從實到虛，從產業科技企業到增長就業金融，AI已經是房間裏的大象，這也促使我們需要用更微觀的視角來觀察AI的演進。「非理性繁榮」還是「理性繁榮」，這將是2026年美國經濟的核心主題。

文：國金宏觀宋雪濤/聯繫人鍾天

1987年，羅伯特·索洛（Robert Solow）在對去工業化的相關書評中說：「除了生產力統計數據之外，你到處都可以看到計算機時代(You can see the computer age everywhere but in the productivity statistics)」。彼時美國經濟面臨的困境是如何衡量信息技術與自動化對生產力和整個經濟的影響，而當下也面臨着類似的挑戰。

AI在美國經濟中的存在感變得越發明顯：從GDP附加值的攀升到數據中心建造支出的高增，從科技行業更頻繁的裁員到非科技行業更積極的「再培訓」心態，從商業用電量的激增到廣義建築業景氣度的提升，從持續拔升的科技股估值到外部孖展帶動的私人信貸發展。

可以說從實到虛，從產業、科技企業到增長、就業、金融，AI已經是房間裏的大象。這也促使我們需要用更微觀的視角來觀察AI的演進。「非理性繁榮」還是「理性繁榮」，這將是2026年美國經濟的核心主題。

一、AI與經濟：AI相關投資對GDP的拉動超過了科網泡沫，但正外部性有限

從GDP的層面來看，2025年上半年，AI相關投資（信息處理設備與軟件投資, IPE&S）拉動美國實際GDP增速1.57個百分點，超過了私人消費的拉動率（1.06個百分點）。如果從季度視角看，AI相關投資在2025年第一季度對GDP的拉動達到1.3個百分點，已經超過了科網泡沫時期的峯值（1999年第二季度，彼時拉動1.16個百分點）。

考慮到1999年美國實際GDP增速較高(4.5%左右)，實質上當下AI相關投資對美國經濟的影響比科網泡沫時期更大。但是GDP拉動率的快慢與AI的泡沫化進程並無關聯，AI投資的意義不在短期內拉動經濟增長，而是形成所謂的第四次工業革命。

從名義附加值的角度看，過去兩年信息處理服務(Data Processing)在美國GDP的佔比大幅提升，從2013-2019年間的均值1.04%提升約0.7個百分點，至1.75%。而製造業產出佔名義附加值的比重下滑近1個百分點，至9.98%；這是自1995年統計該數據以來，製造業附加值首次跌破10%，較1995年的16.1%大幅縮水；甚至可以合理推測這可能是「黃金年代」至今美國製造業附加值佔比的最低水平。

而如果從（人均）真實附加值的角度看，過去兩年AI相關行業的增速則更加驚人。數據處理服務的人均真實附加值增速高達12.66%，比2013-2019年間的平均年化增速高近6個百分點；其餘相關行業（信息技術業和電腦系統設計業）的增速也反映出了AI的高景氣度。製造業雖也有所提升，但是與AI相關行業相比顯得「微不足道」，過去兩年年化複合增速僅有1.56%。

需要強調的是，當下AI與科網泡沫的可比性正在下降。從「泡沫破裂的最終烈度」來看，當下的AI敘事遠高於科網泡沫。例如，當前美國對於信息技術設備與軟件的投資增速和科網泡沫時期對通訊設備的增速相對一致，但當前對信息技術設備與軟件的實際投資值是當年的90倍（1.48萬億美元對162億美元），而美國實際GDP在此期間僅翻了一番。

這一輪與科網泡沫另一個不同在於，美國AI的宏觀敘事實質上也體現為非美國家的微觀盈利。這些非美經濟體支撐了美國大量的AI相關設備投資進口量生產，並轉化為了具體公司的盈利激增；尤其是從2024年至今的美國名義投資量高增也對應着進口量的大幅上漲。換言之，一旦AI泡沫破裂，非美經濟體也無法獨善其身。

從建造支出的視角看,AI相關設施投資也呈現出明顯的增長態勢。過去兩年數據中心的建造支出翻了一倍，其佔非住宅支出的比重從2022年底的約2%上行至5%，電力相關投資也在2022年底起經歷了明顯增長。但私人部門非住宅建造總支出自2023年初見頂後仍出現小幅下滑，這對應着其餘建築業類的持續疲軟，例如商業綜合體，辦公樓等。

我們傾向於從2022年底至今，對於AI領域的投資可能對這些傳統建築業分項投資有一定的擠出作用：既包括了潛在的孖展成本增加，也包括了建築業人力成本的增長。

當下的高景氣度與GDP的高增僅僅是大規模資本開支的直接結果，高景氣度的外溢主要體現在三個領域：建築業、電力部門、計算機設備。

美國商業用電量在過去三年呈現爆發式增長，相較於疫情前（2008-2019年）趨平的趨勢而言，從2022-2025年間整個美國商業用電量的上行斜率已經看齊上世紀90年代末的水平；與之相對的，商業部門的平均電價也一路上行，較2019年增長約30%。

其中一個最重要的推動因素就是商業計算(Commercial Computing)用電量的激增。EIA預計商業計算消耗的電力增長速度將快於其他任何商業類別。截止2024年，其佔商業部門電力消耗的約8%，到2050年預計將增長到20%。最終，計算消耗的電力可能比商業領域的任何其他最終用途都多。

值得一提的是，相較於兩年前，最新的EIA年度展望將2050年的商業計算用電量水平從0.697 quads(等價約2040億)上調至1.154 quads(等價3400億度)，這顯然是基於AI電力需求將大幅上升的預測。

算力中心投資提振了基建類和重工業類的建築訂單（也包括了拜登三大法案的影響）。過去兩年美國製造業PMI幾乎都處於收縮區間，但建築業承包商的信心指數以及盈利水平並未明顯下滑。

根據建築業協會的統計，大約五分之一的承包商在9月份簽訂了數據中心項目的合同。雖然比例比8月份略低，但有數據中心工作的承包商的積壓訂單（12個月）明顯高於沒有數據中心的承包商（8個月）；考慮到美國傳統地產業的疲軟，私人部門資本開支引領的數據中心建造正在成為美國新基建的重要部分。

從產能利用率的角度看，與AI最直接相關的電腦極其周邊產品產能利用率相較於2023年1月上升了約15個百分點，然而除此之外的高科技行業以及非高科技行業的產能利用率，依然低於2023年1月水平。電腦及其相關產品在耐用品新訂單中「一枝獨秀」，無論是核心資本品還是總訂單（受到飛機等大額訂單波動），都不如與AI關係最緊密的電腦及其相關產品從2023年1月起展現出的持續增長趨勢。

二、AI與人：AI對生產力的提升和對就業的衝擊都被明顯高估

此前我們就AI與就業的關係已經有過詳細討論(《AI該為美國就業疲軟「背鍋」嗎》)，我們引述一下主要結論：

「總的來說，雖然美國企業使用AI技術的比例持續上行，但遠未到對就業產生明顯影響的時刻。當下看到的就業走弱更多是上一輪加息週期帶來經濟週期性疲軟的滯後性反饋。同時，勞動力的囤積以及美國經濟的軟着陸減少了企業裁員的動機，保護了資深（Senior）員工的職位，而讓年輕人成為了「低招聘、低僱傭」的受害者。」

換言之，AI影響的是企業未來的招聘計劃，但與已經發生的裁員關聯度有限。

AI技術的滲透率並未呈現爆發式增長（即過去6個月通過AI技術提供服務或生產商品的比例）。從行業視角看，在20餘個大類行業中僅有6個的整體滲透率突破10%，其中信息技術業滲透率最高，滲透率約為25%。

且行業視角下，AI使用率與其佔非農就業比重也呈現出不均衡性。

基於對Claude Token使用量的統計，計算機相關行業佔全美就業人口的約3.4%，但調動了37.2%的Claude Token，傳媒相關行業僅佔全美1.4%的就業人口，使用量也佔到10.3%——即5%的就業人口使用了約50%的AI數據用量。哪怕有衝擊，也更多是結構性的。對於絕大多數行業，其行業人口和Claude使用量並不匹配且失衡明顯，尤其是餐飲，銷售，運輸和行政等（對應非農的休旅酒店業和行政服務等）佔美國就業比重超1/3，Claude用量不超過15%。

根據Trueup.io的數據，過去兩年科技行業的總裁員數相對穩定，遠低於2023年水平。只是因為AI關注度的提升，將其歸因於AI技術發展的觀點變得更多。例如，UPS作為2025年迄今為止裁員最多的美國公司（4.8萬人），明確表示裁員與AI技術的相關性極其有限：3.4萬人的裁員主要源自關閉 93 座網點運營，而不是用機器人取代人工；1.4萬人的裁員與AI技術相關，但並非主要驅動。

進一步的，根據挑戰者的就業調查，人工智能技術在2025年前10個月，只能排在裁員最主要因素的第六位，遠低於Doge改革，和其餘強宏觀因素的影響。

對於那些真正使用人工智能的公司來說，其依然在探索如何將AI與工作流程更好的融合。最新的紐約聯儲的調查也證明了這一點，AI最主要的效用仍是「信息搜尋」，其次是「市場營銷」（這也是目前AI落地最為清晰的領域）。而大家認知中真正提升生產力的技術，一般對應着應用新流程（New Workflows）和流程自動化(Process Automation)，但這兩者的使用佔比並不突出。

僅憑藉簡單的圖表就把美國經濟的結構性分化（勞動力疲軟）歸因於AI技術的衝擊過於武斷，就像在ChatGPT推出前，大家歸因於「遠程辦公(Remote work)」與「技能差距(Skill Gap)」那樣；至少在嚴肅討論中，AI還不夠為勞動力的疲軟「背鍋」。

美國頭部科技公司在過去幾年間的迅速上漲創造了巨量的財富，從美國居民部門的資產負債表角度看，從2023年第一季度到2025年第二季度，股權類類貢獻了約20萬億美元的財富增長。整個美國居民部門權益類資產佔淨資產的比重達到1988年有統計數字以來最高水平（30.6%），這使得美國PCE佔可支配收入的比重在疫情後依然保持在91%左右的水平。

儘管美股的的財富效應估計較為分散，但根據Oxford Economics的最新估算，淨財富的顯着增長推動了2020年至今約近三分之一的消費者支出增長，尤其集中在可選消費品。擁有401k養老金賬戶的廣大美國工薪階層至少獲得了「賬面」的財富增值，這毫無疑問拉動了過去幾年美國私人部門消費的穩健增長。

三、AI與金融：私人信貸的脆弱性與AI泡沫相互共振

但在2025年，科技企業資本開支呈現競爭式增加格局，AI支出的可持續性開始受到質疑，特別是巨頭們在OpenAI的串聯之下，通過以供應鏈孖展的形式再現「鐵索連環」，互相加強了彼此的業績水平和訂單強度。

微軟、Meta、亞馬遜、谷歌和甲骨文，都面臨各自的挑戰，資本開支佔經營性現金流的比重正在持續上升，尤其是壓力更大的亞馬遜和「孤注一擲」的甲骨文。META、谷歌和甲骨文在2025年都開始增加了對外部孖展的依賴，特別是對AI投資可持續性的擔憂。

隨着META在兩個月內以非公開與公開方式分別募資約300億美元以支持數據中心的建造，以及Oracle 180億美元的債券孖展落地，整個美國金融系統對於AI敞口的脆弱性被放在聚光燈下。

2025年（截至11月），Hyperscaler（大規模雲服務提供商）企業債的總發行量在1038億美元（不包含貸款與私募信貸），規模加權利率為4.91%，而2024年全年發行量僅為201億美元，規模加權利率4.75%。

從發行量的角度看，1038億美元佔2025年美國狹義科技(META分屬通信行業，但亦納入計算)行業債券發行量的24.76%，佔廣義科技行業（科技與通信）發行量的16.70%，佔非金融企業債發行量的4.29%；這三個口徑的佔比均較2024年有着大幅提升。

可以說，對於Hyperscaler而言，2026年為了應對自由現金流的壓力，料將更多依賴外部孖展，這既有可能造成對其餘資金需求的擠壓，又可能倒過來加劇對於「展示盈利」的迫切需求。

除了公開發行外， Meta 宣佈與 Blue Owl Capital管理的基金成立合資企業，以SPV結構為主體為路易斯安那州數據中心園區的開發和運營提供資金（共募資270億美元），這也引發了對於非公開發行以及所對應的私人信貸的擔憂：更不透明的監管，更高的孖展成本以及抵押品價值的不確定性（數據中心盈利能力）。

我們認為這其中實質上存在三個擔憂方向：首先是對於私人信貸(Private Credit)這個類別的擔憂，而非針對某個特定行業（類似P2P）；其次是對於非銀貸款規模在疫情以來猛增的擔憂（類似影子銀行）；最後是對於AI企業越發依賴外部孖展的擔憂（潛在的Payment-in-Kind，類似名股實債）。毫無疑問，AI孖展泡沫擔憂正在強化前面兩個類別的脆弱性，但私人信貸面臨的脆弱性也並不僅僅來自AI企業攀升的孖展需求。

截至2024年底，全球私人信貸的總在管規模(AUM)從2010年底的約1000億美元上漲至接近2.2萬億美元，零售類屬性在管規模（以Business Development Company,BDC為主）從0增長至2800億美元，佔總規模約13%。

在整個私募信貸當中，直接借貸(Direct Lending)佔據大頭，這也是最為不透明的孖展方式之一，其總規模為1.24萬億美元，其中美國的總直接借貸規模接近1.1萬億美元，較2020年翻了一倍。從行業角度來看，截至2023年底，TMT行業在全球範圍內的私募信貸以直接借貸形式存在的敞口約為1500億美元。

根據所有上市的商業發展投資公司（BDCs）發佈的財報，以及新聞消息的不完全統計，美國私人信貸的總發行量從在過去三年分別為712億美元、1538億美元以及1138億美元；其中科技行業分別為256億美元、552億美元以及369億美元；2025年的平均每筆孖展規模為1.14億美元。

這些私募信貸行業的評級風險值得特別關注，這與2008年的次貸評級有些「神似」。根據IMF最新的《金融穩定報告》，對美國保險機構來說，其近90%的私募信貸評級是由小型機構完成（非三大頭部機構），且這些信貸產品的評級僅投資雙方知曉。這對於金融系統的其餘非參與者而言，是完全的黑箱數據；到底如何評級這些非銀金融機構所持有的私人信貸產品風險成為很大的挑戰。

其次，過去兩年美國本土銀行總貸款規模增長約8%，而對非銀機構貸款增長約75%，截至2025年10月，美國的銀行機構向非銀金融機構共計提供約1.27萬億美元貸款。根據穆迪的估計，其中約有3000億美元的私人信貸敞口；這與全球視角下極快的私人信貸增速數據相呼應。

進入2025年後，非銀機構貸款需求強勁對應着數據中心建造支出的高增與貸款需求（尤其是AI鏈條企業對於外部孖展需求）的增加，其餘信貸分項的疲軟又對應了除數據中心外建造支出的疲軟。

總的來說，在私募信貸領域，金融機構間互相持有敞口迅速擴張，內部產品評價不透明，零售資金參與比例增加，導致這個領域本身就存在脆弱性。疊加科技企業開始更加依賴外部孖展，又給私募信貸領域加上了AI的脆弱性.

當下的AI淘汰賽正在縮圈，在鉅額投入與尚不明確（乃至為負）的收益面前，頭部企業互相投資與持股也是為了「共擔」風險。美股和美國經濟已經被深深的綁定在了AI這條船上，乃至全球經濟、貨幣和財政也正被綁定，這也是特朗普在上任後要迅速推行「星際之門」，並展現積極姿態的原因——繁榮時，盟友是助推器；下墜時，盟友是緩衝墊。

2022年的AI橫空出世產生了「影子財政」的效果，而2025年行業頭部企業開始縮圈，聚合產業資源並持續宣佈長遠的規劃則更像是「影子財政2.0」。對實體經濟而言，AI支出的退坡和放緩對美國經濟打擊要遠勝於已經處在衰退狀態的地產與製造業。正因為此，增長視角，就業視角，產業視角，金融視角下的美國AI演進都將會被在2026年進一步檢視。

風險提示

特朗普的政策不確定性加大，帶來金融市場更明顯的動盪和海外資金更快逃離美元；全球經濟在關稅越發明確的情況下受到更大影響，2026年全球同步寬鬆幅度超預期，甚至帶來全球共振擴表，明顯緩解長端利率壓力；技術突破帶來製造業迴流加劇，美國生產成本明顯降息，信用需求激增；數據測算存在誤差。

團隊介紹

宋雪濤：北卡州立大學經濟學博士，發表有CF40專著、學術論文、央行工作論文等，獲得中證金牛、21世紀、Wind、上證報、新浪、IAMAC、水晶球等評選，新財富20/21/22/24年入圍，23年第5。

政策研究：

趙宏鶴（中央財經大學金融學碩士），負責重大戰略政策和國際關係研究。

張馨月（中國人民大學應用經濟學碩士），負責經濟政策和財政研究。

宏觀經濟：

孫永樂（中央財經大學產業經濟學碩士），負責國內宏觀經濟和貨幣流動性研究。

鍾天（芝加哥大學經濟學碩士），負責海外經濟和全球貨幣政策研究。

產業研究：

厲夢穎（英屬哥倫比亞大學區域規劃碩士），負責貿易政策、企業出海、產業趨勢和宏觀ESG研究。

資產配置：

陳瀚學（加州大學河濱分校金融學碩士），負責海外市場分析和大類資產研究。

＋

報告信息

證券研究報告：《全景式掃描AI對美國經濟的影響》

對外發布時間：2025年11月12日

報告發布機構：國金證券股份有限公司

證券分析師：宋雪濤

SAC執業編號：S1130525030001

郵箱：songxuetao@gjzq.com.cn