“AI泡沫”，要爆了？

本文来自微信公众号： IPP评论 ，作者：IPP研究团队

导语：近期，全球资本市场关于“AI泡沫”的讨论再次掀起热潮——资本市场的高歌猛进与预期回报之间的巨大落差，正促使各界重新审视人工智能的发展路径与潜在风险。针对这一热点话题，华南理工大学公共政策研究院（IPP）近日举行了“AI泡沫”专题研讨会，戴明洁、李品保、区富祝、庄文越、蒋余浩等多位IPP研究人员从资本逻辑、产业应用与政策治理等不同维度切入，对这场技术热潮的结构性风险与中国人工智能的发展路径进行了系统分析。

在资本市场的AI热潮之下，是否存在着结构性风险？面对美国高强度的AI投资周期，中国的人工智能发展是否会受到影响？随着中国产业数字化转型不断深化的，我们又该如何辨识真正的发力点，让AI真正释放生产力？“IPP评论”特将本次研讨会的主要观点进行了提炼，以供各位读者参考。

与谈人

区富祝

IPP助理研究员

IPP研究助理

IPP研究助理

张心旖（主持人）：近期媒体上关于“AI泡沫”的讨论持续升温，有几组数据尤为引人注目：2025年，全球AI风险投资已经达到1927亿美元，占全球风投总额的53%。这也是AI投资占比首次、也是历史上唯一一次突破50%的关口。与此同时，10家尚未盈利的AI独角兽在过去12个月里的估值合计暴增1万亿美元；英伟达的市值更是在10月29日突破5万亿美元，成为全球首家达到这一高度的上市公司。

但与这些亮眼数字形成鲜明对比的，是投资回报率上的冷酷现实。麻省理工学院（MIT）近期发布的《生成式AI鸿沟：2025年商业AI现状》报告显示，尽管企业在生成式AI领域投入了300—400亿美元，但95%的组织尚未获得任何实质回报。这不禁让人联想到17世纪的郁金香泡沫——人类历史上有记载的首次金融泡沫。

企业在生成式AI上“兴趣高，落地少”。任务型生成式AI工具从试点到实际部署的成功率会由20%跌至5%。图源：MIT，The GenAI Divide:State of AI in Business 2025.

然而，从技术演进的长周期来看，无论是蒸汽机还是互联网等颠覆式技术，都曾伴随着资本的集中涌入，并出现阶段性的泡沫。诺贝尔经济学奖得主迈克尔·斯宾塞（Michael Spence）近日也表示：“我不太担心泡沫，我称之（当前AI领域的投资热潮和股市狂热）仍是一种‘理性泡沫’。”

那么，当下的“AI泡沫”究竟是如何形成的？与历史上的其他技术泡沫有哪些相似与不同？从资本、国家以及产业的视角来看，我们今天所处的AI发展又面临哪些潜在风险？这个泡沫究竟更多是一种“好的泡沫”，还是“坏的泡沫”？我们又应当如何应对？

美国“AI泡沫论”的产生及其背后的利益驱动力

戴明洁：自从2022年底ChatGPT发布以来，美股尤其是科技企业的市值持续上涨，AI是其中非常重要的推动力量。但在过去三年里，“AI泡沫论”并没有像现在这样集中爆发。那么，为什么今年下半年这一话题突然引发了如此强烈的讨论？除了主持人刚刚介绍的数据之外，我认为还有两个方面值得特别关注。

第一，与过去科技公司估值和股市上涨的情况不同，这一轮美国科技巨头之间出现了一种“投资内循环”的模式。

今年10月，彭博社发布了一张非常流行的图，展示了美国当前几家科技巨头之间内部资金链的网络结构（见下图）。这个网络以英伟达为核心，连接着甲骨文、微软、OpenAI、xAI、晶片代工厂以及一系列风险投资机构。

图源：彭博社

它们形成的资金“内循环”大致可以概括为以下逻辑：首先，三大云厂商——亚马逊、微软和谷歌——向英伟达采购芯片；之后，AI公司向云厂商租用算力；AI公司因算力储备更容易吸引风险投资；最后，AI公司再用这些资金支付云厂商算力租赁费用。

也就是说，通过交叉投资、订单捆绑等方式，他们构建起一个短期内能显著推高参与者估值的利益联盟。这样的模式有一个核心特点：它能够在资本市场上营造出持续增长的预期；但与此同时，这也可能掩盖了这些厂商并未创造出真实价值的问题。

更为严峻的是，AI融资结构正在从股权投资向债务投资转型。2025年，美国企业已发布超过2000亿美元的公司债券，用于资助AI相关基础设施项目。债权与股权不同：它更容易被杠杆放大，更加不透明，也更容易被用于结构化包装。例如，部分债务会通过ABS（资产支持证券）的方式进行再包装。这样的融资模式，实际上进一步加剧了美国AI投资迅速膨胀所带来的泡沫化倾向。

第二，与美国政府的推动高度相关。

特朗普政府在第二任期开启以来，一直在推进一个类似“AI大基建”的计划。今年1月，特朗普政府联合OpenAI、软银、甲骨文宣布将投资5000亿美元建设5座AI数据中心，他称之为“星际之门”（TheStargateProject）项目；今年7月，美国发布AI行动计划（AI Action Plan），将AI基础设施投资建设作为三大支柱之一；最新的例子是今年11月刚刚发布的“创世纪计划”（Genesis Mission）行政令，仅AI实验平台首期建设预算就将超过200亿美金，未来五年相关投入可能突破1000亿美元。这些计划都在AI基础设施建设方面给予了高度关注，为AI行业高估值和高杠杆提供“隐性担保”，进一步推高了AI投资规模。

相较于这轮“AI泡沫论”如何形成，更关键的是分析其背后的利益驱动力。目前AI投资热潮的出现，更多反映出是科技巨头和美国政府在科技发展和经济前景方面的多层次焦虑，这种焦虑使得他们越来越倾向于将AI视为一种“战略性工具”，而非对人类未来有共同影响的“创新公共品”。

科技巨头的驱动力在于抢占AI技术主导权的迫切需求。为了避免在新技术周期中被边缘化，他们必须紧跟这一轮科技浪潮。在硅谷，这种焦虑被形容为一种“FOMO”心态（fear of missing out——“错过即出局”）。他们宁愿选择投资过度，也不愿意成为AI时代的“诺基亚”。甚至有人说，投资不足（underinvestment）的代价远远高于投资过度（overinvestment）。

另一方面，像OpenAI这样的企业，也在极力将自己塑造成对美国“大而不能倒”的企业，从而借助这种战略地位来保护自身、巩固影响力。

对美国政府而言，科技企业推动的AI浪潮对特朗普政府同样有显著的利好，这也促使双方更多形成一种“利益联盟”，既共同推动AI泡沫的膨胀，也合力阻止泡沫的破裂。美国政府的驱动力主要在三个层面：

首先是基建。特朗普推动的制造业回流计划，迫切需要对美国的电网、道路等基础设施进行更新建设。但是由于美国长期受到产权、环保、劳动力等方面的制约，其基建改造一直难以推进。如果AI的叙事能够深入人心，就可以借助数据中心建设，带动一场“新时代的大基建”，从而显著拉动GDP增长。有一位哈佛经济学家预测，如果今年美国没有数据中心建设，美国上半年GDP增速可能不足0.1%。

其次，AI对美国股市的繁荣和吸引全球资本具有重要意义。数据显示，过去三年标普500的AI版块相关盈利增长达到了124%，但如果剔除AI版块后，盈利增长甚至不到10%。可想而知，如果没有AI叙事或者AI泡沫走向破裂，那么美国股市的繁荣以及资本流入都会面临较大冲击。

再次，是推动美国的经济增长，从而缓解美国政府的债务压力。随着美国面临越来越大的债务压力，特朗普政府目前正努力降低债务占GDP的比率。从整体上看，降债无非两条路：要么减少开支，要么推动经济增长。前段时间，高盛CEO就指出：在AI的驱动下，美国通过经济增长而非削减开支来化解美债问题的可能性正在不断提升。但我也注意到，他在报道中也非常隐晦地提醒：如果美国仍然延续当前的AI发展思路，不能解决AI投资与产出脱节的问题，那么AI对削减美债的实际作用也不会太大。

AI热潮是另一个科技泡沫吗？

李品保：我主要讨论两个问题：第一，当前AI热潮是否符合历史上科技泡沫的“标准配方”？第二，如果符合，应如何理性应对？

我先给出结论：当前AI热潮在很大程度上符合历史上科技泡沫的经典特征，但最终是否会演化为泡沫，目前尚难断言。

所谓“泡沫”，指的是价格与投资在短期内剧烈上涨，严重偏离其真实价值与盈利前景，最终往往因资本过度涌入和诱人叙事而破裂，导致财富大量蒸发。

历史上典型的科技泡沫有三例：

一是千禧年互联网泡沫。当时的新兴科技公司，只要名字里加上“.com”，基本就能获得资本的青睐。在估值飞涨后，泡沫最终破裂，结果表现为纳斯达克指数暴跌超70%，市值蒸发超5万亿美元。但谷歌、亚马逊等真正有实力的公司得以生存。

二是2017年前后到2021年左右连续几轮的加密货币泡沫。特点为散户大量参与、高杠杆与情绪化交易，波动极大。例如在2025年12月的一次事件中，加密货币市场在24小时内爆仓金额就达到约10亿美元。我们甚至见到，有一些在市场非常活跃的大佬最终也因爆仓或其他原因走上极端。

三是新冠疫情期间的科技泡沫。以纳斯达克为代表的一些科技股在2021年出现大量资金涌入、估值暴涨。但最终的结果也是在之后一两年间出现超过30%的跌幅，股市蒸发的规模也达到了万亿美元级别。

我们自身也经历过一些类似的泡沫。如2010年左右的互联网创业潮、2014–2015年的共享单车热潮，最终都是只有少数企业存活下来。

这些泡沫表面各异，但存在四大共性：

第一，核心驱动逻辑相似：均由“革命性技术叙事”引爆，如互联网、区块链，被赋予巨大产业潜力，吸引大量资本与散户涌入。

第二，市场行为模式相似：新概念驱动并取代旧逻辑。传统市场的估值逻辑，比如盈利能力、现金流等指标，往往被抛诸脑后。在互联网泡沫时代，大家看的是网站的点击量；到了区块链时代，看的是“总锁仓价值（TVL）”，等等。此时，投机行为远超现实基础。

第三，破裂机制相似：多与流动性逆转相关（如美联储加息），或增长放缓暴露盈利模式不可行，之前“吹下的牛”无法兑现，导致估值崩溃，最终泡沫被刺破。

第四，监管“真空”或滞后：我们会发现，法律或者伦理框架几乎每次都跟不上技术狂奔的步伐，因而监管多为“事后补救”。

在Meta之后，欧盟12月9日宣布展开对谷歌的调查。图源：路透社

对照当前AI热潮，这些特征高度吻合：

第一，AI毫无疑问是一种颠覆性技术。其具有巨大产业潜力，叙事充满革命性。

第二，投机再次领先现实。世界经济论坛总裁博伦德指出，2025年AI领域投资高达5000亿美元，但实际回报尚未显现。例如，OpenAI常处于亏损状态。

第三，就是所谓的“估值玄学”。估值逻辑脱离传统指标，转而关注模型参数规模、AI科学家数量、训练数据等。我们是在“赌这些数据”，而不是按照以往金融投资的传统指标去进行评估——当然，我们也不能排除，这可能是一种新的投资模式。

第四，“AI+”概念泛滥。类似当年“.com”“区块链”热潮，现在只要加上“AI”，就会带来一系列类似的热潮。与此同时，监管也在奋力追赶，这是我们正在看到的现实。

当然，有一些特征——尤其是最终破裂机制——目前仍不清晰，我们也不知道它最终会不会以同样方式破裂。但我们确实可以看到，那种“熟悉的泡沫配方”正在AI领域中重新调配。

面对可能的泡沫，我们应如何理性应对？我这里提出三个比较“虚”的观点：

第一是聚焦真实问题，而非虚构前景。当我们评估一项技术时，不要被所谓的“革命性叙事”所裹挟，应问：它解决了什么实际问题？是否触及真实痛点？如果是投资者，则需关注商业模式是否可持续等。

第二是我们常讲的“负责任的创新”。所谓负责任的创新，就是科技伦理中非常核心的理念——在技术开发和商业部署的最初阶段，就将伦理考量和社会影响前置，而不是等问题出现后再去补救。好的监管并不是创新的敌人。我们现在经常害怕监管太严、影响创新，但现实情况需要依据不同领域和行业进行具体分析，像AI就远远跑在监管前面，问题不是“管得太严”，而是“来不及管”。

第三，以“长期主义”对抗“短期狂热”。科技发展是马拉松，非百米冲刺。记得在大概2016年夏季，我的室友对还在考驾照的我说：可能我们大学毕业之前，自动驾驶就已经普及，根本不需要考驾照了。但事实证明，近十年过去，我们依然需要自己开车。所谓的L3或更高级别的自动驾驶，远未达到资本当年吹嘘的落地效果。换言之，技术的真正到来往往比预期缓慢得多，而资本的故事又往往比现实跑得快得多。

历史从来不是简单的重复。我们讨论所谓的泡沫，并不是为了唱衰某项技术，而是希望大家能够坐在一起，通过跨界讨论来更理性地看待这场浪潮。我们需要各界群策群力，引导这股强大的技术变革力量，最终能够平稳度过可能出现的泡沫周期。

“AI结构性泡沫”风险与治理路径

区富祝：我们首先要明确，AI的技术价值确实存在，而且潜力可能非常巨大。但现在它的商业节奏变化得非常快，而未来现金流与产业转化的效率又还没有达到能够跟上这种节奏的程度，因此很难对它当前的价值做出准确评估。也正因如此，它不是我们传统认知中的那种单纯的“泡沫”，而更像是一种“结构性泡沫”。

我认为当前信息传播的速度和广度远远大于以往，资本市场的信息透明度较高，市场估值能够更有效的调整，“AI泡沫”加剧或者破灭的可能性不大。

那么，当前泡沫的本质风险是什么？我想从资本结构来解释：即头部企业与尾部企业的融资性质完全不同。

像英伟达、谷歌这些头部企业，它们的融资是对冲型的，市盈率也保持在一个健康区间，因此能够实现稳定现金流、盈利能力强、风险较低。然而，大量初创企业则属于投机型融资——它们的融资规模最多只能覆盖算力成本，而商业模式尚未落地。至于最尾部的企业，则呈现明显的“庞氏型”融资特征——没有明确收入来源，完全依赖持续融资维持运营。

目前，A股中许多AI公司的动态市盈率已经达到了100倍甚至200多倍。反观美股，头部公司如英伟达、微软的市盈率大致维持在40倍左右，相对更为合理。所以，关键问题就是：我们当前的AI投资，尤其是国家对于AI基础设施的投入，能以多快的速度被兑现？这是判断当前“结构性泡沫”能否实现“软着陆”的核心。

眼下，关于AI投资的兑现，我认为存在以下几个堵点：

第一，市场上的企业，尤其是大多数中小企业在智能化转型上的内生动力不足，投资决策偏保守。

首先，当前的智能化改造技术成本仍然较高，投资回收周期长。中小企业对于未来收益存在较强不确定性，因此做出投资决策时会更加谨慎。

其次，技术成熟度仍未跨过S型扩散曲线的拐点。从技术成熟到被大规模采用，本身是一个典型的S型曲线。目前AI技术很可能还停留在S型曲线前端的“平缓区”，尚未真正跨过拐点。只有跨过拐点之后，才会迎来大规模推广和应用。也就是说，在拐点到来之前，大部分企业还没有真正尝到技术带来的“甜头”。

再者，是成本与收益之间的价格机制作用。不是所有生产环节都值得企业投入AI，因为这本质上属于资本性投入。如果企业雇佣劳动力、培训员工并支付薪酬的成本低于采用AI技术的整体成本，那么企业自然会倾向于选择前者，而不会主动投入AI改造。

第二，是技术成熟度和流程标准化不足。

许多行业的流程尚未标准化，而AI模型本身如果缺乏标准化，就很难大规模推广，也很难实现真正的端到端落地，从而降低了智能化升级的效率。

第三，是信息不透明，导致“劣币驱逐良币”的现象。

高质量的AI产品与服务成本较高，在市场上反而不容易被采用；而低质量、低成本的方案却充斥市场，但实际不能产生真正的生产力提升。例如，某些服装行业企业在进行智能化改造时，被认为是“圈钱”，一部分的重要原因，可能就是因为他们遇到的AI服务或技术并不能带来实际的生产力的提升。

因此，我认为可以从以下路径着手突破：

第一，突破现有技术对传统产业和新兴产业赋能的堵点。

一方面，要加强技术真实性披露机制和行业准入标准。提升AI模型能力宣传的规范性，防止低质量方案依靠营销和低成本手段占据市场，从根本上扩大高质量技术的生存空间。

另一方面，要从规模效应与规模经济角度切入，降低技术成本。通过上下游产业链集群建设，例如共享智能化生产车间，让企业可以采用“按时计费”的方式，将原本的资本性投入转化为服务性投入，从而实现更加轻量化的应用路径。

第二，在技术落地方面，要推动技术与产业需求的适配，而不是技术先行、产业被动适应。

技术的改进本应根据产业的实际需求来推动，而不是“我有了一个新技术，产业就必须采用”。中小企业在采用大模型时面临很多具体困难，某种程度上说明当前技术尚未完全适配产业场景。因此，可以推动行业专用模型、小模型的发展，以提高性价比，增强AI技术在行业落地的效率。同时配套采用轻量化策略推进应用。

第三，从资本市场角度，要强化信息披露和风险治理，避免投资过热。

一旦泡沫破裂，对整个产业和整体经济都会带来冲击。当前传统投资乏力，内需不足、外需承压，新一轮投资又集中在AI领域，因此更加要谨慎避免泡沫破裂。资本市场的信息披露制度必须跟上AI的发展。

例如，训练数据来源、企业算力成本与推理成本、投入产出比与投资回报率等，这些关键指标都需要系统披露，减少信息不对称，降低投资过热的风险。基于这些指标，还可以监测模型效率、估值偏离度、融资增速等关键数据，构建一个AI板块专门的投融资监测体系，作为风险治理的抓手。

美国AI泡沫论对中国的影响

庄文越：首先我想先给出一个结论：中国的AI整体产业发展路径与美国完全不同，因此美国当前面临的那种巨额投资规模带来的风险、债务压力以及集中于基础设施建设的泡沫化舆论，并不是中国所要面对的主要问题。我们更应该思考的，是如何坚定不移地依托千行百业，把“人工智能+”真正落实到产业发展之中。

美国是一种典型的科技巨头主导型路径，依靠“力大砖飞”的方式，追求绝对技术领先和对竞争者的碾压。可以看到，它的整个发展方式，就是花大钱豪赌：无论是大模型还是算力基础设施，它就是要建更大的算力中心，追求更高的算力，做参数规模和模型精度都更高的系统。

但中国不是这样。原因非常现实：第一，在AI起步阶段，中国在技术上，包括芯片等关键核心部件，都明显落后于美国。第二，我们没有那么多钱，无法采取美国那种“豪赌式”投入。第三，我们的比较优势并不在模型本身，而在于最广阔的应用市场潜力以及最完整的工业体系。

我们真正的优势在于应用落地，叠加中国特有的政策体系与决策机制。

这些因素共同决定了，中国走出的是一种更加务实、讲性价比、因地制宜的发展路径。这也决定了，中国在AI领域的投资不会出现像美国那样的高度集中。目前，中国AI对整体股市表现的影响不到10%，市值贡献甚至不到3%。这已经算是很高的影响力了，但与美国相比仍然有明显差距。这也说明我们一直强调的一点：中国的突破方向主要在应用端，而不是大规模豪赌基础设施或模型规模本身。

从这个意义上讲，美国的AI泡沫论对中国的影响更多是积极的。美国现在也在试图挤掉虚假叙事，强调关注真实产出，这对于中国来说也是一个很好的信号。一些中国AI企业的估值甚至比美国头部企业更高，这并不是技术能力更强，而是结构性泡沫的表现。

因此，中国真正需要思考的问题，与其说是“如何避免美国式泡沫”，不如说是“如何推进中国式AI发展”。正如刚刚欧博士与李博士所提到的，我们要思考如何推动AI进入千行百业，尤其是推动中小企业应用；另一方面，也要思考如何构建一个既能给予安全与伦理边界、又能支持多路线技术探索的监管体系。

如果为了“提前完善监管”而设计过于僵硬的制度，可能会走向欧盟的道路——上层建筑很完美，但抑制了创新活力。当然欧盟这样做有其背景，是为了平衡大国科技企业对其内部市场的冲击，但中国需要思考的是：如何制定一种监管模式，既明确安全伦理边界，又足够灵活，能够保障多方向、多路径的技术探索。

“中国AI如何实现包容性？”

蒋余浩：先说一下，人工智能到底算不算泡沫？技术要进步，就需要大量资本去推动；又因为资本天然是逐利的，因此资本都不可能只投向真正“有用”的技术。从这个角度讲，似乎也不必对“泡沫”这个状态过于敏感。

但如果我们回顾历史上每一轮新技术出现后的“是否有泡沫”争论，关键不在于泡沫是否存在，而在于泡沫的过程中，是否有一些我们本来应该珍惜的东西——包括某些生产方式，甚至较为传统但仍有价值的生产方式——被这股技术浪潮彻底冲刷掉了？

比如“技术多元化”这样的概念，本来意味着技术发展不是一条线性的路径，而是多路线并存的；但在强资本驱动、强叙事驱动的泡沫中，技术路线会被单一路径推着走，而那些本应保留下来的多样性，可能就被无声无息地冲刷掉了。

第二个问题是：无论泡沫最终是崩溃也好，还是软着陆也好，它终究会过去。关键是——泡沫退去之后，它真正留下了什么？而这些留下的东西，与泡沫前期所讲的那套宏大叙事是否真的有关？

大家都提到2000年前后的互联网泡沫。当时的故事讲得很美：互联网将让每个人获益，每个人都能发声、能创造价值。泡沫破灭后，表面上的确实现了一些进步——智能手机的普及、移动互联网带来的全民接入，每个人确实获得了更丰富的信息，也确实拥有了更多表达空间。但同时，它有没有改变我们的监管结构？有没有改变权力结构？似乎没有。甚至在很多方面，互联网让财富集中度更高，让贫富差距更大，让平台权力更强。

因此我认为，讨论AI泡沫时更重要的是回到两点：

第一，我们珍惜的某些东西是否在这一轮泡沫中被冲刷掉？

第二，泡沫消退后，我们真正希望它留下什么？

美国现在最吸引眼球的，是那些由少数科技巨头所推动的技术迭代，但实际上美国社会非常多元。它内部还存在许多不同的发展路径，例如美国参议员伯尼·桑德斯（Bernie Sanders）等人推动的与人工智能相关的企业改革，其中甚至包含一些带有社会主义色彩的制度构想。这些想法是否能够最终变为现实政策还很难说，但它说明美国社会的道路并非单一，因此判断美国模式时不能只盯着巨头的那一条路径。

聚焦到中国的应用型人工智能政策。从中央政策的表述来看，有很多内容确实值得我们进一步深挖。我们需要思考：有哪些配套性制度可以与中央的政策相衔接，从而更好地推动政策落地？在整个政治经济运行过程中，一些政策很容易在执行端被“变形”，这也确实是我们面临的现实问题。

这里也需要提醒大家注意：“人工智能”这个词本身具有高度包容性，它不仅仅是“深度学习”这一类技术的代名词，而是包含许多方向的，例如脑机接口、人机互动、无人机等技术都归属于该范畴。因此，政策表述中的人工智能，天然需要与各种实体制造工艺深度结合，而不是作为一种孤立的产业而存在。

那么下一个问题是：这些人工智能技术在现实中是否已经能够真正实现“赋能千行百业”？许多调研报告都显示，目前AI技术距离真正实现赋能千行百业仍然存在较大差距。尤其是，现在外界有很多关于“人工智能取代人”的舆论，我们也需要具体分析：AI到底在取代哪一类工作？

从现有证据来看，AI的替代能力仍然没有突破十年前的结构——也就是“波兰尼悖论”（Polanyi's Paradox）所揭示的现象：高技能岗位与低技能、体力型岗位都很难被技术完全取代，反而是中等技能的岗位更容易受到冲击。这说明AI的赋能效果、产业渗透能力与政策所期待的那种“大范围改造”之间仍有差距。

但深度学习类人工智能技术的出现也带来另一个作用——它不仅是单纯的“替代性工具”，还可以作为“增强性工具”。这一点在实证研究中其实对政策提出了要求：对于那些与人工智能存在较为明显替代关系的中技术岗位，我们应当鼓励什么？是鼓励企业直接用AI替代这些岗位，还是鼓励企业在采用AI的同时，帮助这些中技能岗位提高生产率？这实际上是一个重要的政策方向选择。

除了替代关系，我们还必须考虑人工智能技术下一步该如何发展。是否继续沿用当前这条路径？现在的路径明显偏向于自动化、偏向于强化监管。如果人工智能的发展被资本或大型企业完全主导，那么无论是深层次人工智能还是其他技术，它都会更加倾向于满足管理者的需求。

上次我在调研时就看到一个例子：某企业开发了一套数字系统。员工不需要再手动打卡，只要进入区域系统就能自动识别。老板坐在办公室里一点开系统，就能看到员工数字人的状态。但问题也在这里：如果人工智能完全沿着“自动化—监管”这条路径发展，那么自动化和监管的力度会越来越强。但这种方向对于很多企业——尤其是中小企业、离散型生产企业、非标化企业——到底有没有那么大的作用？这就引出我下面的问题：人工智能下一步的发展，究竟要如何才能真正帮助这些离散型、非标化行业？这才是我们在政策和产业层面都必须认真思考的问题。

这就是我们在研究中常提到的：如何把科研人才、科研资源，与企业的具体需求、具体应用场景结合起来？如何让科研资源真正进入企业，帮助企业解决在生产和经营过程中遇到的瓶颈问题，提升它的竞争力与生产规模？这才是人工智能政策的“政策指挥棒”应当指向的方向。

中国目前的政策表述中，其实已经出现了这一思路。比如中央提出的“因地制宜发展新质生产力”；又比如强调通过“场景应用”来牵引技术发展。这里面实际上已经形成了一种“非线性创新”的发展思路，是值得我们重视和支持的。

最后，我想再提一个更大的问题：我们要推动人工智能朝更加包容性的方向发展，以避免出现我们不愿看到的那种泡沫化倾向。要做到这一点，关键在于如何让人工智能真正实现标准化、体系化，使其作为一种公共资源去支撑千行百业的发展。

我们一直强调，人工智能要按照千行百业自身的发展需求来发展——但前提是：千行百业本身必须有发展需求。如果整个社会的发展动力主要来自金融炒作，大家都倾向于走轻资产路线，那自然不会对实体产业的技术升级提出什么特殊需求；实体经济的创新诉求也就无从产生。

同样，如果经济长期处于停滞状态，内需无法拉动，那么千行百业为了生存，只能勉强维持，根本无暇顾及技术创新、转型升级这些事情。他们只要能“活下去”就已经很不容易了。

因此，关键问题其实在于：如何通过资源调整把内需拉动起来，让千行百业真正获得发展的空间。只有当产业自身有了发展的余裕，它才可能向政策端提出创新诉求，也才会有动力去推进技术升级、人工智能赋能等发展路径。

在这个基础之上，我们再去讨论应建立什么样的治理机制、政策环境，来使人工智能的发展不至于走向“坏的泡沫”，而是走向健康、可持续的方向。

*以上内容由编辑根据现场发言记录整理，内容有所删减。发言仅代表研究员个人意见，仅供参考，不构成政策和投资建议。