歐陽曉紅/文

中國經濟正迎來新的增長范式。

近日，隨著寒武紀股價一路攀升，甚至一度躍升至A股“新股王”，資本市場的驅動力正轉向“創新—效率”的科技主線。這一變化，折射出經濟敘事的歷史性轉變。

2025年8月26日，國務院發布《關于深入實施“人工智能+”行動的意見》（下稱《意見》），對人工智能（AI）的應用提出了明確的階段性發展目標。2024年的《政府工作報告》首次提出開展“人工智能+”行動，標志著人工智能發展已經上升為國家戰略。

望正資產董事長劉陳杰在2023年撰寫了《人工智能、經濟增長和結構性機會》一文。其建模研究顯示，即便在采用非常保守的假設影響下，人工智能的發展將顯著提升技術進步和規模經濟，使得潛在增速下降速度趨緩，且在一定時期保持較為穩定的發展。高質量的發展是時代的內在需求，是內外壓力和激勵的結果。

如今這一判斷正在被市場逐步驗證。站在數智時代的臨界點上，經濟觀察報對話劉陳杰，從宏觀趨勢到行業落點，試圖揭開科技投資背后的底層邏輯。

從模型假設到市場驗證

經濟觀察報：如今寒武紀的股價一度超越貴州茅臺，人工智能的發展上升為國家戰略。這是否意味著，你的模型假設已經被市場驗證？當前市場的上漲，是在交易“夢想”，還是交易“生產率提升”的現實？

劉陳杰：我們的模型推演正在被市場階段性驗證，但需清醒認識到，目前市場同時交易著“夢想”與“現實”。

從短期看，寒武紀登頂、成交放量，顯示資本在劇烈追捧AI時代的“期權價值”，這是對未來的貼現；但從中長期看，真正的可持續行情必須建立在“生產率提升”的堅實基礎上。關鍵的觀測點不在于股價本身，而在于AI滲透率提升后，能否在企業財報的毛利率、人均效益、研發費用轉化效率等核心指標上持續體現出來。目前，我們正處在從“夢想”走向“現實”的過渡期。

經濟觀察報：能否具體闡釋其底層邏輯是什么？

劉陳杰：我們先看一張圖，它展示了人工智能對中國潛在經濟增速的影響。從2020年到2035年，無論情景如何，潛在增速整體呈下降趨勢，這是人口老齡化、資本邊際遞減等結構性約束影響的必然趨勢。但在不同AI滲透率假設下（10%、15%、20%），經濟增長率均顯著高于基準情景（Base）。到2035年，基準情景下的潛在增速降至約4.6%，而AI滲透率達到20%的情景下可維持潛在增速在5.8%左右，顯示AI普及能夠有效托底經濟。

兩年前我提出一個假設：AI能有效延緩潛在經濟增速下滑，但有兩個前提：一是存在“閾值效應”——在模型設定中，當AI資本存量占國內生產總值（GDP）比重超過2%，對全要素生產率（TFP）的邊際拉動會從0.1個百分點躍升至0.4～0.5個百分點；二是資本市場可能會提前12—18個月定價這一躍升，而不是等到利潤表兌現。

如今，兩條證據鏈正在強化。宏觀層面，根據我們基于公開投資與算力設施擴張的初步估算，中國AI相關資本（包括服務器、算力中心與模型訓練投資）的存量占GDP的比重已接近2%，這意味著AI資本可能跨過模型設定中的“閾值水平”。市場層面，寒武紀股價一度超越貴州茅臺，反映的并非盈利對比，而是資本將“AI算力”視作未來10年的現金流入口，提前折現潛在收益。

不過，需要區分兩層定價：第一層是資產重估，AI算力、數據、模型被視為新型基礎設施，估值錨從市盈率（PE）轉向“每美元算力對應市值”，這部分仍含有“夢想溢價”；第二層是盈利兌現，若AI資本存量未來擴張，占GDP的比重達4%，全要素生產率對GDP的拉動有望穩定在0.6～0.8個百分點，屆時盈利會把估值拉回“生產率錨”。

因此，目前上漲并非純粹泡沫，而是“閾值效應”已被部分驗證，但盈利尚未完全兌現的中間狀態。隨著新政落地和算力投資加速，夢想溢價將逐步被生產率紅利消化，屆時寒武紀這類公司的市值才可能真正站穩。

算力財政：土地財政的歷史性替代

經濟觀察報：你強調AI會改變資本結構，讓資金從房地產/基建轉向實體經濟——似乎意味著“算力財政”正在取代“土地財政”。這一過程是可持續的嗎？

劉陳杰：這是一個深刻而不可逆的趨勢，但轉型并非一蹴而就，還需要時間和政策合力來推動。土地財政的邏輯是，圍繞稀缺土地形成金融循環；算力財政則是以算力、數據和模型為核心要素，重塑地方政府的資產負債表。從“賣土地”到“賣算力”，背后其實是中國資本結構的深層轉型。

經濟觀察報：在轉型過程中，最大的挑戰是什么？

劉陳杰：我認為有三重約束。第一是現金流約束。土地財政靠出讓金和抵押貸款滾動，依賴房價上漲消化錯配；算力財政則靠算力租金、數據分成和模型許可。我們測算過，如果全國AI算力使用率從55%提升到75%，租金收入可覆蓋地方債利息的42%，接近土地財政巔峰期的48%。這說明算力具備財政替代性，但可持續性依賴“算力使用強度”的不斷提升。

第二是資產估值約束。土地價格由供需和信用擴張支撐，而算力資產價值取決于技術迭代。如果摩爾定律繼續，每年單位算力成本下降30%，地方政府的算力資產可能出現“折舊大于增值”；若國產芯片受限，算力反而可能形成稀缺溢價。因此，地方政府需要構建“算力—電力—碳排放”的成本控制體系，鎖定成本端風險。

第三是政府角色轉變。過去政府是土地出讓方；未來政府則會成為“算力做市商”。在資產端，政府不再賣地，而是持有智算中心REITs（不動產投資信托基金），獲取長期租金分紅；在負債端，專項債使用從“土地儲備”轉向“智算建設”，償債來源也從土地出讓金轉變為算力租金與數據收益；在監管端，監管部門還可能設立算力交易所，使得算力使用權標準化、可流轉，培育新型要素市場。

經濟觀察報：這一模式可持續的條件是什么？

劉陳杰：歸根到底，就看這個不等式——AI資本深化速度＞算力折舊速度+債務利息增速，能否長期成立。只有這樣，地方政府才能真正完成從“土地批發商”到“算力做市商”的角色躍遷；否則，“算力財政”也可能變成一場技術周期的幻覺。 

破解索洛悖論：ECO指標的啟示

經濟觀察報：你也提到過“索洛悖論”。當前，AI是否已找到破解這一悖論的鑰匙？我們應該關注哪些微觀指標，以實時看到AI對全要素生產率的提升程度？

劉陳杰：大家常說起“索洛悖論”——技術進步不一定馬上帶來生產率提升。那AI是不是已經找到了破解的鑰匙？

我的看法是，曙光已經出現，但答案還沒完全揭曉。關鍵在于，AI要從單點提效的小工具，真正變成重構流程和組織的“生產力引擎”。

怎么判斷？有兩個直觀指標：第一，AI資本支出比率——在企業總投資中，AI投資的比重有多大。第二，營收和成本收益比——這筆AI投入，能不能帶來更多收入或節省更多成本。如果回報持續超過投入，那就意味著生產率真的在提升。

我們提出一個更系統的衡量方法，叫算力—產出彈性（Elasticity of Compute-to-Output，簡稱ECO）。公式很簡單：產出的增長率，除以算力投入的增長率。從宏觀看，可以用“工信部算力指數+統計局增加值”來計算；從微觀看，可以用企業的“GPU（圖形芯片）使用時長+產出”來計算。

當然，計算的時候要進行修正：剔除價格因素，否則名義增長率會虛高；將存儲、網絡等配套投入做區分，否則會低估AI的貢獻。此外，AI的效果通常要過1—2個季度才會顯現。

一句話總結：如果ECO長期大于0.25，也就是算力投入增長1%，產出能提升0.25%以上，再加上價格修正，我們就可以說，AI真的在逐步破解“索洛悖論”。

市場定價：從“市夢率”到“算力錨”

經濟觀察報：寒武紀的市盈率高達500多倍，而貴州茅臺的市盈率只有20倍左右。市場似乎在用“市夢率”定價AI企業。AI企業的合理估值錨是什么？

劉陳杰：傳統的市盈率等估值指標已經解釋不了。寒武紀的市盈率高達數百倍，這并不是因為它“貴”，而是因為當前公司的利潤太小，市場在購買它的未來收益。

AI企業到底值多少錢？該怎么估？我更傾向于用一個“三層估值法”來衡量。比如，現有業務——用PS（市銷率）或P/FCF（股價與自由現金流比）衡量公司當前的商業化能力。可見管線（pipeline）——用PEG（市盈率增長比）衡量公司未來1—3年的成長速度。遠期潛力——企業未來是否可能成為一個平臺型生態，如國產AI算力的核心底座。這個層面難以量化，更多依賴定性判斷。

寒武紀目前的高估值，反映的正是市場對其“第三層價值”的高度預期。不過，最終的估值必須經過一個“PS→PEG→PE”的收斂過程，才能實現從想象力到現實盈利的轉化。

一個更穩健的錨點是算力租金貼現模型（Compute-Rent DDM）。更接地氣的辦法，是把想象力落到現金流上：算力租金、軟件訂閱和模型分成。簡化成兩個指標：P/AC（市值/年可出租算力）；EV/AI-Revenue（企業價值/AI核心收入）。

最近，高盛用EV/EBITDA（企業價值/息稅折舊攤銷前利潤）衡量寒武紀，是為了繞開寒武紀短期盈利過小、市盈率無意義的困境，把估值錨定在2030年的經營性現金流，用更加“現金流導向”的方式衡量企業價值，并通過上調出貨量預測和估值倍數，把目標價抬高到2104元。

一句話總結：AI時代的真正錨點，不是“市夢率”，也不是“市酒率”，而是每一美元算力能帶來多少租金收入。

應用落地：誰可能率先跑出商業閉環 

經濟觀察報：你的文章強調了AI的“結構性機會”。隨著《意見》出臺，投資主線或正從“炒算力”向“掘應用”擴散。你認為接下來哪個應用領域最可能率先實現商業閉環和業績爆發？

劉陳杰：我們比較看好AI與垂直行業知識深度結合的領域，其護城河更深。AI+生物制藥（縮短研發周期、降低失敗成本）、AI+工業軟件（優化生產工藝、進行預測性維護）和AI+金融風控（進行動態定價、重塑反欺詐系統）這三個領域將最快產生扎實的現金流和建立起市場壁壘。它們離錢近，降本增效的效果可量化，容易形成商業閉環。

這段話可拆解成“護城河”與“現金流”兩張表，再用數據一一對照，結論則是：AI+金融>AI+工業軟件>AI+生物制藥。

把“誰能率先商業閉環”拆成三道閘門：剛性需求＋可量化的 ROI（投資回報率）；政策買單或企業付費意愿已驗證；數據壁壘和場景可復制。

用這三道閘門篩一遍，“AI+金融”是過去12個月唯一同時亮三盞綠燈的領域，“AI+制造”緊隨其后，兩者將先后進入“業績爆發期”。

至于率先實現“業績爆炸”，如果只能選一個賽道，那就是押注金融；如果要兼顧彈性和時間差，則是“金融+制造”雙輪配置。

策略應對：穿越周期，布局未來

經濟觀察報：《意見》提出了“到2027年，新一代智能終端、智能體等應用普及率超70%”的目標。這將對AI產業的現金流和商業模式產生怎樣的影響？

劉陳杰：這一目標更偏向需求側拉動，而非簡單的補貼。其理想結果是再造一個如“移動互聯網”般的龐大內需市場，讓企業能在其中通過市場化競爭實現盈利。需要警惕的是部分領域可能出現“為了AI而AI”的項目堆砌。AI產業健康的標志是：出現不依賴補貼、能向海外輸出的AI產品與商業模式。

經濟觀察報：別人貪婪時我恐懼。當市場陷入狂熱時，你會關注哪些關鍵信號來判斷AI板塊是否已出現階段性頂部？是融資余額、監管態度，還是產業資本的減持行為？

劉陳杰：我會同時觀察三個層面的信號：

市場層面，看融資買入占比，在8%—12%時往往意味著行情啟動；當持續升至12%—15%時，杠桿資金明顯活躍，需要提高警惕；若逼近20%，幾乎等同于市場泡沫的頂點。還要看成交結構是否失衡，當資金高度集中在少數龍頭、出現“一致化上漲”時，常是頂部信號。

政策層面，看監管態度，一旦證監會或交易所開始提示風險、收緊融資、約束高換手率個股，往往意味著“政策頂”臨近。

產業層面，看產業資本減持，若一線AI企業的大股東或產業資本持續減持，說明最貼近真相的人選擇兌現。還要看基本面兌現度，當產業訂單、財報兌現與估值脫節，裂縫越大，風險越高。

當然，我不會依賴單一指標，而是結合融資數據+監管動向+產業資本行為的“三重共振”情況。當這三者同時指向過熱時，市場大概率已處于階段性頂部。

風險與調節：AI的三道安全網

經濟觀察報：AI帶來的紅利令人興奮，但不少人也擔心其負面效應，比如就業替代、數據安全、社會焦慮等。對此，你怎么看？

劉陳杰：確實，任何通用技術在改變生產率的同時，也會帶來社會摩擦。AI的風險主要有三方面：就業替代，即低技能崗位最先受影響，而再培訓速度未必跟得上，這可能加劇結構性失業；分配失衡，如AI成果往往集中在少數大公司和資本方，如果沒有制度調節，貧富差距會被拉大；倫理與監管，如深度偽造、算法偏見、責任歸屬等問題都可能沖擊社會信任。

因此，政策設計不能只看“AI資本存量的擴張”，還必須配套三條“安全網”：教育再培訓體系、收入分配機制以及法律倫理框架。否則，AI雖能提高全要素生產率，卻可能削弱社會的整體穩定性。

經濟觀察報：最后，請用一句話總結，AI對中國經濟的真正意義是什么？

劉陳杰：AI為中國經濟提供了歷史性的窗口，既有助于跨越中等收入陷阱，也能有效應對人口老齡化挑戰。展望“十五五”，我們現在不在終章，也不在第二章。我們剛剛讀完序章，正站在第一章的起點，即從政策驅動、夢想驅動的“0到1”階段，邁向業績驅動、生產率驅動的“1到10”階段。這個過程必然伴隨著泡沫與出清，但其浪潮之洶涌，必將遠超我們當前的想象。投資AI，本質上是投資中國經濟的未來。

（作者 歐陽曉紅）