20260227-中国银河-CGS-NDI专题报告_非理性繁荣下的理性AI泡沫将如何演绎_18页_27mb

> **来源：[研报客](https://pc.yanbaoke.cn)** # 非理性繁荣下的理性AI泡沫将如何演绎？ 2026年02月27日 # 核心观点 从OpenAI推出ChatGPT以来，人工智能热潮已经席卷全球有数年之久。从科技巨头、资本市场投资者、甚至各国政府的中长期发展战略，All-in人工智能已经成为共识。宏大叙事对AI过高期望和盲目追逐形成了AI热潮的非理性繁荣并泡沫化，近期诸多著名投资人发出了对AI泡沫的警示。不同于荷兰郁金香泡沫这样的非理性泡沫，鉴于AI对未来人类社会生产和生活方式具有颠覆性变革意义，则当下的AI泡沫可以被定义为理性泡沫。但理性泡沫也是泡沫，这意味着AI发展过程中必然会出现阶段性去泡沫化。但区别在于非理性泡沫的一地鸡毛，理性泡沫的去泡沫化意味着浴火重生，类似当年互联网泡沫破灭后才迎来真正的发展黄金时期。 如果把当下的AI泡沫与2000年的互联网泡沫做简单对比，在宏观金融环境、估值与投资节奏层面的风险依然可控。1）对比互联网泡沫时期，美联储在经济过热背景下将联邦基金利率由 $4.75\%$ 快速上调至 $6.50\%$ ，流动性急剧收缩直接击穿科技股估值基础；当下全球主要经济体仍处于降息窗口，美联储自2024年9月以来累计降息125个基点，实际利率回落显著提高了市场对长期资本开支与远期回报不确定性的容忍度。2）估值结构同样未现失序迹象，当前AI核心企业市盈率主要分布在35至45倍区间，明显低于2000年纳斯达克中位数一度超过80倍且普遍亏损的极端状态，且本轮市值扩张伴随真实业绩兑现。3）从投资强度看，AI投资仍处通用技术扩散早期，科技类资本开支占GDP比重虽已上行，但距离互联网周期高点仍有空间，全要素生产率渗透和商业化转化尚在起步阶段。 - 但当下全球经济结构性和周期性问题叠加，系统性风险远超2000年互联网泡沫时期，如果把当下的各种风险指标与当年互联网泡沫时代做简单类比，难免会犯刻舟求剑的错误。从长期看，全球经济增长动能走弱并非周期性回落，而是人口老龄化、债务扩张与逆全球化相互强化形成的“3D约束”，共同压低潜在增速、抬升财政刚性支出，并推动效率让位于政治与安全考量，使传统增长模式难以为继。从中期看，各国在经济承压时反复依赖刺激政策修复资产价格，却难以同步改善就业、收入与生产率，资产端与收入端的错位加剧分配矛盾，民粹情绪、地缘冲突与贸易摩擦由此上升，并通过预期与投资渠道反噬经济运行，形成“刺激—分化—对立—再冲击”的向下螺旋。在这种脆弱平衡中，系统对外部扰动的缓冲空间明显收缩，任何局部流动性冲击都可能被放大为系统性风险。在这一背景下，AI演变为主要经济体在增长乏力条件下“别无选择”的战略押注，资本与政策被动高度集中，然而一旦技术落地节奏无法对冲宏观下行压力，或演化为一场多米诺骨牌式的风险出清。市场上流传的一种说法“AI泡沫将是终结一切其他泡沫的终极泡沫”，也许会一语成谶。 AI泡沫的演绎一：出现流动性紧缩意外。若美联储采取“降息与缩表并行”的组合，实质上释放出长期资金面受限的信号，或触发高估值资产的避险式抛售。其次，若关税升级或地缘冲突推升大宗商品价格并引发“二次通胀”，实际降息节奏一旦慢于市场预期，将导致无风险利率下行受阻，使高度依赖折现率支撑的AI资产面临集中去杠杆压力。最后，在ONRRP余额逐步耗尽后， # 分析师 章俊 首席经济学家 ：010-8092-8096 : zhangjun_yj@chinastock.com.cn 分析师登记编码：S0130523070003 吴砚靖 计算机首席分析师 $\boxtimes$ : wuyanjing@chinastock.com.cn 分析师登记编码：S0130519070001 赵红蕾 宏观分析师 ：18810683350 $\boxed{\text{四}}$ : zhaohonglei_yj@chinastock.com.cn 分析师登记编码：S0130524060005 彭雅哲 新发院数字经济研究员 ：010-8092-7607 :pengyazhe_yj@chinastock.com.cn 分析师登记编码：S0130525020001 研究助理：吴佳文 图表标题 资料来源：Fred，中国银河证券研究院 # 风险提示 1.AI商业模式盈利不及预期风险 2. 就业冲击向需求传导风险 3.宏观与金融脆弱性放大波动风险 高财政赤字背景下的美债供需失衡可能引发阶段性的“失血效应”，美债收益率的超预期上行将对权益市场形成抽血式冲击，估值处于高位的AI资产极易在流动性收紧的负反馈循环中被动出清。 AI泡沫的演绎二：商业模式难以形成闭环。AI产业内部商业模式能否自治，是决定泡沫能否延续的核心内因。当前AI产业呈现出极端的“投入前置”特征，由供给侧单向推动的军备竞赛式扩张，正持续放大投入与回报之间的结构性张力。一方面，重资产扩张显著抬升头部企业的经营现金流压力与折旧负担，另一方面，研发与运营成本呈现明显的“规模负效应”。同时，需求侧应用落地节奏持续低于预期，多数企业级应用仍集中于非核心、边缘化场景。一旦市场逐步意识到大规模算力堆砌并未如期催生足以消化沉没成本的现象级商业应用，模型层估值泡沫将率先经历剧烈重塑，并可能引发从上游算力基础设施到下游应用层的系统性行业洗牌。 AI泡沫的演绎三：AI替代引发就业与消费问题，“智能化危机”后走向新均衡。即便AI的商业模式能够形成闭环，其也可能通过影响就业与消费冲击经济需求侧。1957-1958年“自动化衰退”中，制造业产出与设备投资仍在扩张，但制造业就业增速已下滑、消费者信心提前走弱，经济需求侧率先出现疲软。而与自动化危机不同，本轮AI替代呈现显著的反身性闭环特征，叠加AI替代的就业结构更易向中产与核心消费人群扩散，本轮AI冲击或更为严峻，使得阶段性经济下行压力难以避免。然而，现代经济体系的制度韧性——组织内部合规成本、财政干预、社会安全网、以及技术自身的再平衡效应将阻止危机向1929年或2008年式的经济长时期的全面崩塌演化。冲击最终或以结构重构收尾，而AI对经济的最终影响，或是技术进步速度与制度调整速度的赛跑。 如果泡沫破裂中国更可控：发展AI中国存在举国体制与内需市场优势。如果全球AI产业出现估值回调甚至阶段性泡沫破裂，中美所面临的冲击形态并不对称。差异的根源并非单纯源于技术能力差异，而是根植于资源约束条件与制度结构的不同。一方面，训练芯片受限与高端GPU偏紧，使产业更早走向效率优先与成本约束，减少无序堆算力、先扩张后找需求的空间；另一方面，外部限制倒逼国产替代与应用牵引，“AI+”在政务、制造、金融、医疗等多场景分散落地，需求结构更分散、对单一技术预期的依赖更低。再加上举国体制下的统筹与节奏管理能力，中国AI的发展相对更渐进，其潜在风险更多体现为局部过热后的整合与出清，而非系统性泡沫破裂。即便全球AI估值中枢下移，中国所承受的更可能是增速放缓与结构再平衡，而非产业逻辑的根本逆转。 AI已从产业竞争升级为国力竞争，全球AI热潮更像一场在全球经济环境脆弱性上升的背景下，被国家意志与安全焦虑共同推高的“理性泡沫”。AI已从产业竞争升级为国力竞争。作为通用目的技术，它能重塑生产率与创新体系，推动全球价值链利润向芯片、算法框架与数据基础设施等高端环节集中，本质是数字时代资源配置权与标准制定权之争。与此同时，AI具备军民两用与安全外溢属性，影响军事威慑、情报能力与数字主权，促使各国以立法、监管与战略投资争夺规则主导权。因“错过的代价”远高于“投多的风险”，大国陷入类似囚徒困境，哪怕出现过热与泡沫隐忧，也难以主动降速。AI投入带有强烈的安全与战略属性，很多投入与风险承担属于“必须付出的理性成本”。 # 目录 # Catalog # 一、AI泡沫是否可控？ 4 （一）市场开始关注AI泡沫问题 （二）当前时点对AI泡沫的担忧仍为时过早 （三）全球经济韧性下降是不可否认的潜在隐患 # 泡沫的演绎一：出现流动性紧缩意外 8 # 泡沫的演绎二：商业模式难以形成闭环 9 # 四、泡沫的演绎三：智能化危机后走向新均衡 10 （一）历史镜像：“自动化衰退”的启示 10 （二）AI冲击的特殊性：从“AI替代反身性”到“幽灵增长” 12 (三) 结论: 在恐惧与狂热之间保持理性 # 五、如果泡沫破裂，中国的调整结构或更可控 13 # 六、风险提示 16 # 一、AI泡沫是否可控？ # （一）市场开始关注AI泡沫问题 2022年以来，以ChatGPT与Gemini为代表的大模型接连实现关键技术突破，标志着AI产业由早期的能力验证阶段进入规模化落地期。核心技术进展所驱动的增长预期，推动美股科技资产形成明显共振。自2020年以来，截至2月25日，纳斯达克指数累计上涨 $158.0\%$ ，Mega7累计上涨 $669.3\%$ 。资本市场繁荣的背后，是对AI长期增长空间定价的不断集中。从市值结构看，纳斯达克指数当前总市值约45万亿美元，占美股整体市值的 $47.50\%$ 。从估值水平看，纳斯达克指数当前市盈率为39.57倍，处于过去10年约 $52.02\%$ 的分位数。 在此过程中，AI投资的性质也在发生转变，正从早期的概念驱动，转向以算力硬件、超大规模数据中心及配套能源为核心的重资产扩张。具体来看，截至2026财年，亚马逊计划全年投入约2000亿美元，用于AWS智算中心扩建及Trainium3/4自研芯片部署；微软深度参与的“星门计划”累计预算已上调至5000亿美元；谷歌母公司Alphabet宣布2026年资本开支提升至1750—1850亿美元，重点布局TPUv7算力集群并支撑Gemini模型推理需求；Meta亦计划投入1150—1350亿美元，用于建设1GW级液冷数据中心，并为Llama4模型训练集中采购GPU。这种不计成本的重资产扩张更接近基础设施周期，而非传统互联网的轻资产模式，市场关注重心正从技术可行性转向经济可行性，“单位投入能否换回对等回报”逐渐成为关键议题，对AI泡沫的讨论明显升温。Google搜索趋势显示，“AIBubble”相关词条的搜索热度自2025年4月起快速攀升，并于11月触及100的上限值，反映市场对泡沫风险的关注度显著提高。 图1：美股、A股和港股科技指数累计涨跌（%） 资料来源：Wind，中国银河证券研究院 图2：市场对人工智能泡沫的担忧指数级增长 资料来源：Wind，中国银河证券研究院 与此同时，宏观环境的不确定性进一步放大了全球市场的不安情绪。2026年1月，特朗普政府针对格陵兰岛的战略主张以及对伊朗政策的再度趋紧，叠加其威胁对欧盟加征大规模关税，直接导致地缘风险指数的显著抬升。在这种背景下，全球投资者的风险偏好出现明显回落，资金开始从长期叙事支撑的科技成长板块向避险资产或现金头寸撤离。与此同时，特朗普提名凯文·沃什担任下一任美联储主席，市场对沃什更具鹰派色彩的降息缩表倾向的解读，导致此前支撑AI高估值的宽松窗口预期系统性收敛。这一阶段，由于前期黄金等贵金属积累了过高的多头头寸，在地缘风险与强势美元的双重压力下，贵金属市场的踩踏式平仓引发了剧烈的保证金追缴压力。大量进行跨品种配置的对冲基金为弥补流动性缺口，不得不减持流动性最好的大市值AI核心标的。 在科技板块出现阶段性疲软、以Mag7为代表的核心资产进入调整阶段的背景下，我们有必要探讨并回答“AI是否已经接近泡沫破裂的临界点？”这一问题。 图3：2026年初美股与贵金属涨幅均出现明显回调（%） 资料来源：Wind，中国银河证券研究院 # （二）当前时点对AI泡沫的担忧仍为时过早 顺着这一疑问展开，判断AI是否已接近泡沫破裂的临界点，显然不能脱离其所处的宏观金融环境与技术扩散阶段单独讨论。历史经验反复表明，资产泡沫真正走向系统性破裂，往往并非发生在估值刚刚抬升或技术叙事初步成形之时，而是出现在流动性条件发生方向性切换、融资成本在较长时间内持续上行、且中长期增长预期被数据与现金流表现持续证伪之后。以这一标准衡量，将当前阶段的AI行情直接类比为2000年互联网泡沫破裂前夕，在逻辑上并不充分。 首先，从货币与金融条件看，当前所处的宏观环境与互联网泡沫破裂前存在显著差异。2000年前后，美国经济已运行至扩张周期后段，美联储为抑制经济过热与资产价格膨胀，持续收紧货币政策，联邦基金利率在较短时间内由 $4.75\%$ 快速上调至 $6.50\%$ 的阶段性高位。流动性条件的急剧收缩，叠加融资渠道同步收紧，直接击穿了当时普遍缺乏稳定现金流支撑的科技企业估值基础。相比之下，截至2026年初，全球主要经济体整体处于明确的降息窗口期。美联储自2024年9月启动降息周期以来，已累计下调政策利率125个基点，利率中枢出现趋势性回落。在金融条件由“紧”向“松”切换的背景下，实际利率下行不仅缓解了企业的利息负担与再融资压力，也在贴现层面显著提高了市场对长期资本开支和远期回报不确定性的容忍度。 其次，从市场定价逻辑看，当前AI相关资产尚未进入典型的非理性泡沫区间。无论从整体市场层面，还是从科技龙头企业来看，其估值水平与市值扩张幅度，均明显低于2000年互联网泡沫顶峰时期的极端状态。2000年高点阶段，纳斯达克核心成分股的市盈率中位数一度超过80倍，且大量公司仍处于持续亏损状态，估值高度脱离基本面。相比之下，当前AI产业链核心企业的市盈率普遍分布在35至45倍区间。与此同时，本轮市值扩张并非单纯由风险偏好外推驱动，而是与盈利能力改善和业绩兑现相伴而行。截至2026财年第一季度，Alphabet在2月初披露的财报中实现345亿美元净利润，Google Cloud在AI基础设施需求拉动下同比增长 $48\%$ 至177亿美元；微软在1月底公布的财报显示，季度营收达到813亿美元；苹果则依托iPhone 17与AI服务业务，实现1438亿美元营收与421亿美元净利润，毛利率升至 $48.2\%$ 的历史高位。 图4：本轮AI周期与美联储降息周期同步 资料来源：Wind，中国银河证券研究院 图5：AI周期标普500的估值涨幅并未突破互联网峰值 资料来源：Wind，中国银河证券研究院 另外，尽管AI相关投入已显著提速，但从技术扩散规律看，其性质更接近通用技术扩散早期的基础性铺垫阶段。截至2025年第四季度，以计算机及周边设备、软件与数据为代表的科技类资本开支占美国GDP的比重已升至 $6.28\%$ ，较2022年第一季度的 $4.87\%$ 提高 $28.80\%$ 。横向对比互联网周期，2000年第四季度该占比的历史高点仅为 $3.27\%$ ，较1995年提升 $51.79\%$ ，无论从绝对水平还是扩张阶段看，当前仍存在进一步抬升空间。与此同时，AI技术对各行业全要素生产率的渗透率依然处于偏低水平，大模型能力由训练侧向推理侧、由技术验证向规模化商业应用的转化，才刚刚启动。结合目前AI技术在降低边际成本、优化流程效率和提升运营弹性等方面已开始显现的实际反馈，相关资本开支在一定区间内继续扩张，仍具备现实的经济基础，尚难认定已进入过度透支的周期末端。 综合来看，当前AI泡沫仍处于相对“可控”的区间。一方面，只有在流动性环境由宽转紧、估值水平与投资强度同步显著透支、且技术扩散未能有效转化为可持续增长贡献的情况下，泡沫破裂的概率才会系统性抬升。另一方面，当前阶段仍处于算力与基础设施红利逐步释放、应用场景加速探索的交汇期，核心企业资产负债表整体稳健，远未出现2000年互联网周期中普遍存在的债务链条失序风险。由此看，尽管阶段性价格波动难以避免，但支撑本轮AI周期的关键条件，即相对温和的利率环境、强劲的盈利增长动能以及尚未触顶的基础设施投入，在现阶段尚未发生方向性逆转，因此对泡沫破裂的担忧仍明显前置。 图6：AI 周期的投资强度（AI 投资/GDP）仍有提升空间 资料来源：Wind，中国银河证券研究院 图7：美国AI投资规模与对GDP增速贡献率（十亿美元） 资料来源：Wind，中国银河证券研究院 # （三）全球经济韧性下降是不可否认的潜在隐患 在前述估值与金融条件分析的基础上，尽管当前AI泡沫仍处于相对可控区间，但若将视角进一步拉长，有必要警惕全球宏观环境对经济韧性的持续侵蚀。 从长期维度看，全球经济增长动能的走弱并非疫情后的偶发冲击，而是至少十余年结构性积累的结果。人口老龄化（Demographic）、债务扩张（Debt）与逆全球化（Decoupling）三条主线，几乎同步贯穿主要经济体的长期演进轨迹，构成全球经济的“3D”约束。人口结构老化持续压低潜在增速，并推高社保、医疗等公共支出的刚性需求；在增长趋缓、政治约束上升的背景下，债务被反复用作维系既有增长与分配格局的缓冲工具，但这一机制本身具有明显的时间成本；当债务水平不断累积、社会风险偏好下降，逆全球化与安全优先的政策取向便更容易获得政治支持，效率逻辑让位于政治与安全考量。三者并非并列存在，而是在相互强化中形成闭环，使全球经济逐步偏离以效率提升和要素扩张为核心的传统增长模式。 图8：一般政府总债务占GDP比重 $(\%)$ 资料来源：Wind，中国银河证券研究院 图9：10%人群的财富份额（%） 资料来源：Wind，中国银河证券研究院 如果说长期变量决定了增长的“底色”，那么中期的问题更多体现在运行机制上。一个反复出现的现象是：每当经济承压，各国都会推出力度不小的刺激政策，但结果却越来越难令人满意。原因并不复杂。政策往往首先作用于金融条件和资产价格，市场信心和估值可以修复，但就业、工资和生产率的改善却更加缓慢。资产端与收入端的错位，使分配问题变得突出，社会对增长的获得感下降，政治情绪随之发生变化。民粹主义抬头、政策周期缩短、外部矛盾被更频繁地引入国内叙事，地缘冲突与贸易摩擦因此更容易升级，最终又通过投资和预期渠道反噬经济本身。这种由“刺激—分化—对立—再冲击”构成的循环，使得经济运行逐步呈现出一种“向下螺旋”的特征，也让人们意识到，经济问题已经很难仅靠经济工具来解决。 在这种“高杠杆下的脆弱平衡”中，经济体系抵御外部冲击的缓冲空间明显收缩。任何局部的流动性扰动，都可能被既有的高债务杠杆迅速放大为系统性风险，进而对AI这类依赖持续高投入的产业形成估值反噬，削弱其长期增长的稳定性。因此，AI已不再只是企业层面的商业选择，而是在“不进则退、慢进即输”的竞争格局中，演变为主要经济体维持竞争地位的核心战略选项。当战略竞争压力推动各国与科技巨头不计成本、跨周期地持续投入时，商业层面的ROI迟滞风险被战略焦虑所掩盖。一旦技术落地速度无法在短期内弥合宏观衰退的缺口，这种由战略焦虑支撑的资产定价，将成为宏观系统中最大的不确定性变量，最终可能演化为一场多米诺骨牌式的风险出清。 图10：全球环境的不确定性中枢抬升（平均值=100） 资料来源：Wind，中国银河证券研究院 图11：高能源价格下，通胀存在抬头风险（%） 资料来源：Wind，中国银河证券研究院 整体来看，无论从宏观背景，还是从市场定价与资本开支判断，本轮AI周期仍具备一定内生支撑。但在全球经济长期增长受限、宏观运行机制趋于脆弱、资本配置高度集中于单一方向的背景下，AI资产对外部冲击的敏感度正在被持续放大。在这种脆弱的平衡下，AI泡沫破裂的风险并非单一，我们认为未来可能主要有三种演绎情形。 # 二、泡沫的演绎一：出现流动性紧缩意外 在三种演绎情形中，流动性环境的系统性收缩，或许是逻辑最为直接、且更偏向短期的泡沫破裂演绎路径。其核心逻辑在于，当前AI资产的定价高度依赖远期贴现与充裕的资金面，一旦支撑高估值的流动性基础出现松动，市场定价将面临极快的下行修正。 首先，政策取向的边际变化构成第一层预期冲击。近期，市场正处于对美联储未来货币政策框架的深度重构期，潜在的下一任美联储主席人选凯文·沃什可能采取的“降息与缩表并行”政策组合，引发机构投资者的广泛不安。一方面通过降息缓解金融机构的利息支出压力，另一方面通过缩表(QT)回收长期流动性以控制通胀预期，这种罕见的政策组合，实质上释放出流动性边际趋紧、尤其是长期资金面受限的信号，已对全球风险偏好形成明显扰动。尽管近期贝森特的表态在一定程度上通过释放“短期内不推进缩表”的预期提供了缓冲，但在市场流动性敏感度极高的阶段，政策沟通中的任何细微偏移或模糊地带，都可能在瞬息之间触发高估值资产的避险式抛售。 其次，外部扰动可能通过通胀渠道深度压缩货币政策的宽松空间。若未来关税政策大幅升级推升进口成本，或地缘冲突进一步抬升大宗商品、尤其是原油价格，通胀黏性可能超预期回升，形成所谓的“二次通胀”风险。这不仅将限制货币政策的操作弹性，更可能使美联储陷入抗通胀与稳增长的两难境地。在此情形下，一旦实际降息的幅度与频率低于市场此前在定价中预置的“理想路径”，无风险利率下行受阻将直接放大估值分母端压力。对于主要依赖远期折现支撑、尚未形成稳定盈利闭环的AI高估值资产而言，这种环境错配将演变为系统性的去杠杆压力。 最后，美债供需失衡可能引发阶段性的“失血效应”与流动性陷阱。从更深层的资金流向看，美国高财政赤字的持续扩张意味着美债供给将长期维持高位，而合格承接主体的不足正逐步显性化。过去一段时期，市场流动性的重要缓冲池，隔夜逆回购（ONRRP）余额已从峰值接近消耗殆尽，金融体系内的过剩流动性事实上已经消失。在缺乏超额流动性支撑的背景下，若银行及其他金融机构的配置能力难以匹配不断扩张的美债供给，美债收益率将面临非对称、超预期的上行压力。这种“抽 血效应”将迫使存量资金在全球资产配置中重新权衡风险与收益。在流动性总量受限、甚至局部干涸的环境中，估值处于历史高位的AI相关资产，极易成为机构为腾挪流动性而优先减持的对象，并在流动性收紧与资产抛售的负反馈循环中完成被动出清。 图12：美联储面临的需求深层问题是财政赤字需要承接 资料来源：Wind，中国银河证券研究院 图13：隔夜逆回购流动性消耗殆尽（万亿美元） 资料来源：Wind，中国银河证券研究院 # 三、泡沫的演绎二：商业模式难以形成闭环 相较于流动性等外部宏观变量，AI产业内部商业模式能否形成自我驱动的逻辑闭环，才是决定本轮资产泡沫属性及其是否破裂的核心内因。当前，AI产业呈现出一种极为罕见的“投入极端前置”特征，由供给侧单向推动的繁荣，在需求侧迟迟未能给出对等回馈的背景下，正持续放大投入与回报之间的结构性张力。 首先，资本开支呈现出基础性、甚至“军备竞赛”式的重资产扩张。为避免在新一代智能竞争中被边缘化，美国科技巨头对算力基础设施、核心模型研发及能源配套的投入，已由早期的试验性支出，演变为倍数级跃升。Mega7的资本开支由2021年Q1的278.3亿美元大幅攀升至2025年Q3的105.8亿美元，对应资本开支占总营收比重由 $11.5\%$ 攀升至 $24.8\%$ 。高强度、长周期的资本开支，一方面显著抬升行业准入门槛，强化事实上的寡头竞争格局，另一方面也使头部企业在账面上承受愈发沉重的折旧与资本回报压力，经营现金流的边际约束开始显性化。 图14：Mag7的资本开支大幅增加（百万美元） 资料来源：Bloomberg，中国银河证券研究院 图15：GPT5扣除运营成本后实际亏损（美元） 资料来源：Epoch.AI，中国银河证券研究院 其次，研发与运营成本的持续高企，使盈利闭环在可见的商业周期内难以清晰呈现。不同于传统软件边际成本近乎为零的商业模式，AI大模型的训练与推理成本呈现出明显的“规模负效应”。以OpenAI为例，尽管全球用户规模持续扩张，但用户结构高度失衡，免费用户仍占据绝对主导。这意味着用户规模的增长，往往伴随着算力运营成本的同比例甚至超比例上升，导致其2025年净亏损约17.7亿美元，预计2026-2029年亏损规模持续扩大。即便是具备代际领先优势的GPT-5等模型，在扣除持续攀升的算力租赁、数据获取与顶尖人才成本后，单体盈利能力仍徘徊在盈亏平衡点以下。这种“规模越大、亏损越高”的阶段性逆逻辑，正是资本市场对AI高估值溢价与低盈利质量并存现象产生深层疑虑的关键所在。 最后，需求侧应用落地节奏不及预期，正逐步成为制约商业化变现空间的核心瓶颈。尽管模型能力持续突破，但在真实商业环境中，AI应用场景高度分散且碎片化。企业级客户在将AI深度嵌入核心业务流程时，普遍面临数据隐私、合规审查以及组织架构重塑等多重约束，导致需求端的实际“获得感”与供给端的高成本投入之间出现显著错位。目前，多数企业级应用仍停留在辅助办公、智能客服等边缘场景，难以形成足以覆盖高额技术成本的定价能力。一旦市场预期发生反转，逐步意识到大规模算力堆砌并未如期催生出能够消化沉没成本的现象级商业应用，模型层估值泡沫将率先面临剧烈重塑，并可能引发从上游算力到下游应用层的系统性洗牌。 图16：OpenAI预估损益表（十亿美元） 资料来源：Financial Times，中国银河证券研究院 图17：62%的公司使用AI只停在试点节点（%） 资料来源：麦肯锡，中国银河证券研究院 # 四、泡沫的演绎三：智能化危机后走向新均衡 # （一）历史镜像：“自动化衰退”的启示 1957-1958年的美国经济衰退为理解技术冲击提供了经典范本。彼时，在衰退前期，美国工业自动化设备投资仍处高位，但制造业就业增速已先行下滑。这种“投资向上、就业向下”的背离持续了约四个季度，随后通过消费者信心渠道传导至经济需求侧，消费者信心明显回落放大经济下行压力。也就是说，在自动化提升供给能力的同时，居民对就业前景的判断率先恶化，需求侧先于供给侧出现疲软。当生产能力的扩张快于需求修复时，悲观预期会通过消费收缩被放大，最终导致技术进步反而演变为阶段性的经济衰退。 图18：自动化衰退前期制造业就业先于设备投资出现下滑 资料来源：Fred，中国银河证券研究院（注：蓝色为衰退期） 图19：就业下滑传导至消费信心 资料来源：Fred，中国银河证券研究院（注：蓝色为衰退期） 然而，将1950年代的经验简单外推至本轮AI革命存在一定局限性，核心差异体现在替代对象的层级跃迁与收入弹性的结构性差异，AI革命甚至可能超越1950年代“自动化衰退”的需求侧冲击。1950年代的自动化主要替代低技能、重复性体力劳动，受影响群体集中于制造业流水线工人。这一群体具有三个特征：第一，收入占比相对较低，其消费收缩对总需求的边际影响有限；第二，储蓄缓冲薄弱，失业后消费调整呈现“快而浅”特征，即迅速缩减但基数较小；第三，存在明确的产业转移空间，劳动力需求从衰退的制造业转向扩张的服务业，形就业缓冲。相比之下，本轮AI革命主要影响中高等技能人群，对消费影响更大。高盛、摩根大通等金融机构已公开部署AI智能体处理交易会计、合规审查、客户服务等流程；法律、咨询、软件工程等传统意义上的白领岗位正面临前所未有的替代压力，这一群体恰恰是消费的主力，往往收入更高、负债更重、对未来现金流稳定性更敏感的群体，其就业预期的恶化将迅速转化为预防性储蓄的上升和消费的收缩。 此外，1950年代的自动化遵循“机械替代”的线性逻辑，企业有充足时间进行劳动力调整；而AI能力呈现指数级改进特征，劳动力市场缺乏传统的缓冲期。2025年末ClaudeCode、Codex等工具的发布使"自然语言编程"成为现实，非专业开发者通过口语化描述即可生成可用代码，这直接冲击了软件工程师的“技能溢价”。以往自动化遵循5-7年的设备更新周期，劳动力市场拥有充足的再培训缓冲；而本轮AI部署被压缩至季度甚至月度水平，企业可在单个财年内完成从评估到裁员的全流程，这种速度差意味着劳动力市场缺乏传统的缓冲期，“创造性破坏”中的“创造”环节可能滞后于“破坏”环节，导致摩擦性失业向结构性失业转化。 图20：超半数受访者认为AI将取代大量现有岗位 资料来源：世界经济论坛，中国银河证券研究院 图21：AI对就业的影响体现在效率提升和岗位压缩 资料来源：Fred，中国银河证券研究院 # （二）AI冲击的特殊性：从“AI替代反身性”到“幽灵增长” 当然，技术进步可以创造新需求，新行业与新岗位也会出现。而其是否会对经济带来大规模的就业与需求冲击取决于两点：一是替代就业的速度与创造新就业的速度。若替代快于新岗位的出现，短周期里不可避免地会出现明显的就业摩擦。企业通常先减少增量招聘、压缩校招与外包，人的生产效率大幅提高，因此早期往往是招聘需求率先走弱，虽然就业数据尚稳，但居民与企业的预期已经开始变化。二是供给能力的提升能否转化为有效需求，即生产率提升带来的经济收益。AI带来的生产效率的提高会大幅改善经济供给侧的质量与效率，但经济的最终目的是消费，经济的高质量增长需要与需求同步扩张，也就是需要更高收入与信用扩张把生产率效益转化为购买力。如果收益更多沉淀为头部企业利润或资本回报，劳动收入增长跟不上；如果就业预期走弱使金融风险偏好下降，即便利率下行也难以激发企业投资意愿，需求就难以同步扩张。如果新岗位的创造跟不上、经济有效需求持续不足，技术革命就容易带来需求冲击的自我实现。 本轮AI冲击在极端情形下可能演绎为更复杂的“供给扩张与需求收缩并存”，这源于AI技术特有的反身性替代机制。与传统自动化不同，本轮AI替代呈现显著的反身性闭环特征：AI能力提升降低企业用工成本 $\rightarrow$ 节省的现金流转化为算力投入与模型迭代 $\rightarrow$ AI能力进一步跃升 $\rightarrow$ 更深度的劳动力替代。这一过程并非简单的技术外生冲击，而是企业理性决策下的自我强化循环。 这一机制会导致宏观上生产与消费的背离：供给端出现生产率的提高与生产成本下降，需求端居民则出现劳动报酬的收缩与就业预期恶化。这一现象可以定义为“幽灵增长”（Ghost GDP）——即统计意义上的产出增加未能转化为实体经济的有效需求。一方面，如前所述居民就业与收入的收缩会抑制消费，2022中年以来，美国科技行业就业人数占比持续回落，招聘需求明显降温，而同期整体就业规模仍保持相对平稳，结构性的岗位收缩并未立刻反映为宏观失业率的大幅上行，但行业内部的人力需求已明显走弱，居民与企业对未来就业环境的判断或提前发生变化，一旦这种悲观预期在更广泛行业中扩散，其对消费意愿的压制，可能明显大于当前失业数据所反映的程度。另一方面，AI的产出具有零边际消费倾向。与传统生产要素不同，算力集群并不参与住房购置、教育投资或医疗服务消费，其创造的经济价值无法通过要素报酬渠道回流至消费端。当技术替代集中于高薪酬的知识密集型岗位时，经济账户上记录的是成本节约与效率提升，但实体经济中消失的是相应的购买力与消费乘数。 图22：生产率提高与薪资增速的剪刀差 资料来源：Wind，中国银河证券研究院 图23：2022年中以来美国科技行业就业人数占比下行 资料来源：Fred，中国银河证券研究院 此外，金融体系也会放大经济需求侧的脆弱性。如CitriniResearch模拟的2028年情景，需求坍塌的引爆点可能出现在住房按揭等资产负债表敏感领域：当借款人因收入预期恶化而出现拖欠，银行会收紧信贷标准，触发信贷收缩、资产价格下跌与财富效应逆转的链条。此时，技术性失业可能进一步演化为资产负债表型衰退。 # （三）结论：在恐惧与狂热之间保持理性 AI革命确实可能复制甚至超越1950年代“自动化衰退”的需求侧冲击，特别是其对中产阶级的就业与消费的直接威胁，使得阶段性经济下行压力难以避免。然而，现代经济体系的制度韧性——组织内部合规成本、财政干预、社会安全网、以及技术自身的再平衡效应——将阻止危机向1929年或2008年式的经济长时期的全面崩塌演化。AI对经济的最终影响，取决于技术进步速度与制度调整速度的赛跑。 近期《求是》杂志发表文章《如何认识人工智能对就业的影响》中指出，目前，人工智能已经在客观上加剧了结构性矛盾，技术进步、人口结构变化、产业升级等因素叠加，使“有人无岗”和“有岗无人”的现象更加突出，劳动力市场的供需匹配难度增加。对此，需把握变革节奏，提升适应能力。要求实时追踪人工智能对不同行业、群体的就业影响，对重大应用场景的扩散进行就业影响的事前评估，避免替代效应短期内集中释放；且要通过税收优惠、财政补贴等方式，鼓励企业采用人机协作模式，优先选择“赋能型”而非“替代型”技术应用。设立中小企业转型基金，帮助中小微企业适应技术变革，更好稳定就业。唯有在效率与公平间取得动态平衡，AI革命才能避免带来经济与民生的巨大代价，真正成为人类繁荣的新引擎。 历史不会简单重复，但会押韵。1950年代的自动化衰退最终催生了战后消费社会的繁荣；本轮AI冲击若应对得当，或将开启一个人机共生、物质充裕的新纪元。关键在于，我们是否能在技术狂飙中保持对人性价值的坚守，在效率至上中构建包容性的制度缓冲。这不仅是经济问题，更是文明层面的选择。 # 五、如果泡沫破裂，中国的调整结构或更可控 如果全球AI产业出现估值回调甚至阶段性泡沫破裂，中国所面临的冲击形态也与美国并不对称。差异的根源并非单纯源于技术能力差异，而是根植于资源约束条件与制度结构的不同。中国的AI扩张从一开始就带着硬约束、强场景和可调节的节奏，因此更可能表现为分赛道出清、效率优化与结构整合，而不是单一技术预期崩塌引发的系统性冲击。 首先，中国算力硬约束塑造了更重效率的产业发展路径。尖端训练芯片进口受限与高端GPU阶段性稀缺，使得我国在超大规模算力集群建设上的经济性与可持续性难以与美国对标。在这一背景下，简单复制美国的算力堆叠模式既不现实，也缺乏长期效率基础。与其参与算力军备竞赛，中国更倾向于在有限算力条件下优化模型结构、压缩训练成本并提升工程效率，形成高性价比与开源导向的发展路径。DeepSeek等模型并非依赖极端算力规模扩张，而是通过工程体系优化与精准建模持续降低单位成本并提升性能。较低的token使用价格进一步增强了模型的商业可及性，使DeepSeek、通义千问等产品在全球使用量中处于领先位置。资源约束并未阻断技术发展，反而在客观上抑制了无序扩张，强化了效率导向。 图24：2024年11月-2025年11月按模型统计的总token使用量 资料来源：OpenRouter，中国银河证券研究院 图25：中国AI模型的token价格较低 资料来源：Artificial Analysis，中国银河证券研究院 其次，外部技术限制同时强化了国内的内生替代动力。在高端GPU、EDA软件及部分基础框架受限的背景下，供应链不确定性上升，使国产替代与自主可控不再是选择题。企业在训练、部署和长期规划中必须同步推进国产算力与基础软件投入，这类投入的节奏更偏中长期、也更偏基础设施化。更重要的是，从宏观产业驱动力看，美国更接近“技术推需求”，其估值体系较多建立在对技术突破的线性外推之上；而中国更接近“需求拉技术”，“AI+”已在政务、制造业、金融与医疗等领域形成规模化应用场景，模型发展天然面向效率提升与成本优化，而非围绕远期通用智能叙事展开。工程效率与场景驱动并行的发展范式，使投资更多围绕真实业务需求展开，从源头上减少因单一技术预期膨胀所带来的结构性失衡。 再次，制度协调能力提供了可以适当“纠偏”的政策空间，使得风险更可能通过节奏管理逐渐消化。依托新型举国体制，中国能够在战略需求、资源配置、产业政策与资本供给层面形成协同机制，在数据、算力与算法三大关键维度提供系统性支撑。国家战略规划稳定预期，耐心资本为高风险、长周期创新托底，市场竞争机制筛选优势主体，制度供给与安全保障降低外部冲击风险。“东数西算”等工程通过统筹区域资源，实现东部应用需求与西部能源优势的匹配，构建全国一体化算力基础设施网络。这对产业而言，这意味着当出现局部重复建设、利用率下降或投入回报走弱时，更容易通过结构调整与项目整合来降速、纠偏，而不是被动等待市场用剧烈价格波动完成出清。 图26：我国新型举国体制嵌入AI发展的作用机制 资料来源：《中国科学院院刊》，中国银河证券研究院 图27：“东数西算”工程是新型举国体制促进AI发展的典型实践 资料来源：中国银河证券研究院 最后，超大规模市场与多元化产业结构为AI应用提供持续且分散的需求来源，也让风险更分散、传导链条更短。中国拥有庞大的人口规模与高度数字化的经济体系，互联网用户规模、移动应用下载量与数字服务渗透率长期位居全球前列，为模型训练与验证提供丰富场景。更重要的是，AI需求横跨消费互联网、制造业、金融服务与政务体系等多个领域，应用分布广、行业关联度相对较低，使风险难以沿单一技术链条集中传导。即便出现局部重复建设、轻量化应用竞争激烈或商业化周期延长等问题，其影响通常局限于特定赛道或区域，不具备引发系统性冲击的传导机制。因此，中国AI泡沫若出现修正，更可能表现为结构性整合与效率优化，而非美国式的技术预期集中破裂。资源约束塑造效率导向路径，制度协调提供缓冲机制，内需市场保障真实需求，这些因素共同决定其风险边界相对清晰，整体更具可控性。 图28：2023年移动应用下载量Top5国家 资料来源：VenueLabs，中国银河证券研究院 图29：全球主要经济体互联网普及率（单位：%） 资料来源：世界银行，中国银河证券研究院 虽然AI投资仍存在泡沫破裂风险，但AI已从产业竞争升级为国力竞争，哪怕出现过热与泡沫隐忧，也难以主动降速，全球AI热潮更像一场在全球经济环境脆弱性上升的背景下，被国家意志与安全焦虑共同推高的“理性泡沫”。作为典型的通用目的技术，它不仅提升单一行业效率，更会重塑创新体系与生产函数，从而改变全球经济格局与国际竞争规则。历史上蒸汽机、信息技术的扩散都曾带来长期的霸权更替，本轮AI的差别在于渗透更广、迭代更快，能够把智能制造、算法优 化、数据分析嵌入几乎所有产业流程，推动全球价值链利润进一步向芯片设计、核心算法框架、数据与算力基础设施等高端环节集中。表面是半导体、模型与云平台的竞赛，实质是数字时代资源配置权、标准制定权与规则话语权的竞争。更关键的是，AI将同时改变国家安全版图。它具备军民两用属性，既能提升武器系统、指挥决策与情报处理能力，也会把数据治理、算法控制与跨境合规推到“数字主权”的核心位置。各国通过立法和监管把伦理、安全标准转化为技术壁垒，本质上是在争夺未来智能社会的制度入口与规则主导权。由此，AI投入不再只看短期ROI，而带有强烈的安全与战略属性，很多投入与风险承担属于“必须付出的理性成本”。 # 六、风险提示 AI商业模式盈利不及预期风险；就业冲击向需求传导风险；宏观与金融脆弱性放大波动风险。 # 图表目录 图1：美股、A股和港股科技指数累计涨跌（%） 4 图2：市场对人工智能泡沫的担忧指数级增长 4 图3：2026年初美股与贵金属涨幅均出现明显回调（%） 5 图4：本轮AI周期与美联储降息周期同步 6 图5：AI周期标普500的估值涨幅并未突破互联网峰值 6 图6：AI周期的投资强度（AI投资/GDP）仍有提升空间 图7：美国AI投资规模与对GDP增速贡献率（十亿美元） 6 图8：一般政府总债务占GDP比重（%） 图9：10%人群的财富份额（%） 图10：全球环境的不确定性中枢抬升（平均值 $= 100$ ） 图11：高能源价格下，通胀存在抬头风险（%） 8 图12：美联储面临的需求深层问题是财政赤字需要承接 图13：隔夜逆回购流动性消耗殆尽（万亿美元） 9 图14：Mag7的资本开支大幅增加（百万美元） 9 图15：GPT5扣除运营成本后实际亏损（美元） 9 图16：OpenAI预估损益表（十亿美元） 10 图17：62%的公司使用AI只停在试点节点（%） 10 图18：自动化衰退前期制造业就业先于设备投资出现下滑 11 图19：就业下滑传导至消费信心 11 图20：超半数受访者认为AI将取代大量现有岗位 11 图21：AI对就业的影响体现在效率提升和岗位压缩 11 图22：生产率提高与薪资增速的剪刀差 12 图23：2022年中以来美国科技行业就业人数占比下行 12 图24：2024年11月-2025年11月按模型统计的总token使用量 14 图25：中国AI模型的token价格较低 14 图26：我国新型举国体制嵌入AI发展的作用机制 15 图27：“东数西算”工程是新型举国体制促进AI发展的典型实践 15 图28：2023年移动应用下载量Top5国家 15 图29：全球主要经济体互联网普及率（单位：%） 15 # 分析师承诺及简介 本人承诺以勤勉的执业态度，独立、客观地出具本报告，本报告清晰准确地反映本人的研究观点。本人薪酬的任何部分过去不曾与、现在不与、未来也将不会与本报告的具体推荐或观点直接或间接相关。 章俊：首席经济学家。吴砚靖：计算机首席分析师。赵红蕾：宏观分析师。彭雅哲：新发院数字经济研究员。 # 免责声明 本报告由中国银河证券股份有限公司（以下简称银河证券）向其客户提供。银河证券无需因接收人收到本报告而视其为客户。若您并非银河证券客户中的专业投资者，为保证服务质量、控制投资风险、应首先联系银河证券机构销售部门或客户经理，完成投资者适当性匹配，并充分了解该项服务的性质、特点、使用的注意事项以及若不当使用可能带来的风险或损失。 本报告所载的全部内容只提供给客户做参考之用，并不构成对客户的投资咨询建议，并非作为买卖、认购证券或其它金融工具的邀请或保证。客户不应单纯依靠本报告而取代自我独立判断。银河证券认为本报告资料来源是可靠的，所载内容及观点客观公正，但不担保其准确性或完整性。本报告所载内容反映的是银河证券在最初发表本报告日期当日的判断，银河证券可发出其它与本报告所载内容不一致或有不同结论的报告，但银河证券没有义务和责任去及时更新本报告涉及的内容并通知客户。银河证券不对因客户使用本报告而导致的损失负任何责任。 本报告可能附带其它网站的地址或超级链接，对于可能涉及的银河证券网站以外的地址或超级链接，银河证券不对其内容负责。链接网站的内容不构成本报告的任何部分，客户需自行承担浏览这些网站的费用或风险。 银河证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。银河证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。 银河证券已具备中国证监会批复的证券投资咨询业务资格。除非另有说明，所有本报告的版权属于银河证券。未经银河证券书面授权许可，任何机构或个人不得以任何形式转发、转载、翻版或传播本报告。特提醒公众投资者慎重使用未经授权刊载或者转发的本公司证券研究报告。 本报告版权归银河证券所有并保留最终解释权。 评级标准 评级标准 评级 说明 评级标准为报告发布日后的6到12个月行业指数（或公司股价）相对市场表现，其中：A股市场以沪深300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准，北交所市场以北证50指数为基准，香港市场以恒生指数为基准。 行业评级 推荐：相对基准指数涨幅10%以上 中性：相对基准指数涨幅在-5%~10%之间 回避：相对基准指数跌幅5%以上 公司评级 推荐：相对基准指数涨幅20%以上 谨慎推荐：相对基准指数涨幅在5%~20%之间 中性：相对基准指数涨幅在-5%~5%之间 回避：相对基准指数跌幅5%以上 # 联系 中国银河证券股份有限公司研究院 深圳市福田区金田路3088号中洲大厦20层 上海浦东新区富城路99号震旦大厦31层 北京市丰台区西营街8号院1号楼青海金融大厦 公司网址：www.chinastock.com.cn 机构请致电： 深广地区： 苏一耘 0755-83479312 suyiyun_yj@chinastock.com.cn 程曦 0755-83471683 chengxi_yj@chinastock.com.cn 上海地区： 林程021-60387901 lincheng_yj@chinastock.com.cn 李洋洋 021-20252671 liyangyang_yj@chinastock.com.cn 北京地区： 田薇 010-80927721 tianwei@chinastock.com.cn 褚颖 010-80927755 chuying_yj@chinastock.com.cn