“AI泡沫”，要爆了？

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

導語：近期，全球資本市場關于“AI泡沫”的討論再次掀起熱潮——資本市場的高歌猛進與預期回報之間的巨大落差，正促使各界重新審視人工智能的發展路徑與潛在風險。針對這一熱點話題，華南理工大學公共政策研究院（IPP）近日舉行了“AI泡沫”專題研討會，戴明潔、李品保、區富祝、莊文越、蔣余浩等多位IPP研究人員從資本邏輯、產業應用與政策治理等不同維度切入，對這場技術熱潮的結構性風險與中國人工智能的發展路徑進行了系統分析。

在資本市場的AI熱潮之下，是否存在著結構性風險？面對美國高強度的AI投資周期，中國的人工智能發展是否會受到影響？隨著中國產業數字化轉型不斷深化的，我們又該如何辨識真正的發力點，讓AI真正釋放生產力？“IPP評論”特將本次研討會的主要觀點進行了提煉，以供各位讀者參考。

與談人

蔣余浩

IPP研究員

戴明潔

IPP副研究員

李品保

IPP助理研究員

區富祝

IPP助理研究員

莊文越

IPP研究助理

張心旖

IPP研究助理

張心旖（主持人）：近期媒體上關于“AI泡沫”的討論持續升溫，有幾組數據尤為引人注目：2025年，全球AI風險投資已經達到1927億美元，占全球風投總額的53%。這也是AI投資占比首次、也是歷史上唯一一次突破50%的關口。與此同時，10家尚未盈利的AI獨角獸在過去12個月里的估值合計暴增1萬億美元；英偉達的市值更是在10月29日突破5萬億美元，成為全球首家達到這一高度的上市公司。

但與這些亮眼數字形成鮮明對比的，是投資回報率上的冷酷現實。麻省理工學院（MIT）近期發布的《生成式AI鴻溝：2025年商業AI現狀》報告顯示，盡管企業在生成式AI領域投入了300—400億美元，但95%的組織尚未獲得任何實質回報。這不禁讓人聯想到17世紀的郁金香泡沫——人類歷史上有記載的首次金融泡沫。

企業在生成式AI上“興趣高，落地少”。任務型生成式AI工具從試點到實際部署的成功率會由20%跌至5%。圖源：MIT, The GenAI Divide: State of AI in Business 2025.

然而，從技術演進的長周期來看，無論是蒸汽機還是互聯網等顛覆式技術，都曾伴隨著資本的集中涌入，并出現階段性的泡沫。諾貝爾經濟學獎得主邁克爾·斯賓塞（Michael Spence）近日也表示：“我不太擔心泡沫，我稱之（當前AI領域的投資熱潮和股市狂熱）仍是一種‘理性泡沫’。”

那么，當下的“AI泡沫”究竟是如何形成的？與歷史上的其他技術泡沫有哪些相似與不同？從資本、國家以及產業的視角來看，我們今天所處的AI發展又面臨哪些潛在風險？這個泡沫究竟更多是一種“好的泡沫”，還是“壞的泡沫”？我們又應當如何應對？

“AI泡沫論”研討會現場

美國“AI泡沫論”的產生及其背后的利益驅動力

戴明潔：自從2022年底ChatGPT發布以來，美股尤其是科技企業的市值持續上漲，AI是其中非常重要的推動力量。但在過去三年里，“AI泡沫論”并沒有像現在這樣集中爆發。那么，為什么今年下半年這一話題突然引發了如此強烈的討論？除了主持人剛剛介紹的數據之外，我認為還有兩個方面值得特別關注。

第一，與過去科技公司估值和股市上漲的情況不同，這一輪美國科技巨頭之間出現了一種“投資內循環”的模式。

今年10月，彭博社發布了一張非常流行的圖，展示了美國當前幾家科技巨頭之間內部資金鏈的網絡結構（見下圖）。這個網絡以英偉達為核心，連接著甲骨文、微軟、OpenAI、xAI、晶片代工廠以及一系列風險投資機構。

圖源：彭博社

它們形成的資金“內循環”大致可以概括為以下邏輯：首先，三大云廠商——亞馬遜、微軟和谷歌——向英偉達采購芯片；之后，AI公司向云廠商租用算力；AI公司因算力儲備更容易吸引風險投資；最后，AI公司再用這些資金支付云廠商算力租賃費用。

也就是說，通過交叉投資、訂單捆綁等方式，他們構建起一個短期內能顯著推高參與者估值的利益聯盟。這樣的模式有一個核心特點：它能夠在資本市場上營造出持續增長的預期；但與此同時，這也可能掩蓋了這些廠商并未創造出真實價值的問題。

更為嚴峻的是，AI融資結構正在從股權投資向債務投資轉型。2025年，美國企業已發布超過2000億美元的公司債券，用于資助AI相關基礎設施項目。債權與股權不同：它更容易被杠桿放大，更加不透明，也更容易被用于結構化包裝。例如，部分債務會通過ABS（資產支持證券）的方式進行再包裝。這樣的融資模式，實際上進一步加劇了美國AI投資迅速膨脹所帶來的泡沫化傾向。

第二，與美國政府的推動高度相關。

特朗普政府在第二任期開啟以來，一直在推進一個類似“AI大基建”的計劃。今年1月，特朗普政府聯合OpenAI、軟銀、甲骨文宣布將投資5000億美元建設5座AI數據中心，他稱之為“星際之門”（The Stargate Project）項目；今年7月，美國發布AI行動計劃（AI Action Plan），將AI基礎設施投資建設作為三大支柱之一；最新的例子是今年11月剛剛發布的“創世紀計劃”（Genesis Mission）行政令，僅AI實驗平臺首期建設預算就將超過200億美金，未來五年相關投入可能突破1000億美元。這些計劃都在AI基礎設施建設方面給予了高度關注，為AI行業高估值和高杠桿提供“隱性擔保”，進一步推高了AI投資規模。

11月24日，特朗普政府通過行政令正式啟動“創世紀計劃”。圖源：路透社

相較于這輪“AI泡沫論”如何形成，更關鍵的是分析其背后的利益驅動力。目前AI投資熱潮的出現，更多反映出是科技巨頭和美國政府在科技發展和經濟前景方面的多層次焦慮，這種焦慮使得他們越來越傾向于將AI視為一種“戰略性工具”，而非對人類未來有共同影響的“創新公共品”。

科技巨頭的驅動力在于搶占AI技術主導權的迫切需求。為了避免在新技術周期中被邊緣化，他們必須緊跟這一輪科技浪潮。在硅谷，這種焦慮被形容為一種“FOMO” 心態（fear of missing out——“錯過即出局”）。他們寧愿選擇投資過度，也不愿意成為AI時代的“諾基亞”。甚至有人說，投資不足（underinvestment）的代價遠遠高于投資過度（overinvestment）。

另一方面，像OpenAI這樣的企業，也在極力將自己塑造成對美國“大而不能倒”的企業，從而借助這種戰略地位來保護自身、鞏固影響力。

對美國政府而言，科技企業推動的AI浪潮對特朗普政府同樣有顯著的利好，這也促使雙方更多形成一種“利益聯盟”，既共同推動AI泡沫的膨脹，也合力阻止泡沫的破裂。美國政府的驅動力主要在三個層面：

首先是基建。特朗普推動的制造業回流計劃，迫切需要對美國的電網、道路等基礎設施進行更新建設。但是由于美國長期受到產權、環保、勞動力等方面的制約，其基建改造一直難以推進。如果AI的敘事能夠深入人心，就可以借助數據中心建設，帶動一場“新時代的大基建”，從而顯著拉動GDP增長。有一位哈佛經濟學家預測，如果今年美國沒有數據中心建設，美國上半年GDP增速可能不足0.1%。

美國南部地區對數據中心CPU的需求強勁，主要因為德克薩斯州和佛羅里達州等州數據中心行業的發展，這些州的主要云服務提供商和企業正在大力投資基礎設施建設。圖源：路透社

其次，AI對美國股市的繁榮和吸引全球資本具有重要意義。數據顯示，過去三年標普500的AI版塊相關盈利增長達到了124%，但如果剔除AI版塊后，盈利增長甚至不到10%。可想而知，如果沒有AI敘事或者AI泡沫走向破裂，那么美國股市的繁榮以及資本流入都會面臨較大沖擊。

再次，是推動美國的經濟增長，從而緩解美國政府的債務壓力。隨著美國面臨越來越大的債務壓力，特朗普政府目前正努力降低債務占GDP的比率。從整體上看，降債無非兩條路：要么減少開支，要么推動經濟增長。前段時間，高盛CEO就指出：在AI的驅動下，美國通過經濟增長而非削減開支來化解美債問題的可能性正在不斷提升。但我也注意到，他在報道中也非常隱晦地提醒：如果美國仍然延續當前的AI發展思路，不能解決AI投資與產出脫節的問題，那么AI對削減美債的實際作用也不會太大。

AI熱潮是另一個科技泡沫嗎？

李品保：我主要討論兩個問題：第一，當前AI熱潮是否符合歷史上科技泡沫的“標準配方”？第二，如果符合，應如何理性應對？

我先給出結論：當前AI熱潮在很大程度上符合歷史上科技泡沫的經典特征，但最終是否會演化為泡沫，目前尚難斷言。

所謂“泡沫”，指的是價格與投資在短期內劇烈上漲，嚴重偏離其真實價值與盈利前景，最終往往因資本過度涌入和誘人敘事而破裂，導致財富大量蒸發。

歷史上典型的科技泡沫有三例：

一是千禧年互聯網泡沫。當時的新興科技公司，只要名字里加上“.com”，基本就能獲得資本的青睞。在估值飛漲后，泡沫最終破裂，結果表現為納斯達克指數暴跌超70%，市值蒸發超5萬億美元。但谷歌、亞馬遜等真正有實力的公司得以生存。

二是2017年前后到2021年左右連續幾輪的加密貨幣泡沫。特點為散戶大量參與、高杠桿與情緒化交易，波動極大。例如在2025年12月的一次事件中，加密貨幣市場在24小時內爆倉金額就達到約10億美元。我們甚至見到，有一些在市場非常活躍的大佬最終也因爆倉或其他原因走上極端。

三是新冠疫情期間的科技泡沫。以納斯達克為代表的一些科技股在2021年出現大量資金涌入、估值暴漲。但最終的結果也是在之后一兩年間出現超過30%的跌幅，股市蒸發的規模也達到了萬億美元級別。

我們自身也經歷過一些類似的泡沫。如2010年左右的互聯網創業潮、2014–2015年的共享單車熱潮，最終都是只有少數企業存活下來。

有分析指出，投資者的過度追捧已將少數AI概念股的估值推得過高，而科技巨頭動輒數千億美元的投入難以持續，尤其當這些支出依賴舉債時，更可能形成循環風險——一家公司失速就可能拖累整個AI板塊。圖源：路透社

這些泡沫表面各異，但存在四大共性：

第一，核心驅動邏輯相似：均由“革命性技術敘事”引爆，如互聯網、區塊鏈，被賦予巨大產業潛力，吸引大量資本與散戶涌入。

第二，市場行為模式相似：新概念驅動并取代舊邏輯。傳統市場的估值邏輯，比如盈利能力、現金流等指標，往往被拋諸腦后。在互聯網泡沫時代，大家看的是網站的點擊量；到了區塊鏈時代，看的是“總鎖倉價值（TVL）”，等等。此時，投機行為遠超現實基礎。

第三，破裂機制相似：多與流動性逆轉相關（如美聯儲加息），或增長放緩暴露盈利模式不可行，之前“吹下的牛”無法兌現，導致估值崩潰，最終泡沫被刺破。

第四，監管“真空”或滯后：我們會發現，法律或者倫理框架幾乎每次都跟不上技術狂奔的步伐，因而監管多為“事后補救”。

在Meta之后，歐盟12月9日宣布展開對谷歌的調查。圖源：路透社

對照當前AI熱潮，這些特征高度吻合：

第一，AI毫無疑問是一種顛覆性技術。其具有巨大產業潛力，敘事充滿革命性。

第二，投機再次領先現實。世界經濟論壇總裁博倫德指出，2025年AI領域投資高達5000億美元，但實際回報尚未顯現。例如，OpenAI常處于虧損狀態。

第三，就是所謂的“估值玄學”。估值邏輯脫離傳統指標，轉而關注模型參數規模、AI科學家數量、訓練數據等。我們是在“賭這些數據”，而不是按照以往金融投資的傳統指標去進行評估——當然，我們也不能排除，這可能是一種新的投資模式。

第四，“AI+”概念泛濫。類似當年“.com”“區塊鏈”熱潮，現在只要加上“AI”，就會帶來一系列類似的熱潮。與此同時，監管也在奮力追趕，這是我們正在看到的現實。

當然，有一些特征——尤其是最終破裂機制——目前仍不清晰，我們也不知道它最終會不會以同樣方式破裂。但我們確實可以看到，那種“熟悉的泡沫配方”正在AI領域中重新調配。

面對可能的泡沫，我們應如何理性應對？ 我這里提出三個比較“虛”的觀點：

第一是聚焦真實問題，而非虛構前景。當我們評估一項技術時，不要被所謂的“革命性敘事”所裹挾，應問：它解決了什么實際問題？是否觸及真實痛點？如果是投資者，則需關注商業模式是否可持續等。

第二是我們常講的“負責任的創新”。所謂負責任的創新，就是科技倫理中非常核心的理念——在技術開發和商業部署的最初階段，就將倫理考量和社會影響前置，而不是等問題出現后再去補救。好的監管并不是創新的敵人。我們現在經常害怕監管太嚴、影響創新，但現實情況需要依據不同領域和行業進行具體分析，像AI就遠遠跑在監管前面，問題不是“管得太嚴”，而是“來不及管”。

第三，以“長期主義”對抗“短期狂熱”。科技發展是馬拉松，非百米沖刺。記得在大概2016年夏季，我的室友對還在考駕照的我說：可能我們大學畢業之前，自動駕駛就已經普及，根本不需要考駕照了。但事實證明，近十年過去，我們依然需要自己開車。所謂的L3或更高級別的自動駕駛，遠未達到資本當年吹噓的落地效果。換言之，技術的真正到來往往比預期緩慢得多，而資本的故事又往往比現實跑得快得多。

歷史從來不是簡單的重復。我們討論所謂的泡沫，并不是為了唱衰某項技術，而是希望大家能夠坐在一起，通過跨界討論來更理性地看待這場浪潮。我們需要各界群策群力，引導這股強大的技術變革力量，最終能夠平穩度過可能出現的泡沫周期。

“AI結構性泡沫”風險與治理路徑

區富祝：我們首先要明確，AI的技術價值確實存在，而且潛力可能非常巨大。但現在它的商業節奏變化得非常快，而未來現金流與產業轉化的效率又還沒有達到能夠跟上這種節奏的程度，因此很難對它當前的價值做出準確評估。也正因如此，它不是我們傳統認知中的那種單純的“泡沫”，而更像是一種“結構性泡沫”。

我認為當前信息傳播的速度和廣度遠遠大于以往，資本市場的信息透明度較高，市場估值能夠更有效的調整，“AI泡沫”加劇或者破滅的可能性不大。

那么，當前泡沫的本質風險是什么？我想從資本結構來解釋：即頭部企業與尾部企業的融資性質完全不同。

像英偉達、谷歌這些頭部企業，它們的融資是對沖型的，市盈率也保持在一個健康區間，因此能夠實現穩定現金流、盈利能力強、風險較低。然而，大量初創企業則屬于投機型融資——它們的融資規模最多只能覆蓋算力成本，而商業模式尚未落地。至于最尾部的企業，則呈現明顯的“龐氏型”融資特征——沒有明確收入來源，完全依賴持續融資維持運營。

美國商務部即將批準英偉達（Nvidia）高端H200人工智能芯片出口至中國。12月8日消息傳出后，英偉達股價立即上漲2.2%。圖源：路透社

目前，A股中許多AI公司的動態市盈率已經達到了100倍甚至200多倍。反觀美股，頭部公司如英偉達、微軟的市盈率大致維持在40倍左右，相對更為合理。所以，關鍵問題就是：我們當前的AI投資，尤其是國家對于AI基礎設施的投入，能以多快的速度被兌現？這是判斷當前“結構性泡沫”能否實現“軟著陸”的核心。

眼下，關于AI投資的兌現，我認為存在以下幾個堵點：

第一，市場上的企業，尤其是大多數中小企業在智能化轉型上的內生動力不足，投資決策偏保守。

首先，當前的智能化改造技術成本仍然較高，投資回收周期長。中小企業對于未來收益存在較強不確定性，因此做出投資決策時會更加謹慎。

其次，技術成熟度仍未跨過S型擴散曲線的拐點。從技術成熟到被大規模采用，本身是一個典型的S型曲線。目前AI技術很可能還停留在S型曲線前端的“平緩區”，尚未真正跨過拐點。只有跨過拐點之后，才會迎來大規模推廣和應用。也就是說，在拐點到來之前，大部分企業還沒有真正嘗到技術帶來的“甜頭”。

再者，是成本與收益之間的價格機制作用。不是所有生產環節都值得企業投入AI，因為這本質上屬于資本性投入。如果企業雇傭勞動力、培訓員工并支付薪酬的成本低于采用AI技術的整體成本，那么企業自然會傾向于選擇前者，而不會主動投入AI改造。

第二，是技術成熟度和流程標準化不足。

許多行業的流程尚未標準化，而AI模型本身如果缺乏標準化，就很難大規模推廣，也很難實現真正的端到端落地，從而降低了智能化升級的效率。

第三，是信息不透明，導致“劣幣驅逐良幣”的現象。

高質量的AI產品與服務成本較高，在市場上反而不容易被采用；而低質量、低成本的方案卻充斥市場，但實際不能產生真正的生產力提升。例如，某些服裝行業企業在進行智能化改造時，被認為是“圈錢”，一部分的重要原因，可能就是因為他們遇到的AI服務或技術并不能帶來實際的生產力的提升。

工人在數字化紡紗智能生產線上生產高端纖維。圖源：新華社

因此，我認為可以從以下路徑著手突破：

第一，突破現有技術對傳統產業和新興產業賦能的堵點。

一方面，要加強技術真實性披露機制和行業準入標準。提升AI模型能力宣傳的規范性，防止低質量方案依靠營銷和低成本手段占據市場，從根本上擴大高質量技術的生存空間。

另一方面，要從規模效應與規模經濟角度切入，降低技術成本。通過上下游產業鏈集群建設，例如共享智能化生產車間，讓企業可以采用“按時計費”的方式，將原本的資本性投入轉化為服務性投入，從而實現更加輕量化的應用路徑。

第二，在技術落地方面，要推動技術與產業需求的適配，而不是技術先行、產業被動適應。

技術的改進本應根據產業的實際需求來推動，而不是“我有了一個新技術，產業就必須采用”。中小企業在采用大模型時面臨很多具體困難，某種程度上說明當前技術尚未完全適配產業場景。因此，可以推動行業專用模型、小模型的發展，以提高性價比，增強AI技術在行業落地的效率。同時配套采用輕量化策略推進應用。

第三，從資本市場角度，要強化信息披露和風險治理，避免投資過熱。

一旦泡沫破裂，對整個產業和整體經濟都會帶來沖擊。當前傳統投資乏力，內需不足、外需承壓，新一輪投資又集中在AI領域，因此更加要謹慎避免泡沫破裂。資本市場的信息披露制度必須跟上AI的發展。

例如，訓練數據來源、企業算力成本與推理成本、投入產出比與投資回報率等，這些關鍵指標都需要系統披露，減少信息不對稱，降低投資過熱的風險。基于這些指標，還可以監測模型效率、估值偏離度、融資增速等關鍵數據，構建一個AI板塊專門的投融資監測體系，作為風險治理的抓手。

美國AI泡沫論對中國的影響

莊文越：首先我想先給出一個結論：中國的AI整體產業發展路徑與美國完全不同，因此美國當前面臨的那種巨額投資規模帶來的風險、債務壓力以及集中于基礎設施建設的泡沫化輿論，并不是中國所要面對的主要問題。我們更應該思考的，是如何堅定不移地依托千行百業，把“人工智能+”真正落實到產業發展之中。

美國是一種典型的科技巨頭主導型路徑，依靠“力大磚飛”的方式，追求絕對技術領先和對競爭者的碾壓。可以看到，它的整個發展方式，就是花大錢豪賭：無論是大模型還是算力基礎設施，它就是要建更大的算力中心，追求更高的算力，做參數規模和模型精度都更高的系統。

但中國不是這樣。原因非常現實：第一，在AI起步階段，中國在技術上，包括芯片等關鍵核心部件，都明顯落后于美國。第二，我們沒有那么多錢，無法采取美國那種“豪賭式”投入。第三，我們的比較優勢并不在模型本身，而在于最廣闊的應用市場潛力以及最完整的工業體系。

我們真正的優勢在于應用落地，疊加中國特有的政策體系與決策機制。

這些因素共同決定了，中國走出的是一種更加務實、講性價比、因地制宜的發展路徑。這也決定了，中國在AI領域的投資不會出現像美國那樣的高度集中。目前，中國AI對整體股市表現的影響不到10%，市值貢獻甚至不到3%。這已經算是很高的影響力了，但與美國相比仍然有明顯差距。這也說明我們一直強調的一點：中國的突破方向主要在應用端，而不是大規模豪賭基礎設施或模型規模本身。

上海市徐匯區的“模速空間”內展示的人工智能產品。圖源：新華社

從這個意義上講，美國的AI泡沫論對中國的影響更多是積極的。美國現在也在試圖擠掉虛假敘事，強調關注真實產出，這對于中國來說也是一個很好的信號。一些中國AI企業的估值甚至比美國頭部企業更高，這并不是技術能力更強，而是結構性泡沫的表現。

因此，中國真正需要思考的問題，與其說是“如何避免美國式泡沫”，不如說是“如何推進中國式AI發展”。正如剛剛歐博士與李博士所提到的，我們要思考如何推動AI進入千行百業，尤其是推動中小企業應用；另一方面，也要思考如何構建一個既能給予安全與倫理邊界、又能支持多路線技術探索的監管體系。

如果為了“提前完善監管”而設計過于僵硬的制度，可能會走向歐盟的道路——上層建筑很完美，但抑制了創新活力。當然歐盟這樣做有其背景，是為了平衡大國科技企業對其內部市場的沖擊，但中國需要思考的是：如何制定一種監管模式，既明確安全倫理邊界，又足夠靈活，能夠保障多方向、多路徑的技術探索。

“中國AI如何實現包容性？”

蔣余浩：先說一下，人工智能到底算不算泡沫？技術要進步，就需要大量資本去推動；又因為資本天然是逐利的，因此資本都不可能只投向真正“有用”的技術。從這個角度講，似乎也不必對“泡沫”這個狀態過于敏感。

但如果我們回顧歷史上每一輪新技術出現后的“是否有泡沫”爭論，關鍵不在于泡沫是否存在，而在于泡沫的過程中，是否有一些我們本來應該珍惜的東西——包括某些生產方式，甚至較為傳統但仍有價值的生產方式——被這股技術浪潮徹底沖刷掉了？

比如“技術多元化”這樣的概念，本來意味著技術發展不是一條線性的路徑，而是多路線并存的；但在強資本驅動、強敘事驅動的泡沫中，技術路線會被單一路徑推著走，而那些本應保留下來的多樣性，可能就被無聲無息地沖刷掉了。

第二個問題是：無論泡沫最終是崩潰也好，還是軟著陸也好，它終究會過去。關鍵是——泡沫退去之后，它真正留下了什么？而這些留下的東西，與泡沫前期所講的那套宏大敘事是否真的有關？

大家都提到2000年前后的互聯網泡沫。當時的故事講得很美：互聯網將讓每個人獲益，每個人都能發聲、能創造價值。泡沫破滅后，表面上的確實現了一些進步——智能手機的普及、移動互聯網帶來的全民接入，每個人確實獲得了更豐富的信息，也確實擁有了更多表達空間。但同時，它有沒有改變我們的監管結構？有沒有改變權力結構？似乎沒有。甚至在很多方面，互聯網讓財富集中度更高，讓貧富差距更大，讓平臺權力更強。

因此我認為，討論AI泡沫時更重要的是回到兩點：

第一，我們珍惜的某些東西是否在這一輪泡沫中被沖刷掉？

第二，泡沫消退后，我們真正希望它留下什么？

美國現在最吸引眼球的，是那些由少數科技巨頭所推動的技術迭代，但實際上美國社會非常多元。它內部還存在許多不同的發展路徑，例如美國參議員伯尼·桑德斯（Bernie Sanders）等人推動的與人工智能相關的企業改革，其中甚至包含一些帶有社會主義色彩的制度構想。這些想法是否能夠最終變為現實政策還很難說，但它說明美國社會的道路并非單一，因此判斷美國模式時不能只盯著巨頭的那一條路徑。

伯尼·桑德斯主張國會應立即采取行動，對AI進行立法監管，遏制技術濫用，保護勞動者權益、公平就業。圖源：路透社

聚焦到中國的應用型人工智能政策。從中央政策的表述來看，有很多內容確實值得我們進一步深挖。我們需要思考：有哪些配套性制度可以與中央的政策相銜接，從而更好地推動政策落地？在整個政治經濟運行過程中，一些政策很容易在執行端被“變形”，這也確實是我們面臨的現實問題。

這里也需要提醒大家注意：“人工智能”這個詞本身具有高度包容性，它不僅僅是“深度學習”這一類技術的代名詞，而是包含許多方向的，例如腦機接口、人機互動、無人機等技術都歸屬于該范疇。因此，政策表述中的人工智能，天然需要與各種實體制造工藝深度結合，而不是作為一種孤立的產業而存在。

那么下一個問題是：這些人工智能技術在現實中是否已經能夠真正實現“賦能千行百業”？許多調研報告都顯示，目前AI技術距離真正實現賦能千行百業仍然存在較大差距。尤其是，現在外界有很多關于“人工智能取代人”的輿論，我們也需要具體分析：AI到底在取代哪一類工作？

從現有證據來看，AI的替代能力仍然沒有突破十年前的結構——也就是“波蘭尼悖論”（Polanyi's Paradox）所揭示的現象：高技能崗位與低技能、體力型崗位都很難被技術完全取代，反而是中等技能的崗位更容易受到沖擊。這說明AI的賦能效果、產業滲透能力與政策所期待的那種“大范圍改造”之間仍有差距。

瑞典的金融科技公司（FinTech）Klarna于9月在紐約上市，該公司表示，人工智能正在幫助其在不增加員工數量的情況下提高營收。圖源：美聯社

但深度學習類人工智能技術的出現也帶來另一個作用——它不僅是單純的“替代性工具”，還可以作為“增強性工具”。這一點在實證研究中其實對政策提出了要求：對于那些與人工智能存在較為明顯替代關系的中技術崗位，我們應當鼓勵什么？是鼓勵企業直接用AI替代這些崗位，還是鼓勵企業在采用AI的同時，幫助這些中技能崗位提高生產率？這實際上是一個重要的政策方向選擇。

除了替代關系，我們還必須考慮人工智能技術下一步該如何發展。是否繼續沿用當前這條路徑？現在的路徑明顯偏向于自動化、偏向于強化監管。如果人工智能的發展被資本或大型企業完全主導，那么無論是深層次人工智能還是其他技術，它都會更加傾向于滿足管理者的需求。

上次我在調研時就看到一個例子：某企業開發了一套數字系統。員工不需要再手動打卡，只要進入區域系統就能自動識別。老板坐在辦公室里一點開系統，就能看到員工數字人的狀態。但問題也在這里：如果人工智能完全沿著“自動化—監管”這條路徑發展，那么自動化和監管的力度會越來越強。但這種方向對于很多企業——尤其是中小企業、離散型生產企業、非標化企業——到底有沒有那么大的作用？這就引出我下面的問題：人工智能下一步的發展，究竟要如何才能真正幫助這些離散型、非標化行業？這才是我們在政策和產業層面都必須認真思考的問題。

這就是我們在研究中常提到的：如何把科研人才、科研資源，與企業的具體需求、具體應用場景結合起來？如何讓科研資源真正進入企業，幫助企業解決在生產和經營過程中遇到的瓶頸問題，提升它的競爭力與生產規模？這才是人工智能政策的“政策指揮棒”應當指向的方向。

中國目前的政策表述中，其實已經出現了這一思路。比如中央提出的“因地制宜發展新質生產力”；又比如強調通過“場景應用”來牽引技術發展。這里面實際上已經形成了一種“非線性創新”的發展思路，是值得我們重視和支持的。

最后，我想再提一個更大的問題：我們要推動人工智能朝更加包容性的方向發展，以避免出現我們不愿看到的那種泡沫化傾向。要做到這一點，關鍵在于如何讓人工智能真正實現標準化、體系化，使其作為一種公共資源去支撐千行百業的發展。

我們一直強調，人工智能要按照千行百業自身的發展需求來發展——但前提是：千行百業本身必須有發展需求。如果整個社會的發展動力主要來自金融炒作，大家都傾向于走輕資產路線，那自然不會對實體產業的技術升級提出什么特殊需求；實體經濟的創新訴求也就無從產生。

同樣，如果經濟長期處于停滯狀態，內需無法拉動，那么千行百業為了生存，只能勉強維持，根本無暇顧及技術創新、轉型升級這些事情。他們只要能“活下去”就已經很不容易了。

因此，關鍵問題其實在于：如何通過資源調整把內需拉動起來，讓千行百業真正獲得發展的空間。只有當產業自身有了發展的余裕，它才可能向政策端提出創新訴求，也才會有動力去推進技術升級、人工智能賦能等發展路徑。

在這個基礎之上，我們再去討論應建立什么樣的治理機制、政策環境，來使人工智能的發展不至于走向“壞的泡沫”，而是走向健康、可持續的方向。

*以上內容由編輯根據現場發言記錄整理，內容有所刪減。發言僅代表研究員個人意見，僅供參考，不構成政策和投資建議。

研討會上，研究人員對當前“AI泡沫論”的成因、風險與中國的應對路徑進行了深入討論。

蔣余浩 華南理工大學公共政策研究院研究員、廣東新質生產力政策研究中心主任

戴明潔 華南理工大學公共政策研究院副研究員、廣東新質生產力政策研究中心研究員

李品保 華南理工大學公共政策研究院 助理研究員

區富祝 華南理工大學公共政策研究院 助理研究員

莊文越 華南理工大學公共政策研究院 研究助理

張心旖 華南理工大學公共政策研究院 研究助理

IPP評論熱門文章

余荔、朱政宇：“創世紀計劃”能開啟美國科研“新世紀”嗎？觀點集錦｜鄭永年：從俯視到平視，美國對華認知的改變將帶來什么？“臺灣有事”風波后，中日關系何去何從？

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。