CGS-NDI专题报告：非理性繁荣下的理性AI泡沫将如何演绎

wrw,chinaCGSNDI专题报告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l从chatGPT兰郁金香泡沫这样的非理性泡沫,鉴于对未泡沫破灭后才迎来真正的发展黄金时期。l如果把当下的AI泡沫与2000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年纳斯达和商业化转化尚在起步阶段。l2000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,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lAI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"际降息节奏一旦慢于市场预期,将导致无风险利率下行率支撑的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:01080928096:zhangjun⃞yj@分析师登记编码:S0130523070003:wuyanjingqchinastock.分析师登记编码:S0130519070001zhaohonglei_yj@分析师登记编码:S0130524060005:01080927607:pengyazhe_yj@分析师登记编码:S0130525020001研究助理:吴佳文CGSNDI专题报告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。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到下游应用层的系统性行业洗牌。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lAI如果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CGSNDI专题报告泡沫是否可控?4市场开始关注Ai泡沫问题4(-全球经济韧性下降是不可否认的潜在隐患7n.泡沫的演绎三:智能化危机后走向新均衡1o历史镜像:"自动化衰退"的启示.10(:)A1冲击的特殊性:从"替代反身性"到"幽灵增长"…12结论:在恐惧与狂热之间保持理性…13.CGSNDI专题报告一、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。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11501350亿美元,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:ind,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:ind,中国银河证券研究院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。CGSNDI专题报告探讨并回答"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(%)纳斯达克综合指数一COMEX黄金(右)COMEX迷你白银(右)(二)当前时点对AI泡沫的担忧仍为时过早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。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"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,Googlecloud在AI基础设施需求拉动下同比增长48%至177亿美元;微软在l月底公布的财报显示,季度营收达到813亿美元;苹果则依托iphone17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。CGSNDI专题报告图4:本轮AI周期与美联储降息周期同步资料来源:ind,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:ind,中国银河证券研究院的基础性铺垫阶段。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。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)仍有提升空间图7:美国AI投资规模与对GDP增速贡献率(十亿美元)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。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(%)发达经济体新兴市场和发展中经济体发达经济体新兴市场和发展中经济体资料来源:ind,中国银河证券研究院图9:10%人群的财富份额(%)资料来源:ind,中国银河证券研究院现的现象是: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。当战图10:全球环境的不确定性中枢抬升(平均值=100)资料来源:ind,中国银河证券研究院居住成本去除居住成本服务mm资料来源:ind,中国银河证券研究院支撑。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,Al泡沫破裂的风险并非二、泡沫的演绎一:出现流动性紧缩意外裂演绎路径。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。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,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美国国债总额(十亿美元)美联储总资产(右,十亿美元)资料来源:ind,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)逆向回购协议准资料来源:ind,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。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l4:Mag7的资本开支大幅增加(百万美元)图15:GPT5扣除运营成本后实际亏损(美元)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l7.7亿美元,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。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)2030E2029E2028E2027E2026E2025图17:62%的公司使用AI只停在试点节点(%)四、泡沫的演绎三:智能化危机后走向新均衡19571958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设备投资(十亿美元)制造业就业增速(右,%)图19:就业下滑传导至消费信心制造业就业增速(十亿美元)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。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 图21:AI对就业的影响体现在效率提升和岗位压缩(二)AI冲击的特殊性:从"AI替代反身性"到"幽灵增长"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→节省的现金流转化为算力投入与模型迭代→AI能力进一步跃升→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"(GhostGDP)-收缩会抑制消费,2022中年以来,美国科技行业就业人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图23:2022年中以来美国科技行业就业人数占比下行美国劳动生产率指数(2017年=100)美国就业人数(万人)科技行业就业人数占比(右,美国劳动生产率指数(2017年=100)资料来源:ind,中国银河证券研究院CGSNDI专题报告此外,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。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。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CGSNDI专题报告图24:2024年11月-2025年11月按模型统计的总token使用量l总token使用量(万亿)MoonshotAITNGTechMinimax openAI MetaLLaMA 图25:中国AI模型的token价格较低■每100万tokens价格(美元)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。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:venuezabs,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:%) 俄罗斯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CGSNDI专题报告化、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