> **来源：[研报客](https://pc.yanbaoke.cn)** # 华泰 | 固收：智能经济学 — 从基本假设到分析范式 ## 核心内容概述 本文探讨了人工智能（AI）对经济学基本假设和宏观分析范式的深远影响。作者提出，在AI技术的推动下，经济学的理论基础正在经历系统性重构，涉及稀缺性、要素体系、经济主体和均衡机制等多个维度。传统经济学框架已无法完全解释AI时代下的经济运行逻辑，因此需要构建新的分析工具和研究范式。 ## 主要观点 ### 1. **稀缺性发生系统性迁移** - 传统稀缺要素（如认知劳动、知识生产、信息处理）的边际成本下降，部分趋于丰裕。 - 新的稀缺资源包括：算力、电力、高质量数据、可信验证、人类注意力和组织吸收能力。 - 新的稀缺性将影响价值创造和分配机制，成为智能经济学研究的核心问题。 ### 2. **要素体系面临重构** - AI兼具资本、劳动和全要素生产率属性，其非竞争性、规模报酬递增和数据反馈特征挑战传统生产函数。 - 新的要素体系包括： - 底层物理资本（芯片、服务器、数据中心等） - 中间智能资本（模型、算法、工具链、Agent） - 数据与场景资本（高质量数据、反馈闭环、客户入口等） - 人力资本（使用、校验、组织AI的人） - 组织资本（流程、治理、激励、合规） - 分析方法需从“要素加总”转向“任务和流程”，并延伸至知识发现与技术自我进化。 ### 3. **经济主体转向人机复合系统** - 传统经济学假定主体为独立决策者，AI时代主体演变为由人、模型、平台规则和Agent构成的复合系统。 - 平台通过推荐系统、生成式内容等方式影响用户偏好，形成“平台比用户更了解用户”的反向信息不对称。 - AI可能放大有限理性，造成模型同质化和尾部风险，需要研究算法修正、放大或重塑后的行为模式。 ### 4. **均衡机制由稳定转向多重与非均衡** - AI引发的非凸性、路径依赖和网络效应，使得均衡机制更加复杂。 - 传统均衡分析（如局部均衡、一般均衡）可能无法准确描述AI经济的动态过程。 - 研究应关注“旧均衡如何被打破”、“哪些约束先松动”、“哪些瓶颈会反噬”等问题，而非单纯寻找新均衡。 ## 关键信息 ### 新的分析范式 - **分析对象**：从“五部门”转向“碳基五部门内部异质化+硅基跨部门层”，需识别AI增强者、被替代者、AI原生企业等异质主体。 - **传导渠道**：从“三流”扩展为“五流”，包括实体流（区分碳基与硅基）、资金流（区分传统信贷与硅基资本）、政策流（包括安全、规制和分配）、数据流和注意力流。 - **经济循环**：从“四循环”扩展为“五循环”，新增AI循环（算力投资—模型提升—用户增长—数据回流—应用扩散—算力需求）。 ### 宏观变量与理论重构 | 变量/理论 | 旧框架关注点 | AI带来的变化 | 新研究重点 | |-----------|--------------|--------------|------------| | 增长核算 | GDP、资本存量、TFP | 需要引入“碳基GDP+数字福利账户” | 交易产出、福利、质量改进、生产率兑现 | | 供需平衡 | 边际成本递增、价格出清 | 硅基低边际成本、供给先行、需求内生化 | 跨碳基与硅基分析，关注算力利用率与应用渗透 | | 定价体系 | 边际成本锚 | 转向能力租金、网络租金、场景租金 | Token价格、调用量、API价格等 | | 通胀理论 | 传统商品/服务价格 | 区分软件通缩与资源瓶颈通胀 | 关注电力价格、GPU交期、数据中心租金等 | | 劳动与分配 | 技能溢价、就业工资 | 任务重组、责任分层、AI红利归属 | 岗位暴露度、技能溢价、平台分成等 | | 产业组织 | 竞争、垄断、规模经济 | 数据飞轮、平台锁定、算力集中 | 集中度、拥挤度、生态迁移成本 | | 政策反应函数 | 财政货币、监管 | 资源瓶颈、安全边界、生产率幻觉 | 政策安全边界、监管案例、能源约束等 | ### 总量投研的启示 - **研究方法升级**：信息处理成本趋零，研究护城河从“信息优势”转向“框架优势”和“判断优势”。 - **叙事交易重要性上升**：需关注市场故事的真伪、边界和衰减时机。 - **久期意识增强**：阶段判断比终局判断更重要，非均衡状态需成为研究对象。 - **预期差来源变化**：结构性、认知类预期差可能更持久，需建立概率分布下的决策机制。 - **领先指标体系重构**：关注“新高频”指标，如云厂商资本开支、数据中心利用率、Token价格、GPU交期等。 - **市场结构变化**：AI推动市场从“人组成”转向“人机耦合”，需跟踪算法持仓、策略同源度、流动性与集中度等指标。 - **跨市场传导增强**：算力—电力—资源—通胀、模型能力—利润—股价、资本开支—r*—估值等新链条需纳入分析。 ## 风险提示 - AI对就业的影响可能超预期。 - AI投融资的持续性存在风险。 ## 结论 AI正在重塑经济学的基本假设与分析范式，从资源配置、收入分配到价格、就业与增长均衡，传统框架需适应新的经济现实。未来研究应更加关注任务和流程、数据与注意力、算法与模型对经济主体行为的影响，同时构建新的宏观分析工具，以应对AI时代下的复杂经济系统。