之所以同時發生，反映了相關企業的定價能力。規模定律帶來的投入門檻要求意味巨型科技企業處在有利地位，問題是這樣的壟斷利潤能持續多久？一個可能是公共政策反壟斷法規監管，但AI相關的商業模式是新現象，如何界定壟斷以及如何反壟斷有很大爭議，而且在地緣競爭新形勢下，國家之間的競爭增加了內部反壟斷的復雜性。

另一個視角是大模型的開源與閉源。中國大模型開源模式對全球AI的競爭格局帶來重大影響，推動市場朝著更公平的方向發展。開源模式大幅提升了中國在全球AI領域的話語權，DeepSeek的動態稀疏架構被IEEE納入國際標準，歐美的不少初創企業采用中國開源模型。中國的開源模式還倒逼OpenAI重啟開源、Meta調整開源策略等。DeepSeek以寬松許可證推動技術自由傳播，而且推理成本遠低于GPT-4等閉源模型，打破了少數企業靠技術封鎖形成的壟斷優勢。開源的低成本優勢吸引了全球開發者，助力發展中國家搭建本土化AI應用，讓全球AI創新力量更均衡。

還有一個可能的約束因素，AI的能耗已經成為本輪AI進步的關注點之一。電力有兩個來源，化石能源與清潔能源。中美都是空間大國，都有發展綠色能源的空間優勢，但兩國的政策選擇不同，中國的綠色產業領先全球，而美國在鼓勵化石能源的使用。化石能源是自然稟賦，具有規模不經濟的特征，綠色能源是制造業，具有規模經濟。這個差別的影響現在似乎不明顯，但如果AI大模型的應用大規模推廣，化石能源規模不經濟的約束或將會成為現實問題。

四、創造性破壞

綜合以上討論，當前美國AI相關股票的高估值可能有兩個載體，一是投資者對未來長期的盈利增長（和AI的應用關聯）過度樂觀，導致股票價格相對當前的盈利偏差很大。二是當前的盈利本身（和當下AI相關資本開支相關）就不可持續。

泡沫的破裂可能體現為芯片產業規模經濟的作用，尤其疊加競爭格局的變化，比如中國先進半導體產業發展，或者算法架構/系統的改善提升芯片的產出效率，導致技術壁壘被打破，先進芯片價格下降。另一個可能是AI大模型的應用及其創造的經濟效益不及現在的樂觀預期。關鍵是大模型研發的規模報酬遞減能否通過技術進步（比如算法改善）來彌補，或者大模型應用能否在更廣經濟層面帶來規模報酬遞增，這些都有待時間驗證。

最后，值得一提的是，科技泡沫和房地產泡沫不同，前者的破裂在短期帶來較大的沖擊，但長遠看是創造性破壞。規模經濟和正外部性意味一段時間在局部領域的過度投資雖然不可持續，但可能有利于長遠的、宏觀層面的技術進步和創新發展。2008年的次貸危機則不同，房地產的規模不經濟和負外部性意味其大上大下有系統性的破壞作用。

注釋

[1]https://institute.bankofamerica.com/content/dam/economic-insights/ai-impact-on-economy.pdf

https://am.jpmorgan.com/us/en/asset-management/adv/insights/market-insights/market-updates/on-the-minds-of-investors/is-ai-already-driving-us-growth/

[2]https://fred.stlouisfed.org/release/tables?rid=453&eid=813804=813876

[3]https://www.bloomberg.com/news/articles/2025-09-16/top-10-of-earners-drive-a-growing-share-of-us-consumer-spending

[4]Aghion, Philippe, and Simon Bunel. "AI and Growth: where do we stand?." Policy Note (2024).

[5]Acemoglu, Daron, “The Simple Macroeconomics of AI”, MIT Department of Economics Working Paper (2024).

[6]詳見中金研究院2024年發布的《AI經濟學》第三章：元任務與AI經濟影響分析。