陈果：资本市场视角看AI：J曲线、K型分化与资产泡沫

本文来自微信公众号： 北大汇丰PFR ，作者：陈果 姚皓天，原文标题：《陈果：资本市场视角看AI——J曲线、K型分化与资产泡沫》

AI是近年来全球资本市场最核心的主题，几乎没有之一。几乎已经无人怀疑，AI是一场真实而伟大的产业革命，并且注定改变世界。今天站在资本市场投资分析的角度讨论AI，需要把技术、产业、商业模式和资产价格分开，把短期和长期分开，把玩家和赢家分开。

东方财富证券研究所副所长、首席策略官陈果和东方财富证券研究所姚皓天共同在《北大金融评论》发文指出，下一个阶段，资本市场更加良性和理性的选择，应该不只重点关注受益于资本开支的公司盈利，更重要的变量会是成本能降到多便宜、企业能从AI中获得多少回报、新增利润最终流向哪里。从这个意义上说，资本市场可能有助于引导产业的估值体系和利润分配的再平衡，而非助涨助跌，放大波动。

本文完整版刊登于《北大金融评论》第29期。

AI与J曲线

过去的产业革命基本符合“生产率J曲线”规律，即产业革命刚开始发生时，未必能带动生产率上升。以AI技术为例，企业要重写流程、清理数据、培训员工、改变考核方式，还要容忍一段人与机器彼此磨合的低效率期，这个阶段从社会到企业，很可能在无形中投入组织资本、人力资本和制度资本等各类成本，而收益未必能立即充分体现。例如Brynjolfsson、Rock和Syverson的研究表明，这类投入要等到组织创新成熟后，收益才集中释放。

一言以蔽之，这个时候，AI带来的效应未必是“AI+”，往往可能是“AI-”。

资本市场可能立即对远期乐观预期定价，所以资本增值可以是最显著和最领先的，产业也往往会基于对可见未来的中期回报进行投资，即资本开支周期上行可以带动产业相关基建投资的景气，但真正广泛的全社会工资、就业与消费改善往往排在最后。资产可按日定价，产业可按季度或年度评估开支投入，而社会组织制度及整个生产力和生产者的调整适应则可能要长得多。这种不同步，演绎到一定程度，往往会产生基于资本开支周期的资产泡沫。

这里要把两条曲线分开。生产率J曲线的凹陷在前段，也就是投入已经发生、产出还没兑现的那几年，曲线本身并没有一个后段的回落；而资产价格在同一时间往往是向上的，因为它定的是曲线右半段的远期回报。所以泡沫破灭不是J曲线掉头向下，而是市场发现凹陷比原先设想的更深、更长，于是把右半段的斜率下修、把兑现时点后推，估值先还账，产业景气随后才回落。人对新技术需求的判断难免有偏差，真实社会追不上产业的乐观预期，产业又追不上资产价格的乐观预期，落差积到一定程度总要清算一次。对被替代、降薪或需要转岗的人来说，凹陷期的含义更直接：等待意味着现金流中断。

从铁路革命、电气革命到互联网革命，每次产业革命都有不一样之处，但每次伴随着资本开支周期都曾经表现为资产泡沫的兴起与破灭。例如在1990年代末的互联网基建潮中，运营商更担心的是带宽不足，因此积极扩建，设备商据此备货，上游再按照设备商的订单扩产；安全冗余和重复采购沿着产业链逐级放大，最后被误读为需求旺盛，等到终端最终确认光纤利用率不高，订单又以相反方向逐级收缩，投资收缩幅度剧烈。

今天，市场讨论AI时，一个流行的观点是算力确定性供不应求，可见未来订单饱满，但如果讨论下游最终端的模型公司净利润以及商业可持续性，不确定性则要大得多。

尤其值得警惕的是，全球股市弥漫着一种思潮：“AI资本开支泡沫总会破灭，但可能在一年两年三年后，应该不是现在。现在就可以积极做多，参与把握财富机会。”这种思潮具有投机式思维，如果席卷社会，最终往往会进一步放大资产价格的波动。

这一点在宏观数据上已经能看见。以Netscape周期的1995Q2、ChatGPT周期的2022Q3分别为基期并均设为100，按发布后的季度数对齐，两轮技术周期的美国全要素生产率在头两年半里整体接近。2023年年中至2025年年初的多数时间，AI周期略高于互联网周期的同期位置，领先幅度最大约1.78个点。分化自发布后第10个季度（对应AI周期的2025Q1、互联网周期的1997Q4）前后开始，互联网周期由此总体进入上行通道，其后一年半由103.23升至107.40，累计上行约4.17个点；AI周期则在发布后第13个季度（2025Q4）录得104.01的高点后转为下行，最近两个季度连续回落至102.93。指数已经在往下走，这和涨得慢一些不是一回事。

两个技术周期当然不能机械类比，样本只有一次，宏观生产率本身也受周期性因素扰动。但至少可以说，过去几年巨额的数据中心、GPU和电力投入，还没有在宏观生产率上兑现出同等幅度的回报。

单看一个偏低的读数，其实证明不了J曲线在起作用。生产率在早期不兑现本来就是J曲线的预测，投入打了水漂读数同样偏低，两种解释在这个时点上是观测等价的，谈不上谁印证谁。要让这张图变成有信息量的证据，得给出一个能被证伪的时点：互联网周期的加速大约出现在发布后的第10个季度，AI周期已经走到第15个季度，不但没有出现类似拐点，指数还在回落。

逻辑本身是清楚的。资本开支可以先发生，上游收入和资产价格也可以先反映乐观预期，但生产率提升要等企业真正完成流程改造、组织适配和应用落地之后才会出现。如果资本开支继续增长，生产率、收入和现金流迟迟跟不上，市场最终会回到一个最朴素的问题上：这些钱到底赚回来多少？对AI资产来说，真正的风险是价格已经把远期的生产率提升定得太满。

因此，J曲线不仅能够描述生产率兑现的滞后，也解释了为什么产业趋势越强，资产定价就越容易在早期跑到基本面前面。资本市场交易的是未来现金流的折现值，只要市场同时上调渗透率、利润率和持续增长年限，估值就可以在收入和利润尚未完全兑现之前大幅扩张。反过来，一旦资本开支、收入增速或融资条件中的任何一个变量不再按照最乐观路径变化，估值收缩将可能在产业景气回落之前发生。长期相信AI，与阶段上要求AI资产算账，可以同时成立。

这也是今天重新讨论“卖铲人”逻辑的原因。AI上游硬件的订单看起来最确定，但订单的来源仍是CSP（云服务提供商）和模型公司的资本开支，而资本开支的持续性最终要由收入、自由现金流和投入产出比来证明。上游越靠近资本品，收入对下游投资意愿的边际变化越敏感。对高估值资产而言，市场并不需要看到资本开支绝对下降，只要增长斜率从持续上修变成不再上修，就足以改变折现率和远期盈利预期。

AI与K型分化

近期全球资本市场另一个倾向强调的关键词是“K型分化”，所谓“硅基通胀、碳基通缩”，但这最终也会反噬硅基经济的收入与资本回报。

AI经济要走向成功，核心还是把碳基经济蛋糕做大。

这里的分歧其实很大。达龙·阿西莫格鲁在2024年5月的研究中，从任务暴露度出发，结合已有任务级提效证据和AI采用的经济可行性假设进行加权汇总，估计此后十年AI对美国全要素生产率的累计提升可能不超过0.66%。这是现有估计中偏保守的一端，其他机构的测算要高出数倍，差别主要来自三个假设：能被AI覆盖的任务占比、这些任务效率提升的幅度，以及新任务和新岗位的创造速度。0.66%的价值不在于精确，而在于提醒一件事：任务级的效率改善要传导到全要素生产率，中间要经过任务占比和成本节约率两道折扣，量级掉得很快。引用它的时候应当把它当作区间的下沿，而不是共识。

······

本文完整版刊登于《北大金融评论》第29期