人工智能经济的宏观逻辑：K型复苏还是历史的拐点？

云厂商资本开支逼近94%，AI投资还能撑多久？

Big 5云厂商资本开支/经营性现金流的比例已升至94%，这意味着现有现金流已快无法支撑，必须依赖外部融资。但这一比例并非“末日信号”——当前信息技术板块ROIC（24%）远高于WACC（13%），通讯服务板块同样如此（14% vs. 9%），Big 5云厂商的ROIC/WACC差值也高达9个百分点。在存量杠杆水平远低于互联网革命时期的背景下，即便启动外部融资，较低的起始杠杆也意味着资产负债表仍有扩张空间。宏观层面，美国2026年一季度狭义AI投资（科技硬件+软件设备）年化规模约1.2万亿美元，占名义GDP的3.7%，贡献了2%实际GDP增长中的超五成；若计入数据中心和电力基建配套，广义AI投资接近1.5万亿美元，占GDP的4.8%。当前AI投资强度与能力接近2000年互联网泡沫时期，但需求侧更接近1998-1999年，二级市场定价则类似1997-1998年——泡沫风险尚未全面爆发，但边际压力正在累积。

2026年或成生产率拐点，索洛悖论能否终结？

历史上，信息技术普及后宏观生产率迟迟未改善，索洛1987年提出“计算机时代随处可见，唯独没有出现在生产率统计中”。直到1990年后半段，美国ICT投资与组织流程重构才释放出生产率红利，1993年被视为分水岭。当前AI正经历类似阶段：2025年以前，多数人仅将AI作为聊天或搜索工具使用；2026年，无论是海外Claude、Codes还是国内大模型，已开始介入组织架构调整，实际提高生产效率。经济学家指出，AI可能通过替代和增强智力劳动、激发上下游创新来提高生产率，但也可能因互补性投资、组织重构和关键投入约束，使红利滞后释放。若2026年确为AI对长期生产力起积极作用的元年，则当前定价可能过度聚焦中短期因素（如央行购金、美元信用动摇），而低估了AI生产力爆发对黄金等传统避险资产的长期压制——如同2023年看空“茅指数”时，证据要到2022年末才明确。

K型分化：科技制造“抢设备”，传统经济“缺需求”

全球经济呈现鲜明K型分化：有AI（如日韩）或有资源（如巴西）的经济体表现明显好于两者皆无的欧洲和东南亚国家；制造业部门普遍好于非制造业部门。K型分化下各国加速“抢资源”“抢设备”：小金属（与大国博弈、资源民族主义相关）表现优于基本金属；全球设备价格快速上涨，而传统经济价格疲弱。中日韩计算机、通信、电子设备出口价格指数大幅飙升，AI含量较低的德国设备出口价格指数则表现疲弱。这种分化也体现在就业结构上：科技产业相关就业人数占整体就业比例已从2023年的4.3%降至3.9%，效率提升带来“连带损失”，但因占比不大，对居民收入预期影响有限。然而，中国新经济规模虽已超过旧经济，但新经济就业吸纳能力较低，GDP缺口弥补不等于就业缺口弥补，经济转型的就业阵痛仍待消化。

机器换人的历史镜鉴：工人福利改善，但结构性冲击不可忽视

历史上“机器换人”的影响非常结构性。1960-1970年间，美国制造业总设备与人均设备大幅提升（分别增长55%、39%），但就业整体增长（12%），薪酬也上涨（63%）。在机器换人高峰期，存量工人福利反而改善，被淘汰的工人被迫进入低技能服务业，福利则变差。关键在于技术进步能否催生新的需求。当前美国科技产业就业占比虽下降，但AI投资扩张带来的设备与基建需求仍在创造岗位。对中国而言，短期无需过度担忧AI替代，但需警惕“机器换人”集中在劳动密集型行业，且并非只替代低端劳动力，部分中等技能岗位同样面临挤压。未来宏观经济治理需把握三条主线：让生产率提升更快更可持续；让AI投资扩张保持稳定，实现储蓄投资再平衡；通过反垄断、算法治理和降低转换成本，维护开放灵活的市场竞争机制——例如防止少数企业同时控制云服务、算力、数据、模型和分发入口，避免将上游优势传导为全链条支配地位。