报告核心观点
当前全球经济处于传统信息技术时代的黄昏，人工智能有望成为引领第四轮科技革命的重要力量。ChatGPT、Deepseek等模型相继问世，推动AI全产业链进入加速发展阶段。短期来看，AI主要通过资本开支、提振信心与畅通循环等途径影响经济，长期来看，人工智能的发展将会对潜在经济增速、通胀与国际格局等产生深远影响。此外，人工智能发展对就业的影响关注度较高。从市场层面来看，产业周期叠加政策支持，后续泛科技仍是投资主线，关注算力投资、国产替代与算法突破等带来的机会。
人工智能产业的发展方向
人工智能技术的突破会对全产业链产生影响，我们对发展路径进行如下展望：第一，从上游来看，算力为支撑AI发展的根基，特别是自研加速芯片或将成为未来产业的核心竞争方向。数据、能源等资源亦是培育竞争壁垒的关键。第二，从中游来看，算法等技术创新有望带来模型层面的突破性进展，且开源的生态也将进一步加速模型与算法的迭代速度。第三，从下游来看，应用端即将迈入快速扩张时期，特别是AI agent发展进入工程化阶段。第四，关注由于AI发展所导致的道德、环境、制裁与国别竞争等衍生问题。
人工智能发展的短期影响
短期来看，AI发展对经济的影响可以分为如下几方面：第一，人工智能发展或可带动新一轮资本开支周期，国内外龙头公司AI投资增速加快或可对短期经济起到提振作用。第二，以Deepseek为代表的产业亮点彰显我国的创新能力，“创新驱动发展”缓解了市场对老龄化、经济动能缺失等问题的担忧情绪。第三，人工智能技术的发展具有正向外部性，股市上涨、产业链重构与新质生产力培育等有助于各部门信心的修复与经济循环的畅通。第四，AI发展对实际融资需求和价格信号等方面影响相对有限。
人工智能发展的长期影响
人工发展的长期影响分为如下几方面：第一，人工智能的发展会对经济模式产生深远影响，长期来看会提升潜在经济增速并推升生产力跃升。第二，AI对价格影响更偏长期，可通过效率提升与定价优化等渠道抑制通胀。第三，AI技术有潜力成为后续决定国家竞争力的关键因素，从而影响国际竞争格局与产业发展走向。就业方面，随着时间的发展，人工智能对就业影响依次体现为替代效应、互补效应、创造效应。
展望与启示
人工智能不仅会对短期的投资和市场预期产生影响，还会在长期内对经济增长、通胀中枢等方面产生深远作用。从市场角度来看，1）经济复苏节奏偏渐进，产业周期叠加政策支持，后续泛科技仍是主线；2）算力等基础设施的价值处于验证阶段，关注商业化模式的落地；3）轻量化模型的发展、新的编码开发模式与关税扰动为国产替代芯片提供了发展空间；4）算法与模型存在突破式进展的可能，彼时可对上下游情绪产生带动；5）当前后端应用公司市场变化主要源自估值推动；6）关注因AI投资受益的大宗产品。
风险提示：资本支出挤出效应明显、美国对AI产业链施加限制
正文
2022年，以ChatGPT为代表的生成式人工智能大模型应运而生，其通用性、创造性与自学习性的特征引领AI领域进入新的发展阶段。以中美为代表的各国在该领域展开激烈竞争，相关国内外科技公司加快布局，相继推出大模型，且模型在垂直领域逐步得到广泛应用。2025年，Deepseek的推出再度重塑市场生态格局，其轻量化、开源、低成本与强推理等特征与发展模式进一步拓宽了AI演化的可能性边界，人工智能的发展演化进一步加速。
综合来看，当前全球经济处于传统信息技术时代的尾声，而人工智能有望成为引领第四轮科技革命的重要力量，从而对世界的经济、政治、文化、科技产生重大影响。因此，本文着重探讨人工智能产业未来的发展方向，以及对就业、经济等多个层面的影响。
人工智能产业的发展方向
人工智能技术的突破正在改变世界。从发展路径来看，其会率先带动数据生产、算法与软件开发、芯片、存储器等前端产业发展，随后逐步拓展至后端应用环节。具体来看，我们对人工智能产业未来的发展路径进行如下展望：
第一，从上游来看，算力为支撑AI发展的根基，特别是自研加速芯片或将成为未来产业的核心竞争方向。此外，数据、能源等资源亦是培育竞争壁垒的关键。
算力是AI行业发展率先受益的赛道，广义算力产业链包含AI基础设施建设（AI服务器、云计算等）、芯片、存储和网络四个部分。其中，芯片是算力实现的核心，主要包括CPU、GPU、ASIC等五大类，近年维持着高速发展的态势。据信通院表示，2023年全球算力总规模达到910EFLOPS，同比40%，且预计到2030年期间，算力复合增速将达到65%，或标志着算力高速发展时代的来临。从国别来看，中美两国在算力领域遥遥领先，2023年份额占到全球34%与33%。此外，从目前发展的路径来看，算力作为AI发展根基的地位尚未动摇，人工智能产业链的资本开支，对算力的长期发展具有利好作用。
2025年，Deepseek推出了低成本与轻量化的发展模式，对算力市场规模预期与芯片发展方向均产生了深远影响。一方面来看，Deepseek模型在同样智能水平下极低训练成本的特性，致使市场对短期算力需求的预期有所下调。但考虑到低成本与开源模式降低了行业的进入门槛，长期的AI的普及化进程会有所加快，从而利于提升算力需求；此外，借助算力提升智能水平仍是人工智能发展的重要途径之一，国内外科技公司资本支出计划的大幅提升与之佐证；另一方面来看，自研加速芯片（ASIC）将成为未来AI领域的核心竞争方向。此前，英伟达凭借其高性能的GPU产品占据主导地位。而Deepseek带来“极致压缩+高效强化训练+推理需求大幅增加”的低成本新模式，在此背景下，定制化且擅长推理需求的ASIC时代即将来临。谷歌、Meta、华为等科技巨头纷纷基于ASIC技术路线进行战略布局，力求降低对英伟达的过度依赖。
数据、能源等因素依旧是AI模型长期发展的重要支撑。在互联网与大数据时代，数据的生成和积累正以前所未有的速度增长。IDC研究表明，全球数据量呈快速增长态势，预计到2028年，全球数据量将增长至393.8ZB，达到2018年的9.8倍。且在2024-2028五年间所生成的数据量，至少是过去10年的2.2倍，国别方面，中国数据量增速将位居全球首位。此外，在算法开源以及算力效率提升的背景下，数据优势对于公司维持模型长期处于头部地位尤为关键。其次，从长期视角来看，随着模型智能化程度的不断提高，相关电力需求将显著增长。而且芯片算力技术目前的瓶颈，本质上在于散热以及能源问题。因此，能源是人工智能长期发展背后的重要支撑。
第二，从中游来看，算法等技术创新有望带来模型层面的突破性进展，且开源的生态也将进一步加速模型与算法的迭代速度。
AI产业链的中游主要由各类大模型公司构成，在模型的快速迭代阶段，算法的更新或许能够在短期内带来显著成果。从模型三要素来看，算力与数据的发展过程相对平缓，而算法则能够在短时间内实现突破，从而弥补硬件与数据层面的短板。近年来，模型算法历经LLM、RAG、多模态与轻量化等多轮技术风口，显著优化了 AI 的智能水平与运行效率。DeepSeek 的卓越之处也在于其算法上的突破，其包含强化学习、稀疏激活与底层PTX语言编码等多个技术关键点，对推理能力与模型效率等产生显著影响。此外，长期需关注量子计算与AI融合、多模态技术、计算机视觉，以及探索硅以外的新材料等技术突破方向。
Deepseek基于现有模型迭代的路径与开源生态将会加速后续算法的更新速度。DeepSeek的策略为基于现有模型迭代改进，而非从零开始构建模型，这使其能够更高效地缩小与领先者的差距。再加上开源生态的发展，开发者能够以较低成本利用现有技术，小型团队也能部署自己的本地智能体。推动算法快速更新后，前期大型企业依靠闭源模式构建的竞争壁垒将受到挑战。
从当前的发展路径来看，国内外在模型层呈现出不同的优势。海外方面，主要依靠强大算力驱动模型性能突破，堪称大力出奇迹，例如近期以xAI将GPU规模从10万扩展至20万（最终目标为100万），训练出Grok-3；OpenAI则发布了迄今最大预训练模型。而国内在软硬件效率优化上更加领先，以DeepSeek开源周为例，持续开源了硬件效率突破、通信成本压缩与存储架构创新等5项核心技术，使得理论上的成本利润率达到545%，与各平台的适配效率亦逐步提升；Manus亦延续了中国AI生态的道路，摒弃“堆参数”的发展，独创“少结构，多智能”架构。
第三，从下游来看，应用端即将迈入快速扩张时期，特别是AI agent发展进入工程化阶段。
从产业发展周期来看，部分AI大模型的市场渗透率已达10%，后续有望步入加速增长期。根据历史经验来看，新技术的渗透率达到10%以上时，会进入发展的加速期。当前市场上存在较多针对企业AI渗透率与员工AI使用率等调查，虽然统计数据口径有所差异，但普遍处于10%以上，包括美国经济普查局、纽约联储等或表明AI将进入应用的繁荣扩张期。
Deepseek低成本与开源的新模式对行业生态了显著影响，应用层所受的边际利好尤为突出。Deepseek低成本+开源的发展模式降低了垂直领域接入AI的成本。国内多个代表性厂商加速与Deepseek合作布局，促使应用端呈现出繁荣扩张的态势。垂直领域衍生出各种新生态与新需求，金融、搜索、医疗、游戏等行业蕴含着较大的潜在发展机会。此外，随着Deepseek为代表模型的市占率上升，开源模式的布局思路对后续行业发展路线与商业生态产生影响，开源生态与端侧渗透将成为未来产业话语权的重要力量，百度等部分大型企业也开始由闭源策略转向开源。
AI agent加速进入复杂数据场景，赋能端侧逐步进入工程化阶段。AI Agent是一种以大语言模型（LLM）为核心驱动的自主智能系统，与传统人工智能不同，它具备独立思考、行动和反思等复杂能力，能够感知环境、做出决策并执行动作。随着技术突破、市场需求复杂等隐私的影响，AI agent正处于快速发展阶段。在ToC端，其沿着“通用搜索→个人知识管理→个人生活助手”的路径演化；在ToB端，则沿着“企业知识库→单点功能→多Agent跨业务功能”演化。2025年将成为AI智能体快速发展的元年，OpenAI的o1模型已能模拟人类推理过程，处理法律合同比对等多步骤工作；微软的Copilot系统则通过整合记忆、推理与多模态能力，帮助用户自动筛选邮件、执行供应链管理等任务。Manus研发出了全球首款通用型AI智能体，实现办公场景的全流程自动化。
此外，以Deepseek为代表的轻量化与蒸馏版模型的推出，也有力地推动了AI agent的发展。在以往端侧资源受限的情况下，相关模型的承载能力有限，而高效率模型加速了以智能体（AI agent）作为主流形式为终端设备赋能的应用落地，其发展进入工程化阶段，在智能手机、智能眼镜等领域推进速度较快。
第四，关注由于AI发展所导致的道德、环境、制裁与国别竞争等衍生问题。
随着AI模型的能力不断增强，引发了一系列道德问题和技术滥用事件。例如，2023年，FAccT会议收到的AI伦理论文数量比2022年增加了30%，自2018年以来增加了12倍；与此同时，相关法案也不断完善，2024出台《人工智能法案》，旨在为全球AI治理建立标准。此外，AI发展也激化了国际竞争，特别是美国针对中国围绕AI硬件、技术与投资等方面进行了一系列的限制。环境方面，AI Agent发展的高耗能、高排放对生态造成一定的压力。
综合来看，中国在人工智能领域具备诸多优势，在斯坦福HAI、中国科学信息研究所等综合评估中仅次于美国。具体而言，我们从如下几个方面进行对比：
1）算力层面，中国算力规模全球位居第二，且智能算力增长迅速，与美国在份额上的差距持续缩小。
2）算法层面，中美算法能力方面已建立了各自的优势领域。但综合来看，中国基础研究领域技术积累不足，且在全球开源社区影响力不够，算法综合素质略低于美国。不过，鉴于算法的追赶效应显著，差距相对可控。并且，中国的数据规模庞大，标签成本具有优势，有利于企业推出自主AI框架。
3）应用层面，中国机构在研发中普遍秉持“重应用”的理念，结合国内庞大的市场需求，落地应用方面的研究较为充分，相比美国，应用端可能更具发展特色。从发展方向来看，美国人工智能起步较早，在金融业、军事和能源等行业的应用皆处于领先地位；中国人工智能虽起步较晚，但进程较快，行业应用上呈现出“大而全”的发展特点。
4）企业层面，美国人工智能企业总数接近中国的两倍，然而两国AI独角兽企业总数较为接近。从企业思路来看，以谷歌、亚马逊、Facebook 为代表的美国人工智能企业，将更多资金投入到基础技术研发；而以百度、腾讯、阿里巴巴为代表的中国人工智能企业，则更多地探索支付、社交、交互技术、图像处理、智能搜索等技术应用领域。
5）政策层面，美国更强调人工智能的自由发展，中国则注重AI发展与治理的均衡性和一致性，政策促进导向十分明显。
6）与中国人工智能发展中的不足：包括高端芯片技术薄弱、算力资源分散且利用率低、“东数西算”传输存在问题与数据质量参差不齐等。
人工智能发展的短期影响
人工智能对经济的影响较为复杂，且在短期与长期的过程中体现出不同的特征，短期来看，AI发展会从资本开支、预期改善与经济循环畅通等层面影响经济。具体来看，我们认为有如下几方面关注点：
第一，人工智能发展或可带动新一轮资本开支周期，国内外龙头公司AI投资增速加快或可对短期经济起到提振作用。
20世纪80年代以来，全球经历过三轮科技创新带动的投资与增长。
1）1980年代个人电脑（PC）革命期间，电脑相关产业快速发展，个人电脑市场规模从1980年约50亿美元增长到1990年的超过300亿美元，IBM、苹果、英特尔、微软等公司为投资主导力量；
2）1990年代的互联网革命期间，互联网相关公司快速扩张，科技投资增速在90年代中期超过50%，围绕数据中心和网络基础设施建设方面投资规模较高，谷歌、亚马逊、雅虎等互联网巨头在此期间崛起；
3）2010年前后智能手机及移动互联网快速发展，全球科技投资规模进一步扩大，特别是在半导体、移动设备和云服务领域，苹果、谷歌、腾讯、阿里巴巴等公司在此期间主导了市场。
人工智能发展或能开启新一轮资本开支周期，当前国内外AI相关投资增速已有加快趋势。根据斯坦福大学2025年4月初发布的AI指数报告来看，全球人工智能相关投资近年处于较高水平，特别是生成式人工智能投资增速明显较快，中美贡献力度较大。
1）国外来看，美股“七姐妹”（Magnificent7）领跑AI投资，2024年以来资本开支同比增速快速走高。2024年全年，美股“七姐妹”资本开支累计2395.12亿美元，同比增长48%。2022-2024年间，年均投资2000亿美元，为2016-2021年均投资的2倍以上，AI基础设施资金投向主要集中在数据中心、电力和算力升级等方面。
整体来看，各家针对资本开支的表态相对积极，谷歌宣布了今年计划投入约750亿美元的资本开支计划；微软表示将在2025财年斥资800亿美元扩建数据中心支持AI算力需求；Meta称计划投入高达650亿美元构建新一代数据中心和计算基础设施；亚马逊表示，计划在2025年将资本支出提升至1000亿美元。
2）国内来看，“十巨头”（Terrific10）也正加快强化自主技术布局，近五年资本支出平均增速与MG7接近，但从斯坦福HAI的统计数据来看，国内AI投资增速斜率尚不及美国，或与前期两国AI模型的相对实力有关，但Deepseek推出后，国内科技公司的布局或会有所加快。结合彭博数据，2024年全年，预计“十巨头”资本开支2900亿元，同比增长28%，特别是阿里巴巴的资本开支从去年3季度的175亿元跳升82%至318亿人民币。2022-2024年间，年均投资额约为2500亿元，过去十年间资本开支金额占MG7的比重约为17%~20%。
其中，阿里巴巴在2025年宣布未来三年计划投入3800亿元用于云和AI基础设施建设，总额超过去十年总和（3400亿元）。比亚迪也曾表示，未来将延续资本开支两位数以上的增长。百度也提出将人工智能投资作为长期战略重点进行投资。此外，美团、小米、中芯国际等虽未明确表态，但在行业发展趋势下，预计也会围绕AI基础设施、智能硬件和半导体等领域加大布局。华为、字节等非上市公司预计未来也会有近千亿规模的资本支出。通信产业报亦表明，三大运营商将持续加码算力方面的投资，如构建新的万卡智算集群，扩大400G算力网络的覆盖规模，中国电信计划2025年资本开支836亿元，初步安排算力投资同比增长20%；中国移动称推理资源投资设上限，计划规模近400亿；中国联通算力投资增长28%。
向前看，未来AI相关投资增量预计能对国内外GDP产生不小的拉动作用。
①国外方面，结合彭博预期与行业发展趋势，预计2025年MG7总资本支出约3300亿美元，2025-2027年累计支出1.1万亿美元，超过前十年的投资总额，年复合增长率为20%。考虑到美股MG7在纳斯达克100占比超65%以及行业带头作用，假设MG7的AI投资占全美的80%，预计2025年全美AI总投资4000亿美元，较上年增加超1000亿美元，边际抬升GDP约0.4%，预计2025-2027年累计支出约1.4万亿美元。
②国内方面，预计2025年“十巨头”总资本支出约为3800亿元，2025-2027年累计支出1.43万亿，与前十年的投资总额规模相近，年复合增长率为25%，Deepseek引发科技公司的AI投资浪潮下，国内投资增速预计略强于美国。考虑到三大运营商、华为、字节等公司的影响，假设“十巨头”投资占全国投资60%，预计2025年全国AI总投资6000亿元，较上年增加超22亿美元，边际抬升GDP约0.1%，预计2025-2027年累计支出超2万亿。
此外，根据2025年3月3日《AI投资：日渐清晰的基本面亮点》报告，AI资本开支的具体影响效果取决于多方面因素，具体可以分为如下几点：
1）资本开支存在漏出效应。即企业的AI资本开支主要集中在芯片、数据中心和算法升级等环节，但其中部分产品和设备依赖进口，这部分投资对国内增长的拉动或不明显；
2）企业AI资本开支可能对传统业务现金流或其他现金支出形成一定挤出效应；
3）资本开支增加过程中会影响到居民部门的收入、信心与供给端的丰富度等，从而产生更加广谱性的影响。
与此同时，市场开始关注AI资本开支短期是否存在泡沫风险。当前，AI资本开支面临基础设施超前建设、技术同质化以及投资回报周期长等诸多问题。与互联网模式不同，当前AI领域的技术可用性与商业可持续性之间存在显著矛盾。一方面，AI 模型唯有保持强大的技术领先优势，才能够通过付费订阅等模式实现营收。然而，技术快速迭代以及开源模式发展的背景下，多数公司难以构建起持续的竞争壁垒，盈利能力具有较高的不可预见性；另一方面，尽管AI的应用能够显著提升工作效率，但考虑到各类流程的检查与纠错等额外工作量，当前企业实际部署AI的成本可能不降反升。
截至当前，生成式AI领域尚未诞生有代表性且成功的商业案例，即便是处于领先地位的公司，收费模式难以延续的背景下，其预估的投资回报周期也在不断拉长。此外，AI行业的生态特性决定了后期会呈现出极为显著的龙头效应，因此，落后公司的投资回报充满了较大的不确定性。全球各类科技巨头在AI领域数千亿美元的投资计划或面临着难以实现回收的风险。
第二，以Deepseek为代表的产业亮点彰显我国的创新能力，“创新驱动发展”缓解了市场对老龄化、经济动能缺失等问题的担忧情绪。
近年来，中国创新能力稳步发展，创新投入、产出与科创人才资源优势逐步显现，但成果转换效率偏低。中国近年维持较大力度的投资，据国家统计局数据，2024年中国研发经费达3.6万亿元，同比增长8.3%，投入强度（2.68%）首次超越欧盟平均水平，基础研究经费占比提升至7.2%；大科学装置数量（38个）全球领先，为量子计算、可控核聚变等前沿领域奠定基础。教育经费的规模达6.4万亿，也取得历史性突破。产业链方面，虽然近年战略新兴产业亮点不断涌现，例如电气设备、计算机与光学、车辆与新三样等快速发展，但综合创新效率整体偏低，具体而言，中国专利申请量占全球45.6%，但有效发明专利产业化率仅53.3%，企业研发投入占比77.7%，但基础研究贡献度（6.65%）仍低于美国（17%）。
而以DeepSeek为代表的创新成果，证实了中国创新体系的有效性，增强了市场对创新驱动发展的信心，一定程度上缓解了对长期发展的担忧。长期以来，中美创新体系构建逻辑差异显著。美国创新体系以企业为主导，强调自由市场机制与企业家精神；而中国创新在过去较长时期更多依赖政府引导，存在协同效率低、资源分配效率不高的问题。为解决这些难题，我国近年来持续推进全面创新体制改革，涵盖教育、科技、人才等领域。而本轮DeepSeek的崛起不仅是技术突破，更象征着中国创新从“追赶”到“引领”的范式转变。作为一种非政府主导下的，完全由企业自发推动的分散化创新，有力提振了居民对中国创新体系建设、新质生产力培育以及创新驱动发展战略的信心，缓解了市场对老龄化、经济动能缺失等长期性问题的担忧。
第三，人工智能技术的发展具有正向外部性，股市上涨、产业链重构与新质生产力培育等有助于各部门信心的修复与经济循环的畅通。
当前中国经济经济增长面临的核心矛盾可以概括为三个层面。一是经济新旧动能转换和产业转型问题，过去支撑经济发展的红利与动能逐渐消退之后，新的生产力量有待累计；二是微观主体信心不足、地缘政治风险与企业营商环境等非经济问题，改革需久久为功；三是短期经济运行的矛盾，具体表现为有效需求不足、供需结构错配、价格信号偏弱以及资产负债表衰退等问题。
以Deepseek、机器人为代表的产业亮点一定程度缓解了中国经济增长各层次的核心矛盾，其对各部门决策与经济循环的影响体现在如下几个方面：
1）居民部门方面，受财富效应、文化自信等因素影响，居民消费与购房需求预计有所增加。具体存在如下几方面渠道：其一，AI发展与资本开支过程中，科研人员等相关链条薪酬等支出也会同步增加，会通过工资收入带动消费和购房需求；其二，AI亮点和资本开支带动风险偏好回升，股市修复后的财富效应利好居民消费；其三，AI投资有望催生新的消费场景，从而进一步激发消费活力；其四，AI创新提升军事+科技+文化自信，从预期层面促进经济循环。
2）企业部门方面，AI提升企业投资意愿，叠加政策支持与融资状况改善等影响，企业发展活力有所修复。
AI创造了全新投资方向与环境，不仅科技类相关公司加大资本开支以推动创新，下游公司也加速业务与AI融合，这既助力企业降本增效，又提升相关产品吸引力。具体来看，上游硬件层直接受益效果明显，资本开支短期内直接利好各类硬件公司。除了传统数据、电力等基础设施之外，芯片等国产替代产品在Deepseek等技术创新下迎来了新的发展空间，对相关公司的盈利与估值皆有利好；下游应用层潜在发展空间较大，AI垂直应用的盈利模式需要较长时间的市场验证和用户积累，短期内盈利或难有明显改善，但估值提升较为明显，AI接入服务成为“必需品”的概率提升。
此外，股市良好表现亦有利于企业IPO和股权融资，债券市场的科技板亦在持续推进，叠加民企座谈会等对企业家精神保护的重视，相关企业资产负债表在盈利与预期层面中有所改善，企业部门投资意愿或会有所增强。
3）政府部门方面，AI发展拓展了投资空间，相关基建有潜力成为后续逆周期政策的抓手。近年来，经济发展的传统动能逐步退坡，项目对基建等投资的制约明显增强。在政府强调投资质量与效益的背景下，新兴产业虽有所发展，但规模相对有限，逆周期调节经济的有效手段尚不清晰。本轮 AI 的发展为政府后续加杠杆提供了丰富的投资标的。随着 AI 带来电力等需求增长，对新基建、新能源等领域也产生利好，AI 领域的竞争已上升至国家战略高度。
两会召开后，国家加大了对科技产业发展的支撑，具体涵盖以下几方面举措：1）国家推动设立“航母级”的国家创业投资引导基金，聚焦人工智能、量子科技等领域，将吸引带动地方、社会资本近1万亿元；2）优化科技创新和技术改造再贷款政策。进一步扩大再贷款规模，从目前的5000亿元扩大到8000亿元至10000亿元，更好满足企业融资需求；3）创新推出债券市场“科技板”，支持金融机构、科技型企业、私募股权投资机构等三类主体发行科技创新债券，丰富科技创新债券产品体系。
第四，AI发展对实际融资需求和价格信号等方面影响相对有限。
1）融资需求方面，企业AI资本开支仍依赖于内源融资或权益融资，对债务融资的需求不高，新兴行业项目的丰富或成为后续政府举债的重要方向，但总体宏观杠杆率的变化相对有限。2）价格方面，AI相关产品在PPI与CPI中的权重较为有限，AI发展的拉动作用不强，未来走势主要取决于产能供需等问题的改善。
人工智能发展的长期影响
AI发展除了对短期投资与预期产生影响之外，还会重塑长期经济、通胀与国际竞争的格局，具体来看，人工智能发展的长期影响可以分为如下几个方面：
第一，人工智能的发展会对经济模式产生深远影响，长期来看会提升潜在经济增速并推升生产力跃升。
AI通过几条逻辑推动长期潜在经济增速：一是生产率提升效应，AI通过自动化和优化生产流程，提高生产效率，同时加速技术创新，推动全要素生产率的提升；二是劳动力创造效应，AI本身是一种新型劳动力供给，弥补人口老龄化的缺陷，并推动劳动市场的结构性变革；三是边界延展效应，人工智能的发展可以有效促进传统产业转型，并有望催生一系列难以预知的新兴产业；四是资本积累效应，AI发展改变资本积累和投资方向，资本存量增加的同时向高附加值领域集中，进一步促进经济增长；五是总需求扩张效应，人工智能提升全社会的生产率后，有助于居民部门收入水平和效率的提升上升，各部门对服务业等传统产业的总需求也会有所增加。
根据AI影响长期增速的逻辑，我们从如下几方面假设出发测算其对经济增长的拉动作用（具分析假设见下一章）。一是生产率提升效应，当某行业AI深度渗透率为20%时，相当于该行业仅用80%的人就完成了之前的工作，生产效率提高为25%（1/80%）；二是就业效应，一方面来看，AI发展会创造出新的岗位，且传统行业扩张后也会增加新的招聘，部分被人工智能影响的劳动力会重新再就业；另一方面来看，部分工人再就业过程中，由于受到技能与岗位不匹配、信息传递不畅、新职业岗位出现较为缓慢等因素的影响，可能会退出劳动市场；根据计算大约在1/5左右，即被影响的失业人员大约80%可以完成再就业；三是作用时间，技术从适用到深度结合需要一定假设，假设AI应用的就业过程大约为20年。
市场和学界进行了广泛研究与估算，尽管具体数值略有差异，但对拉动效果的测算均较为显著。我们结合现有研究及下文关于人工智能影响就业市场的讨论，对AI提升生产率、AI渗透时间与再就业比例等进行假设，测算得到如下结果：
1）人工智能对美国经济增长的带动大约为每年1%~2%的水平，而对中国经济增长的带动大约为每年0.5%~1.5%的水平。带动差异与人工智能发展水平以及产业结构的不同，人工智能发展水平较高，且智能化产业占比高的国家，AI拉动效应比较强。
2）从替代速度分析来看，如果10年内就能完成人工智能的替代，人工智能对中国经济将会产生每年1.7%的拉动，如果30年才能完成人工智能的替代，人工智能对中国经济将会产生每年0.56%的拉动。
3）从就业冲击分析来看，若对就业影响大时，人工智能对中国经济的增长拉动为每年0.69%，反之，人工智能对中国经济的增长拉动为每年0.91%。
4）我们将该测算方法外推别的国家发现，生成式人工智能技术会在未来的20年之间将全球的劳动生产率每年提升1.1%左右。从区域差异来看，新兴市场受到的增益小于发达市场，主因发达国家受人工智能影响劳动替代的影响越强，对经济增长的促进作用也越强。
第二，AI对价格影响更偏长期，可通过效率提升与定价优化等渠道抑制通胀。
短期内，AI发展对通胀或略有提振，但效果不明显。AI投资初期，可能会拉动部分主要投入品的价格，如芯片、服务器等，导致生产成本上升，进而推升PPI；且随着经济活动水平的改善与工资的修复，或会传导至部分商品的CPI，但由于其权重较为有限，这一渠道的直接拉动作用可能相对有限。
长期来看，人工智能的发展可以降低生产成本、改变消费者的消费结构与减少信息摩擦，从而对通胀产生抑制作用。具体传导路径如下：1）AI的使用可以有效提升各行业的生产效率，同时作为新的投入要素替代劳动，从而降低了生产成本和工资成本，对通胀产生抑制作用；2）AI的使用可以减少信息摩擦，系统化与规范化的过程利于提升流通过程中的效率，同时优化市场竞争，从而在定价过程中抑制通胀；3）AI通过创造新型服务和产品丰富供给端选择，从而市场总体的供求结构，抑制物价上升；4）长期视角下，也需关注AI发展过程中，部分高技术特定领域的结构性通胀压力。
回顾过去三十多年，全球通胀率处于较低水平，这在很大程度上得益于信息技术在各行业的广泛应用。如果AI能够像信息技术那样产生变革性的影响，预计也会对通胀起到抑制作用。以美国20世纪90年代互联网革命时期以及中国加入世界贸易组织后的技术导入阶段为例，当时多呈现出“量增价平”或“量增价跌”的情况，即“增长修复和温和通胀”并存。
第三，AI技术有潜力成为后续决定国家竞争力的关键因素，从而影响国际竞争格局与产业发展走向。
在新一轮的科技革命中，AI技术有望成为左右国家竞争力的核心力量，科技巨头公司的实力也将随之逐步增强。近年来，各国围绕AI发展展开了激烈角逐，其中中美两国表现尤为突出。两国市值排名前列的公司，已从以往的金融、能源巨头，逐渐转变为互联网和科技巨头。这些科技公司掌控着海量数据和信息，对国家的影响力与日俱增。
当前，全球人工智能领域已连续四年呈现出中美两国引领、其他各国跟进的格局。依据中国科学技术信息研究所研制的全球人工智能创新指数，全球人工智能可划分为三个梯队，中美两国优势显著。结合其分项指数以及斯坦福大学的研究来看，中国拥有全球规模最大的互联网用户群体，在产业应用、市场规模、数据来源以及政策推动等方面优势明显，在AI研发方面成绩斐然，特别是在AI相关论文发表、专利申请以及技术转化等方面领先全球。而美国在人工智能领域具备全球顶尖的技术与研究实力，2024 CSRankings数据显示，在研发投入、经济基础以及基础设施建设等方面表现突出，AI领域的风险投资金额占全球总投资的50%以上，在顶级学术会议上发表的论文数量占比超过40%。
向前看，AI发展将对全球竞争态势和产业格局产生深远影响。其一，各国为在AI领域抢占先机，将围绕AI关键技术、专业人才以及数据资源等展开激烈竞争，通过政策手段吸引顶尖人才、实施关键技术封锁保护等将成为博弈焦点；其二，AI深度融入各行业将带来诸多变数，传统行业加速转型升级，新兴行业蓬勃兴起，各国在产业布局和AI发展速度上的差异，将进一步重塑国际产业分工和贸易格局；此外，AI在军事、安全等领域的应用，可能引发全新的安全挑战、失衡，导致战略不稳定因素增加。
人工智能发展对就业的影响
人工智能对就业岗位的影响会产生三种效应：替代效应、互补效应、创造效应，并且这三种效应所发挥的作用会随着时间的推移逐步发生变化。
第一，短期内体现为替代效应：这种效应存在“极化现象”，即技能要求最简单和最困难的岗位都难以替代，反而是中间的更容易被替代。具体来看，简单的体力劳动由于其独特性与场景适应性（如外卖配送、餐饮、美发），无法被完全替代；复杂的脑力劳动需要高级的判断和创新能力，在长期内也会被保留下来；处于两者之间涉及较多规则性和重复性工作的岗位面临的冲击较为明显，如文字编写、代码撰写、图像绘制、问题解答等。
近年与人工智能相关的岗位正在增多，各行业与人工智能的结合使用也正在加速，但整体渗透率的速度偏渐进。斯坦福HAI数据与2025年美国人口普查局等数据显示，信息业、专业技术服务、金融与保险与房地产和租赁等行业近年发布相关岗位比例上升，信息业接近5%，且问卷显示工作中使用人工智能的比例也有所增高。但短期内AI的发展仍集中在研发和资本支出阶段，渗透率提升过程可能相对缓慢。以美国BTOS数据为例，AI技术渗透率从2023年10月的3.7%，增长至2024年2月的5.4%，预计2025年增长至7%以上。
为了进一步分析AI对就业市场的结构性影响，我们基于O*NET27.2和BLS数据库进行研究。数据库将美国的各岗位涉及的工作拆分成具体任务并进行相应的难度评分，我们结合现有文献研究方法，将岗位任务细节、难度评分等信息输入Chat-GPT，借助大模型对各类任务的替代情况进行打分。
测算结果表明：从职业来看，人工智能大模型对文字生成、档案记录等简单非体力劳动具有强大的替代能力，文员、登记、助理、记录等文秘工作职业因此排在替代的前列；此外，金融定量分析师、计算机程序员等过去普遍认为难度较高职业也会被大模型替代。从行业来看，租赁和商务服务业、信息、计算机和软件业、金融业等行业职业受影响的占比最高，分别为61%、59%、53%，行业排序上基本与当前AI垂直利用的进展相当。
我们结合岗位替代情况，进一步计算出人工智能大模型可以替代美国岗位的比例为29%，与各类已有研究的测算结果较为接近。
随后，我们将对美国的研究推广至其余国家。具体来看，人工智能对各国就业市场的影响取决于两方面因素。一方面是各国人工智能发展的水平，人工智能发展较快的国家可以更高效的将各种技术落地应用，劳动力替代效应也会更明显；另一方面是各国的产业结构，不同产业面向人工智能时暴露的风险不尽相同，智能化行业占比大的国家受影响明显。我们基于美国的测算结果，结合全球人工智能发展水平评分、产业结构差异以及相关研究的测算推算别国的岗位自动化情况。结果表明，全球约20%的工作可以由人工智能自动化，且从国别差异来看，新兴市场就业市场受人工智能影响的冲击比发展中国家少。
第二，中期内表现为互补效应。劳动者利用人工智能辅助生产对生产效率的提升效应，劳动者与人工智能在此过程中呈现出相辅相成的协同作用，人工智能的作用也会进一步演化。基于历史经验，新技术（如个人电脑、电动机）突破出现以后，从部分企业试用推广更多的企业大约需要10~20年；此后，企业开始高速采用新技术，劳动生产率提升明显，此过程会持续10~20年左右。考虑到人工智能模型自身的特点，推广速度预期比之前更快。
第三，长期内表现为创造效应。在人工智能持续发展的进程中，会逐步催生出新的产业形态和就业机会。一方面，人工智能提升了经济的总需求水平与运行效率，使得人们可用于从事非生产性娱乐、生活活动的时间增加，进而促使传统行业（如服务业等）的规模得以扩张；另一方面，人工智能如同熊彼特提出的创造性破坏理论所阐述的那样，当新技术创新取代了原有的传统产业时，必然会伴随新产业的诞生，同时也会创造出与之对应的新岗位。
学术界围绕人工智能对就业市场产生的各类影响展开了广泛研究。例如，Daren Acemoglu（2019）对替代效应进行研究，发现技术变革后劳动力需求的变化可细分为失业和再就业两个部分。1980年后，IT技术变革在短期内产生的失业明显多于新增岗位的数量，根据计算大约在1/5左右，即被大约有20%的员工会受到新技术的影响。DavidAutor（2022）等对创造效益进行研究，如今60%的工人从事的职业在1940年是不存在的，且过去80年85%以上的就业增长是由技术驱动的新职位创造造成的。
结论与启示
当前全球经济处于传统信息技术时代的黄昏，人工智能有望成为引领第四轮科技革命的重要力量。ChatGPT、Deepseek等模型相继问世，推动AI全产业链进入加速发展阶段。人工智能不仅会对短期的投资和市场预期产生影响，还会在长期内对经济增长、通胀中枢等方面产生深远作用：
第一，AI发展会对整个产业链的上中下游发展与结构变化皆起到重要推动作用。
1）从上游来看，算力是AI发展的根基，低成本与开源模式降低行业进入门槛后，长期总需求仍在上行；结构上，随着推理需求的上升，自研加速芯片（ASIC）将成为未来AI领域的核心竞争方向；此外，数据与能源是未来公司培育核心竞争力的关键壁垒；
2）从中游来看，算法等技术的创新或许能带来模型层面的重大突破。目前开源的生态环境会进一步加快模型与算法的迭代速度，在短期内弥补硬件和数据等方面的不足。中美两国在模型层逐渐形成了差异化竞争格局，与海外依靠强大算力推动大模型发展的思路不同，中国更关注模型效率提升。
3）从下游来看，部分 AI 大模型的市场渗透率已达到10%，应用端即将迎来快速扩张时期。AI agent加速进入复杂数据场景，赋能端侧也逐步进入工程化发展阶段。
第二，短期来看，人工智能主要通过资本开支、提振信心以及畅通各环节经济循环等途径影响经济。首先，资本开支对经济增长起到直接的拉动作用，我们预计全国2025年相关资本6000亿元，边际提升GDP约0.1%。其次，以Deepseek为代表的国内技术突破增强了对我国创新能力与创新体系的信心，对长期增长预期改善明显，叠加股市上涨、产业链重构与新兴行业等因素的影响，各部门的信心与活力都有所修复，一定程度上缓解了当前经济循环中存在的问题。
第三，长期来看，人工智能的发展对潜在经济增速、通胀与国际格局等产生深远影响。其一，AI通过生产率提升效应、劳动力创造效应、边界延展效应与资本积累效应等渠道影响长期经济增速水平，基于测算，我们认为AI发展对中国经济增长的带动大约为每年0.5%-1.5%的水平；其二，人工智能的发展可以降低生产成本、改变消费者的消费结构与减少信息摩擦，从而对通胀产生抑制作用；其三，AI技术有潜力成为后续决定国家竞争力的关键因素，从而影响国际竞争格局与产业发展等。
此外，人工智能发展对就业的影响关注度较高，整体原则是“不高估短期冲击，不低估长期影响”，随着时间的发展会依次表现为替代效应、互补效应与创造效应。
从市场的角度看，
1、全球经济形势不确定性导致外围市场波动较大，而内部市场处于数据与政策的短暂空窗期，业绩期到来+关税扰动等因素的影响下，市场风险偏好承压，科技链条整体有所回调。但中期来看，经济复苏节奏偏渐进，产业周期叠加政策支持，后续泛科技仍是主线，继续从算力—基础设施—AI应用—传统行业改造等脉络寻找投资机会；
2、算力等基础设施的价值处于验证阶段。近期国内外科技公司陆续公布了未来的资本开支计划，整体的规划导向较为积极。然而，受腾讯资本开支未达预期、微软指出数据中心可能存在过剩、阿里巴巴主席表示AI投资或许存在泡沫等因素影响，市场预期有所收敛。后续的核心关注点在于AI公司能否成功落地商业化模式。投资回报率变数较大，行业估值可能会面临较大波动。
3、轻量化模型的发展、新的编码开发模式与关税扰动为国产替代芯片提供了发展空间，相关企业的估值现已有明显修复。不过，鉴于CUDA生态垄断了90%的AI开发框架，并且其在多个领域具备性能优势，英伟达等行业龙头的技术壁垒与投资价值依旧存在。此外，ASIC芯片已进入高速发展阶段，国内外科技公司在追赶的过程中，或许会涌现出一批后起之秀。此外，美国对华关税与技术限制等亦会加速我国国产替代的发展；
4、算法与模型存在突破式进展的可能，彼时可对上下游情绪产生带动。鉴于算法技术更新迭代的速度较快，唯有那些积极与上下游企业展开深度合作，并成功构建起良好生态系统的公司，才能够将技术优势转化为长期稳定的盈利收益。因此，我们需要着重关注算法模型背后的全产业链协同进展，对其估值或有明显提升。龙头公司凭借丰富的资源壁垒，对新技术的追赶能力较强，投资者可适当配置一定仓位；
5、后端应用公司尚未进入密集的商业化落地阶段，当前市场主要是估值推动，预期效应高于实际表现。且当市场风险偏好发生转变时，股价变化的弹性较大。因此，在市场情绪转弱的情况下，需警惕股价回踩的风险。
6、债市方面，AI投资主要从经济增速、风险偏好等角度影响债市，但由于融资需求难比传统的地产周期，对就业的辐射作用一般，因此冲击幅度有限。长期来看，如果AI应用广泛应用如果带来抗通胀效应，届时债市甚至可能是受益者；
7、AI投资可能增加对电网改造等需求，关注相关受益的大宗产品。
风险提示
1）资本支出挤出效应明显。企业价格AI资本支出拖累了传统业务现金流与工资等，从而进一步影响了经济修复的节奏；2）美国对AI产业链施加限制。中美两国在AI领域展开激烈竞争，美国围绕产业链施加制裁，限制了中国技术更新的速度。
报告核心观点
当前全球经济处于传统信息技术时代的黄昏，人工智能有望成为引领第四轮科技革命的重要力量。ChatGPT、Deepseek等模型相继问世，推动AI全产业链进入加速发展阶段。短期来看，AI主要通过资本开支、提振信心与畅通循环等途径影响经济，长期来看，人工智能的发展将会对潜在经济增速、通胀与国际格局等产生深远影响。此外，人工智能发展对就业的影响关注度较高。从市场层面来看，产业周期叠加政策支持，后续泛科技仍是投资主线，关注算力投资、国产替代与算法突破等带来的机会。
人工智能产业的发展方向
人工智能技术的突破会对全产业链产生影响，我们对发展路径进行如下展望：第一，从上游来看，算力为支撑AI发展的根基，特别是自研加速芯片或将成为未来产业的核心竞争方向。数据、能源等资源亦是培育竞争壁垒的关键。第二，从中游来看，算法等技术创新有望带来模型层面的突破性进展，且开源的生态也将进一步加速模型与算法的迭代速度。第三，从下游来看，应用端即将迈入快速扩张时期，特别是AI agent发展进入工程化阶段。第四，关注由于AI发展所导致的道德、环境、制裁与国别竞争等衍生问题。
人工智能发展的短期影响
短期来看，AI发展对经济的影响可以分为如下几方面：第一，人工智能发展或可带动新一轮资本开支周期，国内外龙头公司AI投资增速加快或可对短期经济起到提振作用。第二，以Deepseek为代表的产业亮点彰显我国的创新能力，“创新驱动发展”缓解了市场对老龄化、经济动能缺失等问题的担忧情绪。第三，人工智能技术的发展具有正向外部性，股市上涨、产业链重构与新质生产力培育等有助于各部门信心的修复与经济循环的畅通。第四，AI发展对实际融资需求和价格信号等方面影响相对有限。
人工智能发展的长期影响
人工发展的长期影响分为如下几方面：第一，人工智能的发展会对经济模式产生深远影响，长期来看会提升潜在经济增速并推升生产力跃升。第二，AI对价格影响更偏长期，可通过效率提升与定价优化等渠道抑制通胀。第三，AI技术有潜力成为后续决定国家竞争力的关键因素，从而影响国际竞争格局与产业发展走向。就业方面，随着时间的发展，人工智能对就业影响依次体现为替代效应、互补效应、创造效应。
展望与启示
人工智能不仅会对短期的投资和市场预期产生影响，还会在长期内对经济增长、通胀中枢等方面产生深远作用。从市场角度来看，1）经济复苏节奏偏渐进，产业周期叠加政策支持，后续泛科技仍是主线；2）算力等基础设施的价值处于验证阶段，关注商业化模式的落地；3）轻量化模型的发展、新的编码开发模式与关税扰动为国产替代芯片提供了发展空间；4）算法与模型存在突破式进展的可能，彼时可对上下游情绪产生带动；5）当前后端应用公司市场变化主要源自估值推动；6）关注因AI投资受益的大宗产品。
风险提示：资本支出挤出效应明显、美国对AI产业链施加限制
正文
2022年，以ChatGPT为代表的生成式人工智能大模型应运而生，其通用性、创造性与自学习性的特征引领AI领域进入新的发展阶段。以中美为代表的各国在该领域展开激烈竞争，相关国内外科技公司加快布局，相继推出大模型，且模型在垂直领域逐步得到广泛应用。2025年，Deepseek的推出再度重塑市场生态格局，其轻量化、开源、低成本与强推理等特征与发展模式进一步拓宽了AI演化的可能性边界，人工智能的发展演化进一步加速。
综合来看，当前全球经济处于传统信息技术时代的尾声，而人工智能有望成为引领第四轮科技革命的重要力量，从而对世界的经济、政治、文化、科技产生重大影响。因此，本文着重探讨人工智能产业未来的发展方向，以及对就业、经济等多个层面的影响。
人工智能产业的发展方向
人工智能技术的突破正在改变世界。从发展路径来看，其会率先带动数据生产、算法与软件开发、芯片、存储器等前端产业发展，随后逐步拓展至后端应用环节。具体来看，我们对人工智能产业未来的发展路径进行如下展望：
第一，从上游来看，算力为支撑AI发展的根基，特别是自研加速芯片或将成为未来产业的核心竞争方向。此外，数据、能源等资源亦是培育竞争壁垒的关键。
算力是AI行业发展率先受益的赛道，广义算力产业链包含AI基础设施建设（AI服务器、云计算等）、芯片、存储和网络四个部分。其中，芯片是算力实现的核心，主要包括CPU、GPU、ASIC等五大类，近年维持着高速发展的态势。据信通院表示，2023年全球算力总规模达到910EFLOPS，同比40%，且预计到2030年期间，算力复合增速将达到65%，或标志着算力高速发展时代的来临。从国别来看，中美两国在算力领域遥遥领先，2023年份额占到全球34%与33%。此外，从目前发展的路径来看，算力作为AI发展根基的地位尚未动摇，人工智能产业链的资本开支，对算力的长期发展具有利好作用。
2025年，Deepseek推出了低成本与轻量化的发展模式，对算力市场规模预期与芯片发展方向均产生了深远影响。一方面来看，Deepseek模型在同样智能水平下极低训练成本的特性，致使市场对短期算力需求的预期有所下调。但考虑到低成本与开源模式降低了行业的进入门槛，长期的AI的普及化进程会有所加快，从而利于提升算力需求；此外，借助算力提升智能水平仍是人工智能发展的重要途径之一，国内外科技公司资本支出计划的大幅提升与之佐证；另一方面来看，自研加速芯片（ASIC）将成为未来AI领域的核心竞争方向。此前，英伟达凭借其高性能的GPU产品占据主导地位。而Deepseek带来“极致压缩+高效强化训练+推理需求大幅增加”的低成本新模式，在此背景下，定制化且擅长推理需求的ASIC时代即将来临。谷歌、Meta、华为等科技巨头纷纷基于ASIC技术路线进行战略布局，力求降低对英伟达的过度依赖。
数据、能源等因素依旧是AI模型长期发展的重要支撑。在互联网与大数据时代，数据的生成和积累正以前所未有的速度增长。IDC研究表明，全球数据量呈快速增长态势，预计到2028年，全球数据量将增长至393.8ZB，达到2018年的9.8倍。且在2024-2028五年间所生成的数据量，至少是过去10年的2.2倍，国别方面，中国数据量增速将位居全球首位。此外，在算法开源以及算力效率提升的背景下，数据优势对于公司维持模型长期处于头部地位尤为关键。其次，从长期视角来看，随着模型智能化程度的不断提高，相关电力需求将显著增长。而且芯片算力技术目前的瓶颈，本质上在于散热以及能源问题。因此，能源是人工智能长期发展背后的重要支撑。
第二，从中游来看，算法等技术创新有望带来模型层面的突破性进展，且开源的生态也将进一步加速模型与算法的迭代速度。
AI产业链的中游主要由各类大模型公司构成，在模型的快速迭代阶段，算法的更新或许能够在短期内带来显著成果。从模型三要素来看，算力与数据的发展过程相对平缓，而算法则能够在短时间内实现突破，从而弥补硬件与数据层面的短板。近年来，模型算法历经LLM、RAG、多模态与轻量化等多轮技术风口，显著优化了 AI 的智能水平与运行效率。DeepSeek 的卓越之处也在于其算法上的突破，其包含强化学习、稀疏激活与底层PTX语言编码等多个技术关键点，对推理能力与模型效率等产生显著影响。此外，长期需关注量子计算与AI融合、多模态技术、计算机视觉，以及探索硅以外的新材料等技术突破方向。
Deepseek基于现有模型迭代的路径与开源生态将会加速后续算法的更新速度。DeepSeek的策略为基于现有模型迭代改进，而非从零开始构建模型，这使其能够更高效地缩小与领先者的差距。再加上开源生态的发展，开发者能够以较低成本利用现有技术，小型团队也能部署自己的本地智能体。推动算法快速更新后，前期大型企业依靠闭源模式构建的竞争壁垒将受到挑战。
从当前的发展路径来看，国内外在模型层呈现出不同的优势。海外方面，主要依靠强大算力驱动模型性能突破，堪称大力出奇迹，例如近期以xAI将GPU规模从10万扩展至20万（最终目标为100万），训练出Grok-3；OpenAI则发布了迄今最大预训练模型。而国内在软硬件效率优化上更加领先，以DeepSeek开源周为例，持续开源了硬件效率突破、通信成本压缩与存储架构创新等5项核心技术，使得理论上的成本利润率达到545%，与各平台的适配效率亦逐步提升；Manus亦延续了中国AI生态的道路，摒弃“堆参数”的发展，独创“少结构，多智能”架构。
第三，从下游来看，应用端即将迈入快速扩张时期，特别是AI agent发展进入工程化阶段。
从产业发展周期来看，部分AI大模型的市场渗透率已达10%，后续有望步入加速增长期。根据历史经验来看，新技术的渗透率达到10%以上时，会进入发展的加速期。当前市场上存在较多针对企业AI渗透率与员工AI使用率等调查，虽然统计数据口径有所差异，但普遍处于10%以上，包括美国经济普查局、纽约联储等或表明AI将进入应用的繁荣扩张期。
Deepseek低成本与开源的新模式对行业生态了显著影响，应用层所受的边际利好尤为突出。Deepseek低成本+开源的发展模式降低了垂直领域接入AI的成本。国内多个代表性厂商加速与Deepseek合作布局，促使应用端呈现出繁荣扩张的态势。垂直领域衍生出各种新生态与新需求，金融、搜索、医疗、游戏等行业蕴含着较大的潜在发展机会。此外，随着Deepseek为代表模型的市占率上升，开源模式的布局思路对后续行业发展路线与商业生态产生影响，开源生态与端侧渗透将成为未来产业话语权的重要力量，百度等部分大型企业也开始由闭源策略转向开源。
AI agent加速进入复杂数据场景，赋能端侧逐步进入工程化阶段。AI Agent是一种以大语言模型（LLM）为核心驱动的自主智能系统，与传统人工智能不同，它具备独立思考、行动和反思等复杂能力，能够感知环境、做出决策并执行动作。随着技术突破、市场需求复杂等隐私的影响，AI agent正处于快速发展阶段。在ToC端，其沿着“通用搜索→个人知识管理→个人生活助手”的路径演化；在ToB端，则沿着“企业知识库→单点功能→多Agent跨业务功能”演化。2025年将成为AI智能体快速发展的元年，OpenAI的o1模型已能模拟人类推理过程，处理法律合同比对等多步骤工作；微软的Copilot系统则通过整合记忆、推理与多模态能力，帮助用户自动筛选邮件、执行供应链管理等任务。Manus研发出了全球首款通用型AI智能体，实现办公场景的全流程自动化。
此外，以Deepseek为代表的轻量化与蒸馏版模型的推出，也有力地推动了AI agent的发展。在以往端侧资源受限的情况下，相关模型的承载能力有限，而高效率模型加速了以智能体（AI agent）作为主流形式为终端设备赋能的应用落地，其发展进入工程化阶段，在智能手机、智能眼镜等领域推进速度较快。
第四，关注由于AI发展所导致的道德、环境、制裁与国别竞争等衍生问题。
随着AI模型的能力不断增强，引发了一系列道德问题和技术滥用事件。例如，2023年，FAccT会议收到的AI伦理论文数量比2022年增加了30%，自2018年以来增加了12倍；与此同时，相关法案也不断完善，2024出台《人工智能法案》，旨在为全球AI治理建立标准。此外，AI发展也激化了国际竞争，特别是美国针对中国围绕AI硬件、技术与投资等方面进行了一系列的限制。环境方面，AI Agent发展的高耗能、高排放对生态造成一定的压力。
综合来看，中国在人工智能领域具备诸多优势，在斯坦福HAI、中国科学信息研究所等综合评估中仅次于美国。具体而言，我们从如下几个方面进行对比：
1）算力层面，中国算力规模全球位居第二，且智能算力增长迅速，与美国在份额上的差距持续缩小。
2）算法层面，中美算法能力方面已建立了各自的优势领域。但综合来看，中国基础研究领域技术积累不足，且在全球开源社区影响力不够，算法综合素质略低于美国。不过，鉴于算法的追赶效应显著，差距相对可控。并且，中国的数据规模庞大，标签成本具有优势，有利于企业推出自主AI框架。
3）应用层面，中国机构在研发中普遍秉持“重应用”的理念，结合国内庞大的市场需求，落地应用方面的研究较为充分，相比美国，应用端可能更具发展特色。从发展方向来看，美国人工智能起步较早，在金融业、军事和能源等行业的应用皆处于领先地位；中国人工智能虽起步较晚，但进程较快，行业应用上呈现出“大而全”的发展特点。
4）企业层面，美国人工智能企业总数接近中国的两倍，然而两国AI独角兽企业总数较为接近。从企业思路来看，以谷歌、亚马逊、Facebook 为代表的美国人工智能企业，将更多资金投入到基础技术研发；而以百度、腾讯、阿里巴巴为代表的中国人工智能企业，则更多地探索支付、社交、交互技术、图像处理、智能搜索等技术应用领域。
5）政策层面，美国更强调人工智能的自由发展，中国则注重AI发展与治理的均衡性和一致性，政策促进导向十分明显。
6）与中国人工智能发展中的不足：包括高端芯片技术薄弱、算力资源分散且利用率低、“东数西算”传输存在问题与数据质量参差不齐等。
人工智能发展的短期影响
人工智能对经济的影响较为复杂，且在短期与长期的过程中体现出不同的特征，短期来看，AI发展会从资本开支、预期改善与经济循环畅通等层面影响经济。具体来看，我们认为有如下几方面关注点：
第一，人工智能发展或可带动新一轮资本开支周期，国内外龙头公司AI投资增速加快或可对短期经济起到提振作用。
20世纪80年代以来，全球经历过三轮科技创新带动的投资与增长。
1）1980年代个人电脑（PC）革命期间，电脑相关产业快速发展，个人电脑市场规模从1980年约50亿美元增长到1990年的超过300亿美元，IBM、苹果、英特尔、微软等公司为投资主导力量；
2）1990年代的互联网革命期间，互联网相关公司快速扩张，科技投资增速在90年代中期超过50%，围绕数据中心和网络基础设施建设方面投资规模较高，谷歌、亚马逊、雅虎等互联网巨头在此期间崛起；
3）2010年前后智能手机及移动互联网快速发展，全球科技投资规模进一步扩大，特别是在半导体、移动设备和云服务领域，苹果、谷歌、腾讯、阿里巴巴等公司在此期间主导了市场。
人工智能发展或能开启新一轮资本开支周期，当前国内外AI相关投资增速已有加快趋势。根据斯坦福大学2025年4月初发布的AI指数报告来看，全球人工智能相关投资近年处于较高水平，特别是生成式人工智能投资增速明显较快，中美贡献力度较大。
1）国外来看，美股“七姐妹”（Magnificent7）领跑AI投资，2024年以来资本开支同比增速快速走高。2024年全年，美股“七姐妹”资本开支累计2395.12亿美元，同比增长48%。2022-2024年间，年均投资2000亿美元，为2016-2021年均投资的2倍以上，AI基础设施资金投向主要集中在数据中心、电力和算力升级等方面。
整体来看，各家针对资本开支的表态相对积极，谷歌宣布了今年计划投入约750亿美元的资本开支计划；微软表示将在2025财年斥资800亿美元扩建数据中心支持AI算力需求；Meta称计划投入高达650亿美元构建新一代数据中心和计算基础设施；亚马逊表示，计划在2025年将资本支出提升至1000亿美元。
2）国内来看，“十巨头”（Terrific10）也正加快强化自主技术布局，近五年资本支出平均增速与MG7接近，但从斯坦福HAI的统计数据来看，国内AI投资增速斜率尚不及美国，或与前期两国AI模型的相对实力有关，但Deepseek推出后，国内科技公司的布局或会有所加快。结合彭博数据，2024年全年，预计“十巨头”资本开支2900亿元，同比增长28%，特别是阿里巴巴的资本开支从去年3季度的175亿元跳升82%至318亿人民币。2022-2024年间，年均投资额约为2500亿元，过去十年间资本开支金额占MG7的比重约为17%~20%。
其中，阿里巴巴在2025年宣布未来三年计划投入3800亿元用于云和AI基础设施建设，总额超过去十年总和（3400亿元）。比亚迪也曾表示，未来将延续资本开支两位数以上的增长。百度也提出将人工智能投资作为长期战略重点进行投资。此外，美团、小米、中芯国际等虽未明确表态，但在行业发展趋势下，预计也会围绕AI基础设施、智能硬件和半导体等领域加大布局。华为、字节等非上市公司预计未来也会有近千亿规模的资本支出。通信产业报亦表明，三大运营商将持续加码算力方面的投资，如构建新的万卡智算集群，扩大400G算力网络的覆盖规模，中国电信计划2025年资本开支836亿元，初步安排算力投资同比增长20%；中国移动称推理资源投资设上限，计划规模近400亿；中国联通算力投资增长28%。
向前看，未来AI相关投资增量预计能对国内外GDP产生不小的拉动作用。
①国外方面，结合彭博预期与行业发展趋势，预计2025年MG7总资本支出约3300亿美元，2025-2027年累计支出1.1万亿美元，超过前十年的投资总额，年复合增长率为20%。考虑到美股MG7在纳斯达克100占比超65%以及行业带头作用，假设MG7的AI投资占全美的80%，预计2025年全美AI总投资4000亿美元，较上年增加超1000亿美元，边际抬升GDP约0.4%，预计2025-2027年累计支出约1.4万亿美元。
②国内方面，预计2025年“十巨头”总资本支出约为3800亿元，2025-2027年累计支出1.43万亿，与前十年的投资总额规模相近，年复合增长率为25%，Deepseek引发科技公司的AI投资浪潮下，国内投资增速预计略强于美国。考虑到三大运营商、华为、字节等公司的影响，假设“十巨头”投资占全国投资60%，预计2025年全国AI总投资6000亿元，较上年增加超22亿美元，边际抬升GDP约0.1%，预计2025-2027年累计支出超2万亿。
此外，根据2025年3月3日《AI投资：日渐清晰的基本面亮点》报告，AI资本开支的具体影响效果取决于多方面因素，具体可以分为如下几点：
1）资本开支存在漏出效应。即企业的AI资本开支主要集中在芯片、数据中心和算法升级等环节，但其中部分产品和设备依赖进口，这部分投资对国内增长的拉动或不明显；
2）企业AI资本开支可能对传统业务现金流或其他现金支出形成一定挤出效应；
3）资本开支增加过程中会影响到居民部门的收入、信心与供给端的丰富度等，从而产生更加广谱性的影响。
与此同时，市场开始关注AI资本开支短期是否存在泡沫风险。当前，AI资本开支面临基础设施超前建设、技术同质化以及投资回报周期长等诸多问题。与互联网模式不同，当前AI领域的技术可用性与商业可持续性之间存在显著矛盾。一方面，AI 模型唯有保持强大的技术领先优势，才能够通过付费订阅等模式实现营收。然而，技术快速迭代以及开源模式发展的背景下，多数公司难以构建起持续的竞争壁垒，盈利能力具有较高的不可预见性；另一方面，尽管AI的应用能够显著提升工作效率，但考虑到各类流程的检查与纠错等额外工作量，当前企业实际部署AI的成本可能不降反升。
截至当前，生成式AI领域尚未诞生有代表性且成功的商业案例，即便是处于领先地位的公司，收费模式难以延续的背景下，其预估的投资回报周期也在不断拉长。此外，AI行业的生态特性决定了后期会呈现出极为显著的龙头效应，因此，落后公司的投资回报充满了较大的不确定性。全球各类科技巨头在AI领域数千亿美元的投资计划或面临着难以实现回收的风险。
第二，以Deepseek为代表的产业亮点彰显我国的创新能力，“创新驱动发展”缓解了市场对老龄化、经济动能缺失等问题的担忧情绪。
近年来，中国创新能力稳步发展，创新投入、产出与科创人才资源优势逐步显现，但成果转换效率偏低。中国近年维持较大力度的投资，据国家统计局数据，2024年中国研发经费达3.6万亿元，同比增长8.3%，投入强度（2.68%）首次超越欧盟平均水平，基础研究经费占比提升至7.2%；大科学装置数量（38个）全球领先，为量子计算、可控核聚变等前沿领域奠定基础。教育经费的规模达6.4万亿，也取得历史性突破。产业链方面，虽然近年战略新兴产业亮点不断涌现，例如电气设备、计算机与光学、车辆与新三样等快速发展，但综合创新效率整体偏低，具体而言，中国专利申请量占全球45.6%，但有效发明专利产业化率仅53.3%，企业研发投入占比77.7%，但基础研究贡献度（6.65%）仍低于美国（17%）。
而以DeepSeek为代表的创新成果，证实了中国创新体系的有效性，增强了市场对创新驱动发展的信心，一定程度上缓解了对长期发展的担忧。长期以来，中美创新体系构建逻辑差异显著。美国创新体系以企业为主导，强调自由市场机制与企业家精神；而中国创新在过去较长时期更多依赖政府引导，存在协同效率低、资源分配效率不高的问题。为解决这些难题，我国近年来持续推进全面创新体制改革，涵盖教育、科技、人才等领域。而本轮DeepSeek的崛起不仅是技术突破，更象征着中国创新从“追赶”到“引领”的范式转变。作为一种非政府主导下的，完全由企业自发推动的分散化创新，有力提振了居民对中国创新体系建设、新质生产力培育以及创新驱动发展战略的信心，缓解了市场对老龄化、经济动能缺失等长期性问题的担忧。
第三，人工智能技术的发展具有正向外部性，股市上涨、产业链重构与新质生产力培育等有助于各部门信心的修复与经济循环的畅通。
当前中国经济经济增长面临的核心矛盾可以概括为三个层面。一是经济新旧动能转换和产业转型问题，过去支撑经济发展的红利与动能逐渐消退之后，新的生产力量有待累计；二是微观主体信心不足、地缘政治风险与企业营商环境等非经济问题，改革需久久为功；三是短期经济运行的矛盾，具体表现为有效需求不足、供需结构错配、价格信号偏弱以及资产负债表衰退等问题。
以Deepseek、机器人为代表的产业亮点一定程度缓解了中国经济增长各层次的核心矛盾，其对各部门决策与经济循环的影响体现在如下几个方面：
1）居民部门方面，受财富效应、文化自信等因素影响，居民消费与购房需求预计有所增加。具体存在如下几方面渠道：其一，AI发展与资本开支过程中，科研人员等相关链条薪酬等支出也会同步增加，会通过工资收入带动消费和购房需求；其二，AI亮点和资本开支带动风险偏好回升，股市修复后的财富效应利好居民消费；其三，AI投资有望催生新的消费场景，从而进一步激发消费活力；其四，AI创新提升军事+科技+文化自信，从预期层面促进经济循环。
2）企业部门方面，AI提升企业投资意愿，叠加政策支持与融资状况改善等影响，企业发展活力有所修复。
AI创造了全新投资方向与环境，不仅科技类相关公司加大资本开支以推动创新，下游公司也加速业务与AI融合，这既助力企业降本增效，又提升相关产品吸引力。具体来看，上游硬件层直接受益效果明显，资本开支短期内直接利好各类硬件公司。除了传统数据、电力等基础设施之外，芯片等国产替代产品在Deepseek等技术创新下迎来了新的发展空间，对相关公司的盈利与估值皆有利好；下游应用层潜在发展空间较大，AI垂直应用的盈利模式需要较长时间的市场验证和用户积累，短期内盈利或难有明显改善，但估值提升较为明显，AI接入服务成为“必需品”的概率提升。
此外，股市良好表现亦有利于企业IPO和股权融资，债券市场的科技板亦在持续推进，叠加民企座谈会等对企业家精神保护的重视，相关企业资产负债表在盈利与预期层面中有所改善，企业部门投资意愿或会有所增强。
3）政府部门方面，AI发展拓展了投资空间，相关基建有潜力成为后续逆周期政策的抓手。近年来，经济发展的传统动能逐步退坡，项目对基建等投资的制约明显增强。在政府强调投资质量与效益的背景下，新兴产业虽有所发展，但规模相对有限，逆周期调节经济的有效手段尚不清晰。本轮 AI 的发展为政府后续加杠杆提供了丰富的投资标的。随着 AI 带来电力等需求增长，对新基建、新能源等领域也产生利好，AI 领域的竞争已上升至国家战略高度。
两会召开后，国家加大了对科技产业发展的支撑，具体涵盖以下几方面举措：1）国家推动设立“航母级”的国家创业投资引导基金，聚焦人工智能、量子科技等领域，将吸引带动地方、社会资本近1万亿元；2）优化科技创新和技术改造再贷款政策。进一步扩大再贷款规模，从目前的5000亿元扩大到8000亿元至10000亿元，更好满足企业融资需求；3）创新推出债券市场“科技板”，支持金融机构、科技型企业、私募股权投资机构等三类主体发行科技创新债券，丰富科技创新债券产品体系。
第四，AI发展对实际融资需求和价格信号等方面影响相对有限。
1）融资需求方面，企业AI资本开支仍依赖于内源融资或权益融资，对债务融资的需求不高，新兴行业项目的丰富或成为后续政府举债的重要方向，但总体宏观杠杆率的变化相对有限。2）价格方面，AI相关产品在PPI与CPI中的权重较为有限，AI发展的拉动作用不强，未来走势主要取决于产能供需等问题的改善。
人工智能发展的长期影响
AI发展除了对短期投资与预期产生影响之外，还会重塑长期经济、通胀与国际竞争的格局，具体来看，人工智能发展的长期影响可以分为如下几个方面：
第一，人工智能的发展会对经济模式产生深远影响，长期来看会提升潜在经济增速并推升生产力跃升。
AI通过几条逻辑推动长期潜在经济增速：一是生产率提升效应，AI通过自动化和优化生产流程，提高生产效率，同时加速技术创新，推动全要素生产率的提升；二是劳动力创造效应，AI本身是一种新型劳动力供给，弥补人口老龄化的缺陷，并推动劳动市场的结构性变革；三是边界延展效应，人工智能的发展可以有效促进传统产业转型，并有望催生一系列难以预知的新兴产业；四是资本积累效应，AI发展改变资本积累和投资方向，资本存量增加的同时向高附加值领域集中，进一步促进经济增长；五是总需求扩张效应，人工智能提升全社会的生产率后，有助于居民部门收入水平和效率的提升上升，各部门对服务业等传统产业的总需求也会有所增加。
根据AI影响长期增速的逻辑，我们从如下几方面假设出发测算其对经济增长的拉动作用（具分析假设见下一章）。一是生产率提升效应，当某行业AI深度渗透率为20%时，相当于该行业仅用80%的人就完成了之前的工作，生产效率提高为25%（1/80%）；二是就业效应，一方面来看，AI发展会创造出新的岗位，且传统行业扩张后也会增加新的招聘，部分被人工智能影响的劳动力会重新再就业；另一方面来看，部分工人再就业过程中，由于受到技能与岗位不匹配、信息传递不畅、新职业岗位出现较为缓慢等因素的影响，可能会退出劳动市场；根据计算大约在1/5左右，即被影响的失业人员大约80%可以完成再就业；三是作用时间，技术从适用到深度结合需要一定假设，假设AI应用的就业过程大约为20年。
市场和学界进行了广泛研究与估算，尽管具体数值略有差异，但对拉动效果的测算均较为显著。我们结合现有研究及下文关于人工智能影响就业市场的讨论，对AI提升生产率、AI渗透时间与再就业比例等进行假设，测算得到如下结果：
1）人工智能对美国经济增长的带动大约为每年1%~2%的水平，而对中国经济增长的带动大约为每年0.5%~1.5%的水平。带动差异与人工智能发展水平以及产业结构的不同，人工智能发展水平较高，且智能化产业占比高的国家，AI拉动效应比较强。
2）从替代速度分析来看，如果10年内就能完成人工智能的替代，人工智能对中国经济将会产生每年1.7%的拉动，如果30年才能完成人工智能的替代，人工智能对中国经济将会产生每年0.56%的拉动。
3）从就业冲击分析来看，若对就业影响大时，人工智能对中国经济的增长拉动为每年0.69%，反之，人工智能对中国经济的增长拉动为每年0.91%。
4）我们将该测算方法外推别的国家发现，生成式人工智能技术会在未来的20年之间将全球的劳动生产率每年提升1.1%左右。从区域差异来看，新兴市场受到的增益小于发达市场，主因发达国家受人工智能影响劳动替代的影响越强，对经济增长的促进作用也越强。
第二，AI对价格影响更偏长期，可通过效率提升与定价优化等渠道抑制通胀。
短期内，AI发展对通胀或略有提振，但效果不明显。AI投资初期，可能会拉动部分主要投入品的价格，如芯片、服务器等，导致生产成本上升，进而推升PPI；且随着经济活动水平的改善与工资的修复，或会传导至部分商品的CPI，但由于其权重较为有限，这一渠道的直接拉动作用可能相对有限。
长期来看，人工智能的发展可以降低生产成本、改变消费者的消费结构与减少信息摩擦，从而对通胀产生抑制作用。具体传导路径如下：1）AI的使用可以有效提升各行业的生产效率，同时作为新的投入要素替代劳动，从而降低了生产成本和工资成本，对通胀产生抑制作用；2）AI的使用可以减少信息摩擦，系统化与规范化的过程利于提升流通过程中的效率，同时优化市场竞争，从而在定价过程中抑制通胀；3）AI通过创造新型服务和产品丰富供给端选择，从而市场总体的供求结构，抑制物价上升；4）长期视角下，也需关注AI发展过程中，部分高技术特定领域的结构性通胀压力。
回顾过去三十多年，全球通胀率处于较低水平，这在很大程度上得益于信息技术在各行业的广泛应用。如果AI能够像信息技术那样产生变革性的影响，预计也会对通胀起到抑制作用。以美国20世纪90年代互联网革命时期以及中国加入世界贸易组织后的技术导入阶段为例，当时多呈现出“量增价平”或“量增价跌”的情况，即“增长修复和温和通胀”并存。
第三，AI技术有潜力成为后续决定国家竞争力的关键因素，从而影响国际竞争格局与产业发展走向。
在新一轮的科技革命中，AI技术有望成为左右国家竞争力的核心力量，科技巨头公司的实力也将随之逐步增强。近年来，各国围绕AI发展展开了激烈角逐，其中中美两国表现尤为突出。两国市值排名前列的公司，已从以往的金融、能源巨头，逐渐转变为互联网和科技巨头。这些科技公司掌控着海量数据和信息，对国家的影响力与日俱增。
当前，全球人工智能领域已连续四年呈现出中美两国引领、其他各国跟进的格局。依据中国科学技术信息研究所研制的全球人工智能创新指数，全球人工智能可划分为三个梯队，中美两国优势显著。结合其分项指数以及斯坦福大学的研究来看，中国拥有全球规模最大的互联网用户群体，在产业应用、市场规模、数据来源以及政策推动等方面优势明显，在AI研发方面成绩斐然，特别是在AI相关论文发表、专利申请以及技术转化等方面领先全球。而美国在人工智能领域具备全球顶尖的技术与研究实力，2024 CSRankings数据显示，在研发投入、经济基础以及基础设施建设等方面表现突出，AI领域的风险投资金额占全球总投资的50%以上，在顶级学术会议上发表的论文数量占比超过40%。
向前看，AI发展将对全球竞争态势和产业格局产生深远影响。其一，各国为在AI领域抢占先机，将围绕AI关键技术、专业人才以及数据资源等展开激烈竞争，通过政策手段吸引顶尖人才、实施关键技术封锁保护等将成为博弈焦点；其二，AI深度融入各行业将带来诸多变数，传统行业加速转型升级，新兴行业蓬勃兴起，各国在产业布局和AI发展速度上的差异，将进一步重塑国际产业分工和贸易格局；此外，AI在军事、安全等领域的应用，可能引发全新的安全挑战、失衡，导致战略不稳定因素增加。
人工智能发展对就业的影响
人工智能对就业岗位的影响会产生三种效应：替代效应、互补效应、创造效应，并且这三种效应所发挥的作用会随着时间的推移逐步发生变化。
第一，短期内体现为替代效应：这种效应存在“极化现象”，即技能要求最简单和最困难的岗位都难以替代，反而是中间的更容易被替代。具体来看，简单的体力劳动由于其独特性与场景适应性（如外卖配送、餐饮、美发），无法被完全替代；复杂的脑力劳动需要高级的判断和创新能力，在长期内也会被保留下来；处于两者之间涉及较多规则性和重复性工作的岗位面临的冲击较为明显，如文字编写、代码撰写、图像绘制、问题解答等。
近年与人工智能相关的岗位正在增多，各行业与人工智能的结合使用也正在加速，但整体渗透率的速度偏渐进。斯坦福HAI数据与2025年美国人口普查局等数据显示，信息业、专业技术服务、金融与保险与房地产和租赁等行业近年发布相关岗位比例上升，信息业接近5%，且问卷显示工作中使用人工智能的比例也有所增高。但短期内AI的发展仍集中在研发和资本支出阶段，渗透率提升过程可能相对缓慢。以美国BTOS数据为例，AI技术渗透率从2023年10月的3.7%，增长至2024年2月的5.4%，预计2025年增长至7%以上。
为了进一步分析AI对就业市场的结构性影响，我们基于O*NET27.2和BLS数据库进行研究。数据库将美国的各岗位涉及的工作拆分成具体任务并进行相应的难度评分，我们结合现有文献研究方法，将岗位任务细节、难度评分等信息输入Chat-GPT，借助大模型对各类任务的替代情况进行打分。
测算结果表明：从职业来看，人工智能大模型对文字生成、档案记录等简单非体力劳动具有强大的替代能力，文员、登记、助理、记录等文秘工作职业因此排在替代的前列；此外，金融定量分析师、计算机程序员等过去普遍认为难度较高职业也会被大模型替代。从行业来看，租赁和商务服务业、信息、计算机和软件业、金融业等行业职业受影响的占比最高，分别为61%、59%、53%，行业排序上基本与当前AI垂直利用的进展相当。
我们结合岗位替代情况，进一步计算出人工智能大模型可以替代美国岗位的比例为29%，与各类已有研究的测算结果较为接近。
随后，我们将对美国的研究推广至其余国家。具体来看，人工智能对各国就业市场的影响取决于两方面因素。一方面是各国人工智能发展的水平，人工智能发展较快的国家可以更高效的将各种技术落地应用，劳动力替代效应也会更明显；另一方面是各国的产业结构，不同产业面向人工智能时暴露的风险不尽相同，智能化行业占比大的国家受影响明显。我们基于美国的测算结果，结合全球人工智能发展水平评分、产业结构差异以及相关研究的测算推算别国的岗位自动化情况。结果表明，全球约20%的工作可以由人工智能自动化，且从国别差异来看，新兴市场就业市场受人工智能影响的冲击比发展中国家少。
第二，中期内表现为互补效应。劳动者利用人工智能辅助生产对生产效率的提升效应，劳动者与人工智能在此过程中呈现出相辅相成的协同作用，人工智能的作用也会进一步演化。基于历史经验，新技术（如个人电脑、电动机）突破出现以后，从部分企业试用推广更多的企业大约需要10~20年；此后，企业开始高速采用新技术，劳动生产率提升明显，此过程会持续10~20年左右。考虑到人工智能模型自身的特点，推广速度预期比之前更快。
第三，长期内表现为创造效应。在人工智能持续发展的进程中，会逐步催生出新的产业形态和就业机会。一方面，人工智能提升了经济的总需求水平与运行效率，使得人们可用于从事非生产性娱乐、生活活动的时间增加，进而促使传统行业（如服务业等）的规模得以扩张；另一方面，人工智能如同熊彼特提出的创造性破坏理论所阐述的那样，当新技术创新取代了原有的传统产业时，必然会伴随新产业的诞生，同时也会创造出与之对应的新岗位。
学术界围绕人工智能对就业市场产生的各类影响展开了广泛研究。例如，Daren Acemoglu（2019）对替代效应进行研究，发现技术变革后劳动力需求的变化可细分为失业和再就业两个部分。1980年后，IT技术变革在短期内产生的失业明显多于新增岗位的数量，根据计算大约在1/5左右，即被大约有20%的员工会受到新技术的影响。DavidAutor（2022）等对创造效益进行研究，如今60%的工人从事的职业在1940年是不存在的，且过去80年85%以上的就业增长是由技术驱动的新职位创造造成的。
结论与启示
当前全球经济处于传统信息技术时代的黄昏，人工智能有望成为引领第四轮科技革命的重要力量。ChatGPT、Deepseek等模型相继问世，推动AI全产业链进入加速发展阶段。人工智能不仅会对短期的投资和市场预期产生影响，还会在长期内对经济增长、通胀中枢等方面产生深远作用：
第一，AI发展会对整个产业链的上中下游发展与结构变化皆起到重要推动作用。
1）从上游来看，算力是AI发展的根基，低成本与开源模式降低行业进入门槛后，长期总需求仍在上行；结构上，随着推理需求的上升，自研加速芯片（ASIC）将成为未来AI领域的核心竞争方向；此外，数据与能源是未来公司培育核心竞争力的关键壁垒；
2）从中游来看，算法等技术的创新或许能带来模型层面的重大突破。目前开源的生态环境会进一步加快模型与算法的迭代速度，在短期内弥补硬件和数据等方面的不足。中美两国在模型层逐渐形成了差异化竞争格局，与海外依靠强大算力推动大模型发展的思路不同，中国更关注模型效率提升。
3）从下游来看，部分 AI 大模型的市场渗透率已达到10%，应用端即将迎来快速扩张时期。AI agent加速进入复杂数据场景，赋能端侧也逐步进入工程化发展阶段。
第二，短期来看，人工智能主要通过资本开支、提振信心以及畅通各环节经济循环等途径影响经济。首先，资本开支对经济增长起到直接的拉动作用，我们预计全国2025年相关资本6000亿元，边际提升GDP约0.1%。其次，以Deepseek为代表的国内技术突破增强了对我国创新能力与创新体系的信心，对长期增长预期改善明显，叠加股市上涨、产业链重构与新兴行业等因素的影响，各部门的信心与活力都有所修复，一定程度上缓解了当前经济循环中存在的问题。
第三，长期来看，人工智能的发展对潜在经济增速、通胀与国际格局等产生深远影响。其一，AI通过生产率提升效应、劳动力创造效应、边界延展效应与资本积累效应等渠道影响长期经济增速水平，基于测算，我们认为AI发展对中国经济增长的带动大约为每年0.5%-1.5%的水平；其二，人工智能的发展可以降低生产成本、改变消费者的消费结构与减少信息摩擦，从而对通胀产生抑制作用；其三，AI技术有潜力成为后续决定国家竞争力的关键因素，从而影响国际竞争格局与产业发展等。
此外，人工智能发展对就业的影响关注度较高，整体原则是“不高估短期冲击，不低估长期影响”，随着时间的发展会依次表现为替代效应、互补效应与创造效应。
从市场的角度看，
1、全球经济形势不确定性导致外围市场波动较大，而内部市场处于数据与政策的短暂空窗期，业绩期到来+关税扰动等因素的影响下，市场风险偏好承压，科技链条整体有所回调。但中期来看，经济复苏节奏偏渐进，产业周期叠加政策支持，后续泛科技仍是主线，继续从算力—基础设施—AI应用—传统行业改造等脉络寻找投资机会；
2、算力等基础设施的价值处于验证阶段。近期国内外科技公司陆续公布了未来的资本开支计划，整体的规划导向较为积极。然而，受腾讯资本开支未达预期、微软指出数据中心可能存在过剩、阿里巴巴主席表示AI投资或许存在泡沫等因素影响，市场预期有所收敛。后续的核心关注点在于AI公司能否成功落地商业化模式。投资回报率变数较大，行业估值可能会面临较大波动。
3、轻量化模型的发展、新的编码开发模式与关税扰动为国产替代芯片提供了发展空间，相关企业的估值现已有明显修复。不过，鉴于CUDA生态垄断了90%的AI开发框架，并且其在多个领域具备性能优势，英伟达等行业龙头的技术壁垒与投资价值依旧存在。此外，ASIC芯片已进入高速发展阶段，国内外科技公司在追赶的过程中，或许会涌现出一批后起之秀。此外，美国对华关税与技术限制等亦会加速我国国产替代的发展；
4、算法与模型存在突破式进展的可能，彼时可对上下游情绪产生带动。鉴于算法技术更新迭代的速度较快，唯有那些积极与上下游企业展开深度合作，并成功构建起良好生态系统的公司，才能够将技术优势转化为长期稳定的盈利收益。因此，我们需要着重关注算法模型背后的全产业链协同进展，对其估值或有明显提升。龙头公司凭借丰富的资源壁垒，对新技术的追赶能力较强，投资者可适当配置一定仓位；
5、后端应用公司尚未进入密集的商业化落地阶段，当前市场主要是估值推动，预期效应高于实际表现。且当市场风险偏好发生转变时，股价变化的弹性较大。因此，在市场情绪转弱的情况下，需警惕股价回踩的风险。
6、债市方面，AI投资主要从经济增速、风险偏好等角度影响债市，但由于融资需求难比传统的地产周期，对就业的辐射作用一般，因此冲击幅度有限。长期来看，如果AI应用广泛应用如果带来抗通胀效应，届时债市甚至可能是受益者；
7、AI投资可能增加对电网改造等需求，关注相关受益的大宗产品。
风险提示
1）资本支出挤出效应明显。企业价格AI资本支出拖累了传统业务现金流与工资等，从而进一步影响了经济修复的节奏；2）美国对AI产业链施加限制。中美两国在AI领域展开激烈竞争，美国围绕产业链施加制裁，限制了中国技术更新的速度。
