华泰 | 固收：智能经济学传导机制与跟踪框架总结
核心内容
AI正在推动宏观经济分析范式从传统的“五部门”向“硅基跨部门层”转变，重构了货币政策、财政政策、就业消费、通胀传导和贸易汇率等宏观经济传导机制。同时，需要构建新的指标跟踪框架以适应这一变化。
主要观点
1. 货币政策传导弱化
- AI企业资产负债表强、融资渠道多元，对政策利率敏感性降低。
- 无形资本投资对利率的敏感度仅为有形资本的1/6至1/3，货币政策对AI相关经济活动影响减弱。
- AI企业更关注市场份额与生态锁定，利率对决策影响有限。
- 数据中心等AI投资周期长、不可逆，利率难以调节。
- AI与传统经济背离，导致货币政策对传统部门传导扭曲。
2. 财政政策传导变异
- 财政目标由逆周期需求管理转向供给安全与产业竞争力。
- AI推动财政支出向技术主权和算力基建倾斜。
- 数字基建财政乘数高于传统基建，但长期可能加剧“供强需弱”矛盾。
- AI带来的资本收益转移可能侵蚀税基，加剧不平等，增加财政压力。
3. 就业消费传导脱钩
- AI推动就业替代效应，劳动收入下降，总需求受抑制。
- AI提升部分低技能劳动者生产率，形成局部就业拉动。
- 供给扩张快于需求形成，导致分配差异和终端需求挤出。
- AI发展可能使经济呈现K型分化，宏观传导链条复杂化。
4. 通胀传导机制分裂
- 硅基投入品（如芯片、算力）价格上行，而硅基产出品（如数字服务）价格下行。
- 传统碳基部门通胀压力较弱，而AI对价格信号的分化影响显著。
- AI推动生产率提升，但可能滞后于通胀表现，形成时间错配。
- 全球AI发展不均衡，导致价格分裂从部门扩展到国别层面。
5. 贸易汇率传导逆转
- 比较优势从先天要素转向可投资的算力、数据、电力和制度禀赋。
- 贸易逻辑转向“算力套利”，加剧全球供应链重构与回流。
- 全球形成“AI核心—边缘”结构，核心区增长更快，边缘区相对落后。
- 中国能否进入核心区将影响中长期增长与资产定价。
关键信息
硅基部门传导链条
- 算力供给侧：关注AI巨头资本开支、租赁负债、RPO、硬件收入、电力成本等。
- 模型与应用层：观测Token用量、模型能力、企业AI采用率、应用软件收入、ARR等。
- 金融市场层：跟踪AI企业融资情况、信用利差、债券利差等。
- 宏观外溢层：关注增长拉动、劳动生产率、就业替代与创造、通胀分裂、财富分配等。
- 中国数据层：聚焦内部AI产业链自循环建立、旧传导机制的点状外溢与挤出效应。
国内传导机制的特殊性
- 传统增长依赖：地产、城投、出口仍是关键传导路径。
- AI外溢效应：对一线城市地产、服务消费和高端产业存在点状拉动。
- 政策工具：供给侧支持充足，但需求端传导仍需改善。
- 结构性短板：高端芯片、基础软件、算力基础设施仍需突破。
- 国内自循环：若能形成“内部需求—国产模型—国产硬件”闭环，将提升AI对经济的拉动作用。
跟踪框架与指标
五层跟踪框架
| 层级 |
指标 |
频率 |
单位 |
最新值 |
| AI基建层 |
五大hyperscaler资本开支_当季合计 |
季度 |
十亿美元 |
148.4 |
|
五大hyperscaler资本开支_TTM |
季度 |
十亿美元 |
482.1 |
|
五大hyperscaler总租赁负债/PP&E |
季度 |
% |
0.2 |
|
五大hyperscaler新增ROU资产_TTM |
季度 |
十亿美元 |
62.6 |
|
五大hyperscaler RPO_合计 |
季度 |
十亿美元 |
1653.2 |
|
四大云厂商云相关收入_当季合计 |
季度 |
十亿美元 |
121.0 |
|
H100云GPU租赁价格_按需中位数 |
月度 |
美元 |
3.2 |
|
五大hyperscaler capex/OCF_TTM |
季度 |
% |
0.8 |
|
五大hyperscaler折旧摊销/收入_TTM |
季度 |
% |
0.1 |
|
NVIDIA Data Center收入同比 |
季度 |
% |
92.3 |
|
DDR5现货平均价同比 |
日度 |
% |
7.0 |
|
美国半导体及相关器件PPI同比 |
月度 |
% |
0.0 |
|
中国台湾半导体企业月营收同比 |
月度 |
% |
59.2 |
|
WSTS全球半导体销售额同比 |
月度 |
% |
118.4 |
|
韩国半导体出口金额同比 |
月度 |
% |
173.9 |
|
韩国半导体隐含单价同比 |
月度 |
% |
151.5 |
|
韩国存储半导体出口金额同比 |
月度 |
% |
252.8 |
|
美国商业用电量同比 |
月度 |
% |
5.2 |
|
美国商业电价同比 |
月度 |
% |
4.8 |
|
已运营AI数据中心IT Power_MW |
月度 |
MW |
11431.8 |
|
AI数据中心Pipeline IT Power_MW |
月度 |
MW |
21470.0 |
| 模型与应用层 |
AA前沿语言模型智能指数_主要厂商最高 |
日度 |
指数点 |
59.9 |
|
AA高智能模型推理价格, >=50指数带中位 |
日度 |
美元/百万 |
3.1 |
|
AA高智能模型有效输出速度, >=50指数带 |
日度 |
tokens/秒 |
71.2 |
|
OpenRouter周度Token总量_最近完整周 |
周度 |
万亿token |
52.6 |
|
大模型公司ARR_Anthropic |
不定期 |
十亿美元 |
69.0 |
|
npm AI开发者包下载量_30日滚动合计 |
日度 |
百万次 |
529.2 |
|
PyPI AI开发者包下载量_30日滚动合计 |
日度 |
百万次 |
1978.8 |
|
AI应用软件收入代理_等权同比 |
季度 |
% |
38.1 |
|
BTOS企业AI采用率_任一业务功能_当前 |
双周 |
% |
21.7 |
| 金融市场层 |
美国投资级公司债OAS |
日度 |
pct |
0.8 |
|
美国BBB公司债OAS |
日度 |
pct |
1.0 |
|
VIX波动率指数 |
日度 |
指数点 |
15.7 |
|
AI融资事件金额_TTM |
月度 |
十亿美元 |
505.3 |
|
AI巨头债券利差曲线 |
日度 |
% |
- |
|
中国集成电路产量同比 |
月度 |
% |
22.9 |
|
中国集成电路出口金额同比 |
月度 |
% |
110.9 |
|
中国集成电路出口数量同比 |
月度 |
% |
-0.5 |
|
中国集成电路出口隐含单价同比 |
月度 |
% |
129.3 |
|
中国通信电子行业工业增加值同比 |
月度 |
% |
17.0 |
|
中国通信电子行业PPI同比 |
月度 |
% |
3.3 |
|
中国通信电子行业营业收入累计同比 |
月度 |
% |
17.1 |
|
中国互联网AI大厂资本开支_TTM |
季度 |
十亿元 |
224.8 |
|
三大运营商资本开支_TTM |
季度 |
十亿元 |
291.6 |
|
中国云计算大数据服务收入累计同比 |
月度 |
% |
12.1 |
|
中国电信业务收入累计同比 |
月度 |
% |
-1.9 |
|
三大运营商员工现金薪酬/收入_TTM |
季度 |
% |
16.7 |
| 宏观外溢层 |
美国非农商业劳动生产率同比 |
季度 |
% |
2.8 |
|
BTOS企业收入指数_全国 |
双周 |
指数 |
43.6 |
|
BTOS企业未来雇员指数_全国 |
双周 |
指数 |
50.5 |
|
信息业非农就业同比 |
月度 |
% |
-3.1 |
|
信息业职位空缺率 |
月度 |
% |
2.6 |
|
信息业裁员解雇率 |
月度 |
% |
1.8 |
|
信息业平均时薪同比 |
月度 |
% |
6.0 |
|
实际服务消费同比 |
月度 |
% |
3.8 |
|
Top1%净财富占比 |
季度 |
% |
31.6 |
|
Top1%股票基金财富占比 |
季度 |
% |
50.2 |
| 中国层面 |
中国通信电子行业利润总额累计同比 |
月度 |
% |
103.9 |
|
中国通信电子行业利润率_累计值 |
月度 |
% |
5.6 |
|
中国通信电子行业固定资产投资累计同比 |
月度 |
% |
6.7 |
|
中国信息传输软件和信息技术服务业固定资产 |
月度 |
% |
-7.1 |
风险提示
- AI算力供给与成本约束风险：算力租赁与芯片采购成本高且波动剧烈，可能压缩行业盈利空间，制约AI发展。
- AI投融资持续性风险：AI企业尚未形成稳定盈利，高度依赖外部融资，若商业化不及预期，可能引发估值回调。
参考文献
- Altavilla, Gürkaynak and Quaedvlieg (2024)
- Döttling and Ratnovski (2023)
- David and Gourio (2023)
- Allianz Research (2026)
- Korinek and Lockwood (2026)
- Harris, Mehrotra and Overcash (2026)
- Goetzel, Muro and Methkupally (2026)
- 黄益平 (2026)
- Klein Teeselink and Carey (2026)
- Brynjolfsson, Li and Raymond (2025)
- Acemoglu and Restrepo (2019)
- Humlum & Vestergaard (2026)
- Aldasoro et al. (2024)
- Faria-e-Castro and Ozkan (2026)
- Cerutti et al. (2025)
- Artuc et al. (2023)
- Faber (2020)
- Krenz, Prettner and Strulik (2021)
- Draghi (2024)
- Acemoglu, Manera and Restrepo (2020)
总结
AI正在重塑宏观经济传导机制，形成“硅基跨部门层”与“碳基部门”并行的复杂结构。传统传导机制虽未失效，但需适应AI带来的新变量。国内传导机制在AI影响下呈现特殊性，需兼顾旧增长路径的外溢与新AI产业链的自循环构建。通过多维指标跟踪，有助于全面理解AI对宏观经济的影响，并为政策制定与投资决策提供依据。
