宏观专栏
- AI不是泡沫，就业也无大忧——可以两全吗
- 结构性通胀特征凸显——2026年4月物价数据点评
报告认为，4月PPI涨幅超预期，缘于贡献高度集中在能化行业；CPI同比涨幅微升，能源和服务价格抬振、食品价格拖累。本轮生产端价格修复呈现明显结构性分化，上游涨价强度显著高于下游。
专题聚焦
- 历史新高高不高？
报告认为，外部环境、政策与产业层面等多重利好推动A股近期快速修复。往前看，短期防范市场波动率提升，但不改中期稳进趋势，“有底无顶”的慢牛生态重塑进行时。
宏观专栏
AI不是泡沫，就业也无大忧——可以两全吗
近期中美资本市场AI板块同步走强，成为核心主线，呈现上游硬件领涨，下游应用偏弱格局。AI资本开支扩张与估值抬升引发泡沫担忧，关键在于下游应用能否提升生产效率，为资本投入创造可持续回报。AI提升效率的核心路径之一是通过任务自动化替代人力，降低企业成本，但这也会形成就业替代冲击。近期AI从“对话”转向“智能体”落地，强化了市场乐观预期，但加剧了对AI替代人的焦虑。问题是，AI泡沫与群体性失业是否关联？若AI仅停留在资本开支与估值扩张，未能实现人力替代和效率改善，则有泡沫，但不会产生严重失业；反之，若大量劳动力被AI替代，意味着AI深度渗透生产环节、支撑资本回报，则不是泡沫，但带来失业冲击。资本获得预期回报与避免失业成为民生问题，两者似乎不可兼得。AI不仅能替代人，还能通过其他渠道提升效率、促增长、增就业，但二者孰强孰弱？理解AI对就业和经济增长的影响，既是民生研究话题，也是分析AI资产估值的关键维度。
传统宏观经济分析遵循“短期看需求、长期看供给”的基本逻辑。总需求由消费、投资、出口三大动力构成，其短期波动往往较为显著；而决定经济供给能力的劳动力、资本存量与技术进步，通常仅在长期内发生明显变化。在此框架下，市场分析侧重高频跟踪消费、投资、出口的短期波动，学术界则更多关注人口、全要素生产率等趋势性因素。这两类研究长期处于相对割裂状态，难以有效解释现实经济运行所呈现的典型特征。过去几十年房地产和信贷相互促进带来顺周期性，成为主要经济体周期波动重要特征，金融周期使得需求波动超出短期范畴，并通过扭曲经济结构而影响长期供给潜力[1]。
现在AI发展从另一个维度对传统分析框架带来挑战。AI相关资本开支的扩张，支持了三驾马车中的投资，促进短期的需求增长，其对长期供给的贡献是慢变量吗？笔者近期曾在某论坛分享经济研究领域相关文献，探讨AI对未来十年经济增长的影响。随后另一位演讲嘉宾提出，AI的发展进程应以季度、月乃至周为尺度衡量，并认为其对未来经济增长的拉动效应是10-20个百分点，十倍于笔者引用的数据[2]。AI发展确实日新月异，对未来的判断面临很大的不确定性，正因如此，构建分析框架远比给出具体预测数值更重要，本文试图提出一些思考维度。
一、从要素禀赋看机器替代人
机器替代人带来大规模失业的担忧，不是今天才有。自工业革命以来，经济学家一直担心机器替代人。李嘉图在《政治经济学及赋税原理》中讨论了劳动节约型技术的影响，马克思在《资本论》中系统批判了资本主义生产方式下机器对工人的剥削，凯恩斯在《就业、利息和货币通论》中提出“技术性失业”（Technological Unemployment）的表述，即技术进步所导致的失业。随着AI的发展，技术性失业这样的经济学名词成为大众话题。
我们可以从供给与需求两个维度，分析机器使用对就业的影响：在供给层面，机器与劳动力之间存在两种关系：一是替代关系，机器替代现有劳动力，导致就业减少；二是互补关系，机器投入增加会带动就业上升。在需求层面，技术进步带来生产效率提升、生产成本下降，进而推动居民收入与消费需求扩张，即便单位产出的劳动密集度有所降低，总需求扩大仍可带动就业增加。
举例而言，在现有技术条件下，若一人可照看两台机器，当投资增加使机器数量从两台增至四台，则需要两名工人与之匹配，此时互补效应会带动就业增长。若技术进步实现部分环节替代，一人即可照看四台机器，替代效应将导致就业减少。但如果需求扩张推动机器数量进一步增至八台，仍需两名工人，收入效应使就业规模保持不变。
AI的作用机制和以往技术进步的关键差异是“智能”，也就是替代脑力劳动的能力，但机器与人的互动的基础逻辑是一致的。我们可以从三个视角看AI对就业的影响，1）AI替代人，包括数字世界的智能决策者比如智能体和物理世界的智能执行者比如人形机器人；2）AI赋能人，尤其AI带来的新产业和新商业模式创造新的就业机会；3）AI提升整体生产效率，收入增加转化为总需求增长，促进用工需求。
经济学教科书告诉我们，影响分工的一个重要力量是要素禀赋。发达国家资本多，生产资本密集型产品，宏观上体现为资本替代人，发展中国家劳动力多，生产劳动密集型产品，宏观上体现为人替代资本。影响替代效应的关键指标是劳动力与资本的相对价格。完成同样的任务，如果劳动力成本相对资本品（比如人形机器人）价格上升，企业有动力采用自动化替代劳动投入。从微观层面看，核心驱动力是单位产出的成本比较，但脑力替代还在早期阶段，其产出（收益）不容易货币化衡量。
我们可以参照工业机器人的发展规律做些分析：一方面人形机器人与工业机器人具备可比性；另一方面，大模型完成各类认知任务会产生推理成本，即便不涉及实体制造环节，依然存在可变成本。相关测算显示，在中美两大经济体中，工业机器人价格相对制造业平均工资呈持续下行态势[3]，为机器替代人提供了经济激励。
但要素价格变动带来的激励是否必然导致失业增加，仍需区分驱动价格变化的两类力量，二者具有不同的作用机制与因果关系。若劳动力供给减少推高劳动力相对成本，其前提是劳动力短缺，由此引发的机器人替代属于需求驱动型，并不会产生失业问题；若技术进步导致机器成本相对下降，此类替代则属于供给驱动型，带来失业后果。人口老龄化减少劳动力供给，而AI技术进步则降低机器人成本，本轮AI推动的机器替代人在一定程度上可谓恰逢其时，缓解人口老龄化带来的劳动力短缺问题。
从国际视角来看，要素相对价格的国别差异，造成机器替代劳动力的效应不同。中国劳动力成本远低于发达国家，而机器人作为可贸易品，在全球套利机制下价格趋同。在机器人售价相近的前提下，美国等发达国家以机器替代劳动力的经济合理性更强，而中国对应的成本收益比则偏弱，因此美国机器替代人工的内生动力更足。同理可延伸至人工智能时代：中美处于不同发展阶段、产业结构也存在差异，叠加劳动力成本差距，使得AI对脑力劳动的替代冲击，无论在强度和速度层面，美国可能将显著高于中国。
这是否意味着AI在中国的应用一定比美国弱？从现实情况来看，中国是全球最大的工业机器人生产国和应用国。在生产方面，2025年，中国工业机器人产量达到77.3万台，同比增长28%[4]，远高于国际机器人联合会（IFR）预测的2025年全球6%的增速[5]。在应用方面，2024年中国工业机器人新增装机量占全球总装机量的54%；截至2024年底，中国工业机器人累计安装量已超200万台，约为美国的5倍[6]。中国是制造业大国，工业机器人使用数量大不奇怪，但以制造业工业机器人密度（每万名工人拥有的机器人数量）衡量，中国也在2020年超越美国，而且领先差距持续扩大。怎么解释？
一个可能是，虽然中国制造业小时工资仍然远低于美国，但随着人口红利下降，劳动力成本快速上涨，倒逼企业加快自动化布局，机器人的使用更多是弥补人力不足，而非单纯替代低成本劳动力。这实际上是人口老龄化解释的延伸，有一定道理，但或不完整，劳动力成本上升为什么导致更多的机器人使用，而不是制造业外迁以享受其他发展中国家的低成本劳动力？
二、从规模经济看机器赋能人
在要素价格之外，还有一个重要影响因素是规模经济。尽管工业机器人作为可贸易商品在全球标价趋于一致，但中国依托庞大的装机量形成的规模经济、本土完整的服务网络和场景数据优势，让国产机器人在运维成本上拉开了差距：庞大的存量市场摊薄了备件生产、维修服务和软件迭代的成本，密集的服务网络降低了上门调试、故障抢修的时间与费用，海量的应用数据让国产机器人的故障预测、工艺优化更高效，压低了停机损失。规模经济使得中国企业的机器人全周期使用成本显著低于美国同行，即便在劳动力工资相对较低的环境下，自动化投入依然具备合理的成本收益。
在人工智能时代，制造业和数字技术的规模经济结合起来，尤其具身智能和人形机器人成为自动化的新载体。中国的优势不仅在于大规模制造业体系降低机器人的生产成本，也在于数字经济的网络效应提升了机器人应用带来的收益。这一过程中，替代效应与互补效应并存，可以说是熊彼特创新理论所强调的创造性破坏在就业领域的体现。AI提升效率的渠道不止是替代人，还有赋能人。
技术降低个体能力门槛，是技术赋能人的重要体现，改变分工和由此形成的规模经济。经济发展的历史显示，技术进步为技能水平较低的群体创造了就业机会。工业革命前，纺纱、织布、木工等工作都需要长期拜师学艺才能掌握，属于高技能职业；而随着技术进步，岗位技能要求显著下降，未经长期培训的普通劳动者也能进入工厂从事规模化生产。工业经济以企业内部专业化拆分、流水线生产和内部规模经济为核心，高度依赖大型组织与固定岗位分工。
在互联网经济时代，零工经济发展是技术赋能个体的典型体现。在GPS与移动通讯普及之前，高效的出租车司机必须熟悉城市路网，往往需要数月乃至数年的经验积累；而数字技术大幅降低了从业技能门槛，网约车司机、外卖员、快递员、直播销售员等岗位，作为新的职业岗位培训的需要有限。这背后有平台企业的网络效应，同一劳动者借助数字平台可服务更多人群，对中国这样的城市人口规模大、密度高的大型经济体，更容易实现规模经济。
人工智能时代，AI降低认知能力门槛与跨领域协作成本，推动社会分工向任务化、弹性化、生态化转型，强化了传统固定雇佣职业转向零工化的趋势。以“一人公司”为典型新业态，个体可依托平台、云服务及智能工具共享外部规模经济，通过多元经营形成范围经济。新型分工打破固定岗位的重复劳作，转向以个体为核心的动态按需组合，相较传统工业分工具备更高效率与灵活性。
分工形态的深层变革，对就业结构与劳动价值分配有重要含义。就业结构的变化已经呈现一些早期迹象。AI降低知识检索、信息整合成本，打破传统脑力中间层依靠信息差建立的职业壁垒，挤压相关专业服务行业的就业与收益。市场需求转向概念建构、创意产出、资源统筹、专家网络调度等高阶能力。整体劳动价值呈现中层脑力贬值、顶层创意统筹增值、一线实操技能保值的结构性分化。
综上可见，机器兼具替代人与赋能人双重属性，带来部分群体受益、部分群体受损的分化格局。其背后同时存在要素价格和规模经济两种作用机制，但主流观点多聚焦要素价格引发的替代效应，而对规模经济产生的互补效应重视不够。宏观层面能否引发大规模失业并无定论，在替代与互补效应外，还需结合总量收入效应，后者取决于AI对整体经济增长的拉动作用。
三、人工智能时代的经济增长
技术背景与经济学背景的研究者，对AI驱动经济增长的乐观程度存在明显差异。两类群体内部也存在观点分歧，但整体上呈现技术界偏乐观、经济学界偏谨慎的特征。极端乐观的技术派甚至预测世界生产总值（GWP）的年增长率可能超过20%[7]。哪一派更站得住脚？技术派对技术理解深刻，善于捕捉前沿最新变化，但容易陷入局部均衡分析的限制；经济学视角更多是一般均衡分析，考虑到经济系统内的互动，但理解技术进步存在时滞。经济学更强调历史经验、增长核算约束与现实制度摩擦。
增长核算普遍采用任务模型（task-based）法,把各类工作拆解为细分任务，识别可被AI替代的环节,再依托企业数据与对照实验测算效率提升幅度，结合对应行业经济权重，加总局部效应后得到整体贡献。2024年经济学诺奖得主Acemoglu采用任务模型法，预判未来十年AI每年仅提升经济增速0.07个百分点[8]，2025年经济学诺奖得主Aghion利用任务法的测算是0.68个百分点，其参照电力与IT革命历史外推的结果是0.8-1.3个百分点[9]。中金研究院2024年《AI经济学》报告采用元任务（meta-task）模型法，测算未来10年AI可使中国GDP年增长率提升0.8个百分点。元任务是从具体工作里抽象提炼出的跨行业、跨职业、通用基础能力单元，更适配大模型、AI智能体的能力特征。
理论上讲，元任务分析法可以覆盖AI替代、人机互补、新增任务等不同类型任务，但宏观与行业实际量化测算中，标准化存量元任务的替代效应易量化、有就业和工时成本数据支撑；而人机互补、新增任务等效应，难以建模赋值且缺少基准参数。这使得现实中的实证估算，容易被简化为AI仅替代人类常规劳动的单一逻辑，或者说其他维度增长渠道的测算面临很大的不确定性。
显然，经济学界内部分歧较大，但关键并非具体数值，而是其背后的作用机制与约束条件。针对元任务分析方法存在的实操局限，也不能直接认定该框架下的增长估算必然低估AI的作用，我们可从AI对劳动力的替代、赋能，以及促进技术创新三个维度看这个问题。
第一，如果AI以赋能劳动力为主，即AI资本与劳动力形成互补关系，那么AI带来的效率提升必须依托劳动力才能转化为实际产出。AI对经济增长的拉动空间将受制于劳动力供给规模。包括中国在内的主要经济体面临人口老龄化、劳动年龄人口持续下降的问题，劳动力数量长期收缩，会限制AI与人协同发挥作用的空间，从而约束AI拉动经济增长的潜力。
第二，如果AI的作用主要是替代劳动力，相当于扩大了社会有效劳动供给，有助于弥补老龄化带来的劳动力缺口，对增长的拉动空间更大，这对中国这样的人口收缩型社会更为重要。但如果被替代劳动者无法快速再就业，失业使得部分劳动力供给闲置，则削弱AI对经济增长的拉动效果。
第三，如果AI的作用主要是提升研发效率、加速全社会技术创新，那么其增长效应的约束不再来自劳动力市场，而是取决于整个经济的创新效率。新技术、新模式、新业态带来新型规模经济与范围经济，这一逻辑对大型经济体尤为适用，关键还是AI推广与渗透的速度有多快。
历史经验表明，通用目的技术向经济领域渗透需要较长周期，例如电力从发明到全面普及就历经数十年。人工智能技术及应用模式的推广似乎更快，但也面临一些堵点，从而延缓整体进程。堵点的作用体现在几个方面。
一是规模不经济。比如模型要素投入存在规模报酬递减特征（所谓规模定律），算法改善可以缓解这个约束但不能消除[10]。又比如应用层面的物理瓶颈，AI与实体场景适配的投入产出比不具备经济可行性，制约具身智能发展。就AI应用而言，其和互联网平台经济的一个重要差别是，大模型推理等可变成本无法趋近于零，而传统互联网服务边际成本可以近乎归零。
二是要素投入本身面临规模障碍，比如高质量数据供给不足、流通不畅，或者电力供应短缺。针对电力供应这一瓶颈，清洁能源虽具有规模经济效应，叠加市场竞争可推动电价下降，中国处于有利地位，但地缘竞争与贸易保护主义可能制约其对全球的溢出效应。
三是制度治理与地缘政治可能产生反规模经济效应：一方面，医疗、金融等高可靠性领域对精准度、稳定性和安全性要求严苛，相关监管规则与责任界定机制形成制度约束，限制AI规模化商用；另一方面，地缘竞争阻碍AI大模型的跨国规模化应用。
四是AI规模化应用产生负外部性：AI大模型显著降低知识获取成本，但也导致深度造假泛滥，影响信息可信度；同时，AI大模型冲击知识产权保护，削弱市场主体的创新动力，尤其是AI多集中于优化现有技术，可能不利于未来基础性突破。更为严峻的是，AI在军事领域的应用潜藏重大风险。无人机与作战机器人一旦被赋予自主决策能力，可在无人干预的情况下实施自主杀伤，这一隐患已引发广泛担忧。
应对上述挑战，需构建适度监管机制并加强国际治理协同。但在地缘政治博弈背景下，AI开发者与各国政府多优先追求竞争优势，治理问题常被边缘化。人类发展的历史显示，制度变革与治理完善往往由危机驱动：工业经济在规模效应提升生活水平的同时，其环境污染等负外部性直至引发突出问题后才迎来政策干预；现代金融提高资源配置效率，针对负外部性的监管也是在多次金融危机后逐步改进的。
四、科技向善：健全社会保障体系、改善收入分配
人工智能作为通用目的技术，拥有拉动经济增长、改善民生的巨大潜力，但其发展落地与经济渗透受经济、社会伦理、全球治理等多重因素制约，属于系统性工程。相关分析同样需要秉持系统思维，既要关注AI对社会总供给的提升作用，也要重视供给端与需求端的匹配关系。若AI替代效应引发大规模失业，即便生产效率有所提高，也会造成总需求缺口，削弱其对经济增长的正向拉动作用。
从历史经验看，技术进步并不会造成长期大规模失业，背后依托市场调节机制和公共政策的共同作用。首先，技术进步提升各行业劳动生产率的步调并不一致，有快有慢；由于单类商品的消费需求存在上限，比如一般而言，一个人不会用几辆车，生产率提升较快的行业会析出富余劳动力，并向生产率偏低、需求尚未饱和的领域转移配置。这一逻辑与AI落地应用的现实约束内在一致：堵点使得技术进步不产生大规模失业，但也意味着整体生产效率的提升速度受限。
其次，工资变动可以调节劳动力市场的供求平衡，难以发生持续的劳动力短缺或者大规模失业。机器替代人带来工资下降压力，工资下降减少机器成本相对人工的吸引力，存在一个自我稳定的机制。如果受政策、社会等多重因素影响，工资难以向下调整，不平衡可能更多会体现在失业上升。劳动替代与劳动者工资下降对资本的收益有利，但收入差距扩大导致消费需求疲弱，就会在总量层面降低对劳动者的需求，同时资本回报也会受到冲击。
人工智能带来的深层影响，最终将集中体现于收入分配格局，本质上属于政治经济学议题。工业革命以来，技术进步未引发持续性大规模失业，关键在于财税制度变革，尤其社会保障体系的不断完善，有效调节了收入分配、收敛贫富差距。进入人工智能时代，科技向善有多维度，对我国而言，当前的核心落点在于健全社会保障体系，重点补齐农村居民在养老、医疗、生育、养育、教育等领域的保障，以及构建适配零工经济的制度体系，包括法律界定、权益保障、职业发展、算法治理、民生配套等。
原文请见：《中金：AI不是泡沫，就业也无大忧——可以两全吗》
宏观专栏
结构性通胀特征凸显——2026年4月物价数据点评
4月PPI环比上涨1.7%，同比涨幅从上月的0.5%扩大至2.8%，PPI涨幅超预期，主要缘于价格涨幅高度集中于能源化工产业链。4月CPI环比上涨0.3%，强于季节性，CPI同比涨幅也从上月的1.0%回升至1.2%，主要受能源价格和假期出行需求提振的影响。往前看，我们认为，在美伊谈判持续拉锯背景下，国际油价大概率维持高位震荡，油价冲击的价格传导存在时滞，预计未来两月PPI和CPI同比仍有上行空间。但本轮生产端价格修复呈现明显结构性分化，上游涨价强度显著高于下游。在终端消费需求偏弱的环境下，输入性成本推升型通胀，或将持续对中下游行业盈利形成压制。
1.PPI涨幅超预期，缘于贡献高度集中在能化行业
4月PPI同比涨幅从上月的0.5%扩大至2.8%，PPI环比上涨1.7%，也较上月的1.0%进一步扩大，PPI环比明显超过基于PMI出厂价格和原材料指数预测的结果[11]。我们认为，这或与PPI涨幅贡献高度集中在少数行业有关。从历史经验来看，当采矿和上游制造PPI环比贡献较高时，更可能出现基于PMI价格指数估算的PPI环比预测值与实际值偏差较大的情况。这是因为PMI价格指数本质上是扩散指标，侧重反映价格涨跌分布的“广度”，而当少数行业PPI环比上涨幅度较大时，即“强度”较高时，基于PMI对PPI环比的预测误差往往会有所放大。
本次PPI超预期，一个重要原因是涨幅高度集中在能化链。4月油气开采业、石油煤炭加工业、化学原料及制品业、化学纤维制造业、橡胶塑料制品业PPI分别环比上涨18.5%、16.4%、8.3%、5.6%和1.7%。我们测算，这五大能源化工相关行业合计拉动4月PPI环比1.7%中的1.5ppt。
此外，AI和煤炭需求回暖也成为PPI改善的推动力量。一方面，AI算力需求高增、产业电气化进程提速，带动光纤制造价格环比大涨22.5%，外存储设备及部件价格上涨3.2%[12]，有色金属采矿业和冶炼压延加工业价格上涨3.0%和0.2%；另一方面，在能源冲击引致的替代性需求下，电煤补库存需求有所释放，叠加化工、冶金等非电用煤需求增加，煤炭开采和洗选业价格也环比上涨1.9%。电子通信设备制造、有色金属采矿和加工业、煤炭采选业贡献PPI环比的0.1ppt。
而其他30个行业对PPI环比的贡献仅约0.1ppt，PPI上涨的结构性特征明显。4月PPI生产资料与生活资料同比剪刀差从上月的2.3ppt进一步走阔至4.8ppt。面临着高油价带来的成本冲击，在需求偏弱下，部分中下游的顺价能力较弱，4月非金属矿物制品业、电力热力生产和供应业等行业PPI同比跌幅在走阔，或明显挤压其利润空间。
2.CPI同比涨幅微升，能源和服务价格抬振、食品价格拖累
4月CPI同比上涨1.2%，涨幅比上月扩大0.2ppt，主要受能源价格和假期出行等服务价格提振的影响。我们估算，相较上月，汽油、服务价格分别边际贡献CPI同比上行0.45ppt、0.23ppt，而食品价格依然偏弱，边际拖累CPI同比回落0.33ppt。4月CPI环比上涨0.3%，强于十年同期均值的-0.04%。
►能源价格贡献较多。受国际油价高位震荡的影响，国内成品油月度均价中枢较上月明显抬升，4月汽油价格环比上涨12.6%，加之低基数影响，汽油价格同比涨幅由上月的3.8%扩大至19.3%，贡献CPI同比上涨约0.56ppt[13]，相较上月提升了0.45ppt[14]，是CPI同比回升的主要拉动因素。
►食品价格同比由涨转降（从上月的上涨0.3%转为下降1.6%）形成拖累。猪肉方面，按能繁母猪存栏和仔猪存栏时间推算，4月是供应压力较大时点，猪肉价格环比下降5.7%（vs.十年同期均值的-3.4%），同比跌幅由上月的11.5%进一步走阔至15.2%。鲜菜方面，受气温回暖、市场供应充足以及节后消费淡季影响，鲜菜价格环比下降6.4%（vs.十年同期均值的-5.4%），同比由上月的上涨4.9%转为下降0.5%。鲜果方面，市场供应增加而需求偏弱，鲜果价格环比下降2.3%（vs.十年同期均值的-0.2%），同比也由上月的上涨4.0%转为下降1.0%。我们测算表明，猪肉、鲜菜和鲜果价格分别边际拖累CPI同比下行0.07、0.10和0.10ppt。
►核心CPI同比由上月的1.0%回升至1.1%，假期出行服务需求增加提供了重要支撑。服务方面，受清明和“五一”等假期因素带动，相关出行服务需求增加，4月出行服务价格同比上涨3.7%，影响CPI同比上涨约0.13个百分点，医疗服务和教育服务价格也分别同比上涨3.4%和0.5%，推动服务价格同比涨幅由上月的0.8%扩大至0.9%。以旧换新品类方面，家用器具价格同比上涨2.6%，较上月回升0.2ppt，通信工具价格同比涨幅由上月的2.6%扩大至4.2%，或与AI算力需求带动的存储设备价格上涨有关，而交通工具价格同比下降1.2%，较上月回落0.1ppt；国际金价自高位震荡下行，国内黄金饰品价格同比涨幅由上月的65.8%回落至46.9%。我们的测算表明，服务和以旧换新价格或分别边际贡献核心CPI同比上涨0.06、0.05ppt，而黄金饰品价格则边际拖累核心CPI同比下降0.08ppt。
3.关注高油价对不同行业冲击的差异性和时滞性
向前看，我们认为，在美伊谈判反复拉锯下，国际油价短期内或依然维持高位震荡，高油价冲击的传导压力逐渐释放，PPI和CPI同比在未来两月或将进一步走高，PPI同比拐点将视海峡开放而定。同时需关注高油价对不同行业冲击的差异性和时滞性，在终端消费需求偏弱下，输入性的成本推升型通胀给中下游行业利润带来的不利影响或将进一步显现。
原文请见：《中金：结构性通胀特征凸显——2026年4月物价数据点评》
专题聚焦
全A指数和创业板指今日均创下历史新高，A股“924行情”已延续近两年时间。近期A股市场表现较为强势，今日万得全A及创业板指均创下历史新高。今年3月24日阶段性低点至今，万得全A/上证指数分别上涨17.1%/11.3%，成长风格表现占优，创业板指/科创50/科创创业50分别上涨24.8%/40.3%/36.7%。行业层面，多数行业上涨，通信及电子表现占优，累计上涨超45%。更长时间维度，自2024年9月我们认为A股市场见“拐点”并发布报告《A股见“大底”了吗？》以来，上证指数近两年时间已累计上涨57%，万得全A上涨88%，偏成长风格的科创创业50上涨199%。
多重利好推动A股近期快速修复。我们认为近期市场A股强势表现受到多方面因素支撑：1）外部环境上，伊朗局势显现和缓，尾部风险下降带来全球风险偏好改善。近期应中国国家主席习近平邀请，美国总统特朗普于13日至15日对中国进行国事访问[15]，中美元首北京会晤，两国关系再迎重要时刻。2）政策方面，4月底中央政治局会议强调“稳定和增强资本市场信心”，会议定调积极，提振投资者信心[16]。3）产业层面，科技成长相关行业持续突破，AI大模型技术持续迭代，AI Agent应用普及，加快用户对AI Agent的认知普及，也让市场看到AI产业链打通商业闭环，并实质性兑现业绩的可能性。与此同时，AI巨头持续扩张资本开支加大算力投入，全球半导体周期在高位进一步加速，景气交易重回主导，海外AI产业链大涨对国内形成较强映射。4）盈利层面，上市公司年报及一季报披露，2025年全年A股盈利实现正增长，1Q26 非金融盈利增速显著提升，上游能源原材料、TMT等领域结构亮点突出，A股盈利改善趋势得到进一步验证。5）资金层面，股票市场资金面保持活跃，与指数表现形成正反馈。
历史新高高不高？短期防范市场波动率提升，但不改中期稳进趋势，“有底无顶”的慢牛生态重塑进行时。全A指数创下历史新高后，不排除投资者超短期对后市分歧加大及可能的获利了结压力抬升。且从交易情况来看，五一小长假至今，A股单日成交额再度持续回升至3万亿元以上，5月11日A股单日成交额3.56万亿元，以自由流通市值计算的周度日均换手率重新上升至5%。我们在去年12月发布的《如何构建“稳市”监测体系？》中指出，历史经验显示，以自由流通市值为基准的换手率超过5%往往代表投资者情绪阶段性偏热，短期易带来市场波动率提升，过去一年较典型的时段如去年8月底及今年1月中上旬，当换手率升至5%之后市场均显现短期的震荡波动，但并不改变中期趋势。短期外部继续关注特朗普访华以及中美关系重要进展，中金策略团队在去年发布的《中美经贸关系新阶段意味着什么？》提出，当前中美经贸关系进入新阶段，多维度进入竞争相持阶段；二季度新任美联储主席上任后对全球短期交易预期也或带来影响。国内方面，当前处于上市公司业绩真空期，7-8月关注中报层面的基本面印证。中期视角下，我们坚定看好A股市场延续震荡上行趋势，当前A股市场整体估值仍处于合理水平。中金策略团队去年发布的《牛市成因之辩》中指出，国际秩序重构与我国产业创新趋势共振是推动本轮市场上涨、中国资产重估的核心驱动力，我们认为，当前这两大条件未发生动摇，将继续支持中国资产表现。中金策略团队在年初发布的《“有底无顶”的慢牛如何形成？——新秩序，新动能，新生态》中认为，随着宏观范式转变与资本市场制度改革推进，A股底层环境已从量变引发质变：国际货币秩序重构带来“新秩序”，全球资金再配置为A股注入外部动力；经济转型与新质生产力崛起形成“新动能”，盈利稳定性与可持续性显著提升；投融资改革、“稳市”机制与中长期资金入市构建“新生态”，市场韧性与吸引力持续增强，比以往更具备形成“有底无顶”慢牛的条件，924以来A股市场稳进行情有望延续。长期、稳进的市场更依托以基本面改善推动指数前行而非单纯估值拉升，也有利于持续吸引增量资金尤其中长期资金入市，形成良性循环，更有助于A股市场中长期健康发展。
原文请见：《中金：历史新高高不高？》
专题聚焦
4月全球市场反弹，科技叙事引领下，日韩股市和纳斯达克领涨，流动性缓解带动美元回落，人民币表现强势，黄金偏弱。具体来看，半导体和AI暴露度较高的日韩股市和纳斯达克领涨，其中韩国Kospi指数单月上涨31%，日经225上涨16.1%，纳斯达克上涨15.3%。A股表现好于欧洲和其他新兴市场。沪深300上涨8%，德国Dax和英国FT 100分别上涨7.1%和2%，印度Sensex和巴西IBOV分别上涨6.9%和下跌0.1%。市场风格回归大盘成长，MSCI全球大盘和成长指数分别上涨10.3%和12.8%，小盘和价值指数分别上涨9.5%和7.5%。10年期美债收益率上行10bps收于4.4%，美元指数下行1.9%收于98.1。黄金仍然延续跌势小幅下跌1.1%收于4618美元/盎司。
地缘风险定价消退，科技板块领涨，AI仍是交易主线。一方面，3月压制市场的地缘风险缓和，带动市场反弹，此前领涨/领跌的资产转为领跌/领涨。显示地缘扰动对资产影响更多集中在情绪和流动性层面，一旦压制市场的因素缓和，主要资产价格大体按原路径修复。另一方面，市场重回景气交易，AI仍是市场交易主线。自3月末全球股市反弹以来，能源对外依赖度较大的日韩股市领涨，显示科技行情主导下，市场对地缘风险带来的能源担忧暂时消退。美国Mag 7指数和中国人工智能板块3月末以来再度跑赢大盘，在中美日韩市场，科技板块均领涨。此外，在中美日韩市场中，工业板块同样表现靠前，显示市场开始对以制造业实力为代表的安全资产重定价（《宏观探市4月报：寻找安全资产》）。
AI行情自2025Q4回调之后再度卷土重来。一个核心问题是，自2023年以来引领市场的AI主题行情还能持续多久？判断AI行情走势应该关注哪个指标？我们试图从历史中寻找答案。复盘二战以来美国两轮重要的技术革命（半导体和通信互联网）带来的投资机遇，资本开支（Capex）是指示行情进程的有效指标。虽然当前市场对大型科技公司的Capex可持续性存在担忧，但目前AI领域的Capex仍然处于高速增长阶段，显示AI主题行情在未来几个季度有望持续。
首先是上世纪70年代的半导体信息技术革命。德州仪器的Jack Kilby和仙童半导体的 Robert Noyce分别在1958年和1959年独立发明了集成电路。1968年，Robert Noyce和Gordon Moore共同创办了英特尔，1971年发布第一款商用微处理器4004，公司于同年上市。1972年英特尔发布了第二代微处理器8008，带动计算机软硬件行业开始快速发展，其后苹果和IBM陆续推出个人电脑。半导体技术发展带动相关投资快速增加，1968年信息技术投资仅占设备投资的7%，但随着微处理器的普及，这一比例到1998年上升至56%。半导体投资增加带动以英特尔为代表的相关股票价格上涨。1973年至1980年，英特尔股价上涨超过10倍。直至80年代美日半导体行业摩擦加剧，美国半导体投资增速下滑，英特尔股价在80年代后开始同步回落。
其次是上世纪90年代的通信和互联网技术革命。1991年世界首个万维网网站出现。1993年首款图形页面浏览器Mosaic出现，其创始人Marc Andreessen随后创办网景公司并于1995年上市[17]，成为互联网资产泡沫的开端。1996年美国通过《电信法案》，标志着大规模光纤网络和无线通信设备的投资浪潮[18]。互联网服务器数量从1995年的23000台大幅提升至2001年3千万台。计算机、通信和软件相关的IT实际投资在1995年至2000年之间平均年增速达到了24%，拉高GDP增速约0.75个百分点[19]。通信和互联网投资浪潮推动以思科为代表的相关公司股价快速上涨。自1995Q1至2000Q1，思科股价上涨近40倍，同期纳斯达克指数上涨近6倍。2000年Q1通信设备环比增速见顶，同时美股达到泡沫顶点，纳斯达克PE估值接近70倍，思科PE估值近110倍。此后，纳斯达克和思科股价随着通信设备投资增速下滑而同步回落。
从历史上技术进步的经验看，资本开支是判断股市行情进程的有效指标。逻辑上，资本开支是企业运营的长久期决策。在技术大变革时期，微观上，更高的资本开支更可能意味着更领先的产品和更大的市场份额，而当预期长期盈利堪忧或选择退出竞争时便会减少资本开支投入；宏观上，更高的资本开支意味着新兴技术产品迭代仍在加速，当技术发展遇到平台期或者资本开支的边际回报下降时，资本开支整体增速回落。换句话说，在技术大变革期间，资本开支是企业未来长期盈利预期的显性选择，只要科技企业的资本开支仍能维持高速增长，就意味着企业对未来增长有信心。即使从后视镜来看，技术进步末期资本开支有一定的盲目性，但仍能对市场信心形成支撑，进而支撑股价。
目前AI资本开支增速仍处于高位，需求侧旺盛仍将对AI投资形成支撑。同时，与互联网泡沫时期相比，目前AI行情涨幅或还未到达峰值，且本轮标志性公司的股价上涨更多由盈利驱动而非估值，上涨更为健康。
目前美国通信、计算机设备和软件、数据中心投资快速增长。特别是计算机设备和数据中心，前者从2023年的1500亿美元左右上升至目前的超过3000亿美元，后者从2023年的100亿美元上升至目前的近300亿美元。目前AI相关投资占GDP的比重接近6%。与通信互联网时期的资本开支相比，整体来看，目前AI投资节奏并不算快。分别以1995Q1和2022Q4作为两轮技术进步的起点，1998年通信互联网投资增加约60%，而目前AI投资增加约40%。但具体到子类别，目前计算机设备和数据中心的投资增速要快于当时通信设备和通信设施的投资增速。根据2026Q1财报指引，Alphabet，Amazon，Meta和Microsoft四家公司2026年资本开支将达到7250亿美元，较2025年的4100亿美元大幅上升77%[20]。AI资本开支快速增长带动以英伟达为代表的相关股价。2022Q4以来，英伟达股价累计上涨超过12倍。目前AI需求仍然旺盛，根据美国统计局调查数据，2023年以来，使用AI的企业占比从3.7%上升至10%，而预计将使用AI的企业占比从6.3%上升至14%。特别是今年2月份以来，OpenAI和Anthropic分别推出了面向企业用户的Agent平台，使AI商业模式逐步完善，并进一步带动硬件需求。
此外，本轮AI行情相比互联网泡沫时期，或尚未达到顶峰。一方面，从股市整体来看，自1995Q1至2000Q1的泡沫顶点，纳斯达克上涨超过6倍，而自2022Q4至今，纳斯达克上涨2倍左右，走势与1995至1998年纳斯达克走势较一致。两轮行情纳斯达克的整体估值走势也较为一致。另一方面，从标志性公司来看，1995Q1至2000Q1思科股价上涨逾40倍，其中估值上涨近6倍。而本轮AI行情中，英伟达自2022Q4至今上涨12倍，超过同期思科的7倍涨幅。但英伟达的上涨几乎是靠盈利驱动，其估值反而从2022Q4的40倍下降至目前的20倍。整体来看，与互联网泡沫时期相比，本轮AI行情走势尚属温和，且标志性公司的表现更为健康。
对本轮AI行情而言，目前虽然市场对AI资本开支的持续性有所担忧，但包括Alphabet，Amazon，Meta和Microsoft等在内的主要AI公司2026Q1财报均超市场预期。资本开支不停，意味着企业仍向市场传递积极信号，或表示本轮AI行情短期仍未结束。一个潜在风险是，随着AI投资加码，AI企业的资本开支已超过自由现金流，意味着AI投资将更多依赖举债支撑，对融资成本将更加敏感。若由于外部冲击导致中长端利率大幅上行，AI行情出现阶段性回调的风险可能加剧。
原文请见：《中金 | 宏观探市5月报：资本开支视角下的AI行情》
[1]参考彭文生（2017），《渐行渐近的金融周期》，中信出版社，2017年6月。
[2]这种说法符合一些文献提供的数据，参考Andrei Potlogea and Anson Ho (2025), “AI and explosive growth redux”, June 2025.
[3]https://research.ark-invest.com/hubfs/1_Download_Files_ARK-Invest/White_Papers/Big%20Ideas%202020-Final_011020.pdf；BLS，国家统计局，MIR
[4]https://www.stats.gov.cn/sj/zxfbhjd/202602/t20260228_1962662.html
[5]https://ifr.org/ifr-press-releases/news/global-robot-demand-in-factories-doubles-over-10-years
[6]https://ifr.org/downloads/press_docs/PressConference2025_presentation.pdf
[7]Andrei Potlogea and Anson Ho (2025), “AI and explosive growth redux”, June 2025.
[8]Acemoglu, D., & Restrepo, P. (2024). AI and Economic Growth. NBER Working Paper.
[9]Philippe Aghion and Simon Bunel (2024), “AI and Growth”: Where Do We Stand”, Federal Reserve Bank of San Francisco Working Paper, June 2024.
[10]参考 彭文生、谢超、周子彭（2025），“从规模经济看DeepSeek对创新发展的启示”，2025年2月27日。
[11]https://www.research.cicc.com/s/12WFL4
[12]https://www.stats.gov.cn/sj/zxfbhjd/202605/t20260511_1963657.html
[13]https://www.stats.gov.cn/sj/zxfbhjd/202605/t20260511_1963657.html
[14]https://www.stats.gov.cn/sj/sjjd/202604/t20260410_1963265.html
[15]https://www.gov.cn/yaowen/liebiao/202605/content_7068326.htm
[16]https://www.gov.cn/yaowen/liebiao/202604/content_7067187.htm
[17]Lubos Pasto and Pietro Veronesi (2009), Technological revolutions and stock prices, American Economic Review
[18]John O'Trakoun (2025), Seeing Double: An AI Bubble?, Federal Reserve Bank of Richmond Macro Minute
[19]Mark Doms (2004), The Boom and Bust in Information Technology Investment, FRBSF Economic Review
[20]https://www.ft.com/content/2138e81c-4d86-46f4-8ca0-287f8b737cdf?sharetype=blocked&syn-25a6b1a6=1
作者信息
本文摘自：
2026年5月11日中金研究院已发布的《AI不是泡沫，就业也无大忧——可以两全吗》
彭文生 分析员 SAC 执业证书编号：S0080520060001 SFC CE Ref：ARI892
2026年5月12日中金公司研究部已发布的《结构性通胀特征凸显——2026年4月物价数据点评》
黄文静 分析员 SAC 执业证书编号：S0080520080004 SFC CE Ref：BRG436
潘治东 联系人 SAC 执业证书编号：S0080124080025
张文朗 分析员 SAC 执业证书编号：S0080520080009 SFC CE Ref：BFE988
2026年5月13日中金公司研究部已发布的《历史新高高不高？》
李求索 分析员 SAC 执业证书编号：S0080513070004 SFC CE Ref：BDO991
黄凯松 分析员 SAC 执业证书编号：S0080521070010 SFC CE Ref：BRQ876
刘欣懿 分析员 SAC 执业证书编号：S0080525060006
2026年5月12日中金公司研究部已发布的《5月报：资本开支视角下的AI行情》
于文博 分析员 SAC 执业证书编号：S0080523120009
张峻栋 分析员 SAC 执业证书编号：S0080522110001 SFC CE Ref：BRY570
张文朗 分析员 SAC 执业证书编号：S0080520080009 SFC CE Ref：BFE988
法律声明
向上滑动参见完整法律声明
本公众号不是中国国际金融股份有限公司（下称“中金公司”）研究报告的发布平台。本公众号仅是转发、摘编中金公司研究院或其他专业人士/机构撰写制作的相关研究成果的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的信息、观点、判断等内容产生理解上的歧义。订阅者如使用本资料，须寻求专业顾问的指导及解读。
订阅本公众号不构成任何合同或承诺的基础，中金公司不因任何单纯订阅本公众号的行为而将订阅人视为中金公司的客户。
本公众号所载信息、意见不构成对买卖任何证券或其他金融工具的出价或征价或提供任何投资决策建议的服务。该等信息、意见在任何时候均不构成对任何人的具有针对性的、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出决策并自行承担风险。
中金公司对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。对依据或者使用本公众号所载资料所造成的任何后果，中金公司及/或其关联机构、关联人员均不承担任何形式的责任。
本公众号相关资料所载意见、评估及预测仅为该资料出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。在不同时期，中金公司研究部可能会发出与本资料所载意见、评估及预测不一致的研究报告。中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本资料意见不一致的市场评论和/或观点。本公众号可能会转发、摘编其他专业人士/或机构撰写制作的相关研究成果，相关研究观点仅代表其本人/该机构的分析判断，不代表中金公司的观点，中金公司对其中的信息及其观点不做任何形式的确认或保证。
本订阅号是由中金研究院建立并维护的官方订阅号。除非另有说明，本订阅号中所有资料的版权均为中金公司所有。未经书面许可任何机构和个人不得以任何形式转发、转载、翻版、复制、刊登、发表、修改、仿制或引用本订阅号中的内容。
