在花了接近一天时间阅读花旗首席经济学家余向荣的一份研报后，我让AI帮我分析解读了这份报告，并询问了几个问题，感觉AI给我的答复很有价值。我的问题大意：1，为什么经济在增长，但老百姓体感经济在下滑？2，为什么当下就业市场这么差？3，经济在增长，财富在朝哪些群体集中？4，普通人选择哪些赛道？5，建议将要高考的孩子选择什么学科？AI形成的文章如下
引言：一份研报背后的时代焦虑
2025年至2026年初，花旗集团大中华区首席经济学家余向荣及其团队发布的系列研报，特别是《China Economics: The Macro-Micro Disconnect of AI-Driven New Economy》，犹如一面棱镜，折射出中国经济转型期的深层矛盾。这份研报不仅是一份经济分析报告，更是一份关于技术革命与社会变迁的预警书。
余向荣在2026年中国首席经济学家论坛年会上指出："新经济的宏观增长意义与微观民生体感存在明显脱节。" 这句话精准概括了当前中国社会的核心焦虑：当DeepSeek等AI技术突破不断刷屏、当"新质生产力"成为政策热词、当股市AI板块一骑绝尘时，为何普通民众感受到的却是就业困难、消费降级与生活压力？
本文将基于余向荣团队的研报框架，深入分析五个相互关联的关键问题，揭示AI驱动新经济背后的结构性逻辑。
一、宏观增长与微观体感的"温差"：为什么经济在增长，老百姓却感觉在下滑？
（一）K型分化：两个平行世界的形成
余向荣团队用"K型增长格局"（K-shaped growth pattern）描述当前中国经济的分裂状态。这种分化体现在三个维度：
1. 产业维度：新经济的宏观意义与微观疏离
2025年，AI相关资本开支达到4000-4500亿元，直接拉动GDP增长0.4个百分点。广义数字经济（"三新经济"）占GDP比重已达18%，超过房地产直接间接贡献的13%。信息服务业投资同比增长37%，快的话2026年、慢的话2027年，其对GDP的贡献就将超过房地产。
然而，这种增长集中在供给侧和资本密集型领域。余向荣坦言："新经济发展尚未带来微观体感和预期的明显改善。" 原因在于，新经济的投资主要流向服务器、芯片、数据中心等硬件基础设施，以及算法研发等 intellectual capital，这些领域的就业吸纳能力远低于传统制造业和房地产产业链。
2. 区域维度：创新高地与传统腹地的鸿沟
长三角聚集了68%的高薪岗位，而东北老工业基地下岗工人再就业率不足40%。这种空间错配在产业转移中加剧——越南电子厂因技工短缺致产能利用率仅60%，而中国内陆传统制造业工人转型数字经济成功率不足18%。
3. 收入维度：名义增长与实际 purchasing power 的背离
尽管实际GDP保持增长，但名义GDP增速长期低于实际增速，反映通缩压力。余向荣指出，"整体名义增长的复苏也将有利于收入增长预期的改善"，但"消费活动尚在寻底过程中，或滞后于房地产周期"。这意味着，即使宏观经济数据向好，居民收入预期的修复仍需时日。
（二）财富效应的断裂：资产价格与消费信心的背离
研报揭示了资产价格传导机制的失效：
房地产财富的蒸发：经过数年调整，房地产市场尚未走出底部，新房库存去化周期普遍超过两年，二手房挂牌量处于历史高位。房地产作为居民主要财富载体（占家庭资产比重约70%），其持续下行直接摧毁了财富效应。尽管2025年初以来一手房销售强于预期，一线城市房价出现初步改善迹象，但"住房市场企稳对消费的正面传导存在时滞"。
股市繁荣的局限性：AI相关板块引领股市上涨，但受益群体相对有限。股市上涨带来的财富效应主要集中在高净值人群，而普通居民参与度低。更重要的是，这种繁荣缺乏基本面支撑——余向荣指出，"外资的被动型资金（如ETF）与对冲基金已开始积极布局中国市场，但传统'长钱'仍处于'关注研究'阶段"。
储蓄的"堰塞湖"现象：家庭储蓄率维持高位，仅有少量迹象显示存款正在重新配置到风险资产中。住户部门超额储蓄的释放或是观察2026年消费走势的重要线索，但当前居民更倾向于预防性储蓄而非消费。
（三）统计口径的"滤镜化"现实
余向荣团队提示了官方统计与微观体感之间的技术性偏差：
就业统计的模糊性：按照国际劳工组织标准，"一周工作1小时即为就业"。在这种统计口径下，8400万灵活就业者中，41%日均工作超10小时却无固定劳动合同，21%从事直播、探店等新业态，但都被计入"就业"。这种"滤镜化"的统计数据掩盖了就业质量的下滑。
GDP构成的结构性扭曲：AI投资虽然计入GDP，但其分配效应极不均衡。5000亿元的AI投资可能创造少量高薪岗位（算法工程师、AI科学家），同时替代大量中低端岗位（客服、文员、基础编程）。宏观上投资增加，微观上却是岗位净减少和收入极化。
二、就业市场的"冰火博弈"：为什么当下就业这么难？
（一）AI替代的"图灵陷阱"：技术进步的双刃剑效应
余向荣在研报中引入了"图灵陷阱"（Turing Trap）概念，用以描述当前技术进步的悖论。技术进步有两个方向：一是增进人的价值与效率的"赋能型"进步，二是替代人力的"替代型"进步。当前AI技术的发展更偏向于后者，导致"无就业增长"（jobless growth）风险。
量化冲击：1.57亿人的就业威胁
根据花旗团队的测算，AI可能影响中国约31%的就业岗位，其中9.6%的岗位（约7030万个）面临被直接替代的风险；其余21.4%的岗位虽会因生产率提升而受益，但整体可用岗位数量仍可能减少。综合计算，直接替代风险加上生产率提升导致的岗位需求缩减，总共影响的就业规模将超过1.57亿人。
结构性失业的"三重错位"
1. 学历错配：2025年高校毕业生规模达1222万人，研究生占比提升，但部分专业与市场需求脱节。60%毕业生坦言"所学非所用"，传统文科生在智能制造浪潮中失去竞争力。人文社科专业签约率仅35%，而芯片工程师80%简历缺乏实操经验。
2. 技能错配：AI导致初级程序员岗位替代率85%，但Agent开发工程师需求增长380%。传统岗位减少60%，AI相关岗位薪资溢价176%。这种"岗位等人"与"人等岗位"并存的矛盾，反映了教育体系与产业需求的严重脱节。
3. 区域错配：珠三角智能制造企业面临30%技术岗位缺口，而东北老工业基地下岗工人再就业率不足40%。职业教育"双师型"教师仅占35%，实践培养不足。
（二）青年失业的"堰塞湖"：最严峻的结构性挑战
数据背后的残酷现实
2025年7月，16-24岁青年失业率攀升至17.8%，25-29岁失业率为6.9%。这一数据背后是1222万高校毕业生涌入就业市场的现实困境。值得注意的是，这一失业率统计**不包含在校生**，如果考虑"慢就业"（延迟毕业、考研二战）和"挂靠就业"（档案挂靠但无实际工作），实际失业率可能更高。
AI冲击的代际不平等
余向荣指出，"服务业和年轻群体受到的冲击最大"。传统上作为就业"缓冲器"的服务业，现在开始受到颠覆性技术的直接冲击。40岁以下的年轻人、金融IT等中高收入服务业从业者首当其冲。这与以往经济下行中"年轻人更容易就业"的经验相反——AI技术恰恰对数字化程度高的年轻从业者替代性更强。
"体制内"挤兑与新兴领域的机会真空
70%左右的青年首选"体制内"，导致公务员报考屡创新高。但公务员招录比严重失衡，大多数人员只是考试的参与者，时间和精力成了巨大的沉没成本。与此同时，新兴的Web3.0、AIGC等领域存在"岗位等人"现象，但求职者因技能不足无法进入。
（三）传统就业缓冲垫的失效
余向荣曾坦言，"目前，中国在AI研究和应用方面还处于早期阶段，尚在吸纳相关人才，而中国庞大的劳动密集型产业依然是就业市场重要的缓冲垫"。但这一判断正在迅速过时：
制造业的"智能化悖论"：工业4.0全面实施后，或导致超过6200万"4050"人员失业。传统制造业自动化技术替代了至少15%的初级岗位。平台经济增速放缓（2025年同比增长8.2%，较2020年下降23个百分点），进一步削弱了就业吸纳能力。
服务业的"数字化颠覆"：AI对服务业的冲击比制造业更迅速。设计、客服、流水线等岗位受AI冲击严重，"之前一个工厂需要一万人，现在可能几百人就够用了"。
三、财富流向的"马太效应"：增长的果实被谁摘取？
（一）新质生产力与财富集中
余向荣团队观察到，尽管当前经济感受偏冷，但上榜企业家的财富却增长显著。2025年胡润百富榜显示，1198位企业家财富比去年增长，其中包括376位新人，为去年的7倍。这种财富增长与微观体感的背离，揭示了AI时代财富分配的新逻辑。
财富集中的四大群体
1. 技术资本所有者：以雷军（财富增长1960亿元，增幅151%）、宁德时代曾毓群、寒武纪陈天石为代表的新质生产力企业家。他们的财富主要绑定企业价值，而企业价值反映了未来创造利润的能力。这些利润来自AI技术带来的生产率提升，而非劳动力投入。
2. 股权投资者：AI相关板块引领股市上涨，早期投资者和机构资本获得超额回报。但这种资本利得主要流向已经拥有金融资产的群体，加剧了财富不平等。
3. 高技能"超级个体"：AI相关岗位薪资溢价176%，顶尖AI工程师年薪可达百万甚至千万。但这种高薪岗位数量极少，且要求极高的技能门槛，形成了"赢者通吃"的劳动力市场。
4. 平台垄断者：互联网大厂逆势扩招，2026届校招规模显著提升，AI相关岗位占比超60%，部分企业月薪达10万。但这种繁荣集中在少数头部平台，中小企业和传统行业被进一步边缘化。
（二）分配机制的"技术性失衡"
余向荣警示："技术进步的成果不会自然合理分配"。AI驱动的新经济具有天然的"资本偏向型"（capital-biased）特征：
生产率的分配效应：AI提升的全要素生产率主要体现为资本回报率的上升，而非劳动收入的增加。企业用AI替代人力后，节省的成本转化为利润，而非工资。
"零工经济"的剥削性：8400万灵活就业者中，大量从事平台经济工作。这些工作缺乏社会保障，收入不稳定，但创造了GDP和平台利润。余向荣建议重点关注"灵活就业人群"，正是看到了这一群体的脆弱性。
资产价格的极化效应：房地产下行摧毁中产财富，而AI相关股权资产上行惠及顶层。这种资产价格的K型走势，进一步拉大了贫富差距。
（三）宏观政策的结构性偏向
当前的稳增长政策主要依赖供给侧发力：AI投资、新质生产力培育、出口促进。这些政策虽然能维持GDP增长，但对劳动收入的提升作用有限。余向荣指出，"出口和新经济投资对居民收入和资产价格的传导不畅"，导致"双轨式"复苏格局。
四、普通人的突围之路：哪些赛道还能实现财富增长？
基于余向荣团队的研报框架和当前经济现实，普通中国人可考虑以下赛道：
（一）"AI+"复合型人才：从被替代者到驾驭者
核心逻辑：避免与AI直接竞争，而是成为AI的"指挥官"。
具体方向：
- AI+垂直行业：医疗AI合规、法律AI辅助、教育AI设计等。具备"硬技能（如编程）+平台知识（如AWS）+垂直行业场景"的复合型人才最具竞争力。
- AI训练与优化：提示词工程师、AI质检员、数据标注师（虽然基础标注易被替代，但高级语义标注仍有需求）。
- 人机协作界面设计：AI产品经理、AI交互设计师，负责优化人与AI的协作流程。
- 能力构建：培养"π型人才"——两个深度专业领域+一个广度连接能力。例如：机械工程+AI运维+项目管理，或市场营销+数据分析+消费者心理学。
（二）"反AI替代"的服务业：高情感附加值领域
核心逻辑：AI难以替代需要高度情感互动、身体实践和创造性判断的工作。
具体方向：
- 银发经济：养老护理、老年康复、临终关怀。中国老龄化加速，这些领域需求刚性且技术替代难度大。
- 高端家政与育儿：高净值家庭对优质家政、育儿师的需求持续增长，且愿意支付溢价。
- 手作与非遗传承：个性化定制、传统手工艺、文化遗产修复。AI可以生成设计，但无法替代手工技艺的稀缺性。
- 心理健康与咨询：心理咨询师、生涯规划师。AI可以提供基础建议，但深度情感支持仍需人类。
（三）新质生产力的"卖铲人"：基础设施与配套服务
核心逻辑：不直接参与AI研发，而是为AI产业提供配套支持。
具体方向：
- 算力基础设施：数据中心运维、服务器维修、液冷系统管理。AI算力需求爆发，但高端研发岗位有限，基础设施运维需求大且门槛相对较低。
- 新能源配套：充电桩维护、储能系统管理、分布式光伏安装。新能源是新质生产力的重要组成部分，且创造大量蓝领岗位。
- 跨境服务：跨境电商运营、海外直播、小语种客服。中国贸易顺差接近1.2万亿美元，出海需求旺盛。
（四）政策红利赛道：社会保障与公共服务
核心逻辑：政府为应对AI冲击将扩大社会保障支出，相关领域存在稳定机会。
具体方向：
- 社会保障服务：社区养老、失业培训、再就业服务。余向荣建议"未雨绸缪筑牢社会保障网络"，这意味着政府投入将增加。
- 公共服务数字化：政务AI助手、数字政务系统维护。政府数字化转型创造大量稳定岗位。
- 职业教育与培训：AI时代技能迭代加速，终身学习需求爆发。职业培训、企业内训、技能认证等领域机会增多。
（五）"数字游民"与全球化套利
核心逻辑：利用中国的人力成本优势，服务全球市场。
具体方向：
- 远程技术服务：为海外企业提供远程IT支持、设计服务、内容创作。利用汇率差和生活成本差获取相对高收入。
- 跨境电商与内容出海：通过TikTok、Amazon等平台，将中国供应链优势与全球市场需求连接。
- 小众专业服务：翻译、字幕制作、游戏测试等。这些工作可以远程完成，且不受本地经济周期影响。
（六）资产配置策略：对抗宏观微观脱节
余向荣提示，"住户部门超额储蓄的释放或是观察2026年消费走势的一条重要线索"。对于拥有一定资产的普通人：
- 减少房地产配置：房地产仍处于调整期，非核心城市房产流动性差。
-适度参与权益市场：关注AI应用层（而非基础设施层）的投资机会，但需警惕估值泡沫。
- 增加流动性储备：在不确定性高企时期，现金为王，保持6-12个月的生活费储备。
- 投资人力资本：将资源投入到技能培训、健康管理和子女教育，这些"无形资产"在AI时代最具保值性。
五、2026年高考选科建议：在AI时代寻找"长坡厚雪"
（一）选科的底层逻辑：从"热门导向"到"能力导向"
余向荣团队的研究暗示，未来劳动力市场将呈现"高技能溢价"与"低技能陷阱"并存的极化格局。2026年高考选科应遵循以下原则：
1. 避免"纯工具性"专业
AI本身就是工具，学习"如何使用工具"的专业（如传统计算机科学、基础数据分析）面临被AI替代的风险。应选择"AI+领域知识"的交叉学科，或AI难以替代的"元能力"学科。
2. 强化"反脆弱"能力结构
选择能够培养以下能力的学科组合：
- 复杂问题解决：需要跨学科知识整合的能力
- 情感与社交智能：同理心、领导力、谈判能力
- 创造性判断：审美、伦理决策、战略思维
- 身体实践技能：动手操作、现场应变
3. 关注"十五五"规划导向
余向荣解读"十五五"规划建议强调"促进人的全面发展"。选科应服务于人的全面发展，而非单纯追求短期就业。
（二）具体学科建议
第一梯队：AI+交叉学科（首选）
- 智能医学工程：AI+医疗，需求刚性且技术门槛高。需选物理+化学+生物。
- 智慧农业/农业工程：AI+农业，国家政策支持且人才稀缺。需选物理+化学+生物。
- 金融科技：AI+金融，但需数学极强且名校背景。需选物理+数学。
- 计算社会学/数字人文：AI+社会科学，培养技术治理和伦理判断能力。需选历史/政治+数学。
第二梯队：高情感附加值专业（稳健选择）
- 临床医学（尤其是精神科、康复医学、老年医学）：AI辅助诊断但无法替代医患互动。需选物化生。
- 心理学（临床与咨询方向）：心理健康需求爆发。需选生物+心理/社会。
-特殊教育：技术替代难度极高，社会价值大。需选生物+心理。
- 运动人体科学/康复治疗：老龄化社会刚需，需实践技能。需选生物+化学。
第三梯队：新质生产力配套（务实选择）
- 新能源科学与工程：光伏、储能、氢能，国家战略方向。需选物理+化学。
- 核工程与核技术：能源安全核心，人才稀缺。需选物理+化学。
- 航空航天工程：高端制造代表，国产替代重点。需选物理+化学。
- 海洋工程与技术：蓝色经济，竞争相对较小。需选物理+化学。
第四梯队：基础学科（长期主义）
- 数学与应用数学：AI时代的"元语言"，转金融、计算机、数据科学都容易。需选物理+数学。
- 物理学：理解技术本质，培养建模能力。需选物理+化学。
- 哲学（尤其是科技伦理、逻辑学方向）：AI治理和伦理审查需求增长。无特定选科要求，但建议选政治+历史。
（三）选科组合的"黄金配置"
理工科方向（建议物理+化学+X）：
- X=生物：医学、生命科学、农业科技方向
-X=地理：智慧城市、环境工程、地理信息科学
- X=政治：科技政策、公共管理、知识产权
人文社科方向（建议历史+政治+X）：
- X=生物：心理学、社会学、人类学
- X=地理：区域经济、城市规划、旅游管理
-X=技术（信息技术/通用技术）：数字人文、新媒体、教育技术
（四）给2026年高考生的具体建议
1. 保专业而非保学校
在AI冲击下，专业比学校更重要。宁愿降低学校层次，也要确保进入有技术壁垒的专业。余向荣指出，"专业与职业的对口率每提高10%，职业发展初期的薪资增幅可达18-22%"。
2. 避免"伪热门"陷阱
- 谨慎选择：传统计算机科学（易被AI替代）、工商管理（供需失衡）、法学（除非顶尖名校）、英语（纯语言技能贬值）。
- 理性看待：电气、电子信息热度持续，但竞争激烈，需评估自身数理能力。
3. 建立"T型能力结构"
无论选择什么专业，都应在大学期间：
- 纵向深耕：掌握本专业的核心技能，达到AI无法替代的深度。
- 横向拓展：学习AI工具使用、数据分析、项目管理等跨领域技能。
- 实践积累：通过实习、竞赛、科研项目建立作品集（portfolio），而非仅依赖学历。
4. 关注"赋能型"技术路径
余向荣建议科技政策应向"赋能人"而非"替代人"倾斜。个人发展也应遵循此原则：选择能够增强人类独特价值（创造力、同理心、复杂判断）的专业，而非单纯追求技术前沿。
5. 预留转型空间
AI技术迭代极快，今天的热门可能四年后过气。应选择基础扎实、转型灵活的专业，如数学、物理、经济学，而非过于细分的应用型专业。同时，做好"终身学习"准备，本科只是起点而非终点。
结语：在脱节中寻找连接
余向荣团队的研报揭示了一个残酷现实：AI驱动的新经济正在创造宏观繁荣与微观困顿并存的"平行世界"。这种"宏观-微观脱节"不是暂时的周期现象，而是技术革命与制度变迁不同步的结构性矛盾。
对于个体而言，破解之道在于：
- 认知升级：理解"图灵陷阱"的存在，避免与AI正面竞争，寻找"人机协作"的甜蜜点。
- 能力重构：从"工具使用者"转变为"意义创造者"，培养AI难以复制的元能力。
- 赛道切换：向"反脆弱"行业迁移，利用政策红利和结构性机会。
- 长期主义：在短期波动中保持定力，投资于人力资本和长期关系。
对于政策制定者，余向荣的三点建议值得重申：避免"图灵陷阱"、筑牢社会保障网络、破解内卷优化劳动市场。只有将技术进步导向"赋能人"而非"替代人"，才能弥合宏观与微观的鸿沟，实现真正的包容性增长。
2026年将是关键转折之年。对于即将参加高考的年轻人，选择不仅关乎个人命运，更是在为未来的社会形态投票。在AI时代，最宝贵的不是知识本身，而是持续学习的能力、人文关怀的温度，以及与技术共舞的智慧。
