AI 正在成为全球经济增长中一股真实且不可忽视的力量，但它最终会把经济带向哪里，仍没有标准答案。
在 2026 Inclusion·外滩大会上，多位经济学家和企业家围绕 AI 与经济增长、生产率、就业和需求展开讨论。一个核心分歧始终存在：AI 对现实世界的影响，究竟会更多体现为替代性的存量重分配，还是创造性的增量扩张；这种影响会更普惠，还是主要流向少数群体。
北京大学国家发展研究院院长黄益平表示，AI 对经济的最终影响远未有定论。一方面，AI 有望显著提升全要素生产率；另一方面，技术进步也会改变就业结构和收入分配，并可能影响消费和总需求，甚至改写过去熟悉的经济增长范式。他提醒，理解 AI 对经济的影响，不能只看技术本身，还要观察技术如何真正进入经济体系。
上海财经大学校长刘元春则提出：「AI 经济的新形态已经确立，但 AI 经济学还没有真正开始。」在他看来，过去经济学研究通常建立在相对稳定的生产函数、企业组织和技术变化之上，但 AI 可能同时改变劳动、资本、知识生产乃至决策方式。当技术范式本身快速变化，仅靠历史数据和传统模型向未来外推，已经不够。
由此，一些原本看似已有答案的问题重新变得悬而未决：AI 带来的微观效率提升，何时才能转化为宏观生产率；巨额资本投入形成的能力，能否进入大量普通企业；当生产越来越容易，又由谁创造足够的需求。
资本开支先起势，红利能否走出产业链
过去一年，基础设施建设以及由此带动的金融市场和产业上下游，是 AI 进入现实经济最直观的方式。
按不同口径测算，中美 AI 基建投资占 GDP 的比例已逼近或超过 1%。算力、芯片、存储、电力和数据中心成为稀缺资源，资本市场也随之大幅波动。按照 2025 年初的统计口径，中国 AI 核心产业规模已超过万亿元人民币，乐观预计 2026 年将接近 2 万亿元。
这轮繁荣首先表现为一轮规模巨大的资本开支周期。
中金公司首席经济学家缪延亮指出，这一轮 AI 革命的技术扩散速度远超此前。互联网和个人电脑用了约 30 年才达到较高渗透率，而大语言模型只用了数年，渗透率就已接近 50%。扩散越快，对上游资源的需求越集中，短期瓶颈也越明显。上一轮信息技术革命中，内存价格上涨 50% 已经十分显著，而这一轮 AI 革命中，内存价格高点时一度上涨超过 600%。
不过，与资本开支的热度形成对照的是，AI 带来的生产率提升还没有同样清晰地反映在宏观数据中。缪延亮说：「虽然很多人用 AI，我们都感觉它提高了生产力，可是在宏观数据中，尚没有体现。」
这也暴露出 AI 新经济最关键的一段距离：资金投入芯片、模型和机房，可以形成投资、订单和市值；个人使用 AI，也可以节省时间。但只有当这些能力进入工厂、商店、医院和普通企业，改变生产流程，创造新产品和服务，局部效率提升才可能汇总成社会生产率增长。
蚂蚁集团 CEO 韩歆毅认为，AI 经济不能只依靠资本投入，AI 应用也不能停留在存量提效。他以电气化进程作比：电力出现后，真正推动经济跃迁的，并不是发电厂本身，而是电气化进入工厂、交通、通信和家庭，进而创造新的产品、服务和生活方式。AI 也是一样，企业必须从降本增效走向价值创造，用 AI 创造更多供给，激活更多需求。
随着模型能力逐渐趋同，大模型竞争正在转向场景。OpenAI 和 Anthropic 都在尝试与行业客户合作，通过工程师和解决方案把模型嵌入具体业务。模型只有进入真实场景并完成验证，才可能规模化复制。
报道举例称，一家生产纺织车间风机的企业，可以在传统设备上加装传感器，接入工业大模型，让设备根据实时工况自动调节风量，检修周期因此缩短 40%。这种变化不如新模型发布那样引人注目，却更接近 AI 真正成为经济变量的方式。
问题也随之出现。从制造、医疗、金融到消费，各个行业都拥有大量 Know-How，需要垂直数据、生产流程和专业知识共同配合。中国大量真实经济活动又发生在中小企业，而不是头部科技公司。许多中小企业既没有能力训练模型，也缺少改造业务流程的技术人员。
如果使用门槛降不下来，AI 越强，领先企业与普通企业之间的效率差距反而可能越大。因此，AI 新经济的第一步，不只是创造更强的模型，而是让资本开支形成的能力走出 AI 产业链，进入千行百业，让中小企业用得起、用得上。只有这样，生产率红利才可能从少数企业扩散到整个社会。
效率提高后，收益会流向谁
当 AI 真正进入具体场景并开始提升效率后，更棘手的问题出现了：谁会从效率提升中受益。
斯坦福大学数字经济实验室的一份声明提出，如果 AI 主要用于替代劳动、压缩用工和集中财富，技术可能创造巨大的生产率增长，却未必带来广泛繁荣。
缪延亮则认为，这一轮 AI 可能拥有比此前技术革命更强的替代效应。AI 不一定直接消灭整个职业，却可以接管越来越多原本由劳动完成的任务，从而降低劳动收入在总收入中的占比。
这件事影响的不只是就业。资本所有者的边际消费倾向通常低于普通劳动者。如果更多收入从劳动流向资本，生产端效率快速提高，消费端购买力却可能增长更慢。结果可能出现一种矛盾局面：AI 让整个社会更会生产，却未必让整个社会更能消费。
缪延亮据此判断，从更长时间看，AI 可能带来更强的去通胀压力：生产率提高扩大供给，而劳动收入份额下降、收入向资本集中，又可能抑制总需求。当需求无法吸收供给扩张，价格便可能持续承压。
这与黄益平等专家的判断一致。决定 AI 最终经济效果的，不只是它提高了多少效率，还包括效率红利最终流向谁。因此，「包容」不是技术发展完成后才处理的公平问题，而是 AI 经济能否持续增长的问题。
韩歆毅认为，与单纯用 AI 替代劳动相比，更可持续的路径是提高劳动者和中小企业参与新价值创造、分享增长红利的能力。一方面，企业要把复杂模型转化为低成本、易使用的产品；另一方面，要通过教育和职业培训提升人的能力，在人机协作中发挥判断力和创造力。同时，还需完善社会保障，帮助受冲击劳动者重新进入经济循环。
劳动者同时也是消费者。企业今天节省的一笔人工成本，也可能成为一个家庭明天减少的一笔收入和消费。如果生产效率不断提高，新产品、新服务越来越多，但有能力购买它们的人没有同步增加，AI 创造的供给最终仍会遭遇需求约束。
因此，AI 更多用于「替代人」还是「增强人」，不仅决定财富如何分配，也可能决定这场技术革命最终能够创造多大的市场。
中国需要怎样的 AI 新经济
对中国而言，这个问题尤其重要。
截至 2025 年末，全国就业人员超过 7.2 亿人，农民工总量超过 3 亿人。大量人的工作和收入来自制造、商贸、物流、餐饮等传统产业，也来自数量庞大的中小企业。这决定了中国的 AI 新经济不能只围绕少数科技企业生长。
中国当然需要更优秀、性价比更高的大模型，需要算力基础设施投资，也需要发挥能源、制造业体系和应用场景优势。但与此同时，也需要一种更加普惠和包容的 AI 新经济：让 AI 进入更多真实场景，让中小企业能够参与，让普通劳动者不仅成为技术替代对象，也有机会分享生产率红利。
摩根士丹利中国首席经济学家邢自强认为，AI 和未来的具身智能会继续增强供给能力，进入工厂、制造业和服务业。但在「供强需弱」的环境下，「最珍惜的还是人。」他提出，未来应更多转向「以人为本」，包括支持服务消费、育儿等居民需求，并在中长期进一步完善外出务工人员等群体的社会保障。
近年政策已经释放出这一方向。2025 年 8 月，国务院发布《关于深入实施“人工智能+”行动的意见》，提出引导创新资源向创造就业潜力大的方向倾斜；工信部等八部门发布的《“人工智能+制造”专项行动实施意见》，也提出支持中小企业智能化改造，降低企业使用 AI 的成本。
不过，普惠还不是全部答案。中国社会科学院大学教授江小涓指出，AI 正在推动中国企业从「先国内、再海外」进入「生而为全球」的阶段。
过去，企业往往先在国内完成产品验证和规模化，再进入海外市场。但模型、数据和数字产品可以以极低边际成本重复使用，互联网也降低了跨地域服务成本。一项 AI 产品从诞生之初，就可能面对全球用户。
AI 甚至可能重新拆解全球产业链。以 AI 制药为例，AI 显著加快靶点发现和分子设计，但临床试验仍需遵循原有周期。当产业链前端创新能力快速爆发、后端能力无法同步扩张，新的全球分工便可能出现。
类似逻辑也适用于产业垂类模型。中国拥有完整产业门类、庞大客户规模和丰富工业数据，有条件训练专业模型，但一些细分模型仅依靠国内市场，未必能获得足够回报。江小涓说：「训出来一定要全球用，它的商业模式才有可能盈利。」
这为 AI 新经济增加了另一个维度：一方面，它要向下进入制造、消费、医疗和服务业，让更多中小企业与劳动者参与；另一方面，也要向外打开，让中国形成的新技术、新产品和新服务在全球寻找市场。
刘元春所说的「AI 经济学还没有真正开始」，也说明讨论仍处在起点。AI 经济已经发生，但它将如何改变增长、就业、分配和全球产业体系，仍没有标准答案。
本文来自微信公众号「经济观察报」，作者张淼，由 MarsBit 发布。