热点思考 | AI革命：从“微观”到“宏观”的演进

自2022年ChatGPT发布以来，美国科技企业资本开支进入快车道。 AI成为这几年全球市场的重要主题之一。2024年三季度，美股MAG 7资本开支规模达到661亿美元，同比增速高达57.8%，AI基础设施、云计算、智能算法是重要领域。与此同时，英伟达作为AI产业链的硬件提供方，其数据中心收入节节攀升，2024年三季度达308亿美元，同比达112%，是2022年同期收入的7倍。 DeepSeek之所以能对全球市场形成冲击，正是因为其“成本低、效率高”的特征动摇了市场对于美股头部科技公司大规模资本开支的信心。

随着AI技术进步，投资力度加码，微观视角下美国AI渗透率大幅提升。

1）当前美国AI渗透率处于什么水平？职场AI渗透率可能在20-40%之间。 当前市场上有多种针对企业AI渗透率的调查，且可分为针对企业层面以及针对员工层面的调查，前者调查的AI渗透率普遍在5-40%之间，后者调查的AI渗透率在20-40%之间。举例来说，美国普查局BTOS调查显示美国企业AI渗透率不到5%，但若将调查结果根据雇员进行加权，则渗透率上升至20%（更多大型企业应用AI）。

2）美国在工作之外的AI渗透率可能超过职场中的应用。 在工作之外，圣路易斯联储研究认为2024年生成式AI渗透率已经达到34%，高于其对于工作场合渗透率的调查（27%）。从而整体生成式AI渗透率已经接近40%。虽然渗透率数字不一定准确，但这意味着当前AI在工作之外的应用可能远高于工作之时，这与个人电脑的普及先后顺序不同。

3）2023年-2024年，美国AI渗透率的增速可能超过70%。 在企业层面，根据美国商会数据，2023-2024年美国企业AI渗透率（adoption）提升幅度为73%，美国普查局的BTOS调查显示2024年2月-2024年9月间的年化增速为78.4%。在员工层面，皮尤研究中心（Pew）数据表明2023年3月-2024年2月间渗透率从8%提升至20%，增长145%。

对比上一轮IT产品成本下行的经验，以及“去监管”政策趋势，未来美国科技企业资本开支前景仍然不差，AI的应用也可能进一步加速。

1) 2022年至今这一波科技企业资本开支的高增，可类比1990年代美国IT Boom时期。 90年代后期，美国科技企业开启了一波资本开支上行，当时的科技公司龙头主要为英特尔、思科、微软、IBM、甲骨文等（互联网、电信、信息技术等），其资本开支在2001年达到顶峰。

2）彼时的科技新产品——电脑、互联网渗透率提升，其背后是技术进步、工艺提升带动IT产品价格大幅下降，进而强化企业投资意愿。 从经济数据来看，美国90年代后期电脑设备、通信设备、软件投资增速大幅提升，其中电脑设备投资增速一度高达50%。更重要的是，在私人部门大规模投资IT的背后，是投资成本的不断下降。由于半导体技术突破和生产效率提升，90年代电脑、软件等设备价格下降，进而推动企业投资意愿增强。

3）上一波IT投资热潮也离不开政策的支撑，如1996年《电信法案》“去监管”的刺激，当前特朗普对于AI的政策也偏向降低政府干预。 1996年《电信法案》打破行业垄断，将AT&T分拆，推动了美国彼时IT投资浪潮，而特朗普在近期上台之后也撤销了拜登时代的AI监管行政令，取消对生成式AI的强制安全测试要求，减少大模型部署周期，需后续观察是否会加速AI投资。

（二）“中观”视野：AI对就业、工作影响有多大？

中观视角下，美国哪些企业应用AI较多？哪些行业应用AI较多？

信息业、专业服务、金融地产是美国企业应用AI最广泛的行业，而餐饮住宿是应用AI最少的行业之一。小型企业和大型企业应用AI更多，显示AI应用的“广泛度”还有很大提升空间。 考虑到样本数量、覆盖面，我们主要采用美国普查局BTOS（样本较大，调查企业AI应用情况）和实时人口调查数据（接近BLS家庭调查，调查员工生成式AI应用情况，以下简称RPS调查）。根据美国普查局数据，在美国企业中，信息业、专业科学业、教育服务应用AI的比例最大，分别为18.1%、12.0%、9.1%，远高于5.0%的整体比例（企业数量加权）；从员工角度出发，美国应用生成式AI的员工比重最大的行业为信息服务（56.2%）、金融地产（40.5%）、专业商业服务（34.9%）。

AI与员工之间的关系是替代还是强化？从以下三方面来看，当前AI对于工作任务的替代性可能强于就业。

1）从用途出发，当前AI使用更多在于强化工作效能，而非自动化。 根据美国普查局BTOS调查，美国企业对于AI的应用主要集中在营销自动化、聊天机器人、自然语言处理等（企业数量加权）。进一步看，根据Claude模型开发商Anthropic发布的报告，在AI运行任务中，57%的使用是在强化人类能力（Augmentation），43%的使用旨在自动化（Automation），即AI的使用更多以与人类协作为主，参与诸如学习、任务迭代的工作，而非替代人类。

2）另一方面，AI对于任务（Tasks）的替代要远远高于就业。 根据美国普查局BTOS调查，在使用AI的企业中，27%的企业将任务替代。其中，84.6%的企业替代了小部分任务，13%的企业替换了中等数量的任务。同口径下，仅有2.8%的美国企业在过去6个月内出现因为AI的就业下降，远低于27%的企业替代任务比重。 但是，美国普查局BTOS对于AI替代任务、就业的调查有一个共同点，就是随着时间的推移，AI替代任务、就业的影响可能会逐步增强。

3）AI对企业的影响主要体现为训练员工应用AI，也能印证其对就业影响不大。 根据BTOS调查，在应用AI的企业中，50%的美国企业并未采取任何变化，显示AI的应用仍然处于相对初步的阶段。但是，20.8%的企业对现有员工进行了使用AI的训练，19.7%的企业发展出了新的工作流程（Workflow）。

展望未来，AI对于就业的影响很可能是冷热不均的，复杂性较高、需专业判断的岗位就业需求可能增加，如软件开发、数据处理等职业，但是重复性任务含量较高的职业，如法律助理、客户代表就业需求可能下滑。

1）过去几年，AI相关的软件开发、数据处理就业表现亮眼。 当前，信息业占美国就业比重为1.9%（2024年），这几年随着美联储加息抑制通胀，美国科技行业的裁员更吸引市场关注。但是，在信息业就业内部，仍然能够观察到软件开发、数据处理就业明显更好，的确可能对应的是AI渗透的初步影响。

2）AI自动化可能压缩基础、涉及重复性任务的就业需求，但可能会促进需复杂技术整合或专业判断的岗位需求。 美国劳工局对2023-2033年的长期职业/就业预测（2024年底发布）涵盖了对于AI的影响分析。AI对于美国不同职业就业的影响是分化的，涉及重复性任务或文档处理的岗位将因AI效率提升而出现就业需求下降，如办公行政职业、部分销售相关职业、法律助理。但是，需复杂技术整合或专业判断的岗位则将因AI技术发展而需求上升，如软件开发、数据库管理。以商业与金融职业为例，理赔调整员、车险评估师的工作在更大程度上可由AI“自动化”，就业可能出现收缩。但是， 对于金融和投资分析师来说，长期投资仍需人类分析师综合宏观经济、政策、行业动态等复杂变量，AI仅作为辅助工具（如加速数据对比、优化风险模型）。因此，尽管AI提升数据处理效率，金融投资分析师将在未来10年出现9.5%的就业增长 （算法驱动型岗位可能受影响更大），高于全行业平均4%的增速。

（三）“宏观”视野：AI对经济有多大影响？

微观视角，AI可以对编程、内容生成等任务形成较大效率提升。 根据上文分析，AI的投资、渗透率提升如火如荼，对就业结构将有较大的冲击，从总量上来说，AI对经济的影响有多大？根据不同来源的测算，AI的使用的确可以大幅增强生产效率，在编程、内容生成、研发效率、运营效率方面的提升非常显著，如2023年微软研究显示Copilot可以将编程效率提升126%，2024年BIS研究说明生成式AI将编程效率提升了55%，不同调查、研究之间的差距虽然很大，但微观上AI的确可能能对生产率形成较大提升。

宏观视角下，从GDP支出法、劳动生产率两方面来看，AI对美国经济的推动已经有初步体现，但效果尚不显著。

1）虽然2022年以来数据中心建造支出快速提升，但占GDP比重不大，其他AI投资相关增速并不高，与1990年代不同。 上文提到，2022年以来，美国以MAG 7为代表的科技企业资本开支大幅度增加，其中数据中心的投资对应数据中心建筑支出上升（美国普查局数据），两者趋势有一定相似。但是，建筑投资占美国GDP比重非常小，数据中心建筑支出占办公建筑支出1/3左右，而办公建筑投资仅占美国GDP 0.3%左右，也就是说数据中心建筑投资可能只占美国GDP 0.1%左右。除此之外，美国与AI投资相关的还有电脑、通信设备投资以及软件投资，但这三者占美国GDP比重也仅不到4%，2022年以来增速提升并不显著。

2）根据AI提升工作效率的微观特征，AI对经济的作用主要在于提升劳动生产率（Output per hour），但生产率增速提升空间还较大。 2019年以来，美国劳动生产率增速平均1.9%左右，高于2007-2019年1.5%的平均，但是相较于1990-2000年与2000-2007年间2.2%、2.7%的增速还有较大距离，但AI对生产率的提升效果可以通过两方面初步观察到，一是相较于2007-2019年，2019-2023年间劳动生产率增速提升的主要推动力来自于全要素生产率（TFP），对应AI提升生产效率；二是 根据芝加哥联储数据，在2019Q4-2024Q2期间，对美国劳动生产率增速贡献较大的行业主要为住房、数据处理、互联网出版信息业，计算机系统设计服务、电脑系统设计、其他零售服务，其中许多行业与AI技术的应用和线上零售转型相关。

上文提到，AI渗透率的提升是明显超过历史上的科技应用的，为什么AI对经济的推动效果还相对有限呢？

1）一方面，AI在工作上的渗透率还有待提升。 上文提到，圣路易斯联储研究认为美国生成式AI应用率已经达到40%，而上一轮美国劳动生产率提升开始时点（1996年）之时的个人电脑渗透率也是40%。但是，工作场合的AI渗透率是较低的，在20%-40%之间（根据上文分析），上一轮PC的应用是“先工作，后个人”，此轮AI渗透率的提升呈现“先个人、后工作”的特征。因此，劳动生产率的提升可能还需等待AI在美国经济之中更为广泛的应用。根据美国普查局BTOS调查，阻碍企业应用AI工具的最大因素是“AI不适用于企业”，这一点也可作为佐证。

2）其次，AI在企业应用中的“强度”有待提升。 根据圣路易斯联储研究，工作场合，31.8%的员工使用AI超过一小时，47.1%的人使用AI少于一小时，还有21.1%的员工仅使用不到15分钟。即便是在过去一周每天都使用AI的员工之中，也还有一半人每天使用AI少于一小时。

最后，科技的应用对于社会、经济都是一个长期的过程，如电动机在1890年左右出现，个人电脑在1980年代初出现，但两者带动的劳动生产率高增大潮均滞后超过10年。未来AI应用将以什么幅度带动经济，实际上还存在较大不确定性。

如果未来AI技术应用的广度、深度提升，带动劳动生产率增速上一个台阶，这可能意味着美国将再度出现“金发女郎”经济，一如1990年代。此外，AI技术的应用不会仅仅局限于美国，这对未来中国经济发展新质生产力、促进全要素生产率提升也会具备较大意义。 1990年代的美国经济被称为“金发女郎”式经济，其特征是经济增速较高，但通胀并不过热，达成这一点的背后是较高的劳动生产率增速。从机制上来说，劳动生产率增速越高，意味着企业在同等要素投入下可以产出更多价值，从而企业可以在不涨价的前提下为居民涨薪，提高居民实际收入。也就是说，劳动生产率越高，经济供给侧改善越明显，通胀可能越低。综合来看，经济就会出现“高增速、低通胀”的组合。 如下图所示，劳动生产率增速提升，对应的是“美国经济增速/核心通胀”比值提升。对于央行来说，这就意味着传统货币政策操作的空间提升。