外滩大会复盘观察：AI新经济真正的考题是供给狂飙之后需求去哪里

文 | 派财经 是时候用心思考一个问题了：别被AI收割了。 ChatGPT问世至今，全球市场沉浸在AI的狂热叙事里。 算力资本疯狂砸钱，大模型参数持续刷新纪录，资本市场给AI概念企业给出高溢价，所有人默认技术突破自然会兑现经济红利。可现实的吊诡之处在于，我们看得见技术迭代的速度，却迟迟没有在宏观统计数据里看见生产力的全面爆发。AI到底会把经济带向何方，至今没有人给普通人一个相对标准的答案。 9月12日，2026 Inclusion·外滩大会在上海世博园区落下帷幕，百余位海内外嘉宾、300余家参展企业，把技术、产业、经济学界的思考摆到台面之上。 颇有意思的是，不少经济学家与产业实践者共同抛出一个尖锐命题：AI会极大放大社会供给能力，但如果就业、收入分配跟不上，供给过剩、需求不足可能从短期扰动演变为长期结构性矛盾。 在不少业内人士看来，技术狂飙的另一面，分配、全球竞争、真实场景落地，才是决定AI新经济能走多远的底层变量。 01 AI放大供给优势，“供强需弱”真会成为长期宿命吗 与会嘉宾认为，技术红利背后，忽略的往往可能是通缩隐忧。 该如何理解？ 理论上，时下很多人习惯套用过往工业革命的经验看待AI。电力、计算机普及之后，生产力提升最终带动社会整体繁荣，萨伊定律“供给自动创造需求”被视作默认逻辑。但本次外滩大会上，多位经济学家提出，AI革命和前几次技术浪潮存在本质差异，不能简单复刻历史经验。 通过梳理两次工业革命历史不难发现，电气化、信息化浪潮推进过程中，美国都经历过长周期物价下行。1870至1900年三十年间美国物价累计回落三成，也就是史学所称的“长萧条”时期。技术带来产能扩张，物价下行，但社会并没有同步获得充分的收入增长，萨伊定律出现失效。根源就在于技术进步带来的收益分配并不均衡，资本拿到更多回报，劳动者收入份额被挤压，有效需求跟不上供给扩张。 如若进一步拆解，能从中挖掘到技术作用于通胀的四种力量。其中，供给效应、替代效应带来通缩压力；预期效应、瓶颈效应推高物价。 放到AI时代观察，大模型渗透速度远超过往，ChatGPT仅两三年时间就实现接近半数的用户渗透，而个人电脑、互联网完成同等渗透耗费近三十年。高速扩散带来算力芯片阶段性紧缺，内存价格最高暴涨超600%，这就是典型的瓶颈效应。但按照历史规律，这种资源约束一般维持三到五年，本轮AI的瓶颈压力已经处于见顶回落阶段。 横向比较下来，需要警惕的是替代效应。不同于上一轮IT革命主要冲击中间层白领，本轮AI对高收入、高知识密度岗位的任务替代更加直接。完整岗位未必立刻消失，但金融、法律、咨询、软件开发的青年招聘入口已经明显收缩，青年群体面临就业“疤痕效应”。 这个逻辑的解释是，假设具身智能替代人的劳动，资本方边际消费倾向更低，社会总需求会被持续压制，长期会释放更强的通缩压力。 视线切换为国内，我们甚至能把这一思考对接当下国内经济现实。AI有很大概率抬升全要素生产率，但如果就业结构、收入分配随之发生偏移，供给越来越强，居民收入和消费却无法同步，当下讨论较多的“供强需弱”，就有可能从阶段性现象固化成长期经济特征。 这里就出现了经典的索洛悖论现象：到处都能看见AI，宏观统计里却看不到生产率。不是技术无效，技术落地要改造流程、人员培训，存在时间滞后，还要面对统计口径的局限。刘元春在大会上介绍，学界对AI拉动TFP的测算分歧巨大。 乐观商业机构测算年度拉动可达3%，而悲观学者Acemoglu认为十年累计贡献仅0.68%，差距来自研究者对AI替代范围、落地节奏的不同假设。 换句话说，技术本身不会自动带来均衡增长。AI时代宏观政策工具箱也需要迭代，如果通缩压力长期存在，仅仅依靠货币政策会面临局限，财政再分配、劳动者再培训、就业托底，要承担更重要的角色。 因此，它带来的新问题在于，如何匹配与之适配的收入与需求，顺着这个思路往下看，AI不止重塑一国之内的经济结构，也能一定程度影响甚至改写全球竞争的底层逻辑。 02 原生全球化到来后，AI竞争同样不可只比拼大模型参数 过去我们熟悉的全球化路径，是先打磨本土产品，在国内市场跑通商业模式，再向外输出，也就是“继起式全球化”。AI打破这套传统路径。 有专家在论坛提出一个核心判断：AI属于“生而为全球”的创新，产品诞生之初就要面向全世界市场，旧的分工逻辑正在失效。 坦率地讲，开源大模型就是最好的例证。 目前，国内部分开源模型已经做到技术高配，不再是过去“闭源做主力，开源做低配”的行业潜规则。今年6月国内开源模型在全球主流开源社区下载量首次超过美国，7月全球调用量榜单前六位均为中国自研开源大模型。模型发布瞬间，全球开发者都可以下载调用，地域的壁垒被技术本身大幅削弱。 以AI药物研发赛道为例，目前上海部分AI制药企业搭建新药研发平台，凭借AI快速完成靶点发现、分子设计，自身没有办法消化全部产能，直接把工具订阅开放给全球头部药企，全球前二十家制药企业中十多家使用这套平台。 而国内创新药早期靶点成果，进行大量对外授权交易，也就是行业所说的“卖青苗”，这并非研发能力不足，而是AI加速了研发节奏，而临床试验节奏依旧缓慢，产业被迫走向全球分工重组。 这种背景之下，全球产业关系也就开始发生质变。过去中国企业大多处在产业链中下游，和海外巨头更多是互补合作。随着产业水平走到前沿，大量赛道进入水平竞争，同一批跨国企业，在中国市场寻求合作，回到本土又会游说设置技术壁垒。 因此，两面性不是单纯地缘博弈，是产业位置变化带来的必然结果。我们需要摒弃非黑即白的心态，接受竞争与合作并存成为常态。 诺奖得主萨金特也在大会上提醒全球投资者，做AI价值评估，千万不能忽略亚洲尤其是中国的竞争力。AI发展高度依赖数据与算力，中国海量产业数据、强大算力基础设施，已经构成独特优势。前沿技术方法扩散速度很快，技术护城河很难永久维持，资本不能默认头部企业永远可以锁定超额利润。 倘若比拼从模型参数延伸到整套体系，企业层面，出海就不会再是后期选项，创业之初就要完成全球数据合规、跨境税务、各地牌照的设计；国家层面，制度型开放变得迫切，产权保护、产业补贴、劳动保护等规则要和国际高水平经贸规则相通相容。对比已经很强的产业创新实力，我们的基础科学研究短板，依旧是需要补齐的关键一环。 显然，大模型只是入场券，制度、生态、人才、合规共同构成完整竞争体系。但随之而来的一个新问题是，完成全球层面的体系搭建之后，最终还要回归最朴素的问题：AI技术如何落到真实商业场景，转化为普通人可以感知的价值。 03 无论出海还是本土竞争，AI价值最终要看普通人的获得感 拒绝存量替代可能是这个时代大多数的心声，新经济需要激活增量循环。 因为资本市场过去两年狂热追捧AI基础设施。海外四家科技巨头2026年AI相关资本开支计划合计超7000亿美元，算力、数据中心疯狂扩建。 蚂蚁集团韩歆毅在论坛上提醒，资本开支拉动只是短期效应，如果AI仅仅停留在降本、替代人力，只改造存量业务，会制造出新的供需失衡，很难实现可持续增长。 人类熟悉的电气化历史其实可以拿来参照。电力发明、电厂修建，并没有立刻改变全社会。真正带来经济跃迁，是家电、轨道交通、工厂电气设备等大量新产品新服务被创造出来。AI同理， 真正的拐点在于能不能创造新供给，激