AI 产业观察（二）：替代地产周期的中国 AI 周期

编者荐语：

本篇为 AI 产业系列观察第二篇，内容聚焦“替代地产周期的中国 AI 周期”，基于和鲸在 AI 产业实践过程的经验与思考，阐述 AI 浪潮下中国的机遇、挑战与奋进之路。

正文：

通过 AI 来拉动经济的机会，在 2025 年，给到了中国，而我相信中国能够比美国，更好的把握住 AI 革命，因为中国更加需要这次机会。

因为中国需要找到新的增长动能，从替代房地产的发展模式。

很多人会质疑，人工智能产业有没有可能达到地产一样的产业规模，形成和地产一样巨大的经济拉动效益。这批人在 20 年前也在质疑互联网的产业规模，在 10 年前也在质疑新能源汽车的产业规模。

中国的房地产周期是一个 20 年的增长周期，带来了巨大的经济增长和财富效应，有带来了巨大的增长惯性，要停下来是非常痛苦的，但如果没有停下来的话，泡沫破灭的时候，会更加痛苦。

房地产之所以能够成为货币的蓄水池、资产的蓄水池，是因为房地产有持续不断的增量需求，包括消费需求和投资需求。其投资价值是由土地的稀缺性，以及城市化与工业化的效率提升的持续性所决定的，这是所有的金融机构都可以接受的抵押资产，可以撬动规模巨大的金融资源、投资资金。

房地产的威力在于投资乘数效应，也就是可以撬动 10 倍以上的投资杠杆，从而拉动大量的经济活动，其破坏性也在于占用了过量的社会资源，消耗了社会的活力与创造力。而一旦房地产开始下行，其负向的投资乘数效应，也会使得大量经济活动陷入停滞，大量金融债务出现违约，这就是痛苦的去杠杆过程。

中国在 2022 年开始加快地产行业去杠杆，有很强的需求进行新一轮的信用创造、资产构建、产业构造，需要借助巨大的强度，去进行新一轮的科创投入与基建投入，带动短期经济和长期竞争力。

但是科技产业和地产行业的金融逻辑有着很大的差异，在核心特质上是相反的，科技是无形资产，地产是有形资产。中国的金融系统要适应科技资产的特质，还需要补很多课。

科技创新的难点在于，不仅需要规模巨大的科研投资、产业投资，由于科技创新天生的不确定性，缺少能够被金融机构认可的抵押资产，很难进行信用扩张。

对比之下，就能够看到美国在科技创新领域的独特优势，美国可以通过一个全球化的、高度发达的资本市场，美国（尤其是硅谷地区）变成了世界上最善于对创新进行投资、探索、市场化、资本化的地区。美国首先把 AI 技术的生产力的潜能，兑现成为资本扩张、资本投入，放大了 AI 技术的领先性，也拿到了 AI 产品在金融市场的资本回报和终端市场的收入回报。

当 AI 的技术潜力出现的时候，美国必然会拿到技术红利的大头，因为资本红利和技术红利形成了正向循环，这里面的财富效应，就激励了源源不断的创业者和投资者加入这个技术创新的生态系统。

冷静下来看待科技创新的格局，如果没有美国作为前沿探索者，首先拿到足够大规模的技术红利，中国也很难拿到。因为中国的科研生态、金融生态，仍然难以支撑颠覆式的科学创新与大规模的风险投资。而美国一旦完成了从零到一的突破，中国就有能力实现从一到十乃至一百的放大，这一点已经在很多的工业领域被证明。

由于中国的基本国情是世界上最大的发展国家，而且是发展速度最快的发展中国家，这就构成了科创产业发展的基本矛盾，必须要全力发展潜力最大的新产业，否则无法支撑中国的经济规模和发展速度，而潜力最大的科技产业往往对应了最大规模的投资，以及最高强度的国际竞争，而中国作为一个发展中国家，产业基础、人才储备、资本储备又肯定是不如美国这样的发达国家的。

中国的幸运在于，通过四十年的积累，基本拿到了发展 AI 的整体产业链的最后的两张门票，而且国际上也看不到第三个国家能够拿到这张门票。

一个是中国的工程师红利、科学家红利，已经达到了无处不在、不可替代的程度，可以吸收到大量的前沿知识。AI 技术作为这一代的颠覆性技术，其底层技术是信息技术，而信息技术是扩散速度、复制速度、迭代速度很高的技术领域（相比化工、制药、航天），也就意味着知识层面的壁垒并不多，更重要的壁垒是产业生态和科研生态。

第二个是美国已经出现了制造业的空心化，美国的 IT 产业也存在着成本过高的现象，导致大量的 AI 技术创新、应用创新，很难在美国市场实现性价比的优势，进而也很难实现 AI 产品的全球化分销。

第三就是中国已经主动进行了房地产的去杠杆，地产的资金过度占用的情况已经显著好转。如果房地产继续占用大量金融资源，金融资源是很难进入科技创新领域的，中国不是没有资本，只是大多数资本都沉淀在房地产行业，如果在房地产行业有确定性的 10% 的资本回报，资本是不可能进入回报相对不确定的科技创新领域的。

美国在用工业化的方式进行科学探索，科技创新和资本分配，中国使用工业化的方式在进行先进科技成果的模仿、追赶和产业化。特斯拉实现了新能源汽车的产品形态的从零到一的突破，也完成了市场领导地位的构建，也为中国的后发厂商，提供了技术可行性、产品接受度、市场想象力的验证。

AI 科研 * AI 基建 * AI 投资 * AI 补贴，形成 AI 的产业闭环，是政府在产业上最重要的任务，是一个不允许失败的 OKR，O 就是 AI 产业的追赶和领先，KR 就是有国际竞争力的 AI 基建和 AI 应用。

中国最大的优势，就是在过去的 40 年里面，经历了整个社会、产业、经济的高强度的变革，对于如何系统性把握技术机遇，已经形成了一种国家能力。中国不怕困难，怕的是没有可以统一共识、值得全力以赴的目标。这是德国、日本的工业追赶的成功模式，被中国加强到了新的规模、新的高度。

一旦 AI 可以开始兑现出 ROI，并且有可以复制的基础设施，中国就可以通过集中式的投资，来进行新一轮的、大规模的基建投资、科研投资、产业投资，这是中国政府相对其它国家都更加擅长的事情。

中国的规模太大、任务太多，所有的地区和领域都需要资本投入，而作为一个后发国家，资本积累就是相对不足的，“资本匮乏”+“机会匮乏”+“目标缺失”的相互强化就是大部分地区和机构的基本矛盾，也就陷入了“贫困陷阱”。

中国面临着东西部差距、南北方差距、贫富差距、东西方阵营博弈等一系列的矛盾，一旦被这些矛盾拖住了发展的脚步，就可能会掉入中等收入陷阱，有着极大的机会成本，必须要用足够高强度的中央集中规划、中央集中投资，才有可能推动这么大的一个国家往前走。

当 AI 变得无比重要、无比强大，中国政府和社会就会形成广泛和深刻的共识，扫除关于做什么、做不做的阻力和分歧，而是去讨论怎么做，做得好不好，怎么才能做得更好。

在中国的上一轮地产经济的增长引擎已经动力衰竭，最需要进行更大规模的基建支出，来拉动经济的阶段，人工智能技术的 ROI 达到了临界点，中国在人工智能领域，已经积累了结构性的优势，包括规模庞大的工业产能、工程师红利与科学家红利，高效率的政府行政体系。

我们就可以见证中国在 AI 领域的投资模式，全力开动国家机器，在人工智能的全产业链、全要素、全场景上，进行饱和式的投资，高强度的考核，这里面每一件事情，都不是局部的、短期的运动，而是全国性的、长期性的战略举措。

三大电信运营商，正在每年投入数千亿建设智算中心，国家会进行对应的算力补贴、电力补贴，会让中国的算力运行成本具备国际竞争力。

国有银行会为企业的算力采购提供贷款，并且会设定贷款规模的考核指标，让企业在 AI 研发领域的融资成本持续下降。

高校会大范围开设 AI 相关专业与课程，科研院所加强 AI 基础研究，让中国的 AI 人才，尤其是具备 AI 技能、AI 知识的工程师、科学家的人才规模迅速达到世界领先。

地方政府和园区会对企业的 AI 研发、AI 采购进行补贴、税收返还，降低企业在 AI 投资上的真实成本、真实价格，帮助企业对于 AI 投资的 ROI 进一步提高。

这些因素都叠加起来，中国的 AI 产业的研发成本、运营成本会持续下降，随着大模型性能的进一步爬坡，大模型应用开发模式的进一步成熟，中国的整个 AI 产业的 ROI 都会在近期达到临界点，带动 AI 产业的投资规模、采购规模的爆发性增长。

这个大规模基建投资，叠加工程师红利，叠加政府招商与补贴的发展模式，是全世界任何一个国家都没有办法完整模仿的，因为国家规模存在着数量级的差距，以及政府行政能力的差距，中国的高铁网络、5G 网络、高速公路网络都是这么干到世界第一的。

中国作为一个超大规模的国家，需要通过明确的共识来凝聚人心，汇聚力量。

过去的一百年，这个共识就是“落后就要挨打”，过去的四十年，这个共识就是“发展是硬道理”、“科技是第一生产力”。今天，这个共识就是：用 AI 实现高质量发展，实现民族复兴。

关于“落后就要挨打”、“科技是第一生产力”的共识，全球不会有任何一个国家，会像中国这样清晰和坚定。当这样的国家共识、工业规模、人才储备，和人工智能的破坏性创新结合起来，所释放的生产力、创造力与冲击力，可能会让全世界的所有人，包括中国人自己感到震撼。