AI正在重塑经济，这件事在今天已经毋庸置疑。
真正让政策制定者、学者与产业界彻夜难眠的是下一道算术题：巨额资本开支砸向算力与模型后，能不能在宏观上沉淀为真实的生产率？供给大幅扩张之后，究竟是迎来繁荣还是陷入长期去通胀？当年轻人的“职业入口”被技术悄然收窄，我们如何避免重蹈历史上的“恩格斯停顿”？在全球博弈日趋复杂的当下，这套数字体系又该如何构建新的全球经贸规则？
这是2026 Inclusion·外滩大会《AI经济增长新范式与社会价值重构》见解论坛的核心关切。
9月9日，这场汇集上海财经大学校长刘元春、北京大学国家发展研究院院长黄益平、中国社会科学院大学教授江小涓、中金公司首席经济学家缪延亮，以及诺贝尔经济学奖得主托马斯·萨金特与产业界代表的论坛，不再停留在技术应用的功能性展示，而是从增长测算、通胀波动、岗位替代到跨境分工，直面同一个底层命题：AI究竟怎样从一个狂热的技术变量，收敛为一个健康、可持续的宏观经济变量？
01 AI经济已开始，但增长的账还没算清
“AI经济的新形态已经确立，但AI经济学还没有真正开始。”刘元春在开场抛出了一个具有代表性的冷思考。
技术革命的前期，往往伴随着狂热的思想碰撞与资本泡沫。全球财报电话会上AI被提及的频次呈几何级数跳升，芯片价格飞涨，围绕算力中心的基础设施投资狂飙突进，甚至直接拉动了近期的全球贸易与出口。但如果穿透微观喧嚣去看宏观基本面，分歧正在被急剧拉大。
商业机构给出的未来生产率预期令人振奋，麦肯锡、高盛等机构预测全要素生产率（TFP）年增幅可达3%；但在严肃的经济学界内部，保守阵营如MIT学者达龙·阿西莫格鲁（Daron Acemoglu）等人早期的测算模型中，AI未来十年对TFP的年均贡献甚至一度不足千分之几，几乎可以忽略。
为什么微观上人人都在用，宏观数据却迟迟看不到兑现？
黄益平提醒，今天我们极有可能正在经历技术经济学中典型的“索洛悖论”与“J曲线效应”。计算机在20世纪末普及初期，产出数据同样曾长期静默。一项颠覆性通用技术（GPT）进入真实产业体系，需要漫长的组织重塑、工艺适配、流程改造和人员培训，初期不仅难以直接带来产出井喷，反而可能背负沉重的调整成本。
萨金特也将当前AI发展阶段比作天文学上的“开普勒阶段”：AI已经能够从天文级的数据中精准拟合规律，但人类尚未完全理解和掌握其底层的经济与结构逻辑。
那么，当前高企的资本投入与估值泡沫，到底会不会是一场空转？刘元春梳理学界最新范式指出，泡沫本身也是一种“协调机制”。只要泡沫维持足够久，驱动大量通用实体资本（算力网、能源基建、数字资产）积累并跨越临界值，即便后续金融市场的估值出现剧烈回调，留下来的硬核基础设施依然能将经济锁定在高产出稳态。
当前经济学家的第一个共识因此成型：技术的方向确立了，但增长的节奏、幅度与实体资产沉淀的效率，依然充满巨大的时滞与不确定性。
02 从“投AI”到“AI赚钱”，关键是创造新需求
如果说上一阶段AI叙事的核心是拼资本开支（Capex），那么这一阶段的生死线，则是能不能形成商业闭环。
蚂蚁集团CEO韩歆毅指出，AI经济不能只依靠资本投入，AI应用更不能止步于存量提效。如果企业把AI仅仅当成“降本增效”的工具，把原来的业务流程做得更快一点，却没有创造出任何增量供给与增量需求，其最终结果必然是严重的供需失衡与投入产出断层。企业必须从单纯的降本，走向真正的价值创造。
蚂蚁集团研究院院长李振华也从产业链结构指出分化：上游算力与芯片的变现路径清晰，但中游大模型与下游应用依然背负着沉重的商业化变现压力。AI的商业叙事能不能讲通，完全取决于下游能否扎进真实产业，开辟全新的价值闭环。
北京大学赵波给出的增量逻辑则在于“交易边界的拓展”。AI的核心经济价值，在于大幅降低专业技能获取门槛与创新试错成本。这意味着，它不是让原有的人把原来的事情提速10%，而是让过去成本过高、流程过难、无法规模化的事情，第一次变得可被产品化、可买、可交易。
从效率转向增量，才是越过资本开支悬崖的唯一路径。
03 隔空回应马斯克之问：去通胀压力与青年就业的“入口收窄”
当供给能力因AI呈指数级爆发，一个更为尖锐的宏观悖论浮出水面：如果机器生产得越来越快、越来越多，人有没有足够的有效收入去消费？
黄益平将这种潜在的宏观失衡概括为长期的“供强需弱”。如果技术红利过度流向资本所有者，而劳动回报率持续承压，总需求就无法跟上供给扩张的步伐，传统的经济循环就会被打破。
从金融与名义变量角度，中金公司首席经济学家缪延亮给出了极具穿透力的论述。他回溯历史指出，第二次工业革命与信息技术革命在宏观上均伴随了漫长的去通胀过程。“萨伊定律”（供给创造其自身需求）在技术剧变期往往失效，因为收入分配不均与消费倾向差异会阻断供需的自然弥合。
缪延亮提出，技术革命影响通胀存在四种力量：
- 瓶颈效应与预期效应（短期推升通胀）：前期稀缺要素（如存储芯片、高端算力）价格暴涨，但此类瓶颈通常持续三至五年，高点正在逐步过去。
- 供给效应与替代效应（长期压制物价）：AI技术扩散极快，且直接接管高层级的智力任务，资本对劳动的替代效应远超以往。由于资本所有者的边际消费倾向更低，劳动报酬份额下滑会从需求端长周期压制物价。
“长期来看，去通胀甚至通缩的压力可能会比以往工业革命更大。” 缪延亮提醒，若这一趋势确立，传统的货币政策调节手段或面临流动性陷阱，宏观调控必须转向深度的财政政策、再分配工具与劳动力托底政策。
通缩压力的背后，是就业市场的结构性裂缝。
与以往IT革命替代中间技能、保留高技能与低技能不同，这一轮AI的技术暴露度直接与收入水平正相关——金融、法律、咨询、软件开发等高收入白领工作暴露最深。
缪延亮指出，AI目前并未造成宏观失业率的大幅跳升，核心在于其对成熟岗位的替代是渐进的“任务拆解”；然而，在企业招聘的入口端，年轻人的职业路径正在被剧烈挤压。 投行、律所与软件开发的初级岗位招聘需求断崖式下滑，年轻人的“职业入口被收窄”，人力资本积累机制遭遇破坏，这极易形成长期的“疤痕效应”。
黄益平以此联想到第一次工业革命后的“恩格斯停顿”：早期产出成倍扩张，普通工人的薪酬却停滞了数十年。陆铭与邢自强则隔空回应马斯克之问指出，AI并不会轻易消灭所有职业，但会彻底重构岗位内核。标准化、可编码的“机能”会被模型迅速接管，而共情力、组织力、价值判断等“人能”才是劳动者的生存防线。所谓的“就业优先”，绝不是去阻碍技术演进，而是要通过制度设计，让更多普通人因为AI而“能做得更多”。
04 AI新经济，最后要拼制度能力与“原生全球化”
当微观个体面临“人能”的转型倒逼，宏观产业与企业组织则面临着另一场规则洗礼。
中国社会科学院大学教授江小涓提出，AI经济正在彻底终结传统的全球化路径。过去制造业时代的跨国模式是“继起式”的——从技术引进、消化吸收、本土验证做强，最后才走出国门。
但在AI时代，技术与产品“生而为全球”。
AI创新的本质依托于算法基模与全球数字网络，模型复用与边际分发成本极低，从发布第一天起，瞄准的就是全球开发者与全球市场。
江小涓以中国产业实践为例展示了这种范式转向：
开源大模型的生态反哺：中国开源模型在海外主流开源社区的下载量与调用量爆发式增长，一举打破了过去国际大厂“顶配闭源、低配开源”的行业潜规则，以高性能开源供给为全球技术社群提供了公共产品。
AI4S垂直分工与“卖青苗”重塑：在AI药物研发等垂直领域，中国企业通过AI在药物靶点发现与分子设计上形成爆发式产能，但因后端临床消化节拍不同，上半年中国创新药对外授权交易额突破千亿美元。“卖青苗”式出海的背后，是AI重构了传统生物医药的全球分工链条。
海量产业数据的缺陷反哺：中国庞大而长链条的制造业场景，存下了大量极具价值的工业“误差数据与缺陷数据”，使得垂直工业大模型能够在国内高强度试错后迅速输出全球。
但江小涓同时强调，“生而为全球”不仅意味着技术出海，更对国内制度、企业认知与国际博弈提出了极高要求。
“企业在创立之初，就必须搭建高标准的全球合规体系。”涉及跨国数据流动、隐私合规、算法伦理与知识产权，企业绝不能沿用过去“先内后外”的侥幸心理。而在经贸理念上，中国正在从以往寻求发展中国家特殊待遇，走向与发达经济体建立对等的“水平竞争与合作”新常态，学会用成熟的“两手对两手”思维构建互利共赢的经贸生态。
结语
从资本开支的军备竞赛，到宏观账本的严密审视，2026年的外滩大会为激进的AI狂欢按下了理性校验键。
决定AI能否成为下一个历史性经济增长极的，从来不单是算力卡集群的规模与参数大小，而是更深层次的系统适配： 微观的算法效率能否越过时滞曲线，演化为实体经济的TFP？分配制度与财税手段能否有效承接去通胀压力，为青年一代拓宽全新的价值入口？产业界能否在合规与竞合的大考中，接住“生而为全球”的时代红利？
正如韩歆毅与黄益平在论坛尾声所言：AI的终极价值，不能单凭资产负债表上的估值来自我证明，它最终必须交由真实的宏观增长来检验，由更多劳动者实实在在的获得感来衡量。
