中金：AI從傳統需求的「朋友」到「敵人」？

7月以來，全球AI鏈條持續調整，背后除了不斷走高的成本外，更重要的是市場擔心AI能產生的回報撐不住大規模的投資，例如看似市場是在擔心CoreWeave的信用風險，背后可能是擔心Anthropic ARR的放緩，所以市場要算ROIC（回報）與WACC（成本）的賬，這與去年四季度市場擔心私募信貸的「劇本」如出一轍。因此，決定后續AI走勢的關鍵在於大模型的迭代和新業務模式的兑現（如今年一季度Anthropic業績超預期），這也恰是提升AI回報的關鍵。

圖表：CoreWeave的CDS飆升（違約擔憂）引發一輪拋售

資料來源：Bloomberg，中金公司研究部

圖表：截至二季度，美國雲廠商的19.9%的ROIC仍能覆蓋9.6%的WACC

資料來源：FactSet，Bloomberg，中金公司研究部

除了要「努力」證明自身回報足以覆蓋不斷膨脹的資本開支外，中美AI也都走到了另一個關鍵節點：即自己的能力（自己賺的錢，經營性現金流）撐不起自己的野心（資本開支的投資需求）了，需要向外部融資獲取支持（自由現金流轉負），而無法像此前那樣只靠自己賺的錢來投資。當然，借錢不是問題，借錢卻賺不到匹配的回報纔是問題。

但無論如何，當AI在中美都開始向全社會汲取資源的時候，另一個越來越重要的問題也逐漸浮出水面：AI是否會逐漸從拉動其他經濟部門的「朋友」，逐漸走向其對立面，變成擠出傳統需求的「敵人」？換言之，K型分化的上半端能否繼續對衝下半端，使整體增長依然向上？

中美其實都面臨這個問題：近期美債利率的走高，CoreWeave風險暴露，中國內需的疲弱，都是這個問題的某種折射。只不過，中美的傳導和擠壓路徑不同、容忍度和臨界值也各異。搞清楚這個「臨界值」，也就搞清楚了經濟與政策能承受的邊界，對我們判斷中美的政策路徑與選擇投資方向都大有裨益。

一、AI走到了一個關鍵節點：開始從全社會汲取資源來支持其發展，中國可能快於美國

今年二季度，美國AI走到了一個關鍵節點：即無法用自己賺的錢（經營性現金流）來支持越來越膨脹的資本開支，因此需要對外融資（股權或債權）來彌補資金缺口，標誌性的事件即是今年二季度除微軟和Meta外的主要雲廠商（Hyperscaler）自由現金流都轉負（經營現金流-資本開支）。

圖表：美國雲廠商的資本開支逼近經營性現金流

資料來源：FactSet，中金公司研究部

當然，並不是説借錢就是壞事，恰恰相反，借錢可以撬動更多資金，也可以提高ROE（ROE=利潤率*周轉率*槓桿），只有借錢卻賺不回來相應的錢纔是壞事。對雲廠商而言，截至二季度19.9%的ROIC完全可以覆蓋9.6%的WACC，更不用説不到5~7%的企業債融資。

只不過，當AI開始向全社會汲取資源后，我們就不能只看AI自己的回報，還要考慮由此對傳統部門的擠出效應，加總到一起是什麼效果，最終來影響政策走向與市場方向。

美國是如此，中國也是類似。而且，由於中國的AI投資ROIC更低（截至二季度，中國頭部雲廠商如騰訊、阿里巴巴及百度的加權ROIC約11.9%，低於美國雲廠商的19.9%），且二季度自由現金流均已轉負，需要更多外部資金支持。在非完全市場定價決定要素資源分配的環境下，對傳統需求的擠出可能更快。

圖表：截至二季度，中國頭部雲廠商的加權ROIC約11.9%，低於美國雲廠商

資料來源：FactSet，中金公司研究部

圖表：中國頭部雲廠商二季度自由現金流均已轉負

資料來源： Bloomberg，中金公司研究部

二、主要經濟部門劃分：AI與其他部門「五五開」；美國AI生產多，中國AI基建多

界定清楚新技術的投資生產、應用和其他傳統部門，是我們判斷AI是傳統需求的「朋友」還是「敵人」，以及一輪技術擴張是局部繁榮，還是廣泛的經濟增長的前提。

技術革命的經濟影響，不能只觀察技術生產部門。技術革命對經濟的影響既可能來自新技術本身的投資與生產，也可能來自新技術應用帶來的生產率改善和新供給創造，也有可能通過要素價格影響到尚未有效採用新技術的部門。不難理解，新技術對不同部門的影響存在明顯差異。參考Stiroh（2002）的思路，我們將經濟體劃分爲四個部門，更好體現技術革命的影響，具體來看：

1) AI生產部門，主要涉及AI大模型生產環節，如電子計算機、軟件、數據中心/雲服務、IT服務；

2) AI基建部門，主要涉及AI數據中心的基礎設施和能源環節，是AI生產直接拉動的部門，如電力、建築、建材、金屬、機械和電氣設備；

3) AI應用部門，包括金融、專業服務、研發、醫藥、影視傳媒等；

4) 其他部門，與AI投資和消費直接無關的部門，如食品飲料、地產、交運倉儲、文娛等。

對於美國，截至2026年上半年，相比2022，AI生產部門佔比上升2.4ppt至10.3%；AI應用和基礎設施部門基本持平，合計比例約40%。其他部門依然超過50%，不過相比2022年底下降1.4ppt。簡言之，AI相關與不相關部門大體五五開。

對於中國，AI相關與不相關部門大體也是五五開，不過AI相關部門的結構與美國差異明顯。截至2025年底，AI生產部門佔比不到5%，僅有美國的一半；AI應用部門份額與美國相差無幾；不過AI基建部門的份額接近14%，約為美國的2倍；其他部門佔比約50%，和美國接近。

圖表：美國AI相關與不相關部門大體五五開

資料來源：BEA，中金公司研究部

圖表：中國也大體是五五開，但結構與美國差異較大，基建比例更高

資料來源：Wind，中金公司研究部

三、AI作為「朋友」，如何拉動其他部門？拉動投資出口、財富效應和提高勞動生產率

作為傳統需求的朋友，AI的正外部性主要體現在直接通過投資拉動增長和出口、提升勞動生產率、以及財富效應這三個方面。

► 直接通過投資和出口等拉動增長。這一點在過去幾個季度尤為明顯，中美都是如此。二季度，美國實際GDP環比折年增長2.2%，如果扣掉進口因素，AI廣義需求（AI生產投資和基建）對美國增長貢獻28%，拉動約0.6ppt。同期，中國實際GDP季調環比折年4.77%，AI貢獻47%。對中國的拉動主要體現在出口上，AI相關產品對淨出口同比增長的貢獻超過60%，淨出口對GDP增長貢獻21%，拉動GDP增長0.6ppt。盈利也是如此，AI相關板塊貢獻美股增長的53%，貢獻了A股和港股19%和2.4%。換言之，美國扣掉AI，一半的盈利沒了；中國扣掉AI，一半的增長沒了。

圖表：二季度，美國實際GDP環比折年增長2.2%，AI相關需求貢獻28%增長

資料來源：Haver，中金公司研究部
圖表：二季度，中國實際GDP季調環比折年4.77%，AI相關需求貢獻47%增長

資料來源：Wind，中金公司研究部

► 市場上漲帶來的財富效應。AI行情下的股市上漲會帶來明顯的財富效應，而財富效應又會提振居民的消費預期。Chodorow-Reich 等（2020）通過對本地非貿易部門（如零售、餐飲等直接受本地需求驅動的服務業）的工資總額的實證檢驗顯示：股票財富每增加1美元，居民每年將增加約3.2美分的實際消費支出。這一點在美國體現的更明顯，得益於美股更強的表現以及居民部門更大的股市敞口（401K等）。根據美聯儲的數據統計，2Q26美股總市值中個人等非機構投資者持股佔比超過42%，相比年初增加1.4ppt；居民的資產負債表中，含權類資產的佔比47%，較年初增加2ppt；今年以來的可支配收入中，股息等收入佔比超過9%。相比之下，中國的財富效應仍有待提升。

圖表：股市財富衝擊后，非貿易部門工資總額上升

資料來源：Chodorow-Reich et al., (2020)，中金公司研究部

圖表：2Q26含權類資產在美國居民資產中佔比接近47%

資料來源：Bloomberg，中金公司研究部

圖表：今年以來，A股5500家公司中位數回報-17%

資料來源：Wind，中金公司研究部

圖表：截至2025年，居民配置權益類資產的比例依然很低

資料來源：CHFS，中金公司研究部

► 提升勞動生產率及知識外溢帶來的正外部性。AI拉動經濟的第一性原理來自其相對低成本、高效率完成任務后對勞動生產率的提升。Anthropic測算，AI輔助可使部分任務完成時間平均縮短80%，且相對勞動力成本更低。隨着大模型應用場景日益豐富，美國非農部門整體勞動生產率有所提升。其中，AI投入較多的行業如信息技術、金融保險的勞動生產率改善尤為明顯。生產效率的改善，一方面提升了全要素生產率，另一方面，也驅動了詞元調用量持續高速增長，雲廠商算力投入不斷加碼，AI算力、基礎設施等相關環節需求快速擴張。

知識外溢帶來正外部性：模型、軟件、數據和組織經驗向更多企業傳播，可降低后續成本，使此前AI使用強度較低的其他部門逐漸轉變為應用部門。知識擴散還可能產生未被完全定價的正外部性，令AI的社會收益高於私人收益。2025年，Brynjolfsson 等（2026）估計，美國用户從生成式AI聊天工具獲得的年度消費者剩余約為1162億美元。同期Gartner預測全球終端購買者在生成式AI模型上的支出僅為142億美元，前者約為后者的8.2倍。對照其他行業，UberX用户每支付1美元基礎車費產生約1.57美元的消費者剩余，移動通信的消費者剩余為1倍，生成式AI則高達8.2倍。從結果看，AI的社會收益顯著高於私人收益，因此僅以模型市場交易額衡量其經濟貢獻，將系統性遺漏掉最大的一塊社會福利價值。

四、AI作為「敵人」，如何擠出其他部門？擠佔要素資源、約束政策空間以及替代部分就業

然而，一旦AI對社會產生的回報（自身ROIC與正外部性）小於AI對其它部門資源的擠佔，AI就有可能從傳統需求的「朋友」變成「敵人」。AI開始需要外部融資和推高原材料價格，就是從要素資源對傳統需求擠佔的典型例子，體現在三個方面：

► 擠佔實物資源。AI消耗電力等關鍵資源，並推高其它部門關鍵要素的邊際成本和產能利用率。AI資本開支並非單純資金支出，還需要芯片、服務器、電力、電網接入、土地等實物投入。當相關供給短期缺乏彈性時，新增AI項目可能通過推高電價、設備交付價格、建設成本及高技能工資等形式，擠佔其它部門的實物資源。2022年底以來，美國私營部門數據中心建造支出增長近5倍。全球數據中心耗電量佔產電比例從2020年的1.0%升至2025年的1.5%，尤其是美國這一比例從2020年的2.6%快速升至2025年的4.9%。此外，過去幾年隨AI的發展，美國油氣、電氣設備、採掘、機械和電子等行業產能利用率明顯抬升。今年以來，存儲價格上漲110%，推動美國PPI里的電子元件及配件分項同比從去年底的4%最高升至6月的29%，為美國PPI同比抬升的主要貢獻之一。

圖表：全球數據中心耗電量佔產電量的比例不斷抬升，尤其是美國

資料來源：IEA，Ember（2026），中金公司研究部

► 擠佔金融資源。AI跨越開始需要外部融資的節點后，對其他部門的擠佔體現在價和量兩個維度：1）價的維度，推高整體融資成本。AI需求的強勁，疊加外部油價等供給擾動，共同推升了成本。例如隨着美國國債的上行，30年按揭利率已升至7.5%的高位，小企業短期貸款利率也明顯升至8.2%。從信用利差看，美國投資級企業債的信用利差並未相對科技行業明顯走高，但高收益債利差明顯走闊。

圖表：美國整體投資級企業債的信用利差相對科技行業並未明顯走高

資料來源：Bloomberg，中金公司研究部

圖表：美國高收益債利差近期明顯走闊

資料來源：Bloomberg，中金公司研究部

2）量的維度，AI巨量發債也會擠佔包括美國國債和其他的融資需求，但目前也不顯著。一方面，AI巨頭增發長期投資級債會擠出長線基金對美國國債的配置需求，疊加美債市場三季度本身的供給「小高峰」，共同導致了 8月的「美債風暴」（《美債的「問題」出在哪？》）。另一方面，AI發債對非AI企業融資也會存在擠出作用，尤其是市場預期2027年美國科技龍頭信用債發行規模再新增2000~3000億美元，只不過目前擠出作用還不顯著。科技行業（信息技術+通信）在美國非金融企業債供給中的比例已升至40~50%，但非金融非科技發債並未明顯減少。即便扣除到期后的淨供給，非金融非科技的投資級淨供給也仍然維持正增。

圖表：科技行業（信息技術+通信）在美國非金融企業債供給中的比例已升至40~50%  

資料來源：Bloomberg，中金公司研究部

圖表：美國非金融非科技行業投資級企業債淨供給仍維持正增

資料來源：Bloomberg，中金公司研究部

► 約束政策空間。AI需求強勁也約束美聯儲的政策空間。美國經濟也是K型分化，以地產為代表的傳統需求承受高利率壓制，成屋銷售5月后再度轉弱。按理説，美聯儲應該降息來提振傳統需求才對，但現在卻不得不加息以應對更強的投資和更高的通脹。據美聯儲估算[1]，美國自然利率已從2022年底的0.99%升至1.44%。年初至今，10年美債利率上行的79bp中，絕大部分由實際利率（71bp）而非通脹預期（9bp）貢獻。

圖表：年初至今10年美債利率上行，大部分由實際利率（71bp）而非通脹預期（9bp）貢獻

資料來源：Bloomberg，中金公司研究部

相比美國，中國的擠佔主要體現在財政與信貸資源上。一方面，財政資源更多向「六張網」建設等新質生產力方向傾斜；另一方面，信貸資源的投放也體現了明顯的政策導向，中國新增貸款向科技等領域集中，房地產與消費相關貸款佔比大幅下滑，今年以來消費仍然疲弱、居民資產負債表收縮。

► 替代部分就業。AI在提高生產效率的同時，對就業也有替代作用，尤其是AI暴露度高的行業。2022年底ChatGPT問世以來，美國非農就業人數增長470萬人，但行業之間差距顯著，教育健康（+278萬人）、政府部門（+61萬人）和休閒酒店（+44萬人）就業人數增加的同時，而受AI衝擊較明顯的商業服務（-37萬人）、信息業（-30萬人）及金融活動（-9萬人）等則減少較多。此外，據達拉斯聯儲研究[2]，高AI暴露度行業的工資增速更高，但年輕群體和經驗豐富群體之間的工資差異更大，這可能使年輕求職者面臨更大的挑戰。

圖表：美國受AI衝擊較大的商業服務、信息業和金融活動等就業人數減少較多

資料來源：Haver，中金公司研究部

圖表：美國科技產業和金融就業人數2022年底以來明顯減少

資料來源：Haver，中金公司研究部

五、AI何時由「朋友」轉向「敵人」？中美的路徑和臨界點不同；美國利率6%，中國政策容忍度高

既然AI已經開始從社會汲取資源，那接下來的問題是，AI何時會從「朋友」轉向「敵人」？這本質上是測算經濟和政策能承受的代價，比如當資源都鋪向科技時，K型的上端能對衝下端多久？美聯儲何時停止加息、甚至轉向降息？中國政策何時更多關注更弱的內需？

在具體測算過程中，需要注意的是，中美由於AI資金來源和政策目標不同，決定了擠出路徑和臨界點也有差異：1）美國AI融資絕大部分來自私人部門，因此主要通過利率和美聯儲政策來擠出；2）中國至少有三成來自政策相關資金，且銀行信貸等也有政策導向，因此更多通過財政和信貸資源的傾斜來擠出。此外，中國更關注長期戰略，因此對短期的擠出的容忍度也更高。

► 美國能承受多高的利率？整體6%左右，AI 7%以上，傳統4%左右。美國AI和傳統需求板塊的投資回報相對融資成本差異顯著。五大雲廠商的ROIC（20%）仍遠高於WACC（9%），而傳統需求如利率敏感的地產，抵押貸款利率（7.5%）早已高於租金回報率（6.86%）。美股內部AI和非AI的差異同樣很大，我們將標普500中信息技術與通訊服務行業加上可選消費行業中的亞馬遜作為美股AI的代表，其余406只成分股作為非AI的傳統需求代表。截至2026年三季度，AI板塊的ROIC（35%左右）與WACC（10~15%）差值高達21%，而非AI僅為3%。
 

圖表：截至2026年三季度，美股AI板塊的ROIC與WACC差值高達21%，而非AI僅為3%

資料來源：Bloomberg，FactSet，中金公司研究部

AI可承受利率約7~7.5%。我們假設ROIC不變，若五大雲廠商的ROIC與WACC之差收窄至2015-2023年AI趨勢興起之前的平均水平8ppt，對應WACC約11.9%。綜合考慮美債利率上行對債券成本和股權成本的影響，假定β不變，倒算得到無風險利率約7~7.5%。

傳統部門能承受利率4%左右。1）以地產為例，假設30年抵押貸款利率與近年租金回報率（6.2%）打平，再根據抵押貸款利率（拆分為10年美債利率、MBS利差和一二級利差）分項中MBS利差和一二級利差2015年以來的均值，推算對應10年美債利率約4~4.2%。2）標普500中「非AI」板塊（除信息技術、通信服務和亞馬遜），假定ROIC與WACC之差回到2015年以來均值4.5%，對應WACC 9.7%，迴歸得到對應10年美債利率為4%。

美國整體經濟能承受利率約為5.5~6%，考慮：1）AI對美國GDP貢獻約30~50%，2）標普中AI與非AI市值權重約「五五開」，加權得到美國整體經濟能承受的利率約為5.5~6%。

圖表：假設ROIC不變，若雲廠商ROIC與WACC之差回到均值，對應的美債收益率7~7.5%

資料來源：Bloomberg，FactSet，中金公司研究部

圖表：若抵押貸款利率與近年租金回報率（6.2%）打平，則對應10年美債利率在4%左右

資料來源：Bloomberg，Haver，中金公司研究部

► 美國能承受多高的成本上升？整體50%，AI應用部門4-5%，其他部門8-10%。AI生產投資一方面拉動上游產業鏈的需求，但也帶動原材料和相關商品價格上漲，擠壓其他部門利潤。我們測算，假設雲廠商資本開支達到9000億美元，剔除進口漏出效應，如果AI相關成本漲價50%，那麼資本開支帶來的1617億美元總盈利（GOS）將被成本漲價和進口漏出抵消；當成本漲價3.6%，那應用部門從資本開支獲得的收益將被成本價格上漲擠出；若成本上漲8.6%，那其他部門的收益也將被抹平。AI生產、基礎設施部門在成本漲價過程中整體沒有明顯損失，甚至部分受益。

圖表：AI主要成本項變動對盈利削弱的情景假設

資料來源：BEA，中金公司研究部

► 中國政策能承受多大的擠出？由於政策更多關注長期戰略目標，而無法簡單量化測算，因此需要從三個維度來「測算」政策的臨界點：1）增長，《輔導百問》指出，為實現長期增長目標，2035年實現人均國內生產總值達到中等發達國家水平[3]；2）就業，關乎社會穩定，目前尚未達到「924」政策發力前低點；3）槓桿與資產負債表。任何低迴報的投資最終都只能轉化為債務和過剩產能。不論是銀行還是地方政府的債務，最終背后的信用都是中央政府。但狹義口徑看，財政空間相對有限（廣義赤字率已經高達8%以上，非金融部門整體的槓桿率308%，甚至高於美國的251%）。

「十五五」規劃中將「加快高水平科技自立自強，引領發展新質生產力」進行專章部署，自主可控和科技創新是關鍵兩大中長期抓手[4]。戰略目標明確、短期壓力可控、財政空間沒那麼大，因此我們預計財政力度和政策方向的大幅轉向可能還需要一定時間或更大壓力。

圖表：美國AI投資由私人部門主導，但中國則是政府和私人部門的雙輪驅動

資料來源：FactSet，中金公司研究部

圖表：中國計算機通信和電子和通用設備製造的產能利用率分位數較高

資料來源：Wind，中金公司研究部

風險提示: 投資涉及風險，證券價格可升亦可跌，更可變得毫無價值。投資未必一定能夠賺取利潤，反而可能會招致損失。過往業績並不代表將來的表現。在作出任何投資決定之前，投資者須評估本身的財政狀況、投資目標、經驗、承受風險的能力及瞭解有關產品之性質及風險。個別投資產品的性質及風險詳情，請細閲相關銷售文件，以瞭解更多資料。倘有任何疑問，應徵詢獨立的專業意見。