EP-232 许成钢：AI竞赛会把通缩中的中国经济带向何方？(文字版）
文字版全文
时间轴
00:00 Intro
01:20 中国的流动性陷阱为何正在恶化？
07:11 政府整体投资下降，AI和半导体投资为何仍在增加？
12:04 把有限的资金投向AI，机会成本是什么？
15:13 大规模投资AI为何不能带动经济？
20:44 中美AI竞赛背后的驱动力有哪些不同？
27:35 当美国的AI投资降温，中国也会跟着降温吗？
32:12 政府债台高筑，投资AI的钱来自哪里？
36:53 算力如何决定AI是否能最终盈利？
40:48 通货紧缩下，AI是否占用了刺激内需所需的资源？
44:00 地缘政治下中美AI产业链与实力差距
50:44 流动性陷阱如何限制中国AI的商业化
55:11 AI冲击就业，普通人应该如何准备？
60:18 嘉宾推荐
01:01:42 节目推广
[00:00:04] 袁莉：大家好，欢迎来到不明白播客，我是主持人袁莉。2023年8月，斯坦福大学中国经济与制度研究中心高级研究员许成刚教授在《通缩下的中国会走苏联的老路们》那期节目中判断中国已经陷入流动性陷阱。三年后，他认为最新的经济数据印证了当时的判断和预测。
与此同时，在居民不愿消费、企业不愿借贷和投资的情况下，中国政府却在不断加码对人工智能的投入，中美之间的AI竞争也日趋激烈。中国经济的通缩当然不是AI造成的，中国也不可能因为内需不足就停止发展这项重要的技术。但当AI进入一个已经陷入流动性陷阱的经济，会发生什么？AI投资能否创造足够的就业收入和消费？这项技术创造的收益能不能传导到普通人的工作和生活？中美这场AI竞赛又会把通缩中的中国经济带向何方？今天，许老师将结合新的数据回看三年前的判断，并分析中美AI竞争对中国经济和普通中国人的影响。许老师，您好。
[00:01:19] 许成钢：大家好。
[00:01:20] 袁莉：您在2023年8月份——真的是整整三年了——那期节目中判断中国当时已经出现了通货紧缩，并且陷入了流动性陷阱。当时，很少有经济学家使用“通货紧缩”或者“流动性陷阱”来描述中国经济。三年过去了，现在和当时相比，情况发生了哪些的变化呢？
[00:01:42] 许成钢：实际上一直持续在朝这个方向变，流动性陷阱的关键就是陷在里头出不来。所以它陷到现在，不但没有出来，最近情况在迅速恶化。我们上一次说到“中国一个慢动作的金融危机”，也有一些西方的经济学家把这个说法变成另外一个说法在表达。大家都看到了这个现象。
慢动作的原因就是政府有各种各样的办法控制。因为中国不是市场经济，它有市场经济的部分，所以才会有通货紧缩、流动性陷阱的问题。如果完全没市场，就没这些现象。但它又不是完整的市场经济。如果我们看现在发生了什么，我想可能还需要稍微解释两句为什么通货紧缩会导致流动性陷阱。
在一个标准的、典型的市场经济里，在企业的眼里，或者在个人的眼里，决定要不要借钱，要算借钱的成本。借钱的成本就是实际的利率。实际的利率应该等于名义上银行的利率，再减去他预计的通货膨胀。但是通货紧缩的时候，通货膨胀数是负的。所以实际的利率就变成了名义利率加上一个通缩的数字。所以，他就会认为借钱贵。哪怕名义的利率都快到零了——现在中国的利率真的是1%这种样子——哪怕都快到零了，但是在通缩的时候，他仍然会觉得贵。
其实我讲的这还是一个典型的资本主义世界，典型的市场经济。在中国，其实它多出来别的东西。人们整体上的感觉就是要是去花钱、投资，能给我带来的是什么？从居民的角度讲，他会认为很不安全。所以，他认为自己的储蓄越多越安全。这个不安全的感觉是因为房地产市场崩溃，大家的财富减少了。对企业来说，通货紧缩是因为东西卖不出去。所以当东西卖不出去的时候，他就会认为如果自己去投资，那就会更卖不出去，所以企业不愿意投资。
现在目前的情况就是我刚才讲，今年以来流动性陷阱的表现在迅速恶化，实际上从25年情况开始变更坏，进入今年以来突出的变得更坏。第一个最突出的表现应该是全国的固定资产投资在下降。这个大家应该都非常熟悉：历年来，中国GDP的增长是靠投资的，因为这个投资的大头其实是政府推动的，即便是私企，仍然背后是政府推动的。这个固定资产投资就过去一直在放慢，现在变成负的了，它的增长速度是负的。这个问题就大了，今年的前七个月——这是国家统计局数字——前七个月和去年同期相比下降了6.7%，这个意思就是坏到了跟1989年差不多了。大家要知道,1989年是不得了的一年。情况非常严重。而它的基础是什么呢？它的基础是去年已经是下降了。这都是很反常的。在中国，这很反常——因为政府在起作用，在帮助，但政府帮不了了。去年全年这个固定资产投资同比下降3.8%，就非常严重。
再有一个，为什么他们的投资会减少？这里边有地方政府的问题，同时也有企业的问题。企业不仅仅是在通缩的情况下卖不出去东西等等，即便他卖出去东西，他的产出里有很大比例没有现金收入。为什么产出没有现金收入呢？第一是因为三角债特别高，这个三角债在今年迅速恶化。用他们官方的正式的名字叫应收账款。应收账款的意思就是说他有了产出，本来应该收到这笔钱，但是没收到。这是一个看上去中性的词，实际上就是三角债——互相欠债，所以你拿不到钱，没有现金。这个比去年同期增加了8.1%，情况在迅速恶化。而且，重要的是这个数字里有差不多一半是地方政府欠的钱，这问题就大了。
刚才我们讲全国固定资产投资整体下降里，非常重要的一部分就是地方政府投资下降，刚才我们一起头就在讲中国现在大规模的投入半导体和AI ，所以这是不是矛盾呢？其实这个东西是矛盾，也不是矛盾。为什么他的整体投资下降呢？第一是他没有钱，第二是他把很少很少的剩下的一点钱拼命的投到半导体和AI上。但是由于他的钱少，所以他整体上也做不了。他为什么这么干呢？因为这是中央的战略部署，地方官必须要关心中央的战略部署是什么。所以我们就看到了中国战略部署发展AI、发展半导体和中国的经济的整体关系是什么。这就能看到其中的重要的一个面了。
通缩的另外的重要的方面，就是进入2026年以来，中国居民的内需需求大幅度下降，这个问题相当严重。第一个最重要的，我们值得看的，应该是汽车。今年一到七月，中国国内的汽车销售量比去年同期降了超过20%，这不得了的下降。
[00:08:52] 袁莉：这要是在美国，大家都会大喊“经济萧条来了！”，是不是？
[00:08:55] 许成钢：对，因为汽车是一个产值特别高的东西，当汽车这么大幅度下降的时候，对整个的汽车制造业，整个的机器制造业冲击就特别大。
另一个就是大家都早就熟悉的住宅销售。住宅销售的关键问题是已经持续下降了三、四年了，在持续下降的条件下，仍然又比去年的同期再降了将近14%，这不得了，已经很低了，再还往下降。跟它连在一起的就是买房子的人不愿意借钱，借钱买房子的下降了将近25%。我现在报的这些全是国家统计数据，
[00:09:48] 袁莉：很多人都是全款买房。
[00:09:50] 许成钢：对，人们害怕借钱。
[00:09:53] 袁莉：我不知道中国现在房贷利率是多少，因为中国的现在储蓄利率才1%，房贷利率好像也下降了，实际上如果现在愿意贷款，是比前些年要好很多的。
[00:10:05] 许成钢：对。但是它的利率不是零。而且还贷款这件事，人们非常非常害怕，所以就变成了现在我们见到的这个情况。
再一个就是零售。2026年的前七个月，零售总额的增长率变得非常非常低，其中尤其是五月份，居然出现了负增长，就是下降，就是五月份比去年同期还下降。这种情况，实际上是自从1989年那次危机之后、疫情之外从来没出现过的。一系列过去不出现的事，现在出现了。所以我们可以看到这个问题之严重。还有就是刚才我们提到了，买房子借贷少，这就反映到居民的整体贷款余额的增长速度上去了。
[00:11:04] 袁莉：对。我刚查了一下中国的这个房贷利率。好像多数地区首套房商贷利率大概在3%左右。公积金贷款利率会更为优惠，比美国低很多。美国有6%到7%，现在是这样的。但是就是这样，中国人还是愿意全款，可能是安心。您刚才说了很多数据，我稍微念一下，给大家一个更放在一起的概念。
这都是国家统计局的数据，显示今年前七个月，许老师说的全国固定资产投资和去年相比下降6.7%，民间投资下降9.4%。但同时，高技术产业投资增长了5%，其中信息服务业投资增长了19.2%。在整体投资快速下降的时候，所谓的高技术投资是指的AI、半导体这些吗？我不知道这些钱都是从哪里来，中央政府、地方政府还是企业？
[00:12:14] 许成钢：当然主体是政府.这里边，我们需要引进来一个经济学的基本概念，叫机会成本。机会成本的意思就是说这笔钱，本来有好多可能的用法，当我们面对内需严重不足的时候这个钱应该怎么用？在任何一个市场经济里，面对严重的内需不足时，政府的政策通常在市场经济里叫做财政政策。政府的财政政策就会有意的想办法刺激内需，把经济救回来。那么政府手里的钱是有限的，所以这就是机会成本的概念，有限的钱拿来做什么？
[00:13:02] 袁莉：比如说在市场经济国家里面，这种财政政策一般都会是什么？
[00:13:07] 许成钢：对，在市场经济，因为它是民主政治，政府是民选的，所以它必须关心选民会怎么反应。因此在内需严重不足的时候，他就要用财政政策的方式，用各种各样的办法刺激内需，比如说著名的凯恩斯主义的那些方式都是为了刺激内需，把内需刺激起来以后让经济缓回来。，
[00:13:36] 袁莉：比如说就像日本这么多年都几乎是零利率。然后像美国在疫情期间——不光是美国，很多国家，包括香港——就直接给大家发钱。还有像大萧条的时候，国家去建很多的建筑，这种基建给很多人提供工作，这是我能想到的最简单的东西。
[00:14:00] 许成钢：对，财政刺激内需可以投到生产面去，但是投到生产面的时候，他有一个动机是增加就业。所以投到生产面的时候，他会尽量投到就业多的行业里去，让人有收入，越来越多的人有收入，人有了收入，人就去消费，人有了消费，形成一个正循环，就把经济带起来了。
但是中国政府部门没有做这个事，他没有把财政支出投到刺激消费上，他投到了需要更少劳动力的行业了。这个实际上就是解决经济问题的机会成本。当我们讨论它发展AI、发展半导体的时候，我们需要知道它的成本是什么，它的成本除了账面上成本之外，非常重要的一部分是它对全社会的影响是什么？它对全社会的影响就是这个机会成本的概念，原本可以用来刺激内需的钱拿去做别的了。
[00:15:13] 袁莉：也许大家会说AI也建数据中心。如果房地产基建可以靠大规模投资带动经济，为什么AI不行？也许你可以说一下，AI投资带来的需求能涉及的哪些企业和人群，可能稍微给我们做一下对比。
[00:15:35] 许成钢：实际上AI这个行业在世界上任何国家立即能得到好处的都是少数人，包括在美国也是一样的，是相当少数的人。比如说在硅谷——硅谷是全世界AI最强的地方—这里的工程师得到好处的也是少数工程师，
[00:15:56] 袁莉：好多人都没工作了。
[00:15:58] 许成钢：对，因为所谓的AI，实际上就是个广义的自动化，它用人造智慧的方式来代替人的工作。它越发展，它就越代替人，就减少了对人的需求。在发达的资本主义国家里，劳动力本来很贵，所以努力减少对人力的需求，从商业上讲、从全社会的福利上讲，是有好处的。因为人太贵。
但是对中国来说，实际上很长一段时间以来，失业问题是个严重问题，当你面对严重失业问题的时候，从全社会的利益上讲，最重要的一定是解决人的就业，解决人的最基本需求，而不是提高自动化水平，不是减少对劳动力的需求。这是国家的经济状态决定的。所以，跟最发达的国家去拼人工智能，去拼减少劳动力的技术，从整个经济上讲就会产生副作用。
当然，在中国，人们很长以来有这样一种看法，说研究、开发、发展高科技是提高生产率的办法。所以早在讨论人工智能之前，实际是就有过相当的一些讨论，讨论怎样发展科技，用发展科技的方式提高生产率，而且还经常用一个词叫“全要素生产率”，说要提高全要素生产率，用这个办法来帮助中国维持经济增长。这个说法抽象的看，像是可以的，但是我们需要具体的看，具体的看。实际上最近，就是今年，若干国际货币基金组织的研究人员联合做了一个非常小心的认真的研究工作，用的全都是中国的官方统计数字。它有个重要的发现，就是中国这些年里的研究与开发的开支，在对中国的全要素生产力的作用是负的，开支越多，全要素生产率越低。这个工作，它不是唯一的。我想要强调的一点就是，它不是唯一的。在它之前，已经有好多个不同的经济学家的论文都有这个发现。所以基本上经济学家们的工作已经互相验证了这个发现，这是中国真正发生的事。如果我们关心的是全要素生产率，现在中国在人工智能和半导体上投入最大的，它整体上起的作用实际上不是正面的，而是负面的。
[00:19:01] 袁莉：我们很多听众可能不是太清楚全要素生产率具体指的什么，这个负面又是一个什么意思。
[00:19:09] 许成钢：在经济学里，度量效率有3种办法。一种办法度量的是劳动力的生产率，所以叫劳动生产率。一种度量是资本的生产率，就是资本生产率。然后在劳动力和资本之外，没有直接通过劳动力起作用，也没有直接通过资本起作用，当你投入都一样，但是能多生产出来东西，这个叫全要素生产率。具体一个例子，比如说要是人工智能来了以后，它提高很多效率。因为用人工智能在资本上或者服务上花的钱，把它扣掉之后，你发现它还是多出来，那个就是全要素生产率。但是如果你把那些都扣掉，你就发现你没有多出来，还少了，那它就是负的。
[00:20:06] 袁莉：那这是什么意思呢？
[00:20:07] 许成钢：效率降低了，因为多花钱了。
[00:20:10] 袁莉：中国的效率反而降低了
[00:20:12] 许成钢：因为研究与开发是要花钱的，研究与开发花的钱是不是提高效率，不一定。
[00:20:18] 袁莉：中国砸了很多钱，但是它的return on investment，投资回报反而是负的。
[00:20:25] 许成钢：对，就是它的收益不够高，你可以说砸了钱进去以后有效果，但是算经济账，它是不是有收益，那就是另外一件事。是有效果，但是你的效果可能在经济上不合算。
[00:20:44] 袁莉：但是AI这个事情好像和其他技术还有点不一样，因为可以说现在美国和中国都认为自己在进行一个AI的军备竞赛。在美国，美国政府也把AI当做国家的安全问题。硅谷一些公司也是这么说的。中国政府就不用说了。但是，一些中国的AI公司，他们也是商业公司，他们也想赚钱。两边是在做的是同一件事吗？应该怎么看这样的竞争？您会怎么看？
[00:21:17] 许成钢：其实这里的核心是它的驱动力从哪来。你刚才讲到，美国政府这样说，你讲的是对的。当我们说军备竞赛、说地缘政治、国家安全等等时，人们会说，美国政府跟中国政府是一样的。如果你只看政府，这个没错。讲到具体这个点上，政府的说法是相似的。但其实政府并不一样，这里最重要的是驱动力到底来自哪儿。
在美国，驱动力在民间，不是政府。这个账很简单，你就去算美国政府出了多少钱，美国政府有多少钱在里头，那少极了。因为现在美国民间在上面的钱是论万亿算的，美国政府在上面的钱可能是论十亿算的，小到了几乎可以忽略不计了。但是在中国，钱的主体来自政府的，即便是中国名义上的民间的风险投资，大量的中国的民间的风险投资的资金的来源是政府的。你只要去追根问底的问那个钱原本到底是哪儿的，在中国进入半导体和人工智能的资金超过90%是政府的，这个就是真正的决定性的力量了。
[00:22:51] 袁莉：但是我们也看到，比如像阿里巴巴刚宣布了他们要三年内向AI基础设施投入3800亿元人民币。然后像Bytedance字节跳动，还有腾讯，他们现在全都是all in，要全力投资AI ，他们也知道在这个时代必须要投AI ，要保持竞争力，这个怎么看呢？
[00:23:17] 许成钢：他们的资金细节是什么，其实我们不是完全清楚。但是我刚才讲的是我们已经知道的整体数字，这不是我统计的，是好多职业的数据机构——包括学术的和商业的机构——花很大力量去刨根问底的追出来的实际情况。而且我们也知道，地方政府在里边起巨大的作用。每一个地方政府都协调当地的各种资金、各种资源协调这些力量。还有就是中国的银行都是国有的，从银行来的资金都是国有银行来的资金，刚才我也讲了，名义上的私有的风险投资，实际主体的钱背后是国有的来源。国有的风险投资就更不用说了，整个资金来源是巨大量的，其实进入股市里边的都有巨大量的国有的资金。整体情况是这样的。还有就是，如果我们和美国做对比的话，美国进入股市的资金量极其的巨大，跟中国比都是数十倍的差距。这里特别值得关注的一点就是进入美国股市里的这么大量的资金里，一半的量是外国来的，一半的量是盟国。而盟国的资金当然是混合的，里边包括私人的，也包括有些国家的主权基金。主权基金去投美国的AI不是因为地缘政治原因，而是因为他认为能赚钱，这是需要看清楚的——都是为了赚钱，绝对的、大的驱动力是为了赚钱。股市上上下下跑，人们就会觉得恐慌，会觉得是不是泡沫。为什么他要恐慌？从地缘政治角度讲，就不会恐慌；为了赚钱才恐慌，他为了赚钱，他怕这个市场万一出问题。
[00:25:47] 袁莉：对呀，主权基金拿的钱很多，也是养老金什么的，本国纳税人的钱，他也不能瞎投，是要看收益的。
[00:25:58] 许成钢：对，美国也是大量的养老金都进到这边去了，图的都是赚钱，他认为人工智能会获得超级的利润，这是真正的动力。所以我有一个我认为很重要的基本看法，就是现在的人工智能兴起来的这个波浪，它是一个产业革命，是一个产业革命的早期。产业革命意味着什么？产业革命最大的直接的意味不是地缘政治，它的最大的直接的意味是超级赚钱，是超级利润。什么是产业革命？这一行有超级利润，大家都来抢，这就是产业革命。而且它是不是一波，不是一个技术，而是一波跟着一波，再跟着一波，是普遍的一波接着一波，超级赚钱，那这就是产业革命。所以，他在美国这边——其实叫美国并不正确——因为美国一国是搞不了人工智能的。人们都讲中美竞争的这个说法，其实远为不正确，太过狭窄
[00:27:19] 袁莉：不准确。
[00:27:20] 许成钢：对，如果没有台湾，没有韩国，还有荷兰、日本这几个国家，美国的人工智能马上就玩不转了。其实它都是连在一起的。
[00:27:35] 袁莉：现在美国有很多人说有泡沫，有很多忧虑。您刚才说的如果美国这个产业革命是一波又一波的，不是说一个浪就一下子过去，那如果美国的AI投资因为回报不及预期，它降温了，大家就投的少了，您认为中国的投入也会跟着降温吗？
[00:28:00] 许成钢：首先，其实中国自己经济有非常严重困难。现在它因为要跟美国拼个高低，所以是拼了要赌在上头。如果假定美国经济垮了——这个是本身是需要分析的，如果不分析，假定它经济垮了——那中国就会觉得压力小了，那它面对自己经济上很大的困难，在压力小的情况下，它可能会稍微有所放松。但是它仍然希望能超过美国，这是相当肯定的。如果美国下来了，那中国想比美国更强，会非常迫切的希望超过美国。中美两边是不一样。一边是商业动机，如果商业上出了问题，就都出了问题。而中国这边，它是一个战略动机，商业对它有影响，但是商业对它不是最至关重要的影响。这就两边最大的差别。
[00:29:10] 袁莉：还有一个问题，美国现在也是所谓的冰火两重天。AI公司、股市这些都很热。另一方面，很多人的工作已经被替代了，或者是非常担心工作被替代。财富也越来越集中。中国现在也这样，比如说中国经济现在也是用冰火两重天来形容。一方面可能90%的经济都很不好，大家都在抱怨经济不好。另一方面像AI这些领域好像又很红火。我不知道两边都有这样的分化，同样的AI冲击到中国和美国，他们会不一样吗？
[00:30:02] 许成钢：最后的结果看，会相当的不一样，刚才你首先说两边都是冰火两重天。如果你是说相对的贫富差别，这样讲还可以，但是两个简单的放在一起，其实相当的不同。
[00:30:21] 袁莉：美国经济当然没有那么差，但是，他们也说AI投资带动了美国GDP几乎全部的增长。因为其他的the rest of the economy就是剩下的经济，其实增长微乎其微。
[00:30:37] 许成钢：它对美国整体的经济增长起了相当清楚的正面的作用。跟我们刚才讲中国情况是不一样的。讲中国时候我在讲机会成本的概念，在美国不存在这个问题，美国整体上是健康的，但是，由于贫富差别拉开，因此，人们感觉到自己处于不利状态的人群会抱怨。还有，实际上还没有发生在他身上，但是他认为会发生在他身上的这群人会抱怨。所以在美国，如果我们看民意调查，超过半数的美国人不喜欢人工智能，因为他认为会对自己带来负面作用。但是，如果我们看经济指标的话，那美国现在实际的经济状况是相当健康的。当然它有通货膨胀问题，但是通货膨胀问题也已经缓解很多了，整个经济增长基本上是正常的。如果我们讲中等收入的人的收入状况，全国的统计数字看，中等收入的人整体的收入状况是在增加的。其实两极分化最突出的是当人们看到——尤其是在硅谷——那些发财的人是怎么发财的时候，对比之下会觉得差距拉开太大了。
[00:32:12] 袁莉：中国投入AI的钱也不少，但是中国政府投入AI的钱到底是从哪里来的？它又挤占了什么东西呢？也许您给我们把这个讲的清楚一点。
[00:32:27] 许成钢：对，它的主体来自政府。实际上政府现在欠的债越来越高，所以很简单，实际上里边有大量的钱其实是靠欠债。
[00:32:39] 袁莉：但是欠债也得有钱，最终的钱是从哪里来的呢？是老百姓的储蓄吗？
[00:32:45] 许成钢：可以有储蓄的部分，中国储蓄的整体量还是相当大的。
[00:32:56] 袁莉：政府有许多的办法可以发钱是吧？
[00:32:58] 许成钢：对，因为它是可以发行货币的，可以在通货紧缩、流动性陷阱的情况下，增加很大量的货币发行都不造成问题，因为那个货币不进入实体经济。所谓的流动性陷阱，意思就是你发出来的货币不进入实体经济，所以它不产生通货膨胀，产生一点通货膨胀反而对经济有好处。
[00:33:28] 许成钢：其实现在中国的货币发行量是相当大的，如果不是出现通货紧缩的话，实际这样的发行量是要弄出来相当高的通货膨胀的，但是它没有。那么在这种情况下，它的钱可以拿走用。所以它是用借钱的方式。所以政府的债一直在上升。事实上，有许多的地方政府借的债都还不了利息。他的利息都已经高的不得了。但是他们还在投资发展人工智能、发展半导体，地方政府在非常努力的在投资。这个投资包括直接用钱，也包括用其他方式调动资源，就是各种各样的方式。
[00:34:21] 袁莉：用地。
[00:34:23] 许成钢：对，还有就是政府的各种基金，还有就是政府给各个大学、各个研究机构，给他们的钱。在讨论到民生的时候，在讨论到刺激内需的时候，政府没有钱，甚至许多地方政府连一些基本的、必须的开支都表现的很紧张，但是讲到和人工智能、和半导体相关的研发和生产上，那方方面面的钱就多的很多。这个实际就是我们刚才讲的机会成本的概念。
[00:34:57] 袁莉：我总结一下，一方面很多地方政府连利息的钱都还不上，欠了大笔的债，有一些公务员的工资可能都发不出来。您前面又提到企业的三角债里很多的应收货款都是政府欠的，它都没有钱来付。但是另一方面它又有钱去投AI、投高科技这些东西。
[00:35:20] 许成钢：对，就是包括地方的大学，地方的大学都很阔。现在中国的排得上名的这些地方大学，如果你是做AI、做半导体，就显得资金非常充裕，或者你要吸引从国外来的人，那钱简直多的不得了。所以人们产生一个误解，是中国钱多的不得了，但事实上不是这样。他的钱从哪里搬到哪里去了，我们把中国的事、美国的事合成一下做一个对比，你就会看到两边的最大的差别在哪。
把中国合成一下，你会发现它不惜代价。之所以讲不惜代价，就是因为它的经济上有巨大的代价要付，他不惜代价的把原本应该用在内需上的钱弄到那上去了。然后，它产生出来的半导体和AI全部合在一起没赚什么钱。往最好了说，也不盈不亏。往最好了说，在中国这种状态下，他用很高的机会成本投到这上头，其实没有制造出一个良性循环。
相比之下，美国投资的目的是为了赚钱，事实上他们现在是在赚钱，赚的非常非常多。在“人工智能是不是能赚大钱？”这件事的背后，实际上有非常具体的物理的量，最具体的，能计算的物理的量就是算力。那我们要是看一看中国和美国的算力的差距，那这个差距实在太大了。中国和美国的算力的差距往小了说——是我有意的给它缩小了，要不然说出来数太大了——有意往小了说是一百倍。实际上这个数字可以超过两百倍，就这么大。我现在讲的是2026年的数字。其实这些年来我不断的在报这个数字，这个数不断在变，因为这个差距在迅速拉开，每年都在拉开，每年拉开的速度是60%到80%，是在快速的拉开。
有人说，中国的模型用的算力少，所以这不重要。这个说法实际上带有很大的无知。因为当我们讲到算力差距拉开这么大，也讲到两边营业收入差距拉开这么大的原因。营业收入从哪来的，这是一个基本问题。作为人工智能的公司卖的是什么？你销售的基础是算力。没有算力，无论你的模型有多好，你卖不了。你卖的是你从算力里产生出来的东西。刚才我们讲到Anthropic赚钱赚这么多，因为他卖的就是算力。首先他算出来东西好用，然后还有能力卖的出去。能卖出去的意思就是提能服务，为了要提供那个服务，你要有物理的东西在那。这个物理的计算能力你得有。没有物理的计算能力的时候，模型有多好是没有用的。所以，有的时候人们会误认为算力是一个研究与开发的能力，这个看法太过于狭窄。因为如果你只把它看成研究与开发的能力，那中国可以举全国之力让一、两个公司有足够多的芯片，他能追上。但是，我们现在讲的不是单纯的研究与开发，我们现在讲的是研究与开发，加上经济。人工智能的服务业，靠的是巨大的算力提供服务。当两国的这个东西的差距拉开这么大，而且还在迅速拉开的时候，那我们就知道了它的循环是什么样。它为什么可以投这么大？为什么有人愿意花钱？这背后的最大的原因是有人愿意花钱。
当我们讲产业革命，就是你有需求，有供给，有投资，然后就循环起来了。没有需求，你说我做了一个模型特棒，轰动世界了，但怎么赚钱就是一个致命的问题。这个需求必须归到钱上。不花钱的需求在经济上讲不算需求。必须是能落实到钱上的需求，是愿意花钱的需求，必须要有收入。当他没有收入的时候，商业模式不是一个能持续的商业模式。
[00:40:48] 袁莉：前面您说的政府要超发货币、举债，现在中国通货紧缩，大家都不愿意花钱，不愿意投资，如果政府不花钱投AI ，他会花钱去来刺激内需吗？AI投资是挤占了，还是根本就不存在挤占这么一个问题。
[00:41:13] 许成钢：这当然是挤占了，当然是因为中国政府非常担心自己的债高到有危险的程度，非常非常担心。当一个国家欠的债高到一定程度就是有危险的。事实上，现在中国地方政府的债已经高到了有危险的程度了。但是，为了党中央的部署——人工智能和半导体——这是中央的战略部署，在这个战略部署下，地方政府根本不管自己面对的危险，拼了也要往里头做。这当然挤占了原本可以用来解决内需不足的资金资源。事实上这几年国内的经济学界、政策界其实都有很多辩论了，无数的经济学家都强烈要求中国政府能够采取财政政策和货币政策来帮助解决内需不足的问题。人们已经看得越来越清楚，内需不足是中国经济面对的最大困难。但是在内需不足这件事情上，尤其是最近三年，它一直什么也没有做。
[00:42:34] 袁莉：为什么呢？其实我们刚发了一期李厚辰的节目，我们有聊一些习近平理解的内需和我们一般的经济学家和我们普通人的理解是不是有不同？我不知道，您觉得他为什么这三年都没有做什么事情呢？
[00:42:49] 许成钢：这是因为在资源有限的情况下，你的资源必须用到最重要的事情上，人工智能是个战略上的竞争。从他的角度，和美国的人工智能竞争关系到地缘政治、国家安全、军事的强弱——在军事上，人工智能的强弱决定了军事上的强弱。所以，为了要和美国全面的在最前沿的地方有竞争力，我有限的资源必须用到这。这里的关键是因为资源有限，而且很有限。这就是我为什么一直在讲机会成本的概念。你一共只有这么多钱，拿来跟美国拼，这件事和苏联八十年代跟美国拼太空航天是一样的。人工智能已经用在军事上，这个不是秘密，是公开的。包括最近美军使用的这些手段，大家都看得清清楚楚，甚至在乌克兰都看得清清楚楚。
[00:44:00] 袁莉：假如几年以后，中国的AI在技术上、出口上，或者甚至在带动GDP上都取得了成功。但是中国的就业、工资、消费还是没有改善。你觉得中国政府会认为它的AI政策成功了吗？
[00:44:19] 许成钢：中国的经济面对的最大的挑战是内需不足和失业，按照官方的数据整理，广义的失业率都超过10%了。年轻人都将近20%了。实际上要是把统计的方法弄得更准确一点，就超过20%了。当失业率这么高的时候，要想让经济发展，必须先要面对内需不足，失业率高。但是，当投入都在供给侧，供给侧最终又是要取代劳动力。所以使得全面的经济问题在恶化，而不是在解决，就是越发展，失业的问题越大。它带来的不会是经济的发展，它会给经济带来更多的困难。把原来可以拿来解决问题的有限的资源又都拿去发展最尖端的竞赛的东西去了，
[00:45:24] 袁莉：他不担心吗？不害怕吗？
[00:45:26] 许成钢：他远为更担心的是和美国的军备竞赛落后，他的目标是要跟美国竞赛，是地缘政治。这也是为什么美国政府也有许多出于地缘政治考虑的政策。比如有两个例子。
例子之一就是关于光模块的问题。中国在半导体和人工智能方面基本上不太有什么领域是领先的，但是有一个很窄的范围，就是光模块的技术。中国的确在光模块的技术上是领先的，但是这个技术的领先有点像台积电。它跟台积电不同的就是它很小。台积电就很大。台积电那个领域很大，光模块这个领域很小，就是封装技术的一个部分。但是它很像的意思，就是台积电是在制作高端芯片的工艺能力世界第一。如果我们讲光模块的最高端的技术上，中国在这个很窄的范围里，现在世界上最强，但是它自己是不能独立运作的。他跟英伟达紧密的互相依赖。如果光模块里边有问题，英伟达目前大概解决不了这部分的封装技术。设计是英伟达的，高端的技术能力是中国的。这就是为什么黄仁勋总是要努力的卖给中国芯片。这是里面非常重要的原因之一。因为在产业链上，他有离不开中国的地方。他自己知道。但是，现在美国政府出了一个很硬的规定，说不许中国的光模块进入美国。目前这个命令出来了，怎么执行没有人知道。因为如果你真的干，英伟达怎么解决他的问题？我的猜测就是英伟达会去跟美国政府去谈判，说你要是把这卡断了，咱们就全断了。这个其实很像稀土，只不过稀土里边没有了不起的技术，但这的确是个重要的技术。这就是一个例子，出于地缘政治的考虑，出于国家安全的考虑，美国政府也做一些事情，从美国公司的角度讲，从美国经济利益上讲，这是危害他们利益的，但他也做。但是，我们还是要强调，美国的整个发展，它最终的基本驱动力是商业的。这也就是为什么英伟达有这个能力去跟白宫谈判，因为事实上真正力量在商业企业里边。
另一个例子就是权重开源的模型。中国的权重开源的模型，有两、三个做的相当好，影响相当大。当西方世界说中国了不得了，碾压了美国等等，指的就是这个部分。这里边有两个问题，一个是从纯计算机科学、计算机工程的角度讲，它的实际能力到底是什么？另外一个问题就是他们在商业上是怎么回事。这是两件不一样的事。
如果我们讲他们的实际能力呢？我觉得最有说服力的就是今年5月20号梁文峰的内部讲话，因为人们认为最出名的就是梁文峰的Deepseek。他在这个讲话里讲得非常清楚，他说如果我们真的要按算法看，中国和美国的绝对差距是一两年——他说的是纯算法，然后要折算成技术的代差，他说跟美国是差一代到两代。关于算力，他说实际上自己手里有两万张，相当于英伟达H100的卡，但是这和美国最顶尖的AI公司比，少太多了。他说这就限制了我们。这讲的是实话。然后，他讲在中国他们公司遇到的困难，他说遇到的最大的困难就是因为受出口管制的影响，不能获得最先进的芯片，量也不够，质量也不够。关于研发资金的投入。他说比美国的顶尖的公司差的太远了。他说，不仅仅是他们公司，就是中国的最好的人工智能的公司，研发投入一年就是几十亿人民币，在美国都是好几百亿甚至上千亿美元，所以两边的差距都上百倍了。然后，他再讲人才，他说顶尖的人才，如果把他们和美国最好的公司比，他说这个差距大概是1:5到1:10之间，就是差很远，这是他自己讲的。
[00:50:44] 袁莉：您再说一下，您讲的这些和流动性陷阱之间的关系，可能有些听众会说，您怎么说好多这些东西？
[00:50:55] 许成钢：流动性陷阱影响到的是资金。这些企业投资的来源和市场上对它的需求，这些都是资金。流动性陷阱会影响企业投资的资金来源，影响社会上对它需求的资金来源——就是资源不足。所以实际上梁文峰的讲话中非常重要的一个部分，翻译过来就是资金不足。当然另外有一个部分不是资金不足，是美国的政策卡了它的芯片。如果你的资金非常充裕的话，你也可以在海外那样运作。当然现在美国开始卡了，这就是地缘政治问题了，就已经超出商业了。
[00:51:47] 袁莉：还有就是即便他们在模型上，在他们的技术上，不管是怎么说，也许他们是不如美国的，它不是原创，但是它只要能够大规模被使用，有没有可能还是可以创造就业和商业收益？还是依然很难改变中国现在面临的通缩问题？
[00:52:09] 许成钢：这个问题就是我刚才在讲的，他们权重开源的模型从商业上讲是怎么回事儿，这个是另外一个问题。他们这几个开放权重的模型在大量使用了蒸馏之后——当然他们里边是有人才的。我们不能否定他们的能力。这几个公司的能力的确都相当强，而且一点都不让人吃惊。因为中国的人工智能人才和美国硅谷的人才是互相流动的，是非常高度流动的。
那下边的问题就是这种开源模型在商业上怎么办？第一，现在我们看到他们目前都是亏损的，因为他商业上找不到办法赚钱。我们可以推测将来怎么办。目前，他们有了相当的影响，他的相当一部分影响是赚不着钱的。比如说在美国，美国有好多的初创公司，也有很多大学的研究团队、个人用中国这些开源权重的模型作为起始点，装在自己的计算机上开始运作，然后调整。这些做法都是不付钱的。所以，他为美国这些初创公司和科研机构和研究的个人提供了免费服务，但是商业上没有赚到钱。那么人们会说呢，他在商业上通过这个渠道有可能赚到一些钱。比如说别人把开源权重模型装到自己的机器上之后，实际上还需要他的服务，要经过API接进去，那个时候他可以收费。事实上他是收一点费，但是为了保持竞争力，都收的非常非常便宜。所以那个收费远远不像用Anthropic的产品，真的是长期在用，每一次都在花钱。所以开源模型收不回来。
[00:54:28] 袁莉：我觉得这次我比较想讨论，您认为AI公司对于中国现在的经济——就是您说的通缩、流动性陷阱——没有太大的效用，而且还占用了大量的投资，是吧？
[00:54:43] 许成钢：对，一个劲儿做出来的这些模型，成就是相当不错的，中国手里有了相当不错的、可以用的东西了。这都是事实，但是商业上怎么办，这个不清楚。刚才我们讲的那些东西在更远的将来，商业上怎么办是非常不清楚的。我也不是说我100%肯定他在商业上想不出办法来，但反正现在我们想不出来，不知道怎么办。
[00:55:11] 袁莉：AI对中国的普通人实际上已经造成了一些的冲击，比如说失业，还有现在普遍面临的降薪、通缩等等。整体的经济都不太好，如果中国在制度上，政策上短期内不会发生什么变化，政府不太会把钱用于帮助普通人过得稍微容易一些，作为普通人，现在可以做些什么准备呢？或者有什么办法呢？
[00:55:48] 许成钢：其实这真的是相当不容易。有一点目前还是知道的，有许多的人工的技能，AI是不能取代的，比如说电工、水管工——电工、水管工，现在在美国贵的一塌糊涂。在相当长的时间里，AI取代不了这些木工、铁工、管子工等等等等，越是日常见到的这些服务性的手艺，人工智能越取代不了。生产线上的人工容易被取代，因为那个比较机械。所以如果我们讲到普通人，如果关心到就业问题，实际上这些面对普通人的服务性的技能工作，社会的需求量非常大，人工智能取代不了，至少相当长时间取代不了。还有一个就是巨大量的护理工作，其实需要很多很多人。对于文化水平不是特别的高的，其实这些领域都是可以发展，而且可以是日子过得还不错的领域。有了这些技能以后，日子是可以过得不错的。
[00:57:08] 袁莉：今年北京报职业高中都爆掉了，家长都去让小孩都去上职高，前阵子纽时也写了一下，现在美国也有高中专门教这些高中生学一个技能，也类似职业高中。但我们也知道这次AI的产业革命，它特别大的一个不同，就是实际上对白领工作冲击最大，尤其是比较初级的白领工作。很多年轻人的工作是最早被替代的，在美国已经是这样，在中国应该也是这样。
[00:57:44] 许成钢：事实上呢，目前白领到底被替代了多少，其实还是有争议的。事实上没有人们以为的那么大，斯坦福有一个研究中心，他们花极其大的力量去研究，发现并不是普遍都搞掉。
[00:58:10] 袁莉：但我也看到这种entry level job ，这些最初级的白领工作……
[00:58:15] 许成钢：也是在有限的一个范围内。还有一个很重要的就是人们需要调整自己。entry level，入门的水平在变，AI可以取代很多传统的入门水平，但是，许多的企业把入门水平改了，把以前中等水平的东西变成入门了，但实际上过去那个中等水平一点都不高。人们需要学会使用AI来解决相关领域里的问题，而不是离开AI徒手去做。
比如说，最具体的例子，人们认为最危险的领域就是会计、律师行和金融机构的入门领域。因为这些领域的入门工作都是文书工作，是哪些最起码的整理数据的工作。你要是做这方面的工作，就可以管理AI来快速的处理数据，已经不是传统的用手工去做数据了，所以这时候你就已经满足了他们的入门要求——因为入门要求改变了，现在的入门要求是你必须会用AI来解决这行的问题。你要是律师行的，是学法律的，你要学会用AI处理法律的事；你要是学会计的，你要学会用AI处理会计的事；学金融的，你用AI处理金融的事——那你自动就能找着工作，事实上淘汰的都是不会用AI的。所以哪怕你原来已经是中级的人员，不会用AI就可能被淘汰。你刚大学毕业，但是你会用AI，你可能一去就是中级的工作，所以呢，并不是那么没戏。
[01:00:14] 袁莉：但说句实话，还是很可怕的。
[01:00:17] 许成钢：就是需要学习。
[01:00:18] 袁莉：我觉得这一次AI的产业革命和以前的真的是很不一样。我想一想，到了未来十年后、五十年后，我们人类会被怎么替代，我都还不敢想——也不是不敢想，是一想就觉得很可怕。这是我们以后的一个话题了，我们请每位嘉宾推荐三部书或者影视作品，您有什么推荐？
[01:00:41] 许成钢：因为刚才在讲流动性陷阱，这个就比较简单，有现成的书，正好都有中文的。一个是克鲁格曼的《萧条经济学的回归和2008年经济危机》。克鲁格曼因为国际贸易、国际金融获得诺贝尔经济奖。所以他这个书讲的是日本的流动性陷阱问题。他是比较标准的凯恩斯主义的解释法。我这里需要注释一下，中国经济和日本经济不是一回事。所以这个书是帮助了解流动性陷阱在日本发生的是什么，但是一定不要简单的套到中国来，中国不是日本。
[01:01:32] 袁莉：好，那谢谢好，谢谢许老师，也谢谢大家收听收看，我们下期再见。
大家好，欢迎来到不明白播客，我是主持人袁莉，谢谢你们一直以来对不明白播客的大力支持。在这里，我希望大家采取更多行动来支持播客。YouTube频道上的观众朋友们，你们可以点击视频下方的订阅按钮，关注我们的频道，并点击小铃铛打开提醒，以便第一时间看到最新的节目。
我们也呼吁大家主动给节目点赞留言或者分享给身边的朋友。每一期节目的友好互动对播客来说都是继续走下去的动力，我们也希望力所能及的朋友们能加入我们的YouTube会员，或者访问不明白播客网站捐赠页面，参与单次或者月度的捐赠、直播、talkshow 下午茶专题，我们希望带给大家更多有趣的谈话及时的资讯与专业的分析，这都需要更多人员和资金的投入。欢迎点击不明白播客简介上的链接或本期的shownotes来支持我们做出更多更好的节目。