自第一次工业革命以来，科技逐渐成为全球经济增长的重要生产要素，每一次重大技术革命都会推动人类社会经济出现突飞猛进的长周期增长。新技术是否能引发新一轮科技革命的标准在于——其能否广泛应用于生产生活，并解放、发展生产力。

根据规律，科技提升生产力的过程存在所谓的“索洛悖论”，即技术对生产率的提升存在明显的时滞。尽管人工智能相关技术发展已久，但其对生产方式的影响没有脱离互联网的框架。而伴随算力、自然语言处理等基础通用技术的成熟，基于自然语言的ChatGPT快速应用、AIGC应用场景快速拓展， 给AI技术加速突破“索洛悖论”提供了可实现路径。

(相关资料图)

AI浪潮已至，这轮科技革命注定会给各行各业带来“颠覆性”的变革，未来资本市场“AI+”板块中也注定会诞生新的科技龙头。

第三次工业革命红利濒临耗竭，

全球经济增长亟需注入新动能

纵观2000多年全球经济增长史，在19世纪以前，全球经济增长非常缓慢。据著名经济史学家安格斯·麦迪逊测算，从公元元年至1820年间，全球经济年均增速只有0.1％，人均收入在这1800多年里只增长了约40％。

直到200多年前英国工业革命的发生，彻底改变了这一局面，之前主要依赖人力、兽力的生产方式发生了变化，全球经济开始加速增长。此后，每一次重大技术革命都会推动人类社会经济出现突飞猛进的长周期增长，科技已经成为世界经济增长最重要的动力。

近2000年来全球经济总量变化

来源：Angus Maddison，中泰证券研究所

很多人认为我们一直处在科技井喷的高峰，是因为随着互联网在日常生活中渗透程度的不断加深，让我们产生了一种仍处于“技术大爆炸”时代的错觉。这种错觉产生主要有两个原因：一是中国仅用30年就几乎全盘吸收了西方300年的技术成就；二是信息技术的发展其实只是“平层效率的提升”而非“更高维度的突破”，即：虽然电脑内存和运行效率不断提升，但运行本质和工作原理却仍在原地踏步，真正对全要素生产率有质的提高的技术并未出现。

即使是以“互联网+”为代表的21世纪的科技红利，也已濒临耗竭。2021年全球互联网渗透率达65.6％，其中中国渗透率达65.2％，美国渗透率达90％。世界主要经济体极高的移动互联网渗透率预示着新兴互联网平台进入一个获取“增量”困难，需要依靠“存量”拼杀的红海时代，在这种情况下再想获得新用户或者提高用户使用时间的边际成本极高。

全球主要国家互联网渗透率接近饱和

来源：WeAreSocial，前瞻产业研究院，中泰证券研究所

同时，随着科技创新与产业变革循环演进，互联网逐渐成为传统行业。互联网不仅实现了从桌面互联网向移动互联网的过渡，也实现了从信息互联网、消费互联网到产业互联网的覆盖，应用场景已经渗透到各行各业，难以再找到比较多的拓展点。

劳动生产率提升迎来重要机遇，

人工智能或带来新一轮科技革命

科技革命爆发的标志就是新一代科技成果开始广泛应用于生产生活，从而解放、发展生产力，提高劳动生产率。近年来全球范围内出现的技术突破并未能从本质上解放、发展生产力，尤其对于能够引领全球经济发展的大型经济体而言，其发挥的作用还远远不够。

去年11月底推出的新晋AI届顶流ChatGPT则再次引发了人们对于新一轮科技革命的遐想。ChatGPT推出仅2个月，用户数已经突破了一个亿，当时的电话和手机分别用时75年和16年才在全球积累1亿用户，即使是上一个最快破亿的程序TikTok也要用时9个月。

主要科技产品及平台达到全球1亿用户所需时间

来源：勾股大数据，中泰证券研究所

ChatGPT拥有超大模型和全网数据训练，实现了生成式AI的现象级突破。它不同于前两年爆火的元宇宙，ChatGPT的应用场景要比元宇宙广得多，反映了解放大脑的“智能型”生产工具已经出现。这就像20年前的互联网和10年前的智能手机一样，很有可能引发新一轮技术和行业换代。

媒体上对于“科技革命”一词的使用十分泛滥，实际上，但凡不能显著带来全要素生产率提升的其实只是“伪革命”。回顾历史，工业革命是技术创新集聚产生的时期，三次工业革命都无一例外地促进了劳动生产率的提升，并决定了未来一个国家甚至世界经济的可增长性和繁荣程度：

1760年到1840年发生的第一次工业革命，以蒸汽机的发明和广泛应用为标志，生产工具发生了由手工形态向机器形态的质变，人类社会开始走向机械化时代，1770-1840年间英国工人的平均劳动生产率提高了20倍。

19世纪末到20世纪初的第二次工业革命，以内燃机和电气机械的出现为标志，使规模化大生产成为主导性生产方式，大大降低了工业生产成本并提高了生产效率，19世纪末的30年中，世界工业总产值增加了2倍多。

20世纪60年代开始，伴随着半导体技术、大型计算机、个人计算机以及互联网的出现与广泛应用，自动化机器设备不仅取代了相当比例的体力劳动，还替代了一定程度的脑力劳动，社会生产力和人类文明达到了前所未有的新高度，人类由此进入信息化时代。

四次工业革命分别实现自动化、电气化、数字化和智能化

来源：中泰证券研究所

不同于其他技术突破，此轮以ChatGPT为代表的人工智能的发展，极有可能实现对劳动力、资本等生产要素的智能替代和功能倍增，促进全要素生产率的提高。蒸汽机之所以推动了第一次科技革命，是因为其在提升了劳动生产力的同时，将大量劳动力从低级的农业劳动中解放出来。电力则加速了劳动力从第一产业向第二产业的转移，并刺激了第三产业的发展。信息科技时代，大量劳动力涌入第三产业，形成了如今全球第三产业GDP占比55％的格局。

未来，随着人工智能的广泛应用，会有越来越多固定、繁琐和标准化的工作被人工智能取代，这既能缓解人口老龄化时代劳动力短缺的问题，也能帮助劳动者专注于更具优势和创造性的工作，从而大幅提高劳动生产率。同时，数据将成为经济增长的主导性生产要素和新一代人工智能的基础，通过从海量数据中深度挖掘信息并将其转化为知识资本，能够有效实现生产要素的功能倍增，由此带来生产率更为显著的效能提升。

目前AI在部分领域表现已经达到人类标准

来源：Our World in Data，中泰证券研究所

例如，高盛的一份关于AI 报告认为：在AIGC的加持下，工作流程被大幅简化，生产力将得到提振，在生成式AI发展的十年内，预计每年可以将生产力提高超1.5％。我们有理由相信，未来人工智能将掀起新一轮科技革命，在带来生产方式和产业结构重构的同时，提升当今社会生产率。人工智能技术更加成熟之后，其对于全社会乃至全球劳动生产率的提升注定形成重要支撑力量。

AI全产业链逐渐成熟，

人工智能有望加速突破“索洛悖论”

人工智能并不是横空出世的新技术了，但当前来看其对于全要素生产率的提升效果还不明显。这其中一个重要的原因在于：人工智能的先进技术真正在整体经济中的扩散、传导与推广存在“时滞”。回溯上一波人工智能的追捧，大概还是在2017年AlphaGo围棋大战之后，这一热度没有保持下来，主要就是因为没有大规模的应用落地，没能直接推动生产率的进步。

然而，这并不代表人工智能不能引发下一轮科技革命。实际上，即使是第三次工业革命期间，信息技术对生产率的提升也存在明显的时滞，即所谓的“索洛悖论”。当时，美国劳动生产率的增长率从1948-1973年平均3％下降到1984-1990年的大约1.5％，直到上世纪90年代以后，信息技术对生产率提升的作用才明显体现出来。

同样的道理，人工智能对全要素生产率的提升发挥作用也需要一段时间，这或许要在三个条件逐渐满足后我们才能看到明显的作用：一是要具备算法、算力、数据等相应的新型基础设施，促进人工智能技术的全面商业化应用；二是要加强互补式创新，利用机器学习系统的自我学习能力激发互补式创新，实现人工智能技术研发与产业发展之间的良性互动；三是要加大配套投资，实现企业生产模式、组织结构和业务流程的再造。

本次以ChatGPT为代表的AIGC引发的新一轮人工智能热潮让我们看到了以上条件逐渐被满足的可能：一方面，近年来世界范围内算力、算法水平不断提高，作为AI时代的基础，各国高度关注数据要素市场化发展，努力挖掘、培育、释放数据价值，从东数西算、全国一体化政务大数据体系建设，到“数据二十条”和《数字中国建设整体布局规划》相继颁布，我国也一直在积极引导数据要素的发展。并且随着AIGC的不断迭代，我们可以看到人工智能在养老、教育、医疗、内容创作等领域实现广泛应用的希望。

生成式AI的应用格局

来源：36Kr，中泰证券研究所

另一方面，2006年以来，深度学习的实用化进程为实现人工智能技术研发与产业发展之间的良性互动创造了条件。相比AlphaGo而言，ChatGPT的出现意味着人类不仅可以在封闭问题上采用神经网络的办法进行处理，还能够通过不断地优化、预训练、对抗训练、强化训练这一套流程对开放性问题进行处理。近期的研究论文表明，GPT-4已经具有一些自我反思和纠错能力的萌芽，这使得它在和人类交互中，可以建立起数据、学习和智能的增长飞轮，从而在产业化的过程中实现与产业发展的良性互动。

此外，由于人工智能投资和业务影响之间存在明显的关联性，人工智能投资将给企业带来明显的效益，伴随AIGC技术的不断发展和成熟，大量公司将纷纷布局人工智能，企业生产模式、组织结构和业务流程会发生巨大改变。从去年底AIGC概念走红以来，已经有包括微软、谷歌、百度、阿里、华为等企业布局人工智能领域，未来AI技术将颠覆各行各业，比如人工智能可能会被包装成"解决方案"以此强化SaaS公司现有护城河，办公工具将成为AIGC最广泛的应用等，都将在很大程度上改变企业的商业模式和管理方式。

1970年代技术革新下的日本经验：

中国制造业或明显受益“AI+”赋能

1955-1970年期间，日本经过“引进消化吸收再创新”的技术发展战略几乎掌握了工业发达国家过去半个世纪当中发明与应用的全部先进技术，基本上消除了比欧美落后二三十年的差距，效仿欧美建立了一套重化型的产业结构，国民生产总值上升到世界第3位。

在日本与欧美等国家技术水平逐渐接近的情况下，之前日本的“引进消化吸收再创新”发展模式显得不合时宜。同时，重化型的产业结构虽然支撑了日本经济“一枝独秀”的高速发展，但这一产业结构所固有的局限性和问题日渐凸显，也倒逼日本垄断资本进行产业调整。

随着第三次科技革命在20世纪80年代向着电子技术、新材料技术以及生命科学技术深入发展，日本摒弃了拿来主义的科技发展模式，提出了“科学技术创造立国”的发展战略，以信息技术、新材料技术为代表的电子工业迅速发展，带领日本在“三期叠加”的经济大环境下保持了较高的经济增速。

20世纪60/70年代日本经济增长的各因素贡献度

来源：《繁荣与停滞：日本经济发展和转型》，中泰证券研究所

相比60年代，70年代日本资本对于经济增长的绝对和相对贡献均大幅下降，但是经济增长的一半以上贡献都要归功于技术进步。这一期间，受益于持续的技术和设备改造，日本的劳动生产率也快速上升：《现代日本经济》数据显示，1973-1980年日本劳动生产率平均增长6.8％，而同期美国和联邦德国分别仅增长1.7％和4.8％。

2008年金融危机后，中国也同样面临了增长速度换档期、结构调整阵痛期和前期刺激政策消化期“三期叠加”的经济问题。借鉴日本经验，为了保持经济中高速增长，推动经济迈向中高端，我国就必须抓紧新一轮科技革命的发展机遇，在第四次科技革命浪潮中实现高水平自立自强。

但与70年代日本不同的是，当今中国所面临的地缘环境更为严峻。自中国2001年加入WTO以来，中国经济总量实现了对美国的快速追赶：1991年，美国GDP占世界比重达25.9％，日本占15.1％，彼时中国GDP仅为全球GDP的1.6％。到2021年，中国的GDP占比已经达到了18.5％，而美国和日本的GDP占比分别回落至23.9％和5.1％。此外，中国也在科技、国防、教育等各方面对美国霸主地位提出挑战。

全球主要经济体占全球经济比重（％）

来源：Wind，中泰证券研究所

以史为鉴，世界科技发展往往体现明显的周期性，每次科学技术划时代发展的背后，都是大国间对抗博弈的激烈竞争，其根本原因在于不计费用的军事需要的迫切性大于民用需要的紧迫性：战争压力下，国家将加大财力、物力投入力度以支持科技研发，并将先进技术应用于军事领域。而这些先进技术在大国激烈对抗后又会应用于经济系统的各行各业，实现科技革命的产业化。

相比而言，中美之间在意识形态、军事实力上，跟当年的日本还是有很大差别的，因此美国对中国的竞争、打压，要比当年打压日本的手段更多、力度更大。如果中国仅在现有技术框架中与美国竞争，只会被不断“卡脖子”，只有充分把握住这一次科技革命的浪潮，才有望从全球竞争中胜出。

美国对华科技竞争的基本逻辑与工具

来源：《“内外兼修”：拜登政府对华科技竞争》，中泰证券研究所

如今，以智能化为特征的第四次工业革命轮廓日渐清晰，在世界百年未有之大变局与新一轮工业革命的历史性拐点，无论是国家、地方还是企业都会不遗余力布局投入，这也意味着未来人工智能在我国将有历史性的发展机遇。

奇点将至：

关注新一轮科技革命下的投资机会

回顾历次科技革命的发生必将会带来大量融资。究其本质，只有资金支持才能增加核心企业的研发优势，进一步扩大技术成熟及应用。在新一轮科技革命背景下，新兴科技企业将产生大量融资需求。AI发展新格局或开启新一波投资黄金期。特别是，全面注册制落地之后，更要关注AI领域相关金融科技公司、科创公司的投资机会。

2020-22年前100篇引用最高的人工智能论文来源排名

来源：Zeta-Alpha，中泰证券研究所

就短期而言，当前AI板块市场集中度较高，主题投资行情下一些下游应用受益的公司估值过高，投资者需要规避其中过热风险；但中长期来说，若人工智能比较带来一轮科技革命，其注定将孕育全球科技的新龙头，对于AI领域核心研发优势的龙头公司应持有理性、客观的长期投资理念。

算力作为制约AI发展的关键要素，目前AI行业龙头主要使用英伟达的GPU芯片进行开发训练，国内高性能GPU的研发能力有限，具备高国产替代紧迫性。当前芯片制程已经提升至5nm，继续提升制程的性价比逐渐降低，在这种情况下，“先进封装”或成为我国算力领域“弯道超车”的关键技术。

AI算法包括基础算法和应用算法两类，目前几乎所有基础算法都由斯坦福、哈佛、OpenAI等美国机构提供，而应用算法几乎完全开源，美国对开源社区有绝对控制权。也就是说当前我国AI算法对国外依赖度很大，建议关注有核心算法突破及AI算法商业落地的厂商。

同时，海量数据能为人工智能创造良好的发展环境和数据技术基础。随着数据这一国家基础性战略资源地位的确立，数据要素推动数字经济发展将进入落地阶段，未来以国家主导的数据交易体系逐渐完善，数据要素相关的收集、确权、存储、处理、定价以及流转六环节将有大量公司受益，并有望形成板块效应。

此外，AI下游应用方面，伴随AI+的应用场景不断扩大，应用场景的需求市场不断拓宽，商业模式良好的软件龙头亦或明显受益。

风险提示：AI技术商业化落地不及预期；技术迭代不及预期；相关政策推进不及预期等。

本文源自：券商研报精选

作者：李迅雷 张文宇

关键词：