外滩大会深度观察：AI供给全面爆发后，需求端才是新经济的终极考题
该认真审视一个问题了：别让AI变成收割你的镰刀。
自从ChatGPT横空出世，整个市场便裹挟在一场关于人工智能的狂热想象中难以自拔。
各路资本不计代价地涌入算力领域，大模型的参数量屡创新高，股市对打着"AI"旗号的公司给予远超基本面的估值，仿佛只要技术继续突破，财富就会自动流入每个人的口袋。然而残酷的现实是：我们清晰地目睹了技术更迭的加速度，却在宏观数据中始终找不到生产力全面跃升的证据。AI究竟将把全球经济引向何处，至今没有谁能给普通大众一个令人信服的定论。
9月12日，2026 Inclusion·外滩大会在上海世博园区收官。来自海内外的百余名嘉宾、三百多家参展企业齐聚一堂，将技术圈、产业界与经济学的深度思考摊开在阳光下。
颇具意味的是，多位经济学家与一线从业者不约而同地提出了一个刺骨之问：AI将成倍放大社会的生产能力，但若就业格局和收入分配未能同步跟进，供给过剩与需求疲软很可能从一阵短暂的波动，沉淀为长期的结构性顽疾。
在许多从业者眼中，技术狂飙的B面——利益分配机制、国际竞争格局、真实应用场景的落地——才是左右AI新经济能否行稳致远的根本变量。
**01 AI撬动供给侧，"供强需弱"是否已成不可逆的长期趋势？**
与会者普遍指出，技术红利的阴影下，往往藏着容易被忽视的通缩风险。
具体怎么理解？
按惯例，不少人倾向于用历次工业革命的旧剧本来解读AI。电力和计算机普及后，生产力提升确实带动了社会整体富裕，萨伊定律中"供给会自动创造需求"被视为不言自明的铁律。但本届外滩大会上，多位经济学者强调，AI革命与此前的技术浪潮有着根本性的不同，不宜照搬历史模板。
回溯两次工业革命的历史轨迹可以发现，无论是电气化还是信息化浪潮，美国都曾经历漫长的物价下行通道。1870年到1900年的三十年里，美国物价累计缩水约三成，即史学家口中的"长萧条"。技术催生了产能膨胀，价格走低，但社会并未同步收获足够的收入增长，萨伊定律在此刻失灵了。症结在于：技术进步的红利分配极不均匀，资本端攫取了更大份额的回报，劳动者的收入占比被压缩，有效需求追不上供给的扩张步伐。
若进一步剖析，技术对物价的影响可拆分为四股力量：供给效应和替代效应施加通缩压力；预期效应和瓶颈效应则推升物价。
映射到AI时代来看，大模型的渗透速率远远超越以往任何技术。ChatGPT不过两三年便实现了接近一半的用户覆盖率，而当年个人电脑和互联网达到同等普及度花了将近三十年。急速扩散导致算力芯片一度严重短缺，内存价格最高飙升逾600%——这是教科书式的瓶颈效应。但依照历史规律，此类资源紧张通常持续三到五年，当前这轮AI的瓶颈压力已显现出见顶回缓的迹象。
横向对比之下，更值得警惕的是替代效应。上一轮信息技术革命主要冲击的是中层白领岗位，而本轮AI对高薪酬、高知识密集型职位的任务替代更为直接。虽然完整的岗位未必马上消亡，但金融、法律、咨询、软件开发领域的应届生招聘通道已明显收窄，年轻一代正面临就业上的"疤痕效应"。
其内在逻辑是这样的：一旦具身智能取代了大量人工劳动，资本方的边际消费倾向天然偏低，社会总需求将被持续抑制，长远来看将释放更强的通缩动能。
目光转回国内，这一分析框架完全可以嵌入当前的经济语境。AI大概率会拉高全要素生产率，但如果就业结构和收入分配随之出现偏斜，供给端越来越强，而居民钱包和消费意愿却原地踏步，那么眼下热议的"供强需弱"就可能从一个过渡性现象固化为长期的经济底色。
此时便浮现出经典的索洛悖论：四处都是AI的身影，宏观统计表中却读不出生产率的提升。并非技术无用武之地，而是技术落地需要重构业务流程、培训人员，存在天然的时间差，加之统计口径本身的局限性。刘元春在会上透露，学术界对AI拉动TFP的估算分歧极大——乐观的商业机构预测年度拉动可达3%，而持审慎态度的学者Acemoglu则认为十年累计贡献仅有0.68%，差异源于研究者对AI替代广度和落地速度的不同预设。
换言之，技术本身并不会自动兑换为均衡增长。AI时代的宏观调控工具箱也亟需升级，若通缩压力长期悬而未决，单靠货币政策的弹药将捉襟见肘，财政端的再分配、劳动者技能重塑、就业安全网兜底，必须承担起更核心的职能。
由此衍生出的新课题便是：如何构建与之匹配的收入体系和需求结构。沿着这条线索往下推演，AI不仅会重塑单一国家的经济版图，还将深刻影响乃至改写全球竞争的底层规则。
**02 当"生而全球化"成为现实，AI竞赛绝不能再只盯着大模型参数**
我们过去习以为常的全球化节奏是：先在本土打磨产品，在国内验证商业模式跑通，然后再向外拓展，业内称之为"继起式全球化"。AI彻底打碎了这套老套路。
有专家在论坛上给出了一个关键判断：AI是一种"生而为全球"的创新形态，产品从诞生那一刻起就必须面向全球市场，传统的分工范式正在瓦解。
毫不夸张地说，开源大模型就是最有力的注脚。
眼下，国内部分开源模型已做到技术顶级配置，告别了从前"闭源扛大旗、开源充门面"的行业默契。今年6月，国产开源模型在全球主流开源社区的下载量首次反超美国同行；7月的全球调用量排行榜上，前六名清一色是中国自研的开源大模型。模型一经发布，全球开发者即刻可以下载和调用，地理边界被技术本身大幅模糊。
拿AI制药赛道来说，上海已有若干AI制药公司搭建了新药研发平台，借助AI高效完成靶点发现和分子设计，但自身无法消化全部产出，于是直接将工具以订阅形式向全球顶尖药企开放——全球排名前三十的制药公司中，十余家已在接入这套系统。
与此同时，国内创新药的早期靶点成果正在进行大规模对外许可交易，也就是业内戏称的"卖青苗"。这并非研发实力不够，而是AI把前端研发节奏拉到了极致，后端临床试验却依然慢吞吞，产业不得不走向全球化的重新分工。
在这样的背景下，全球产业关系开始发生质的转变。过去中国企业多居于产业链的中下游，与海外巨头的关系更多是互补协作。如今产业水位攀升至前沿，大量赛道进入了正面交锋的阶段，同一家跨国公司，在中国市场积极寻求合作，回到母国又推动政府筑起技术围墙。
所以，这种双重面孔并非简单的地缘角力，而是产业地位变迁的必然产物。我们需要放下非此即彼的思维定式，接受竞争与合作交织共存将成为新常态。
诺贝尔经济学奖得主萨金特也在会上向全球投资者发出警示：评估AI价值时，绝不能低估亚洲尤其是中国的竞争力。AI的发展极度依赖数据和算力，中国庞大的产业数据池和强大的算力基础设施已构成独特的战略资产。前沿方法的扩散速度极快，技术护城河几乎不可能永久保持，资本不应想当然地认为头部企业能永远锁定超额利润。
假如竞争维度从单纯的模型参数扩展到整条体系链，企业出海就不再是事后的补充动作，而是在创立之初就须完成全球数据合规架构、跨境税务规划、各司法辖区牌照布局；国家层面，制度型开放的紧迫性急剧上升，知识产权保护、产业政策、劳动保障等规则须与国际高标准经贸体系接轨互认。相较于已然强劲的产业创新能力，基础科研的短板仍然是亟待弥合的关键拼图。
显而易见，大模型不过是入场的门票，制度环境、产业生态、人才储备、合规能力共同拼凑出完整的竞争版图。但紧接着又冒出一个更本质的追问：在全球化的体系搭建完成后，一切最终都要回到最朴素的那个问题——AI技术怎样真正嵌入商业现场，变成普通人摸得着、感受得到的实际价值。
**03 不论出海还是本土角逐，AI的终极标尺是普通人的切实获得感**
拒绝零和博弈、拒绝纯粹的存量替代，或许是这个时代多数人的共同期待，新经济必须激活增量的正向循环。
毕竟，过去两年资本市场对AI基础设施的追逐近乎癫狂。海外四大科技巨头2026年在AI相关的资本支出计划加起来超过七千亿美元，算力和数据中心的建设以惊人的速度铺开。
蚂蚁集团的韩歆毅在论坛上敲响警钟：资本开支的拉动终究只是短期脉冲，如果AI止步于削减成本、替换人头、改造既有业务，那只会催生新一轮的供需错配，根本无法支撑可持续的增长。
人类对电气化的记忆恰好可以作为镜鉴。电灯发明、发电厂拔地而起，并没有在一夜之间改变整个社会的面貌。真正引爆经济飞跃的，是家用电器、城市轨道交通、工厂电气化设备等源源不断涌现的新产品和全新服务。
