外滩大会观察：AI供给狂飙之后，需求究竟去哪里？

算力资本大举投入，大语言模型参数不断刷新，资本市场给予高溢价。许多人默认技术突破会自然兑现为经济红利，但现实的落差在于：技术迭代日新月异，宏观统计数据里却迟迟未见全要素生产率的爆发。

在近日举办的外滩大会上，多位经济学家与产业一线从业者抛出了一个尖锐命题：AI 会极大放大社会的供给能力，但如果就业与收入分配无法同步跟进，供给过剩与有效需求不足的矛盾，可能从短期扰动演变为长期结构性阻碍。

决定 AI 新经济能走多远的底层变量，正在从单纯的技术狂飙，转向分配机制、全球化竞争与真实场景的落地。

供给放大与通缩隐忧：打破“萨伊定律”盲信

很多人习惯套用过往工业革命的经验，认为生产力提升终将带动社会繁荣，信奉“供给会自动创造需求”。但复盘电气化与信息化浪潮可以发现，技术红利往往伴随着物价下行的长周期。

1870 至 1900 年间，美国物价累计回落三成，主因在于技术进步带来的收益分配不均——资本获得高额回报，劳动者收入份额受挤压，导致有效需求跟不上产能扩张。技术对通胀的影响包含供给效应、替代效应、预期效应与瓶颈效应四种力量。

与过去信息技术革命冲击中间层白领不同，本轮大语言模型对金融、法律、软件开发等高知识密度岗位的替代更为直接。初级岗位招聘入口收窄，青年群体面临就业冲击。如果具身智能等技术持续替代人类劳动，而资本方的边际消费倾向更低，社会总需求将持续承压。

这就再次出现了经典的“索洛悖论”：到处都能看见 AI，统计数据里却看不到生产率的实质飞跃。AI 的全要素生产率贡献存在时间滞后与落地门槛。若仅靠货币政策刺激，难以解决长期“供强需弱”的隐患，财政再分配、劳动者技能再培训与就业托底必须发挥更核心的支撑作用。

原生全球化：竞争不再局限于模型参数

AI 打破了过去“先做本土跑通、再向外输出”的传统路径，呈现出生而全球化的特征。

开源大语言模型成为最典型的例证。国内主流开源模型在全球开源社区的下载量与调用量频频居于前列，模型一经发布，全球开发者即可即时调用，地域壁垒被技术大幅削弱。在 AI 药物研发等垂直场景，国内企业通过算法平台加速靶点发现，直接向全球跨国药企提供订阅服务或进行对外授权。

这也促使全球产业分工深度重组。技术水准的提升让许多赛道直接进入同维竞争，海外巨头与本土企业在合作与竞争中反复拉扯。面对这种变化，企业的国际化战略必须从一开始就融入全球数据合规、跨境架构与本土规则的考量。单靠模型参数的领先难以筑起永久壁垒，制度、生态、合规与底层基础科研共同构成了综合竞争面。

从存量替代到创造增量：技术价值需落回人本身

海外科技巨头年度 AI 资本开支已攀升至数千亿美元，算力与数据中心持续扩建。但如果 AI 仅仅停留在存量业务中的降本裁员，只会加剧供需失衡，无法驱动长期可持续增长。

回顾电气化历程，真正驱动经济跃迁的不是发电厂的建设，而是随后涌现的家电、电车、工业电气设备等此前不存在的新产品与新服务。AI 同理，核心拐点在于能否创造新供给、唤醒新需求。

在商业模式上，移动互联网以流量为核心，而 AI 智能体（Agent）时代正转向以用户真实意图为原点，智能助手与经营 Agent 的直接连接正在重塑服务生态。然而，技术的红利不能由少数资本独享。

直接划定“人类专属岗位”并不符合生产力规律，更为务实的路径是降低 AI 应用的技术与成本门槛，让中小企业与个体劳动者用得起工具；通过再培训放大人类的判断力与创造力优势，构建起“技术赋能—收入增长—需求释放”的正向循环。

AI 不是一键通往繁荣的简单开关。在供给狂飙之后，如何激活真实有效需求、如何跨越存量内卷、如何让技术红利转化为普通人的获得感，是 AI 新经济必须正视的现实命题。