欧阳晓红 / 文

中国经济正迎来新的增长范式。

近日，随着寒武纪股价一路攀升，甚至一度跃升至 A 股 " 新股王 "，资本市场的驱动力正转向 " 创新—效率 " 的科技主线。这一变化，折射出经济叙事的历史性转变。

2025 年 8 月 26 日，国务院发布《关于深入实施 " 人工智能 +" 行动的意见》（下称《意见》），对人工智能（AI）的应用提出了明确的阶段性发展目标。2024 年的《政府工作报告》首次提出开展 " 人工智能 +" 行动，标志着人工智能发展已经上升为国家战略。

望正资产董事长刘陈杰在 2023 年撰写了《人工智能、经济增长和结构性机会》一文。其建模研究显示，即便在采用非常保守的假设影响下，人工智能的发展将显著提升技术进步和规模经济，使得潜在增速下降速度趋缓，且在一定时期保持较为稳定的发展。高质量的发展是时代的内在需求，是内外压力和激励的结果。

如今这一判断正在被市场逐步验证。站在数智时代的临界点上，经济观察报对话刘陈杰，从宏观趋势到行业落点，试图揭开科技投资背后的底层逻辑。

从模型假设到市场验证

经济观察报：如今寒武纪的股价一度超越贵州茅台，人工智能的发展上升为国家战略。这是否意味着，你的模型假设已经被市场验证？当前市场的上涨，是在交易 " 梦想 "，还是交易 " 生产率提升 " 的现实？

刘陈杰：我们的模型推演正在被市场阶段性验证，但需清醒认识到，目前市场同时交易着 " 梦想 " 与 " 现实 "。

从短期看，寒武纪登顶、成交放量，显示资本在剧烈追捧 AI 时代的 " 期权价值 "，这是对未来的贴现；但从中长期看，真正的可持续行情必须建立在 " 生产率提升 " 的坚实基础上。关键的观测点不在于股价本身，而在于 AI 渗透率提升后，能否在企业财报的毛利率、人均效益、研发费用转化效率等核心指标上持续体现出来。目前，我们正处在从 " 梦想 " 走向 " 现实 " 的过渡期。

经济观察报：能否具体阐释其底层逻辑是什么？

刘陈杰：我们先看一张图，它展示了人工智能对中国潜在经济增速的影响。从 2020 年到 2035 年，无论情景如何，潜在增速整体呈下降趋势，这是人口老龄化、资本边际递减等结构性约束影响的必然趋势。但在不同 AI 渗透率假设下（10%、15%、20%），经济增长率均显著高于基准情景（Base）。到 2035 年，基准情景下的潜在增速降至约 4.6%，而 AI 渗透率达到 20% 的情景下可维持潜在增速在 5.8% 左右，显示 AI 普及能够有效托底经济。

两年前我提出一个假设：AI 能有效延缓潜在经济增速下滑，但有两个前提：一是存在 " 阈值效应 " ——在模型设定中，当 AI 资本存量占国内生产总值（GDP）比重超过 2%，对全要素生产率（TFP）的边际拉动会从 0.1 个百分点跃升至 0.4～0.5 个百分点；二是资本市场可能会提前 12 — 18 个月定价这一跃升，而不是等到利润表兑现。

如今，两条证据链正在强化。宏观层面，根据我们基于公开投资与算力设施扩张的初步估算，中国 AI 相关资本（包括服务器、算力中心与模型训练投资）的存量占 GDP 的比重已接近 2%，这意味着 AI 资本可能跨过模型设定中的 " 阈值水平 "。市场层面，寒武纪股价一度超越贵州茅台，反映的并非盈利对比，而是资本将 "AI 算力 " 视作未来 10 年的现金流入口，提前折现潜在收益。

不过，需要区分两层定价：第一层是资产重估，AI 算力、数据、模型被视为新型基础设施，估值锚从市盈率（PE）转向 " 每美元算力对应市值 "，这部分仍含有 " 梦想溢价 "；第二层是盈利兑现，若 AI 资本存量未来扩张，占 GDP 的比重达 4%，全要素生产率对 GDP 的拉动有望稳定在 0.6～0.8 个百分点，届时盈利会把估值拉回 " 生产率锚 "。

因此，目前上涨并非纯粹泡沫，而是 " 阈值效应 " 已被部分验证，但盈利尚未完全兑现的中间状态。随着新政落地和算力投资加速，梦想溢价将逐步被生产率红利消化，届时寒武纪这类公司的市值才可能真正站稳。

算力财政：土地财政的历史性替代

经济观察报：你强调 AI 会改变资本结构，让资金从房地产 / 基建转向实体经济——似乎意味着 " 算力财政 " 正在取代 " 土地财政 "。这一过程是可持续的吗？

刘陈杰：这是一个深刻而不可逆的趋势，但转型并非一蹴而就，还需要时间和政策合力来推动。土地财政的逻辑是，围绕稀缺土地形成金融循环；算力财政则是以算力、数据和模型为核心要素，重塑地方政府的资产负债表。从 " 卖土地 " 到 " 卖算力 "，背后其实是中国资本结构的深层转型。

经济观察报：在转型过程中，最大的挑战是什么？

刘陈杰：我认为有三重约束。第一是现金流约束。土地财政靠出让金和抵押贷款滚动，依赖房价上涨消化错配；算力财政则靠算力租金、数据分成和模型许可。我们测算过，如果全国 AI 算力使用率从 55% 提升到 75%，租金收入可覆盖地方债利息的 42%，接近土地财政巅峰期的 48%。这说明算力具备财政替代性，但可持续性依赖 " 算力使用强度 " 的不断提升。

第二是资产估值约束。土地价格由供需和信用扩张支撑，而算力资产价值取决于技术迭代。如果摩尔定律继续，每年单位算力成本下降 30%，地方政府的算力资产可能出现 " 折旧大于增值 "；若国产芯片受限，算力反而可能形成稀缺溢价。因此，地方政府需要构建 " 算力—电力—碳排放 " 的成本控制体系，锁定成本端风险。

第三是政府角色转变。过去政府是土地出让方；未来政府则会成为 " 算力做市商 "。在资产端，政府不再卖地，而是持有智算中心 REITs（不动产投资信托基金），获取长期租金分红；在负债端，专项债使用从 " 土地储备 " 转向 " 智算建设 "，偿债来源也从土地出让金转变为算力租金与数据收益；在监管端，监管部门还可能设立算力交易所，使得算力使用权标准化、可流转，培育新型要素市场。

经济观察报：这一模式可持续的条件是什么？

刘陈杰：归根到底，就看这个不等式—— AI 资本深化速度＞算力折旧速度 + 债务利息增速，能否长期成立。只有这样，地方政府才能真正完成从 " 土地批发商 " 到 " 算力做市商 " 的角色跃迁；否则，" 算力财政 " 也可能变成一场技术周期的幻觉。 

破解索洛悖论：ECO 指标的启示

经济观察报：你也提到过 " 索洛悖论 "。当前，AI 是否已找到破解这一悖论的钥匙？我们应该关注哪些微观指标，以实时看到 AI 对全要素生产率的提升程度？

刘陈杰：大家常说起 " 索洛悖论 " ——技术进步不一定马上带来生产率提升。那 AI 是不是已经找到了破解的钥匙？

我的看法是，曙光已经出现，但答案还没完全揭晓。关键在于，AI 要从单点提效的小工具，真正变成重构流程和组织的 " 生产力引擎 "。

怎么判断？有两个直观指标：第一，AI 资本支出比率——在企业总投资中，AI 投资的比重有多大。第二，营收和成本收益比——这笔 AI 投入，能不能带来更多收入或节省更多成本。如果回报持续超过投入，那就意味着生产率真的在提升。

我们提出一个更系统的衡量方法，叫算力—产出弹性（Elasticity of Compute-to-Output，简称 ECO）。公式很简单：产出的增长率，除以算力投入的增长率。从宏观看，可以用 " 工信部算力指数 + 统计局增加值 " 来计算；从微观看，可以用企业的 "GPU（图形芯片）使用时长 + 产出 " 来计算。

当然，计算的时候要进行修正：剔除价格因素，否则名义增长率会虚高；将存储、网络等配套投入做区分，否则会低估 AI 的贡献。此外，AI 的效果通常要过 1 — 2 个季度才会显现。

一句话总结：如果 ECO 长期大于 0.25，也就是算力投入增长 1%，产出能提升 0.25% 以上，再加上价格修正，我们就可以说，AI 真的在逐步破解 " 索洛悖论 "。

市场定价：从 " 市梦率 " 到 " 算力锚 "

经济观察报：寒武纪的市盈率高达 500 多倍，而贵州茅台的市盈率只有 20 倍左右。市场似乎在用 " 市梦率 " 定价 AI 企业。AI 企业的合理估值锚是什么？

刘陈杰：传统的市盈率等估值指标已经解释不了。寒武纪的市盈率高达数百倍，这并不是因为它 " 贵 "，而是因为当前公司的利润太小，市场在购买它的未来收益。

AI 企业到底值多少钱？该怎么估？我更倾向于用一个 " 三层估值法 " 来衡量。比如，现有业务——用 PS（市销率）或 P/FCF（股价与自由现金流比）衡量公司当前的商业化能力。可见管线（pipeline）——用 PEG（市盈率增长比）衡量公司未来 1 — 3 年的成长速度。远期潜力——企业未来是否可能成为一个平台型生态，如国产 AI 算力的核心底座。这个层面难以量化，更多依赖定性判断。

寒武纪目前的高估值，反映的正是市场对其 " 第三层价值 " 的高度预期。不过，最终的估值必须经过一个 "PS → PEG → PE" 的收敛过程，才能实现从想象力到现实盈利的转化。

一个更稳健的锚点是算力租金贴现模型（Compute-Rent DDM）。更接地气的办法，是把想象力落到现金流上：算力租金、软件订阅和模型分成。简化成两个指标：P/AC（市值 / 年可出租算力）；EV/AI-Revenue（企业价值 /AI 核心收入）。

最近，高盛用 EV/EBITDA（企业价值 / 息税折旧摊销前利润）衡量寒武纪，是为了绕开寒武纪短期盈利过小、市盈率无意义的困境，把估值锚定在 2030 年的经营性现金流，用更加 " 现金流导向 " 的方式衡量企业价值，并通过上调出货量预测和估值倍数，把目标价抬高到 2104 元。

一句话总结：AI 时代的真正锚点，不是 " 市梦率 "，也不是 " 市酒率 "，而是每一美元算力能带来多少租金收入。

应用落地：谁可能率先跑出商业闭环 

经济观察报：你的文章强调了 AI 的 " 结构性机会 "。随着《意见》出台，投资主线或正从 " 炒算力 " 向 " 掘应用 " 扩散。你认为接下来哪个应用领域最可能率先实现商业闭环和业绩爆发？

刘陈杰：我们比较看好 AI 与垂直行业知识深度结合的领域，其护城河更深。AI+ 生物制药（缩短研发周期、降低失败成本）、AI+ 工业软件（优化生产工艺、进行预测性维护）和 AI+ 金融风控（进行动态定价、重塑反欺诈系统）这三个领域将最快产生扎实的现金流和建立起市场壁垒。它们离钱近，降本增效的效果可量化，容易形成商业闭环。

这段话可拆解成 " 护城河 " 与 " 现金流 " 两张表，再用数据一一对照，结论则是：AI+ 金融>AI+ 工业软件>AI+ 生物制药。

把 " 谁能率先商业闭环 " 拆成三道闸门：刚性需求＋可量化的 ROI（投资回报率）；政策买单或企业付费意愿已验证；数据壁垒和场景可复制。

用这三道闸门筛一遍，"AI+ 金融 " 是过去 12 个月唯一同时亮三盏绿灯的领域，"AI+ 制造 " 紧随其后，两者将先后进入 " 业绩爆发期 "。

至于率先实现 " 业绩爆炸 "，如果只能选一个赛道，那就是押注金融；如果要兼顾弹性和时间差，则是 " 金融 + 制造 " 双轮配置。

策略应对：穿越周期，布局未来

经济观察报：《意见》提出了 " 到 2027 年，新一代智能终端、智能体等应用普及率超 70%" 的目标。这将对 AI 产业的现金流和商业模式产生怎样的影响？

刘陈杰：这一目标更偏向需求侧拉动，而非简单的补贴。其理想结果是再造一个如 " 移动互联网 " 般的庞大内需市场，让企业能在其中通过市场化竞争实现盈利。需要警惕的是部分领域可能出现 " 为了 AI 而 AI" 的项目堆砌。AI 产业健康的标志是：出现不依赖补贴、能向海外输出的 AI 产品与商业模式。

经济观察报：别人贪婪时我恐惧。当市场陷入狂热时，你会关注哪些关键信号来判断 AI 板块是否已出现阶段性顶部？是融资余额、监管态度，还是产业资本的减持行为？

刘陈杰：我会同时观察三个层面的信号：

市场层面，看融资买入占比，在 8% — 12% 时往往意味着行情启动；当持续升至 12% — 15% 时，杠杆资金明显活跃，需要提高警惕；若逼近 20%，几乎等同于市场泡沫的顶点。还要看成交结构是否失衡，当资金高度集中在少数龙头、出现 " 一致化上涨 " 时，常是顶部信号。

政策层面，看监管态度，一旦证监会或交易所开始提示风险、收紧融资、约束高换手率个股，往往意味着 " 政策顶 " 临近。

产业层面，看产业资本减持，若一线 AI 企业的大股东或产业资本持续减持，说明最贴近真相的人选择兑现。还要看基本面兑现度，当产业订单、财报兑现与估值脱节，裂缝越大，风险越高。

当然，我不会依赖单一指标，而是结合融资数据 + 监管动向 + 产业资本行为的 " 三重共振 " 情况。当这三者同时指向过热时，市场大概率已处于阶段性顶部。

风险与调节：AI 的三道安全网

经济观察报：AI 带来的红利令人兴奋，但不少人也担心其负面效应，比如就业替代、数据安全、社会焦虑等。对此，你怎么看？

刘陈杰：确实，任何通用技术在改变生产率的同时，也会带来社会摩擦。AI 的风险主要有三方面：就业替代，即低技能岗位最先受影响，而再培训速度未必跟得上，这可能加剧结构性失业；分配失衡，如 AI 成果往往集中在少数大公司和资本方，如果没有制度调节，贫富差距会被拉大；伦理与监管，如深度伪造、算法偏见、责任归属等问题都可能冲击社会信任。

因此，政策设计不能只看 "AI 资本存量的扩张 "，还必须配套三条 " 安全网 "：教育再培训体系、收入分配机制以及法律伦理框架。否则，AI 虽能提高全要素生产率，却可能削弱社会的整体稳定性。

经济观察报：最后，请用一句话总结，AI 对中国经济的真正意义是什么？

刘陈杰：AI 为中国经济提供了历史性的窗口，既有助于跨越中等收入陷阱，也能有效应对人口老龄化挑战。展望 " 十五五 "，我们现在不在终章，也不在第二章。我们刚刚读完序章，正站在第一章的起点，即从政策驱动、梦想驱动的 "0 到 1" 阶段，迈向业绩驱动、生产率驱动的 "1 到 10" 阶段。这个过程必然伴随着泡沫与出清，但其浪潮之汹涌，必将远超我们当前的想象。投资 AI，本质上是投资中国经济的未来。