本文来自微信公众号： AI时代我的人生下半场 ，作者：席春迎博士
阿波罗首席经济学家Torsten Slok最近提出了一个颇具诱惑力的判断：如果人工智能成功转化为生产率，经济将出现强大的通缩力量，长期利率随之下降；如果围绕AI形成的资本市场繁荣无法持续，风险资产大幅调整，避险资金又会进入美国国债，同样推动收益率下降。这似乎意味着，无论AI走向何方，2027年的美债都可能成为受益者。
但真正值得讨论的并不是“AI成功还是失败”。技术进步、资本回报和金融市场定价从来不是同一条曲线。AI更可能面对的，是巨额资本投入与生产率兑现之间的时间差，以及由此引发的估值重定价。比这更深远的问题则是，当AI真正创造出巨大的经济剩余以后，这些财富最终流向谁。生产率决定供给，财富分配决定需求，资本回报决定资产价格，三者的重新组合，才可能真正改变未来十年的通胀与利率。
一场关于美债的讨论，正在变成一场关于AI的讨论
过去两年，如果要解释美国长期国债收益率为什么迟迟不能回到疫情前的低位，答案并不难寻找。通胀比市场预期更加顽固，美国财政赤字持续扩大，国债供给不断增加，期限溢价重新上升。美联储什么时候降息当然重要，但对于10年期甚至30年期国债而言，决定价格的力量已经越来越多地来自货币政策之外。
阿波罗全球管理公司首席经济学家Torsten Slok最近提出了一个不同寻常的判断。他认为，市场正在接近一次叙事转换。今天债券投资者讨论的是通胀和财政赤字，到了2027年前后，真正左右长期利率的变量可能变成AI。
他的推理具有一种华尔街喜欢的对称性。如果AI商业化取得巨大成功，科技企业由此创造数万亿美元收入，生产率提高将形成大规模的通缩效应，长期通胀预期下降，国债收益率自然随之回落。反过来，如果市场对AI的预期无法兑现，科技股估值发生剧烈调整，纳斯达克甚至出现类似互联网泡沫破裂后的大幅下跌，资金又会从风险资产转向美国国债避险，同样压低长期收益率。
两条完全不同的道路，似乎通向同一个终点：更低的长期利率。
这是一个很聪明的市场判断，却也隐藏着一个值得商榷的前提——它把AI的未来划分成了“成功”和“失败”。
我并不认为这是理解这场技术革命最准确的方法。
如果把时间尺度从六个月拉长到十年，AI真正存在的不确定性并不是它是否会改变经济，而是这种改变以什么速度发生；今天投入的巨额资本需要多长时间才能转化为收入、利润和自由现金流；而当生产率红利真正出现以后，新增财富又将在资本、劳动和消费者之间如何分配。
这三个问题看起来分别属于技术、金融和社会政策，最终却都会落到同两个宏观变量上：通胀与利率。
AI的技术前景与AI资产的价格，从来不是一回事
每一次技术革命都会制造一种错觉：既然一种技术最终改变了世界，那么在任何时间买入与它相关的资产都应该是正确的。历史一再证明并非如此。
19世纪的铁路确实改变了现代经济的地理结构，却没有阻止大量铁路公司破产；汽车彻底改变了城市和工业体系，却有无数汽车制造商消失；互联网可能是过去半个世纪最重要的通用技术之一，但这并没有阻止纳斯达克在2000年以后经历惨烈调整。
互联网泡沫最值得今天重新理解的地方，恰恰不是投资者错误地相信了互联网。关于互联网将重塑商业、信息传播、零售、金融乃至人际关系的长期判断，后来大部分被证明是正确的。真正出现偏差的是时间和价格：资本市场试图在20世纪末提前为未来十几年甚至几十年的商业价值定价。
技术趋势判断正确，并不意味着资本回报判断一定正确。
这一区别对今天的AI尤其重要。
全球正在投入规模惊人的资金建设数据中心、采购先进芯片、扩建电网和发电设施、训练更大的模型，并围绕AI重新建设云计算基础设施。问题已经不再是企业是否愿意为AI投入资本，而是这些资本投入能够以多快的速度形成足够高的经济回报。
如果一家企业今天投入100亿美元建设AI基础设施，五年以后由此创造300亿美元稳定现金流，这是一笔极好的投资；如果同样的100亿美元需要十五年才能获得合理回报，资产价值就完全不同。技术本身没有发生变化，改变的只是现金流兑现的时间，而金融市场最敏感的恰恰就是时间。
因此，未来即使出现AI相关股票的大幅调整，也不应该轻率地称为“AI失败”。更准确的描述可能是，资本市场发现自己高估了生产率红利兑现的速度，或者低估了获得这些红利所需要的资本投入。
所谓“AI泡沫”，如果真的存在，其核心也未必是技术价值不存在，而可能是资本价格跑在了经济回报前面。
这一区别非常重要。因为一旦把技术革命和金融定价混为一谈，我们就很容易在市场上涨时高估技术，在市场下跌时又低估技术。历史真正反复出现的情况恰恰相反：一项技术可以长期取得巨大成功，与此同时，围绕它形成的某一代资产价格完全可能经历一次痛苦的重新定价。
AI短期可能制造通胀，长期却可能成为这个时代最强大的通缩力量
Slok判断AI最终将形成通缩力量，我基本认同。但这里还需要增加一个时间维度。
人工智能并不是一项没有物理成本的软件革命。每一个Token背后都有芯片，每一块芯片背后都有晶圆厂、服务器、数据中心、电力、冷却系统和通信网络。AI越向现实经济深入，对能源和物理基础设施的需求反而越大。
因此，AI革命实际上存在两个截然不同的阶段。
第一个阶段是建设AI。全球需要为未来的智能经济提前建设一套庞大的基础设施，这会带来芯片、电力、铜、土地、工程建设和资本需求的快速增长。对于这些供给短期缺乏弹性的生产要素而言，AI不仅不会马上带来通缩，反而可能造成局部甚至阶段性的价格上涨。
第二个阶段才是使用AI。当已经建设完成的智能基础设施进入制造、金融、医疗、教育、物流、法律和政府服务，真正改变企业生产函数的时候，AI的宏观性质才会发生变化。
区别就在这里。
一家银行给员工购买AI助手，未必意味着生产率发生了革命；如果银行重新设计信贷审批流程，让AI承担信息搜集、初步风险判断、文件生成和持续监控，人类员工集中处理异常情况和最终决策，那么原来需要数天和多个部门协同完成的流程就可能被压缩到几个小时。
制造企业也是如此。真正改变成本结构的并不是在原有工厂里安装一个聊天机器人，而是重新设计研发、采购、排产、质检、库存和售后体系，使机器智能进入整个价值链。
这也是为什么，把传统产业的AI转型简单理解为“AI+”很容易低估正在发生的事情。AI真正的经济价值，不在于传统流程旁边增加一个工具，而在于企业开始重新思考哪些流程仍然需要存在、哪些工作应该由人完成、哪些工作可以交给智能体，以及组织本身是否还需要维持原来的层级和边界。
一旦这种变化从少数科技企业扩散到整个经济体系，AI的通缩效应才可能真正显现。它降低的不只是工资成本，还包括搜索成本、信息成本、管理成本、协调成本和大量交易成本。经济能够使用同样的资本和劳动生产更多商品与服务，价格下降不再来自需求衰退，而来自供给能力的提高。
这是一种与传统经济衰退完全不同的“好通缩”。
真正的问题只是，我们距离这一阶段还有多远。
比生产率更容易被低估的变量，是财富最终流向哪里
如果AI能够显著提高生产率，那么接下来一个看似属于社会政策的问题，很快会变成宏观经济学问题：这些生产率红利最终属于谁？
假设一家企业过去需要1000名员工完成某项业务，经过AI重构以后只需要600人，而产出反而提高了30%。从生产率统计看，这显然是巨大的进步。但是经济学分析不能停在这里，因为原来支付给400名员工的成本以及新增的利润不会凭空消失，它们会重新分配。
一部分可能进入消费者，通过更低价格体现；一部分可能留在企业，形成更高利润；一部分进入AI模型、芯片、云计算和能源供应商；还有一部分最终归属于资本所有者。
不同的分配结果，将产生完全不同的宏观经济后果。
如果AI生产率红利能够比较广泛地转化为劳动者收入提高、商品价格下降以及更多居民财富，那么供给和需求可能同时扩张，AI带来的将是一个生产率提高、实际收入增长和消费扩大的良性循环。
但如果大部分新增经济剩余高度集中于少数科技平台、基础模型公司、芯片企业以及资本所有者，情况就会复杂得多。
原因并不神秘。一个普通家庭增加10万元收入，很可能把相当部分用于消费；一个拥有巨额财富的家庭或者机构增加同样比例的资产，并不会同比例增加消费。财富越集中于高收入群体和资本端，新增财富转化为即时消费需求的比例通常越低，更多资金会重新进入储蓄和金融资产。
这意味着，AI可能同时从供给和需求两端改变价格。
供给端，生产率提高降低单位成本，经济能够生产更多商品和服务；需求端，如果新增财富高度集中，整体边际消费倾向可能下降，消费需求的扩张速度反而跟不上生产能力。
当供给能力增长持续快于有效需求，通缩压力就不仅来自技术效率，也来自财富结构。
因此，AI时代的财富分配绝不仅仅是公平问题，它很可能成为未来研究通胀、利率乃至货币政策时必须进入模型的宏观变量。
这也使美联储主席沃什最近提出的一个问题显得格外重要：AI创造的经济剩余究竟流向模型公司、芯片和云计算企业，还是最终进入普通企业、劳动者和消费者？
表面上，这是一个财富分配问题；再往前走一步，它其实也是一个总需求问题；继续往前走，它最终会变成通胀和利率问题。
真正需要重新定价的，可能不是AI，而是未来十年的利率逻辑
这样再回头看Slok关于2027年美债的判断，事情就比“AI上涨买美债，AI下跌也买美债”复杂得多。
未来几年至少存在几种力量同时作用。
如果AI生产率红利快速进入现实经济，单位成本下降，潜在供给提高，长期通胀压力确实可能下降，这对长期国债构成支持。如果AI资本投入继续高速增长，而生产率兑现速度暂时落后，那么数据中心、能源、电网和基础设施形成的巨额资金需求可能在一段时期内支撑较高的实际利率。如果资本市场突然发现此前的AI估值过度透支未来，风险资产发生剧烈调整，避险资金又可能阶段性推动美债收益率快速下降。
还有第四种力量经常被忽略。如果AI显著提高生产率，同时让财富进一步向资本端集中，那么全球可能出现更高的储蓄倾向和更强的金融资产需求。届时，AI对长期利率的影响就不仅来自通胀下降，还可能来自全球储蓄与投资结构本身的变化。
因此，真正值得关注的并不是某一个关于10年期美债收益率的点位预测，而是长期利率的决定机制可能正在增加一个过去不存在的变量。
过去讨论长期利率，经济学家关注潜在增长、通胀预期、财政赤字、人口结构、全球储蓄以及期限溢价。未来，AI生产率的兑现速度、AI资本形成的规模以及AI财富分配的结构，很可能逐渐进入这个框架。
这也是AI从产业革命走向经济革命的标志。
当一项技术只决定几家公司的收入和利润时，它还是产业变量；当它开始影响全社会劳动生产率、工资结构、资本回报、财富分配和消费倾向时，它已经成为宏观变量；当这些变化进一步影响通胀和自然利率时，中央银行就不可能继续把它仅仅视为科技行业的问题。
从这个意义上说，Slok真正值得重视的并不是“2027年美债收益率会下降”这一预测，而是他捕捉到了市场叙事正在变化：AI正在进入全球资产定价体系的底层。
这可能比预测下一次美联储会议更加重要。
AI时代真正的问题，不是机器能做什么，而是谁获得生产率红利
每一次生产率革命最终都会遇到同一个问题：技术创造财富的能力，与社会分配财富的机制，并不会自动同步变化。
工业革命极大提高了生产能力，却用了很长时间才形成现代劳动制度和社会保障体系；互联网极大降低了信息和交易成本，也创造出了前所未有的平台型企业和财富集中。AI可能把这种变化推向新的程度，因为它第一次开始大规模替代的不只是体力劳动，也包括分析、写作、设计、编程、管理乃至部分决策活动。
因此，未来十年关于AI最重要的经济学争论，很可能不会停留在模型参数有多大、算力增长多少或者哪家公司拥有最先进的大模型。
真正决定宏观经济结果的，是另外三个变量：生产率红利以多快的速度从科技行业扩散到整个经济体系，今天史无前例的资本投入需要多长时间才能形成足够的现金回报，以及由AI创造出来的巨大经济剩余最终在资本、劳动和消费者之间如何分配。
这三个问题彼此并不独立。生产率决定社会能够生产多少，财富分配决定其中多少能够转化为消费需求，资本回报决定金融体系愿意以什么价格继续为下一轮技术投资提供资金。三者之间的动态平衡，最终决定的恰恰就是未来的增长、物价和利率。
因此，我并不认为未来存在一个简单的“AI失败”情景。更可能发生的是，在一个长期向上的技术趋势中，资本市场不断修正自己对回报速度和资产价格的判断。某些企业会消失，一些投资会损失，部分基础设施可能阶段性过剩，科技股甚至完全可能经历一次幅度不小的调整。这些现象都不能证明AI革命失败，就像2000年的纳斯达克崩塌最终没有否定互联网一样。
真正值得警惕的，反而不是市场偶尔高估AI，而是我们用旧经济学框架低估AI。
如果AI最终成为一种新的基础生产要素，那么它改变的就不会只是科技公司的利润表。它会改变劳动与资本的边界，改变企业组织方式，改变财富形成和分配机制，并通过这些渠道重新塑造消费、储蓄、通胀和利率。
到那个时候，人们回头看今天关于“AI是不是泡沫”的争论，或许会发现问题从一开始就问得太小了。
真正的问题从来不是AI会不会成功。
而是当机器智能开始持续提高整个社会创造财富的能力之后，这些财富以多快的速度被创造出来，需要多少资本才能创造出来，以及最终由谁分享。
这三个问题，才可能真正决定AI时代的经济秩序。
※本文配图均由AI生成。