事件
在2026年5月11日发布的报告《寻找跨越周期的长期引擎:海外发达经济体科技赋能启示录》中,我们系统论证了科技作为经济增长长期引擎的理论基础,并用全要素生产率增长对GDP增长的贡献率,测算了科技在不同技术周期中对美国经济的真实拉动作用。但如果仅停留在“科技拉动经济”这一普适性结论,不足以理解美国在全球科技竞争中的独特地位。更深层的追问是,为何历次通用目的技术浪潮的策源地与最大受益者几乎总是美国?为何欧洲、日本在面临同等甚至更强的要素约束时,未能诞生出同等量级的科技引擎?
观点
美国经济的双螺旋结构:美国独特地位答案的关键,不仅在于技术本身,更在于美国拥有一套全球独一无二、经过百年反复锤炼的创新生态系统,可以凝练为“科技霸权和美元霸权”的双螺旋结构。美元霸权为科技产业提供了全球最低成本的融资沃土和危机时期的终极安全网,而科技霸权所维持的劳动生产率优势和产业控制力,又反过来巩固了美元的储备货币地位。两者互为因果、滚动增强,共同构成了美国跨越周期的底层韧性。
解构美国“华盛顿-硅谷-华尔街”铁三角:美国科技产业并非在真空中自发生长,而是根植于三个性质迥异的行为主体构成的闭环生态。这一生态的本质,是将技术创新的不确定性在政府、产业和资本之间进行分层分担、动态定价与高效出清,从而在不引发系统性崩溃的前提下,不断用泡沫试错,将资源从旧产业周期配置到新产业周期。
华盛顿:政策引导与基础的公共投入。在美国创新链条的最前端,站着一个往往被资本市场叙事忽略的角色—联邦政府。市场常将硅谷的成功归因于企业家精神与风险资本,但实质上,支撑起整个数字时代的基石技术,绝大多数在商业化前的“死亡谷”阶段由公共财政供养。1990年至2000年间,在信息技术革命酝酿与爆发期,联邦研发投入基本稳定在1000亿至1110亿美元区间。2001年后进入新一轮扩张期,研发投入从2001年的1136亿美元增至2004年的1421亿美元。2018年进入了又一轮快速上升的周期,研发投入2021年达到1738亿美元的峰值。
硅谷:人才集群、知识溢出与产学研旋转门。科技创新的核心要素是人,美国之所以能持续占据全球技术前沿,与其顶尖高等教育体系及其与产业界之间高度流动的人才机制密不可分。斯坦福大学与硅谷的共生关系是这一模式的最佳例证。斯坦福大学工程学院院长弗雷德里克·特曼在20世纪中期积极鼓励师生在当地创业,并主导向惠普公司等初创企业提供风险投资和校园空间资源,由此开启了大学与产业深度融合的先河。此外,美国还具备极度开放的全球人才虹吸能力。自1965年《移民与国籍法》修订以来,美国凭借其体量庞大的劳动力市场和高回报激励,持续吸收了全球最顶尖的工程师和科学家。
华尔街:风险定价与资源出清。科技创新之所以能在美国实现爆发式增长和快速商业化,其背后是一套与之高度匹配的资本市场机制。科技产业具有高风险、轻资产、长周期的典型特征,传统银行信贷体系基于抵押品的放贷逻辑天然无法满足其融资需求。美国的资本生态精准地填补了这一结构性空白。此外,纳斯达克交易所的设立与壮大,为尚未盈利的科技企业提供了公开融资和激励机制的平台。其引入的做市商制度与灵活的上市标准,相较纽交所更适应高波动、高成长性的科技股,从制度上保障了风险投资(VC)和私募股权(PE)基金拥有便捷的退出通道。
美国六大科技周期的起伏与洗牌:阶段一(1948-1973):爆发期—战后繁荣与大政府创新时代;阶段二(1973-1990):蓄力期—滞胀倒逼与硅谷资本生态的暗中成型;阶段三(1990-2000):转型期—信息高速公路形成;阶段四(2000-2007):爆发期—全球化套利与数字地租的确立;阶段五(2007-2019):蓄力期—移动互联寡头化与“微创新”困局;阶段六(2019-2025):转型期—AGI狂飙、算力军备与结构性撕裂。
科技赋能下的宏观资产定价逻辑:
科技赋能对通胀的长期平抑作用:从中短期来看,数据中心建设确实对电力、土地、半导体材料和工程技术人才形成了集中的需求拉动,不排除在特定领域产生局部性的供给瓶颈和价格上行压力。但从更长期、更深层的逻辑来看,通用目的技术的系统性渗透恰恰具有抑制结构性通胀的内在功能。全要素生产率的提升意味着以更少的单位资本和劳动投入实现更多的产出,在成本端持续压低单位生产成本。
科技周期与美债收益率的联动:科技周期对美国长期国债收益率的影响通过两个渠道实现:实体增长渠道与通胀预期渠道。在科技转型期与蓄力期,当宏观经济增长缺乏明确的引擎支撑、资本回报预期疲弱时,市场对长期增长的中性预期下移,长端实际利率倾向于下行。在科技爆发期,全要素生产率的提升推动了潜在经济增速中枢的上移,经济增长在非通胀约束下实现加速,从而推升了长端实际利率中枢。
美国经验对于中国启示:
从推动美国创新的“铁三角”机制来看,中国的“铁三角”在每一个维度上都形成了具有自身制度特征的对标机制,但深度与效率上仍存在显著差异。中国要形成同等效率的创新闭环,还需要在科技成果转化机制、资本市场退出效率以及风险文化培育等基础制度层面取得更进一步的突破。
从经济增长与利率走势来看,我国当前科技进步对经济增长的拉动以应用端红利释放为主、技术端赋能为辅,整体处于新旧动能转换的混合转型期。对应利率定价层面,我国长端利率难以出现美国式由生产率提升驱动的趋势性上行,短期利率中枢主要由国内经济修复节奏、货币政策、财政周期主导,科技TFP的正向拉动作用处于蓄力阶段,贡献边际温和。长期来看,随着AI技术迭代突破与产业深度融合,效率红利持续释放,将逐步托底长端利率中枢,扭转利率长期下行的惯性。
风险提示:“AI泡沫”破灭与资本支出回报不及预期风险;地缘政治碎片化与科技供应链断裂风险;结构性失业与内部分配失衡加剧风险。
正文
在2026年5月11日发布的报告《寻找跨越周期的长期引擎:海外发达经济体科技赋能启示录》中,我们系统论证了科技作为经济增长长期引擎的理论基础,并用全要素生产率增长对GDP增长的贡献率,测算了科技在不同技术周期中对美国经济的真实拉动作用。可以看到,当划时代的通用目的技术集中爆发并完成向实体经济的深度渗透时,科技贡献率可攀升至45%以上,而在技术蓄力或扩散停滞期,这一贡献率则可能跌落至不足13%。
如果仅停留在“科技拉动经济”这一普适性结论,不足以理解美国在全球科技竞争中的独特地位。更深层的追问是,为何历次通用目的技术浪潮的策源地与最大受益者几乎总是美国?为何欧洲、日本在面临同等甚至更强的要素约束时,未能诞生出同等量级的科技引擎?
01
美国经济的双螺旋结构
美国独特地位答案的关键,不仅在于技术本身,更在于美国拥有一套全球独一无二、经过百年反复锤炼的创新生态系统,可以凝练为“科技霸权和美元霸权”的双螺旋结构。美元霸权为科技产业提供了全球最低成本的融资沃土和危机时期的终极安全网,而科技霸权所维持的劳动生产率优势和产业控制力,又反过来巩固了美元的储备货币地位。两者互为因果、滚动增强,共同构成了美国跨越周期的底层韧性。
当新一轮通用目的技术在美国率先取得突破时,全球资本追逐高回报率的冲动将驱动资金涌入美国科技股与风险投资市场,这既推升了美元汇率,压低了美国科技企业的融资成本,也使得这些企业有能力进行更大规模的研发投入与全球并购,进一步拉大技术代差。技术代差的拉大,又巩固了其产业控制力与定价权,从而产生更丰厚的利润与更高的资本回报率,吸引下一轮资本流入。这一循环在1990年代中后期的互联网浪潮中展现得淋漓尽致,在当前生成式人工智能引发的算力军备竞赛中,我们正在目睹其又一次重演。
这种双螺旋结构的意义不仅在于解释美国为何持续领先,更在于它揭示了后发国家追赶美国科技地位所面临的系统性困难。单一维度的技术突破或市场规模扩张,难以撼动由储备货币地位、资本市场深度、人才全球虹吸与技术创新生态共同构成的复合壁垒。这一复合壁垒,正是我们接下来要解剖的“华盛顿-硅谷-华尔街”铁三角的宏观背景与制度底色。
02
创新的密码:解构美国“华盛顿-硅谷-华尔街”铁三角
美国科技产业并非在真空中自发生长,而是根植于联邦政府、硅谷和华尔街三个性质迥异的行为主体构成的闭环生态。这一生态的本质,是将技术创新的不确定性在政府、产业和资本之间进行分层分担、动态定价与高效出清,从而在不引发系统性崩溃的前提下,不断用泡沫试错,将资源从旧产业周期配置到新产业周期。
2.1. 华盛顿:政策引导与基础的公共投入
在美国创新链条的最前端,站着一个往往被资本市场叙事忽略的角色—联邦政府。市场常将硅谷的成功归因于企业家精神与风险资本,但实质上,支撑起整个数字时代的基石技术,绝大多数在商业化前的“死亡谷”阶段由公共财政供养。
国防部高级研究计划局(DARPA)是最具代表性的耐心资本。全球定位系统GPS、互联网的前身ARPANET、甚至苹果公司Siri背后的语音识别核心技术,均在军方明确或潜在的需求驱动下,由DARPA资助突破了最艰难的底层理论验证与原型开发。同样,国家科学基金会NSF、国立卫生研究院NIH等机构在生命科学、半导体材料等领域的早期科研拨款,实质上由国家承担了长期基础研究无法即刻变现的高昂沉没成本。1990年至2000年间,在信息技术革命酝酿与爆发期,联邦研发投入基本稳定在1000亿至1110亿美元区间。2001年后进入新一轮扩张期,研发投入从2001年的1136亿美元增至2004年的1421亿美元。2018年进入了又一轮快速上升的周期,研发投入2021年达到1738亿美元的峰值。
从研发类型来看,美国联邦政府对于基础研究的研发投入最多,应用研究次之,试验发展处于最后端。1960年左右,美国80%左右的资金用于资助试验发展活动,随着时间的推移,研发资助的侧重点逐渐从试验发展向基础研究和应用研究倾斜。1992年-2000年期间,基础研究和应用研究的份额一度上涨到50%左右,研发资金广泛布局于基础科学前沿,为紧接的爆发期提供了有力的技术支撑。从政府部门来看,2010年-2020年蓄力期期间,美国主要部门的研发资金占联邦总研发资金的份额一直在变动,其中国防部的研发资金所占份额整体呈下降趋势,而卫生部、能源部、航空航天局的份额整体呈上升趋势。这反映出在科技爆发前的准备期,科研资金投入的转变储备了能源、生物、航空航天多元方向的科学基础,完成了长期技术储备的再配置。从执行主体来看,给予企业的资金占美国联邦研发资金的比例逐年降低,从1967年的60%降至2019年的35%左右,而给予大学的资金所占比例不断增加。但值得注意的是,在2000年-2005年的科技爆发期,美国联邦研发资金流向企业的比例有一定的升高,这正是前期基础科学投入的变现,联邦研发策略从“为未知未来储备”转向“为已知目标开发”时,资金必然流向企业这一现实生产的主力军。
此外,联邦政府的另一个关键角色,在于通过大政府订单为新兴技术提供第一块市场。在集成电路诞生初期,美国军方几乎是唯一的买家。1962年,美国集成电路的销售额约为400万美元,几乎全部来自国防部和NASA的采购,直到1965年,美国国防部仍是集成电路最大的单一客户。这种确定性的需求支撑起了这些公司的初期存活与工艺爬坡,使其积累了足够的工程经验,才得以在成本下降后转向民用市场。这种国家创造市场的逻辑,是后发经济体单纯依靠市场力量所难以复制的历史先发优势。
2.2. 硅谷:人才集群、知识溢出与产学研旋转门
科技创新的核心要素是人,美国之所以能持续占据全球技术前沿,与其顶尖高等教育体系及其与产业界之间高度流动的人才机制密不可分。以斯坦福大学、麻省理工学院等为代表的顶尖学府,不仅是基础科研的策源地,更是创新创业人才的输出器。
斯坦福大学与硅谷的共生关系是这一模式的最佳例证。斯坦福大学工程学院院长弗雷德里克·特曼在20世纪中期积极鼓励师生在当地创业,并主导向惠普公司等初创企业提供风险投资和校园空间资源,由此开启了大学与产业深度融合的先河。据PitchBook 2024年大学创业榜单,斯坦福大学在培养获得风险投资的企业家数量上位居全球第一。据NSF HERD调查统计,斯坦福大学年度研发支出长期保持在15亿美元以上规模,并通过技术许可办公室(OTL)将科研成果转化为商业价值。自1970年成立以来,OTL累计管理超过15000项发明披露,执行超过5000份技术许可协议。仅2022-2023财年,斯坦福就收到超过500项新发明披露、签署约150份新许可协议,并衍生出约25家新创业公司,形成了从科研到创业的完整闭环。
此外,美国还具备极度开放的全球人才虹吸能力。自1965年《移民与国籍法》修订以来,美国凭借其体量庞大的劳动力市场和高回报激励,持续吸收了全球最顶尖的工程师和科学家。即便在国际竞争加剧的当下,硅谷在人工智能、生物科技等前沿领域的人才储备仍具有断层式优势。从2013年至2024年,计算机与数学岗位的就业人数保持了长期的增长态势。移民及其后代在美国科技创新中贡献了远超其人口比例的专利和高增长企业,哈佛商学院经济学家William Kerr的研究(2008—2016年系列论文)基于1975—2010年美国专利商标局数据,将专利发明人按姓氏族裔进行匹配,发现移民占美国发明人总数的约18%,却贡献了约28%的专利。在科技密集的城市中这一比例更高。这种人力资本红利,在人口老龄化时代的意义愈发凸显。
2.3. 华尔街:风险定价与资源出清
科技创新之所以能在美国实现爆发式增长和快速商业化,其背后是一套与之高度匹配的资本市场机制。科技产业具有高风险、轻资产、长周期的典型特征,传统银行信贷体系基于抵押品的放贷逻辑天然无法满足其融资需求。美国的资本生态精准地填补了这一结构性空白。NVCA 2026年度报告显示AI方向占VC交易金额从2015年的约10%升至2025年的65.4%。在美国这样一个市场主导型的直接融资架构体系下,资本市场毫无疑问投出了自己的选票。
此外,纳斯达克交易所的设立与壮大,为尚未盈利的科技企业提供了公开融资和激励机制的平台。其引入的做市商制度与灵活的上市标准,相较纽交所更适应高波动、高成长性的科技股,从制度上保障了风险投资(VC)和私募股权(PE)基金拥有便捷的退出通道。每一次泡沫的兴起与破裂,本质上是资本从旧周期大规模出清、向新周期重新配置的过程。纳斯达克市场作为科技股的核心集聚地,在上升时承载了极大程度的乐观定价与资本集聚,将大量社会储蓄转化为科技投资,在下跌时迅速出清过剩产能与低效率企业,筛选出拥有真实商业模式与技术壁垒的胜出者。这一过程虽在短期内造成资产价格的大幅波动,但从长期来看,为下一轮技术浪潮留出了资本空间与市场生态基础。
03
纵向复盘:美国六大科技周期的起伏与洗牌
有了前述制度铁三角作为理论基座,我们再回顾美国六大科技周期时,能够清晰地看到每个阶段中,政府、产业和资本的三角关系如何发生相对位移,从而塑造了该阶段的经济特征。
3.1. 阶段一(1948-1973):爆发期—战后繁荣与大政府创新时代
这一阶段科技贡献率高达45.2%,其典型特征是华盛顿占据绝对主导。二战及战后冷战格局使美国联邦政府以前所未有的力度介入科技研发,国防与航天领域成为技术突破的主战场。联邦研发投入从1951年的120亿美元激增至1965年的886亿美元,形成了典型的大政府创新模式。这一时期TFP复合年均增速高达1.9%,实际产出年均复合增速达到4.2%的历史峰值,科技进步贡献率高达45.2%。政府订单为早期科技企业提供了确定性的市场与收入来源,降低了商业化的初始风险,资本端以大型企业集团内部利润再投资为主,独立的风投生态仍处萌芽阶段。
3.2. 阶段二(1973-1990):蓄力期—滞胀倒逼与硅谷资本生态的暗中成型
1973年石油危机触发了美国经济长达十余年的滞胀困境,传统制造业在要素成本上升中日渐失去竞争力,TFP年均复合增速骤降至0.4%,科技进步贡献率跌入12.9%的谷底。从表层看,这是一个技术红利耗尽的黑暗期;但从制度基础设施演化的角度审视,这是一个至关重要的蓄力期,一系列具有深远影响的制度性变革悄然发生。在华盛顿端,经济增长乏力引发了对监管体制的系统性反思,放松管制进程在多行业推进,风险投资行业完成了关键的制度化发展。有限合伙制成为VC基金的标准结构,养老金等机构投资者作为有限合伙人进入VC市场。在硅谷端,以英特尔、苹果和微软为代表的新一代企业相继诞生,涵盖了个人计算、半导体和基础软件等关键赛道,创业生态开始成型。
3.3. 阶段三(1990-2000):转型期—信息高速公路形成
这是美国从计算机化转向网络化的关键转型期。1991年冷战结束后,联邦政府推动互联网技术从军用向民用领域的大规模转化。1993年,克林顿政府正式提出信息高速公路国家信息基础设施计划,华盛顿的角色从军事需求导向转变为民用基础设施建设导向。这一时期见证了浏览器商业化、互联网协议标准化以及通信基础设施的大规模铺设。全要素生产率开始呈现积极改善,TFP复合年均增速由上一阶段的0.4%回升至0.9%,科技进步贡献率修复至22.5%。美国工业生产总指数增长不到50%,而信息处理及相关设备领域指数却翻了两倍有余,产业结构的信息化升级趋势明确确立。但是,大量尚无盈利甚至尚未形成明确商业模式的互联网公司获得了巨额融资与极高估值,泡沫化趋势逐步积累。
3.4. 阶段四(2000-2007):爆发期—全球化套利与数字地租的确立
2001年互联网泡沫破裂造成美国风险投资骤降,但华尔街出清机制的价值在此集中显现。泡沫退潮后,留存下来的企业均在商业模式、技术架构与现金流管理上经过了最极端的压力测试。光纤网络、数据中心等过剩基础设施以极低成本被留存企业承接,转化为规模化的运营产能。美国制造业的海外转移叠加国内服务业的数字化转型,使TFP年均复合增速进一步攀升至1.3%,科技进步贡献率跃升至46.4%的历史高位。
3.5. 阶段五(2007-2019):蓄力期—移动互联寡头化与“微创新”困局
2008年全球金融危机中断了上一轮爆发期的增长动能,金融体系遭受系统性冲击,实体经济陷入衰退。TFP年均复合增速下降至0.6%,科技进步贡献率下移至28.6%。在这一时期,铁三角的耦合进入了新的阶段。在华盛顿端,联邦政府通过2009年《复苏与再投资法案》注入额外的联邦研发资金,在危机中扮演了托底角色。在硅谷端,移动互联网的普及使智能手机成为新的通用计算平台,平台型企业在搜索、社交、电子商务和移动操作系统等领域形成了强大的网络效应与规模优势,但也带来了市场集中度升高的问题。
3.6. 阶段六(2019-2025):转型期——AGI狂飙、算力军备与结构性撕裂
当下,以生成式人工智能为标志的新一轮通用目的技术正在全面激活铁三角。华盛顿端,美国通过《芯片与科学法》等法案,发起史上最大规模的产业政策干预,引导算力基建回岸。华尔街端,科技七巨头公司的投资支出2023年至2025年已实现翻番式增长,形成了对抗美联储加息周期的显著宏观需求创造效应。科技进步贡献率迅速反弹至37.0%。与此同时,这一轮转型的结构性撕裂也前所未有,高薪白领知识岗位首次面临被大语言模型部分替代的强烈暴露风险,本轮转型的阵痛将主要体现在知识工作者的重新分层与资本向算力领域的高度集中之上。
04
跨越周期的映射:科技赋能下的宏观资产定价逻辑
历史复盘的价值在于对当下资产定价逻辑的映射,我们将美国科技周期的起落与市 场表现进行结合观察,辨析科技赋能下的资产定价逻辑。
4.1. 科技赋能对通胀的长期平抑作用
市场对AI投资热潮的一个重要担忧在于,算力基础设施的巨量投入可能通过原材料成本、能源消耗和劳动力需求等渠道推升通胀。从中短期来看,数据中心建设确实对电力、土地、半导体材料和工程技术人才形成了集中的需求拉动,不排除在特定领域产生局部性的供给瓶颈和价格上行压力。但从更长期、更深层的逻辑来看,通用目的技术的系统性渗透恰恰具有抑制结构性通胀的内在功能。全要素生产率的提升意味着以更少的单位资本和劳动投入实现更多的产出,在成本端持续压低单位生产成本。上一个爆发期的数据显示,在TFP年均复合增速较高的技术爆发期,经济稳步增长的同时并未伴随高通胀。在2000年-2007年的TFP高增阶段,核心CPI同比增长小于3%,整体运行在温和区间。这一长期平抑机制的核心在于,技术进步属于供给侧的正向冲击,它同时实现了产出的扩张和单位生产成本的下降。
从投资视角看,如果AI技术能够如期实现向实体经济的广泛渗透,推动TFP年均复合增速持续改善,则美国经济的潜在增速中枢可能温和上移,而通胀中枢保持相对稳定甚至略有下降,形成理想的高增长低通胀组合。在这样一个中性增长环境下,名义政策利率可能维持在较高水平,但其来源是实际自然利率的抬升而非通胀溢价的扩大,货币政策空间大于市场当前预期,而金融条件在较长时间内得以维持适度宽松。
4.2. 科技周期与美债收益率的联动
利率的长期趋势受到多重因素的共同作用,包括通货膨胀的起落、人口结构的变化、全球储蓄与投资的平衡、以及美联储货币政策的框架调整。科技周期对美国长期国债收益率的影响通过两个渠道实现:实体增长渠道与通胀预期渠道。
在科技转型期与蓄力期,当宏观经济增长缺乏明确的引擎支撑、资本回报预期疲弱时,市场对长期增长的中性预期下移,长端实际利率倾向于下行。例如在1973年-1981年期间,美国对外战争频频、石油危机冲击全球供给端。此时通胀冲击占据主导,名义利率在通胀驱动下持续攀升,实际利率则呈现出大幅波动、中枢下行的特征。在科技爆发期,全要素生产率的提升推动了潜在增速中枢的上移,经济增长在非通胀约束下实现加速,从而推升了长端实际利率中枢。2000年-2005年期间,互联网技术商业化落地令生产效率快速改善,技术进步带来的供给效率提升具有抑制成本推动型通胀的内在经济学逻辑,因此爆发期的利率抬升通常体现为实际利率的上升,但名义收益率此时通常表现为下行,因为通胀回落和全球化带来的供给成本下降形成了压制力量。
2026年正处于2019年开启的新一轮转型期,2019-2025年的TFP年均复合增速边际回升至约1.0%,科技进步贡献率达到37.0%,但尚未达到2000年代初的全面爆发。这意味着利率中枢的抬升逻辑仍在酝酿之中,短期内长端利率受财政赤字、货币政策和全球资本流动等因素的主导,科技TFP的拉动作用尚需更长时间周期的验证。
05
美国经验对于中国启示
从推动美国创新的“铁三角”机制来看,中国的“铁三角”在每一个维度上都形成了具有自身制度特征的对标机制,但深度与效率上仍存在显著差异。
政策端对标华盛顿的公共研发投入与政府采购功能,其核心工具是以国家集成电路产业投资基金(大基金)为代表的国家产业投资基金体系,以及国家重大科技专项和重点研发计划的财政拨款。三期大基金的募集规模呈加速递增态势,总规模已接近7000亿元人民币。不过与联邦研发体系中年度约1500亿美元的联邦研发支出相比,规模差距仍然明显。
资本端对标华尔街的核心功能,在二级市场方面,2019年7月开板的科创板是科技企业融资体系的里程碑式改革。截至2025年底,科创板上市公司已超过600家,总市值超过7万亿元人民币,涵盖新一代信息技术、高端装备、生物医药、新材料、新能源及节能环保等六大领域。在一级市场方面,中国的创业投资行业自2015年以来经历了大起大落。据清科研究中心的数据,中国股权投资市场募资总额在2017年达到约1.8万亿元人民币的历史峰值后收缩,2021-2022年存在阶段性回升,随之在2023年和2024年再度下降。
产学研端对标硅谷的创新生态,具体实践中,清华大学建立了较为系统的技术转移体系,下设技术转移研究院和清华控股等市场化平台,通过校办产业和校友投资基金的联合运作,孵化了一批如旷视科技、商汤科技等具有规模效应的科技企业。在校友企业生态方面,由清华校友创办或联合创办的上市企业已有相当数量,涵盖从芯片设计、AI算法到机器人等硬科技赛道。但中国高校衍生企业的知识产权归属与教师创业政策仍处于改革探索阶段,成果转化的制度摩擦成本还高于美国。
中国要形成同等效率的创新闭环,还需要在科技成果转化机制、资本市场退出效率以及风险文化培育等基础制度层面取得更进一步的突破。
从科技周期的阶段判断来看,中美两国在当下的时点并非处于完全同步的技术扩散节奏中。
美国自2019年起已进入由AI驱动的第六轮科技经济周期的转型期,TFP年均复合增速从2007年—2019年的0.6%回升至2019年—2025年的1.0%,科技进步贡献率反弹至37.0%。中国的情况呈现出明显的差异化,根据国家统计局及多所研究机构的测算,中国TFP对经济增长的贡献率在2008年—2018年间约为28%—30%,在2019年之后进一步面临下行压力。不过,基于AI和大模型的快速迭代能力以及开源共享特征,以及中国在部分AI应用场景和基础设施建设具备全球领先的落地能力,在未来有着很大的竞争赶超的可能性。从整体判断,中国呈现出应用层快速推进、技术层相对滞后的非对称格局:处于第三至第六阶段之间的某种混合期,既有2000年—2007年美国式互联网全面成熟的特征,也有自身特有的要素红利消退与产业升级压力并存的转型特征。
从经济增长与利率走势来看,我国当前科技进步对经济增长的拉动以应用端红利释放为主、技术端赋能为辅,整体处于新旧动能转换的混合转型期。一方面,AI应用、数字经济、产业数字化等新赛道持续扩容,高技术产业投资、智能化改造投资成为经济增长的新增支撑;另一方面,底层核心技术短板、TFP年均复合增速偏弱的问题尚未解决,科技进步对整体潜在增速的抬升作用有限,难以复刻美国2000年代全面技术爆发带来的总量高增行情,经济整体呈现“低速修复、结构优化”的特征。对应利率定价层面,我国长端利率难以出现美国式由生产率提升驱动的趋势性上行,短期利率中枢主要由国内经济修复节奏、货币政策、财政周期主导,科技TFP的正向拉动作用处于蓄力阶段,贡献边际温和。长期来看,随着AI技术迭代突破与产业深度融合,效率红利持续释放,将逐步托底长端利率中枢,扭转利率长期下行的惯性。
06
风险提示
(1)“AI泡沫”破灭与资本支出回报不及预期风险:当前宏观韧性高度依赖巨头资本支出,若AI商业化瓶颈长期无法突破,投资热潮可能断崖式降温,触发相关资产的剧烈重定价。
(2)地缘政治碎片化与科技供应链断裂风险:前沿算力极度依赖全球半导体供应链。大国博弈下若持续升级,将从成本端和供给端系统性地扼杀技术进步对全要素生产率的长周期拉动能力。
(3)结构性失业与内部分配失衡加剧风险:人工智能触及高等教育白领阶层引发的认同危机和收入分配极化,可能超出经济范畴,转化为反噬创新活力的政治与社会摩擦,这是历史上未曾出现的新的风险维度。
相关报告
寻找跨越周期的长期引擎:海外发达经济体科技赋能启示录(东吴固收李勇 徐沐阳)20260515
科技企业对GDP可以形成拉动吗?(东吴固收李勇 徐沐阳)20260602
老龄化约束下的硬科技路径:日本经验与宏观传导(东吴固收李勇 徐沐阳)20260806
免责声明
股票
板块
用户
资讯
评论 (0)