李迅雷系中泰證券股份有限公司首席經濟學家、中國首席經濟學家論壇副理事長
自第一次工業革命以來，科技逐漸成為全球經濟增長的重要生産要素，每一次重大技術革命都會推動人類社會經濟出現突飛猛進的長周期增長。新技術是否能引發新一輪科技革命的标準在于——其能否廣泛應用于生産生活，并解放、發展生産力。
根據規律，科技提升生産力的過程存在所謂的“索洛悖論”，即技術對生産率的提升存在明顯的時滞。盡管人工智能相關技術發展已久，但其對生産方式的影響沒有脫離網際網路的架構。而伴随算力、自然語言處理等基礎通用技術的成熟，基于自然語言的ChatGPT快速應用、AIGC應用場景快速拓展， 給AI技術加速突破“索洛悖論”提供了可實作路徑。AI浪潮已至，這輪科技革命注定會給各行各業帶來“颠覆性”的變革，未來資本市場“AI+”闆塊中也注定會誕生新的科技龍頭。
第三次工業革命紅利瀕臨耗竭，全球經濟增長亟需注入新動能
縱觀2000多年全球經濟增長史，在19世紀以前，全球經濟增長非常緩慢。據著名經濟史學家安格斯·麥迪遜測算，從公元元年至1820年間，全球經濟年均增速隻有0.1%，個人所得在這1800多年裡隻增長了約40%。
直到200多年前英國工業革命的發生，徹底改變了這一局面，之前主要依賴人力、獸力的生産方式發生了變化，全球經濟開始加速增長。此後，每一次重大技術革命都會推動人類社會經濟出現突飛猛進的長周期增長，科技已經成為世界經濟增長最重要的動力。
很多人認為我們一直處在科技井噴的高峰，是因為随着網際網路在日常生活中滲透程度的不斷加深，讓我們産生了一種仍處于“技術大爆炸”時代的錯覺。這種錯覺産生主要有兩個原因：一是中國僅用30年就幾乎全盤吸收了西方300年的技術成就；二是資訊技術的發展其實隻是“平層效率的提升”而非“更高次元的突破”，即：雖然電腦記憶體和運作效率不斷提升，但運作本質和工作原理卻仍在原地踏步，真正對全要素生産率有質的提高的技術并未出現。
即使是以“網際網路+”為代表的21世紀的科技紅利，也已瀕臨耗竭。2021年全球網際網路滲透率達65.6%，其中中國滲透率達65.2%，美國滲透率達90%。世界主要經濟體極高的移動網際網路滲透率預示着新興網際網路平台進入一個擷取“增量”困難，需要依靠“存量”拼殺的紅海時代，在這種情況下再想獲得新使用者或者提高使用者使用時間的邊際成本極高。
同時，随着科技創新與産業變革循環演進，網際網路逐漸成為傳統行業。網際網路不僅實作了從桌面網際網路向移動網際網路的過渡，也實作了從資訊網際網路、消費網際網路到産業網際網路的覆寫，應用場景已經滲透到各行各業，難以再找到比較多的拓展點。
勞動生産率提升迎來重要機遇，人工智能或帶來新一輪科技革命
科技革命爆發的标志就是新一代科技成果開始廣泛應用于生産生活，進而解放、發展生産力，提高勞動生産率。近年來全球範圍内出現的技術突破并未能從本質上解放、發展生産力，尤其對于能夠引領全球經濟發展的大型經濟體而言，其發揮的作用還遠遠不夠。
去年11月底推出的新晉AI屆頂流ChatGPT則再次引發了人們對于新一輪科技革命的遐想。ChatGPT推出僅2個月，使用者數已經突破了一個億，當時的電話和手機分别用時75年和16年才在全球積累1億使用者，即使是上一個最快破億的程式TikTok也要用時9個月。
ChatGPT擁有超大模型和全網資料訓練，實作了生成式AI的現象級突破。它不同于前兩年爆火的元宇宙，ChatGPT的應用場景要比元宇宙廣得多，反映了解放大腦的“智能型”生産工具已經出現。這就像20年前的網際網路和10年前的智能手機一樣，很有可能引發新一輪技術和行業換代。
媒體上對于“科技革命”一詞的使用十分泛濫，實際上，但凡不能顯著帶來全要素生産率提升的其實隻是“僞革命”。回顧曆史，工業革命是技術創新集聚産生的時期，三次工業革命都無一例外地促進了勞動生産率的提升，并決定了未來一個國家甚至世界經濟的可增長性和繁榮程度：
1760年到1840年發生的第一次工業革命，以蒸汽機的發明和廣泛應用為标志，生産工具發生了由手工形态向機器形态的質變，人類社會開始走向機械化時代，1770-1840年間英國勞工的平均勞動生産率提高了20倍。
19世紀末到20世紀初的第二次工業革命，以内燃機和電氣機械的出現為标志，使規模化大生産成為主導性生産方式，大大降低了工業生産成本并提高了生産效率，19世紀末的30年中，世界工業總産值增加了2倍多。
20世紀60年代開始，伴随着半導體技術、大型計算機、個人計算機以及網際網路的出現與廣泛應用，自動化機器裝置不僅取代了相當比例的體力勞動，還替代了一定程度的腦力勞動，社會生産力和人類文明達到了前所未有的新高度，人類由此進入資訊化時代。
不同于其他技術突破，此輪以ChatGPT為代表的人工智能的發展，極有可能實作對勞動力、資本等生産要素的智能替代和功能倍增，促進全要素生産率的提高。蒸汽機之是以推動了第一次科技革命，是因為其在提升了勞動生産力的同時，将大量勞動力從低級的農業勞動中解放出來。電力則加速了勞動力從第一産業向第二産業的轉移，并刺激了第三産業的發展。資訊科技時代，大量勞動力湧入第三産業，形成了如今全球第三産業GDP占比55%的格局。
未來，随着人工智能的廣泛應用，會有越來越多固定、繁瑣和标準化的工作被人工智能取代，這既能緩解人口老齡化時代勞動力短缺的問題，也能幫助勞動者專注于更具優勢和創造性的工作，進而大幅提高勞動生産率。同時，資料将成為經濟增長的主導性生産要素和新一代人工智能的基礎，通過從海量資料中深度挖掘資訊并将其轉化為知識資本，能夠有效實作生産要素的功能倍增，由此帶來生産率更為顯著的效能提升。
例如，高盛的一份關于AI 報告認為：在AIGC的加持下，工作流程被大幅簡化，生産力将得到提振，在生成式AI發展的十年内，預計每年可以将生産力提高超1.5%。我們有理由相信，未來人工智能将掀起新一輪科技革命，在帶來生産方式和産業結構重構的同時，提升當今社會生産率。人工智能技術更加成熟之後，其對于全社會乃至全球勞動生産率的提升注定形成重要支撐力量。
AI全産業鍊逐漸成熟，
人工智能有望加速突破“索洛悖論”
人工智能并不是橫空出世的新技術了，但目前來看其對于全要素生産率的提升效果還不明顯。這其中一個重要的原因在于：人工智能的先進技術真正在整體經濟中的擴散、傳導與推廣存在“時滞”。回溯上一波人工智能的追捧，大概還是在2017年AlphaGo圍棋大戰之後，這一熱度沒有保持下來，主要就是因為沒有大規模的應用落地，沒能直接推動生産率的進步。
然而，這并不代表人工智能不能引發下一輪科技革命。實際上，即使是第三次工業革命期間，資訊技術對生産率的提升也存在明顯的時滞，即所謂的“索洛悖論”。當時，美國勞動生産率的增長率從1948-1973年平均3%下降到1984-1990年的大約1.5%，直到上世紀90年代以後，資訊技術對生産率提升的作用才明顯展現出來。
同樣的道理，人工智能對全要素生産率的提升發揮作用也需要一段時間，這或許要在三個條件逐漸滿足後我們才能看到明顯的作用：一是要具備算法、算力、資料等相應的新型基礎設施，促進人工智能技術的全面商業化應用；二是要加強互補式創新，利用機器學習系統的自我學習能力激發互補式創新，實作人工智能技術研發與産業發展之間的良性互動；三是要加大配套投資，實作企業生産模式、組織結構和業務流程的再造。
本次以ChatGPT為代表的AIGC引發的新一輪人工智能熱潮讓我們看到了以上條件逐漸被滿足的可能：一方面，近年來世界範圍内算力、算法水準不斷提高，作為AI時代的基礎，各國高度關注資料要素市場化發展，努力挖掘、培育、釋放資料價值，從東數西算、全國一體化政務大資料體系建設，到“資料二十條”和《數字中國建設整體布局規劃》相繼頒布，大陸也一直在積極引導資料要素的發展。并且随着AIGC的不斷疊代，我們可以看到人工智能在養老、教育、醫療、内容創作等領域實作廣泛應用的希望。
另一方面，2006年以來，深度學習的實用化程序為實作人工智能技術研發與産業發展之間的良性互動創造了條件。相比AlphaGo而言，ChatGPT的出現意味着人類不僅可以在封閉問題上采用神經網絡的辦法進行處理，還能夠通過不斷地優化、預訓練、對抗訓練、強化訓練這一套流程對開放性問題進行處理。近期的研究論文表明，GPT-4已經具有一些自我反思和糾錯能力的萌芽，這使得它在和人類互動中，可以建立起資料、學習和智能的增長飛輪，進而在産業化的過程中實作與産業發展的良性互動。
此外，由于人工智能投資和業務影響之間存在明顯的關聯性，人工智能投資将給企業帶來明顯的效益，伴随AIGC技術的不斷發展和成熟，大量公司将紛紛布局人工智能，企業生産模式、組織結構和業務流程會發生巨大改變。從去年底AIGC概念走紅以來，已經有包括微軟、谷歌、百度、阿裡、華為等企業布局人工智能領域，未來AI技術将颠覆各行各業，比如人工智能可能會被包裝成"解決方案"以此強化SaaS公司現有護城河，辦公工具将成為AIGC最廣泛的應用等，都将在很大程度上改變企業的商業模式和管理方式。
1970年代技術革新下的日本經驗：中國制造業或明顯受益“AI+”賦能
1955-1970年期間，日本經過“引進消化吸收再創新”的技術發展戰略幾乎掌握了工業發達國家過去半個世紀當中發明與應用的全部先進技術，基本上消除了比歐美落後二三十年的差距，效仿歐美建立了一套重化型的産業結構，國民生產毛額上升到世界第3位。
在日本與歐美等國家技術水準逐漸接近的情況下，之前日本的“引進消化吸收再創新”發展模式顯得不合時宜。同時，重化型的産業結構雖然支撐了日本經濟“一枝獨秀”的高速發展，但這一産業結構所固有的局限性和問題日漸凸顯，也倒逼日本壟斷資本進行産業調整。
随着第三次科技革命在20世紀80年代向着電子技術、新材料技術以及生命科學技術深入發展，日本摒棄了拿來主義的科技發展模式，提出了“科學技術創造立國”的發展戰略，以資訊技術、新材料技術為代表的電子工業迅速發展，帶領日本在“三期疊加”的經濟大環境下保持了較高的經濟增速。
相比60年代，70年代日本資本對于經濟增長的絕對和相對貢獻均大幅下降，但是經濟增長的一半以上貢獻都要歸功于技術進步。這一期間，受益于持續的技術和裝置改造，日本的勞動生産率也快速上升：《現代日本經濟》資料顯示，1973-1980年日本勞動生産率平均增長6.8%，而同期美國和聯邦德國分别僅增長1.7%和4.8%。
2008年金融危機後，中國也同樣面臨了增長速度換檔期、結構調整陣痛期和前期刺激政策消化期“三期疊加”的經濟問題。借鑒日本經驗，為了保持經濟中高速增長，推動經濟邁向中高端，大陸就必須抓緊新一輪科技革命的發展機遇，在第四次科技革命浪潮中實作高水準自立自強。
但與70年代日本不同的是，當今中國所面臨的地緣環境更為嚴峻。自中國2001年加入WTO以來，中國經濟總量實作了對美國的快速追趕：1991年，美國GDP占世界比重達25.9%，日本占15.1%，彼時中國GDP僅為全球GDP的1.6%。到2021年，中國的GDP占比已經達到了18.5%，而美國和日本的GDP占比分别回落至23.9%和5.1%。此外，中國也在科技、國防、教育等各方面對美國霸主地位提出挑戰。
以史為鑒，世界科技發展往往展現明顯的周期性，每次科學技術劃時代發展的背後，都是大國間對抗博弈的激烈競争，其根本原因在于不計費用的軍事需要的迫切性大于民用需要的緊迫性：戰争壓力下，國家将加大财力、物力投入力度以支援科技研發，并将先進技術應用于軍事領域。而這些先進技術在大國激烈對抗後又會應用于經濟系統的各行各業，實作科技革命的産業化。
相比而言，中美之間在意識形态、軍事實力上，跟當年的日本還是有很大差别的，是以美國對中國的競争、打壓，要比當年打壓日本的手段更多、力度更大。如果中國僅在現有技術架構中與美國競争，隻會被不斷“卡脖子”，隻有充分把握住這一次科技革命的浪潮，才有望從全球競争中勝出。
如今，以智能化為特征的第四次工業革命輪廓日漸清晰，在世界百年未有之大變局與新一輪工業革命的曆史性拐點，無論是國家、地方還是企業都會不遺餘力布局投入，這也意味着未來人工智能在大陸将有曆史性的發展機遇。
奇點将至：關注新一輪科技革命下的投資機會
回顧曆次科技革命的發生必将會帶來大量融資。究其本質，隻有資金支援才能增加核心企業的研發優勢，進一步擴大技術成熟及應用。在新一輪科技革命背景下，新興科技企業将産生大量融資需求。AI發展新格局或開啟新一波投資黃金期。特别是，全面注冊制落地之後，更要關注AI領域相關金融科技公司、科創公司的投資機會。
就短期而言，目前AI闆塊市場集中度較高，主題投資行情下一些下遊應用受益的公司估值過高，投資者需要規避其中過熱風險；但中長期來說，若人工智能比較帶來一輪科技革命，其注定将孕育全球科技的新龍頭，對于AI領域核心研發優勢的龍頭公司應持有理性、客觀的長期投資理念。
算力作為制約AI發展的關鍵要素，目前AI行業龍頭主要使用英偉達的GPU晶片進行開發訓練，國内高性能GPU的研發能力有限，具備高國産替代緊迫性。目前晶片制程已經提升至5nm，繼續提升制程的成本效益逐漸降低，在這種情況下，“先進封裝”或成為大陸算力領域“彎道超車”的關鍵技術。
AI算法包括基礎算法和應用算法兩類，目前幾乎所有基礎算法都由斯坦福、哈佛、OpenAI等美國機構提供，而應用算法幾乎完全開源，美國對開源社群有絕對控制權。也就是說目前大陸AI算法對國外依賴度很大，建議關注有核心算法突破及AI算法商業落地的廠商。
同時，海量資料能為人工智能創造良好的發展環境和資料技術基礎。随着資料這一國家基礎性戰略資源地位的确立，資料要素推動數字經濟發展将進入落地階段，未來以國家主導的資料交易體系逐漸完善，資料要素相關的收集、确權、存儲、處理、定價以及流轉六環節将有大量公司受益，并有望形成闆塊效應。
此外，AI下遊應用方面，伴随AI+的應用場景不斷擴大，應用場景的需求市場不斷拓寬，商業模式良好的軟體龍頭亦或明顯受益。
風險提示：AI技術商業化落地不及預期；技術疊代不及預期；相關政策推進不及預期等。
——————