從技術狂歡到經濟帳本：外灘大會學者論戰AI的增長、分配與全球新範式

AI正在重塑經濟，這件事在今天已經毋庸置疑。

真正讓政策制定者、學者與產業界徹夜難眠的是下一道算術題：巨額資本開支砸向算力與模型後，能不能在宏觀上沉澱為真實的生產率？供給大幅擴張之後，究竟是迎來繁榮還是陷入長期去通脹？當年輕人的「職業入口」被技術悄然收窄，我們如何避免重蹈歷史上的「恩格斯停頓」？在全球博弈日趨複雜的當下，這套數字體系又該如何構建新的全球經貿規則？

這是2026 Inclusion·外灘大會《AI經濟增長新範式與社會價值重構》見解論壇的核心關切。

9月9日，這場匯集上海財經大學校長劉元春、北京大學國家發展研究院院長黃益平、中國社會科學院大學教授江小涓、中金公司首席經濟學家繆延亮，以及諾貝爾經濟學獎得主托馬斯·薩金特與產業界代表的論壇，不再停留在技術應用的功能性展示，而是從增長測算、通脹波動、崗位替代到跨境分工，直面同一個底層命題：AI究竟怎樣從一個狂熱的技術變量，收斂為一個健康、可持續的宏觀經濟變量？

01 AI經濟已開始，但增長的帳還沒算清

「AI經濟的新形態已經確立，但AI經濟學還沒有真正開始。」劉元春在開場拋出了一個具有代表性的冷思考。

技術革命的前期，往往伴隨著狂熱的思想碰撞與資本泡沫。全球財報電話會上AI被提及的頻次呈幾何級數跳升，晶片價格飛漲，圍繞算力中心的基礎設施投資狂飆突進，甚至直接拉動了近期的全球貿易與出口。但如果穿透微觀喧囂去看宏觀基本面，分歧正在被急劇拉大。

商業機構給出的未來生產率預期令人振奮，麥肯錫、高盛等機構預測全要素生產率（TFP）年增幅可達3%；但在嚴肅的經濟學界內部，保守陣營如MIT學者達龍·阿西莫格魯（Daron Acemoglu）等人早期的測算模型中，AI未來十年對TFP的年均貢獻甚至一度不足千分之幾，幾乎可以忽略。

為什麼微觀上人人都在用，宏觀數據卻遲遲看不到兌現？

黃益平提醒，今天我們極有可能正在經歷技術經濟學中典型的「索洛悖論」與「J曲線效應」。電腦在20世紀末普及初期，產出數據同樣曾長期靜默。一項顛覆性通用技術（GPT）進入真實產業體系，需要漫長的組織重塑、工藝適配、流程改造和人員培訓，初期不僅難以直接帶來產出井噴，反而可能背負沉重的調整成本。

薩金特也將當前AI發展階段比作天文學上的「開普勒階段」：AI已經能夠從天文級的數據中精準擬合規律，但人類尚未完全理解和掌握其底層的經濟與結構邏輯。

那麼，當前高企的資本投入與估值泡沫，到底會不會是一場空轉？劉元春梳理學界最新範式指出，泡沫本身也是一種「協調機制」。只要泡沫維持足夠久，驅動大量通用實體資本（算力網、能源基建、數字資產）積累並跨越臨界值，即便後續金融市場的估值出現劇烈回調，留下來的硬核基礎設施依然能將經濟鎖定在高產出穩態。

當前經濟學家的第一個共識因此成型：技術的方向確立了，但增長的節奏、幅度與實體資產沉澱的效率，依然充滿巨大的時滯與不確定性。

02 從「投AI」到「AI賺錢」，關鍵是創造新需求

如果說上一階段AI敘事的核心是拼資本開支（Capex），那麼這一階段的生死線，則是能不能形成商業閉環。

螞蟻集團CEO韓歆毅指出，AI經濟不能只依靠資本投入，AI應用更不能止步於存量提效。如果企業把AI僅僅當成「降本增效」的工具，把原來的業務流程做得更快一點，卻沒有創造出任何增量供給與增量需求，其最終結果必然是嚴重的供需失衡與投入產出斷層。企業必須從單純的降本，走向真正的價值創造。

螞蟻集團研究院院長李振華也從產業鏈結構指出分化：上游算力與晶片的變現路徑清晰，但中游大模型與下游應用依然背負著沉重的商業化變現壓力。AI的商業敘事能不能講通，完全取決於下游能否紮進真實產業，開闢全新的價值閉環。

北京大學趙波給出的增量邏輯則在於「交易邊界的拓展」。AI的核心經濟價值，在於大幅降低專業技能獲取門檻與創新試錯成本。這意味著，它不是讓原有的人把原來的事情提速10%，而是讓過去成本過高、流程過難、無法規模化的事情，第一次變得可被產品化、可買、可交易。

從效率轉向增量，才是越過資本開支懸崖的唯一路徑。

03 空中回應馬斯克之問：去通脹壓力與青年就業的「入口收窄」

當供給能力因AI呈指數級爆發，一個更為尖銳的宏觀悖論浮出水面：如果機器生產得越來越快、越來越多，人有沒有足夠的有效收入去消費？

黃益平將這種潛在的宏觀失衡概括為長期的「供強需弱」。如果技術紅利過度流向資本所有者，而勞動回報率持續承壓，總需求就無法跟上供給擴張的步伐，傳統的經濟循環就會被打破。

從金融與名義變數角度，中金公司首席經濟學家繆延亮給出了極具穿透力的論述。他回溯歷史指出，第二次工業革命與信息技術革命在宏觀上均伴隨了漫長的去通脹過程。「薩伊定律」（供給創造其自身需求）在技術劇變期往往失效，因為收入分配不均與消費傾向差異會阻斷供需的自然彌合。

繆延亮提出，技術革命影響通脹存在四種力量：

• 瓶頸效應與預期效應（短期推升通脹）：前期稀缺要素（如儲存晶片、高端算力）價格暴漲，但此類瓶頸通常持續三至五年，高點正在逐步過去。
• 供給效應與替代效應（長期壓制物價）：AI技術擴散極快，且直接接管高層級的智力任務，資本對勞動的替代效應遠超以往。由於資本所有者的邊際消費傾向更低，勞動報酬份額下滑會從需求端長周期壓制物價。

「長期來看，去通脹甚至通縮的壓力可能會比以往工業革命更大。」繆延亮提醒，若這一趨勢確立，傳統的貨幣政策調節手段或面臨流動性陷阱，宏觀調控必須轉向深度的財政政策、再分配工具與勞動力托底政策。

通縮壓力的背後，是就業市場的結構性裂縫。

與以往IT革命替代中間技能、保留高技能與低技能不同，這一輪AI的技術暴露度直接與收入水平正相關——金融、法律、諮詢、軟體開發等高收入白領工作暴露最深。

繆延亮指出，AI目前並未造成宏觀失業率的大幅跳升，核心在於其對成熟崗位的替代是漸進的「任務拆解」。

黃益平以此聯想到第一次工業革命後的「恩格斯停頓」：早期產出成倍擴張，普通工人的薪酬卻停滯了數十年。陸銘與邢自強則隔空回應馬斯克之問指出，AI並不會輕易消滅所有職業，但會徹底重構崗位內核。標準化、可編碼的「機能」會被模型迅速接管，而共情力、組織力、價值判斷等「人能」才是勞動者的生存防線。所謂的「就業優先」，絕不是去阻礙技術演進，而是要通過制度設計，讓更多普通人因為AI而「能做得更多」。

04 AI新經濟，最後要拚制度能力與「原生全球化」

當微觀個體面臨「人能」的轉型倒逼，宏觀產業與企業組織則面臨著另一場規則洗禮。

中國社會科學院大學教授江小涓提出，AI經濟正在徹底終結傳統的全球化路徑。過去製造業時代的跨國模式是「繼起式」的——從技術引進、消化吸收、本土驗證做強，最後才走出國門。

但在AI時代，技術與產品「生而為全球」。

AI創新的本質依託於算法基模與全球數字網路，模型復用與邊際分發成本極低，從發布第一天起，瞄準的就是全球開發者與全球市場。

江小涓以中国产業實踐為例展示了這種範式轉向：

開源大模型的生態反哺：中國開源模型在海外主流開源社區的下載量與調用量爆發式增長，一舉打破了過去國際大廠「頂配閉源、低配開源」的行業潛規則，以高性能開源供給為全球技術社群提供了公共產品。

AI4S垂直分工與「賣青苗」重塑：在AI藥物研發等垂直領域，中國企業通過AI在藥物靶點發現與分子設計上形成爆發式產能，但因後端臨床消化節拍不同，上半年中國創新藥對外授權交易額突破千億美元。「賣青苗」式出海的背後，是AI重構了傳統生物醫藥的全球分工鏈條。

海量產業數據的缺陷反哺：中國龐大而長鏈條的製造業場景，存下了大量極具價值的工業「誤差數據與缺陷數據」，使得垂直工業大模型能夠在國內高強度試錯後迅速輸出全球。

但江小涓同時強調，「生而為全球」不僅意味著技術出海，更對國內制度、企業認知與國際博弈提出了極高要求。

「企業在創立之初，就必須搭建高標準的全球合規體系。」涉及跨國數據流動、隱私合規、算法倫理與知識產權，企業絕不能沿用過去「先內後外」的僥倖心理。而在經貿理念上，中國正在從以往尋求發展中國家特殊待遇，走向與發達經濟體建立對等的「水平競爭與合作」新常態，學會用成熟的「兩手對兩手」思維構建互利共贏的經貿生態。

結語

從資本開支的軍備競賽，到宏觀帳本的嚴密審視，2026年的外灘大會為激進的AI狂歡按下了理性校驗鍵。

決定AI能否成為下一個歷史性經濟增長極的，從來不單是算力卡集群的規模與參數大小，而是更深層次的系統適配： 微觀的算法效率能否越過時滯曲線，演化為實體經濟的TFP？分配制度與財稅手段能否有效承接去通脹壓力，為青年一代拓寬全新的價值入口？產業界能否在合規與競合的大考中，接住「生而為全球」的時代紅利？

正如韓歆毅與黃益平在論壇尾聲所言：AI的終極價值，不能單憑資產負債表上的估值來自我證明，它最終必須交由真實的宏觀增長來檢驗，由更多勞動者實實在在的獲得感來衡量。