《NIFD季報：探尋新質生產力：人工智能-2024Q1中國宏觀金融報告（16頁）.pdf》由會員分享，可在線閱讀，更多相關《NIFD季報：探尋新質生產力：人工智能-2024Q1中國宏觀金融報告（16頁）.pdf（16頁珍藏版）》請在三個皮匠報告上搜索。

1、2022 年 4 月中國宏觀金融NIFD季報主編:李揚殷劍峰張旸2024 年 5 月 NIFD 季報是國家金融與發展實驗室主要的集體研究成果之一，旨在定期、系統、全面跟蹤全球金融市場、人民幣匯率、國內宏觀經濟、中國宏觀金融、國家資產負債表、財政運行、金融監管、債券市場、股票市場、房地產金融、保險業運行、機構投資者的資產管理等領域的動態，并對各領域的金融風險狀況進行評估。NIFD 季報由三個季度報告和一個年度報告構成。NIFD 季度報告于各季度結束后的第二個月發布，并在實驗室微信公眾號和官方網站同時推出；NIFD 年度報告于下一年度 2 月份發布。I 探尋新質生產力：人工智能 摘摘 要要 當前國

2、內經濟復蘇呈現“供強需弱”的態勢，供給側景氣基本全面恢復，而需求側卻面臨出口和房地產的雙重拖累，導致通貨緊縮和信用緊縮并存。其根本原因，在于經濟周期的房地產屬性（背后的人口負增長態勢）沒有根本改變。自 2023 年以來，國內經濟的“體感溫度”之低，實為過去四十余年以來少有。預計今年 5%的 GDP 增長目標基本能夠實現，但 3%的 CPI 增長目標可能會面臨一定挑戰。今年政府工作報告將“加快發展新質生產力”列為首要任務，并提出開展“AI+”行動。那么 AI 對宏觀經濟的沖擊幾何？這主要取決于技術（資本）的性質。如果是勞動替代型，那么資本邊際報酬 MPK 將隨技術進步不斷上升，同時伴隨著收入分配

3、惡化、行業壟斷加劇。如果是勞動互補型，則資本邊際報酬 MPK 趨于下降，收入分配趨于改善，行業競爭將更加激烈。筆者團隊經過初步研究發現，以認知職能為主且薪酬較高的崗位和行業，往往更容易受到 AI 的替代，而以體力勞動為主且薪酬偏低的崗位和行業，則相對較難被 AI 替代。當前經濟發展面臨的主要矛盾之一，是過多的金融資源投向了效率相對較低行業，如金融房地產建筑業和基礎設施，城投投資是主要原因。展望未來，隨著房地產行業向新發展模式轉型，相關土地、金融等領域的底層投資邏輯將逐漸重塑，消費者服務業、公共服務業和生產者服務業等將成為產業結構調整的重點方向，為經濟高質量發展注入新動能。本報告負責人：本報告負

4、責人：殷劍峰 本報告執筆人：本報告執筆人：殷劍峰 國家金融與發展實驗室副主任 張旸 【NIFD 季報季報】全球金融市場 人民幣匯率 國內宏觀經濟 宏觀杠桿率 中國宏觀金融中國宏觀金融 中國金融監管 中國財政運行 地方區域財政 房地產金融 債券市場 股票市場 保險業運行 機構投資者的資產管理 目 錄 一、近期形勢：為什么體感溫度低？.1 二、探尋新質生產力：人工智能+，但影響高度不確定.5 三、金融資源錯配.10 1 一、近期形勢：為什么體感溫度低？當前當前國內國內經濟復蘇經濟復蘇呈現呈現“供強需弱供強需弱”的的態勢態勢。從供給側來看，PMI 景氣度基本全面恢復（圖 1），3 月份小型制造業企業

5、 PMI 首次回升到榮枯線上，高技術制造業 PMI 尤為強勁，非制造業 PMI 繼續保持回升態勢。然而，從需求側來看，外循環尚不夠穩固“（圖 2），3 月份出口同比下跌 11.38%。按區域來看，“一帶一路”支撐有所減弱，我國對亞洲、非洲、歐洲的出口均出現同比下降。按商品類別來看，除少數商品（如電動汽車）外，多數商品出口均為負增長。同時，內循環仍受到房地產市場的拖累（圖 3），3 月份房地產投資與銷售額繼續萎縮，行業仍處于深度調整期。盡管消費數據看起來良好，春節和清明節的旅游人數、旅游收入和人均旅游收入全面超過疫情前 2019 年同期水平（圖 4）。但是，消費意愿指數（該指數為殷劍峰團隊獨創，

6、圖 5）自 2022 年 1 月份起便一直處于負值區間，今年 2、3 月份更是進一步下滑，反映消費者的實際消費意愿可能并不那般樂觀。圖圖 1 中國制造業中國制造業與與非制造業非制造業 PMI（%）圖圖 2 海關統計出口同比按海關統計出口同比按區域區域（左，左，%）和和按商品類別（按商品類別（右，右，%）42.0044.0046.0048.0050.0052.0054.0056.00 2024/2 2024/32.92-8.78 29.62 7.75 40.94 15.12-1.36-11.38-7.04-24.81-14.61-11.81-15.71-15.39-30.00-20.00-10.

7、000.0010.0020.0030.0040.0050.00 2024/1 2024/2 2024/3-30.00-20.00-10.000.0010.0020.0030.0040.00機電產品非機電產品2 圖圖 3 投資、消費、房地產銷售等方面部分指標同比（投資、消費、房地產銷售等方面部分指標同比（%）圖圖 4 今年今年春節及清明節旅游數據與春節及清明節旅游數據與 2019 年同比年同比（%）圖圖 5 居民消費意愿指數居民消費意愿指數（%）需求疲軟需求疲軟進而進而導致導致通貨緊縮和信用緊縮。通貨緊縮和信用緊縮。從物價衡量指標來看，GDP 平減指數已經連續第 4 個季度為負（圖 6），PPI

8、 同比自 2022 年 10 月起連續第 18 個月為負“（圖 7），同時 CPI 和核心 CPI 同比均趨近于 0。這些指標共同指向了一個趨勢我國正面臨通貨緊縮的壓力。從金融指標來看，今年第一季度信用總量13.40 9.90 0.80 14.20-7.90 4.70 4.60 4.70-30.09-28.55-40.00-30.00-20.00-10.000.0010.0020.00第二產業制造業第三產業信息傳輸、軟件和信息技術服務業房地產業消費品零售城鎮汽車除外全國北上廣投資消費房地產銷售額 2024/1 2024/2 2024/319.00 7.70 7.82-50.00-40.00-3

9、0.00-20.00-10.000.0010.0020.0030.002021202220232024與2019年春節同比：旅游人數與2019年春節同比：旅游收入與2019年春節同比：人均旅游收入11.50 12.70 1.08-100.00-80.00-60.00-40.00-20.000.0020.00 2021 2022 2023 2024與2019年清明同比：旅游人數與2019年清明同比：旅游收入與2019年清明同比：人均旅游收入-400-300-200-10001002003004003 為 374.48 萬億元，同比增長 9%，增速較去年末下滑 1 個百分點。從部門信用結構來看“（

10、圖 8），居民部門短期消費貸款增速大幅下滑，中長期貸款持續低迷；在國債增發和地方融資嚴監管下，地方政府發債進程偏慢；企業部門短期及中長期貸款雙雙放緩。通貨緊縮壓力與信用緊縮壓力并存，其根本原因，在于經濟周期通貨緊縮壓力與信用緊縮壓力并存，其根本原因，在于經濟周期的房地產屬性（背后的人口負增長態勢）沒有根本改變。的房地產屬性（背后的人口負增長態勢）沒有根本改變。房地產長期作為國內經濟發展的重要支柱產業，與反映企業活期存款的 M1 同比呈現明顯的共周期特征（圖 9）。在房地產拖累下，3 月份 M1 同比進一步下滑至歷史較低水平，僅為1.1%，資金活性令人擔憂。圖圖 6 季度名義季度名義和和實際實際

11、 GDP 增長率及兩者差值（增長率及兩者差值（%）圖圖 7 CPI 與與 PPI 同比同比（%）4.97 4.80 3.47 3.69 4.18 4.55 6.30 4.90 5.20 5.30-2.00-1.000.001.002.003.004.005.006.007.002023年1季度2023年2季度2023年3季度2023年4季度2024年1季度GDP名義GDP實際名義-實際0.10 0.60 1.71-2.80-6.00-4.00-2.000.002.004.00CPI核心CPIicpiPPI4 圖圖 8 2024 年第一季度年第一季度信用總量累計同比增速信用總量累計同比增速（%）

12、圖圖 9 房地產銷售額同比（房地產銷售額同比（%，左軸）和，左軸）和 M1 同比（同比（%，右軸），右軸）自自 2023 年年以來以來，國內國內經濟的 體感溫度”之低，經濟的 體感溫度”之低，實實為過去四十余年以來少為過去四十余年以來少有有。過去，多個物價指數同時下跌，往往與重大的外部沖擊或國內經濟結構性矛盾凸顯有關（圖 10）。例如，1982 年世界經濟危機和 2015 年國內產能過剩危機時，GDP 平減指數和 PPI 同比下跌；1998-1999 年亞洲金融危機和 2009 年全球金融危機時，GDP 平減指數、PPI 同比、CPI 同比同時下跌。今年國內三大物價指數延續疲軟，經濟的“體感溫

13、度”之低，恐怕已接近上述時期。今年政府工作報告明確了兩個增長目標GDP 增長 5%左右、CPI 漲幅 3%左右?；仡櫧暾畬?GDP 和 CPI 同比的預期增長目標與實際達成情況（圖 11），預期目標往往會系統性低估 GDP 表現，同時系統性高估 CPI 漲幅。預計今年 5%的 GDP 增10.0%10.5%11.2%10.8%1.9%16.1%16.2%10.1%15.7%1.8%9.0%9.0%10.7%1.7%1.4%16.6%13.9%9.1%14.0%2.5%0.0%2.0%4.0%6.0%8.0%10.0%12.0%14.0%16.0%18.0%5 長目標基本能夠實現，但鑒于需求

14、疲軟的態勢，3%的 CPI 增長目標可能會面臨一定挑戰。圖圖 10 1979-2023 年年三大物價指數同比（三大物價指數同比（%）圖圖 11 近年政府對近年政府對 GDP 和和 CPI 同比同比的預期增長目標與實際達成情況（的預期增長目標與實際達成情況（%）二、探尋新質生產力：人工智能+，但影響高度不確定 今年政府工作報告將 加快發展新質生產力”列為首要任務，并提出要深化大數據、人工智能等研發應用，開展 人工智能+”行動。從 2024 年全球獨角獸企業榜單來看，美國、中國無疑處于主導地位，兩國獨角獸企業市值合計占據了全球的四分之三（圖 12）。其中，美國獨角獸企業主要集中在金融科技（14%）

15、、軟件服務（13%）、人工智能（12%）、航天（9%）等，而中國獨角獸企業主要集中在社交媒體“（17%）、金融科技“（12%）、電子商務“（10%）、人工智能（6%）等。-10.00-5.000.005.0010.0015.0020.00預期-實際GDP增長率：預期GDP增長率：實際-3.00-2.00-1.000.001.002.003.004.005.006.007.00預期-實際CPI:預期CPI：實際6 盡管我國人工智能獨角獸企業的市值占比相對不高，但值得注意的是，人工智能技術已經在社交媒體、金融科技、電子商務等多個領域得到了廣泛的應用。圖圖 12 2024 年各國年各國獨角獸企業市值

16、獨角獸企業市值占比占比（%）首先了解一下人工智能的基本概念和分類“（圖 13）。人工智能可以分為三個層次，第一個層次是弱人工智能，主要模擬人類的認知能力，具體有窄人工智能和通用人工智能。窄人工智能專注于執行圖像識別、智能駕駛、寫作等特定的認知任務，根據內在邏輯不同，進一步區分為分析式 AI“（根據已有數據進行分析、判斷和決策）和生成式 AI“（根據已有數據生成全新的信息、知識等，如 ChatGPT等）。通用人工智能則擁有人類所有的認知能力；第二個層次是強人工智能，具有人類的理解能力，甚至可以產生意識；第三個層次是超級人工智能，可以超越人類的智慧。這三個層次的 AI 認知能力呈現出從類人、到人、

17、再到超人的遞次演進趨勢。然而，目前的技術發展仍主要停留在類人智能的初級階段，要實現強人工智能和超級人工智能，還需要克服許多技術難題和倫理挑戰。48.6%27.5%0.0%10.0%20.0%30.0%40.0%50.0%60.0%美國中國印度英國德國以色列韓國法國加拿大澳大利亞巴西馬耳他新加坡瑞典阿聯酋瑞士日本墨西哥荷蘭越南芬蘭塞舌爾印度尼西亞愛沙尼亞奧地利哥倫比亞丹麥立陶宛土耳其西班牙愛爾蘭比利時泰國挪威菲律賓希臘智利阿根廷俄羅斯7 圖圖 13 人工智能人工智能的的概念和分類概念和分類 人工智能發展人工智能發展迄今迄今雖雖不足七十年不足七十年，卻已取得顯著，卻已取得顯著突破突破。1956 年

18、，美國達特茅茨學院暑期研討會上，麥卡錫首次提出人工智能概念，從而開啟了人工智能發展的黃金年代。在這一時期，研究者們嘗試將復雜的認知任務分解，而后利用機器搜索尋找最佳的任務解決方案。然而，這種方法很快遇到了“組合爆炸”的難題，即解決方案的復雜度隨問題細化呈指數級增長。1972 年英國萊特希爾（Lighthill）報告對此進行了嚴厲批判，此后人工智能發展陷入低谷。在 1970 至1980 年代，符號主義逐漸興起，研究者嘗試將推理、決策的邏輯以數學符號的形式輸入程序，進而模擬人的認知過程。不過，這一方法過于依賴知識庫的完備性，而構建一個包羅萬象的知識庫幾乎是不可能的。進入 1980 年代后，行為主義

19、方法快速發展，強調智能體“（獨立自主地進行價值判斷、推理和行為的人工智能系統）通過與環境的交互和反饋來學習和適應，而不是依賴于內部的知識和推理。1997 年深藍戰勝國際象棋冠軍，標志著行為主義方法的重大突破。隨著計算機軟硬件的持續創新，2011 年起，以神經網絡為核心的人工智能技術飛速發展。2014 年，谷歌成功收購英國 DeepMind 公司，進一步推動了該領域的技術革新。2016 年，DeepMind 開發的 AlphaGo 擊敗世界圍棋冠軍李世石，2017 年，從零開始自我強化學習的AlphaGo Zero以絕對優勢再次戰勝另一世界圍棋冠軍柯潔，這深刻揭示了人工智能技術的巨大潛力。那么

20、AI 對宏觀經濟的沖擊幾何？學界對此的討論主要聚焦在三個方面：一一8 是是 AI 對經濟增長的影響對經濟增長的影響。部分學者認為 AI 能夠大幅提升全要素生產率（Total Factor Productivity，TFP）。例如斯坦福大學教授 Erik Brynjolfsson 認為，AI 是通用型技術，將會迅速普及運用，從而將美國全要素生產率從 1.5%提高到 3%。也有學者認為 AI 對 TFP 的影響較小，因為國家對信息披露的限制、知識產權保護法加強等因素將限制 AI 的使用；二是二是 AI 對收入分配的影響對收入分配的影響。部分學者認為 AI可能加劇貧富差距，原因是 AI 的廣泛應用可

21、能會替代部分勞動力，導致資本收入取代勞動收入。同時，由于勞動力的分化現象，掌握 AI 技術的少數人更易于獲益。也有學者認為 AI 有助于縮小貧富差距，因為 AI 與勞動力的互補關系將增加勞動收入，尤其對于低技術勞動力而言；三是三是 AI 對對產業集中度產業集中度的影響的影響。部分學者認為 AI 可能加劇行業壟斷，因為 AI 技術研發需要大量資本投入，技術領先的公司可能傾向于保護自己的源代碼，如 OpenAI。也有學者認為隨著開源大模型日益普及，去中心化的趨勢愈加明顯，AI 將加劇行業競爭而非壟斷。歸總而言，一項技術對宏觀經濟的沖擊，歸總而言，一項技術對宏觀經濟的沖擊，根本上根本上取決于技術（資

22、本）的性質。取決于技術（資本）的性質。如果技術主要表現為勞動替代型勞動替代型，則會推動經濟增長直至奇點（Singularity），即資本邊際報酬 MPK 隨技術進步不斷上升，人均資本存量和人均產出無限大。這種增長往往伴隨著收入分配惡化，勞動報酬在國民收入中的比重逐漸下降，甚至趨于零。同時，行業壟斷現象也會加劇，因為資本對產出的影響不斷增強，導致產業集中度上升。相反，如果技術主要表現為勞動互補型勞動互補型，那么經濟增長受到勞動力的制約，在勞動力數量和質量一定的情況下，資本邊際報酬 MPK 趨于下降，即所謂的 鮑莫爾病”。同時，收入分配狀況趨于改善，勞動報酬在國民收入中的比重不斷上升。行業競爭將更

23、加激烈，有利于勞動力密集型企業和行業發展，中小企業得以與資本密集型大企業競爭。值得注意的是，隨著科技進步和市場演變，這兩種性質可能會此消彼長。在工業革命時代，技術創新主要是為了取代人的 手”，互補性更強。例如，隨著汽車的出現，最終取代馬車夫的不是汽車，而是汽車司機。然而，AI 時代的技術創新更多是為了取代人的 腦”，替代性更強，例如智能駕駛技術，正在逐步取代傳統的司機、車險推銷員、交警等角色。筆者團隊正在研究 AI 對不同職業的影響，通過計算主流 AI 應用與各項技能的相關性，以及各項技能與不同職業、行業的相關性，進而評估 AI 對不同職業、行業的替代作用或互補作用。初步研究發現，以認知職能為

24、主且薪酬較高的崗位9 及行業，往往更容易受到 AI 的替代；而以體力勞動為主且薪酬偏低的崗位，則相對較難被 AI 替代。近日，筆者走訪調研了一家位列全球獨角獸榜三百余名的國內電子商務企業。該企業將 AI 技術應用于紡織服裝行業，并將業務流、信息流、資金流和物流有機結合，搭建了紡織工業互聯網平臺、成品布交易服務平臺和服裝智能制造云平臺，實現了從紡織、印染到服裝設計、生產的全流程 AI 化，大大提高了生產效率。這一案例給我們帶來了多方面啟示：1.在就業層面，勞動替代型技術將大幅取代高端（設計師）和中端（各種技師）崗位，引發勞動力市場的深刻變革；2.在經濟的供給側，AI 能夠實現實時、小規模的定制化

25、生產，大幅提高全要素生產率。不過，在經濟的需求側，AI 能夠創造需求嗎？例如，機器人可以生產衣服，但是誰來穿衣服？3.體現了中美 AI 競爭的態勢：中國在數據和場景運用方面具備比較優勢，但是算力（依賴英偉達芯片）和算法（依賴國外開源 AI 模型）仍存在一定差距；4.傳統的線性供應鏈正在被 AI 重構“（圖 14），由控制塔監控協調各個環節的生產要素，實現更優的資源配置效率。德國是這方面的先行者。早在 2011 年德國便啟動了 2020 高科技戰略”，將工業 4.0 列為十大目標之一。2013 年，德國國家科學與工程學院發布 把握德國制造業的未來實施工業 4.0戰略的建議”?；仡櫣I的發展歷程，

26、從工業 1.0 的機械化起步，到工業 2.0 的大規模生產，再到工業 3.0 的自動化信息技術，每一次演進都極大地提升了生產效率。工業 4.0 代表著網絡物理世界（CPS）、物聯網（IoTs）和互聯網的深度融合應用，將開啟智能化制造的新紀元。值得注意的是，在這一變革下，傳統金融模式將面臨更加嚴峻的脫媒壓力。10 圖圖 14 傳統供應鏈與供應鏈傳統供應鏈與供應鏈 4.0 模式對比模式對比 三、金融資源錯配 當前經濟發展面臨的主要矛盾之一是金融資源與實體經濟的系統性錯配。比較 2010-2023 年 GDP 平均結構和信用總量平均結構（圖 15），有三個突出特征：一是為工業提供的金融資源份額為 1

27、9.41%，顯著小于其 GDP 份額 34.64%；二是為金融房地產建筑業提供的金融資源份額為 30.2%，顯著大于其 GDP 份額20.72%；三是為基礎設施提供的金融資源份額為 18.97%，遠遠超過 GDP 份額4.91%。這表明，金融房地產建筑業和基礎設施的金融效率明顯偏低。圖圖 15 2010-2023 年年 GDP 平均結構平均結構（左，（左，%）和信用總量平均結構和信用總量平均結構（右，（右，%）那么過度投資上述低效率行業的主體是誰？從信用總量部門結構來看（圖11 16），自 2012 年起（勞動年齡人口占比達峰后），企業部門信用占比逐漸下降，而居民、政府、城投三部門的信用占比逐

28、步上升。通過對比 2010-2023 年各部門信用總量平均結構與 GDP 的行業平均結構（圖 17），各部門的金融行為一目了然：企業部門將 23.74%的融資投向了基礎設施，遠高于該行業在 GDP 中的比重4.91%；居民部門將 63.52%的融資集中在金融房地產建筑業，遠高于該行業在GDP 中的比重 20.72%，主要是由于房貸；政府部門將 59.36%的融資用于公共服務，遠高于該行業在 GDP 中的比重 9.86%；城投平臺將近 90%的融資投向了金融房地產建筑業和基礎設施，是這兩個行業金融資源占比較高的主要原因。圖圖 16 信用總量部門結構（信用總量部門結構（%）圖圖 17 2010-2

29、023 年各部門信用總量年各部門信用總量平均平均結構和結構和 GDP 的的行業行業平均平均結構結構（%）隨著房地產行業向新發展模式轉型，相關土地、金融等領域的底層投資邏輯隨著房地產行業向新發展模式轉型，相關土地、金融等領域的底層投資邏輯0.0010.0020.0030.0040.0050.0060.0070.00 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023企業（不含城投）居民政府城投29.59 8.47 3.04 4.61 34.64 18.20 63.52 3.64 60.12 20.72 23.

30、74 6.56 9.62 28.39 4.91 1.80 0.51 59.36 0.02 9.86 0%10%20%30%40%50%60%70%80%90%100%信用總量：企業（不含城投）信用總量：居民信用總量：政府信用總量：城投GDP第一產業工業金融房地產建筑業基礎設施消費者服務業生產者服務業公共服務業12 將逐漸將逐漸重塑。重塑。目前有三類行業仍面臨投資不足的問題（圖 15）：一是消費者服務業，GDP 占比 13.56%，高于其信用總量占比 12.07%，具體包含批發和零售業，住宿和餐飲業，居民服務、修理和其他服務業，文化、體育和娛樂業，對于拉動內需、促進消費升級具有重要意義；二是公共

31、服務業，GDP 占比 9.86%，高于其信用總量占比 9%，具體包含教育，衛生和社會工作，公共管理、社會保障和社會組織，對提高居民生活水平和福利起關鍵作用；三是與工業 4.0 密切相關的生產者服務業，GDP 占比與信用總量占比都在 8%左右，具體包含信息傳輸、軟件和信息技術服務業，租賃和商務服務業，科學研究和技術服務業，是推動產業轉型升級、提升國家競爭力的關鍵。展望未來，消費者服務業、消費者服務業、公共服務業和公共服務業和生產生產者服務業者服務業將將成為產業結構調整的重點方向，成為產業結構調整的重點方向，為為經濟經濟高質量發展高質量發展注入新動注入新動能能。版權公告：【版權公告：【NIFD 季報】為國家金融與發展實驗室版權所有，未經版權所季報】為國家金融與發展實驗室版權所有，未經版權所有人許可，任何機構或個人不得以任何形式翻版、復制、上網和刊登，如有違反，有人許可，任何機構或個人不得以任何形式翻版、復制、上網和刊登，如有違反，版權所有人保留法律追責權利。報告僅反映原文作者的觀點，不代表版權所有人版權所有人保留法律追責權利。報告僅反映原文作者的觀點，不代表版權所有人或所屬機構的觀點?；蛩鶎贆C構的觀點。制作單位：國家金融與發展實驗室。制作單位：國家金融與發展實驗室。