理论月刊丨人工智能会否催生全球金融泡沫

三重冲击下的全球经济新秩序

编者按

2026年以来，人工智能进入大规模商业化扩张阶段，以大模型、机器人、智能制造为代表的新一轮技术革命正在重塑全球产业体系；美国科技股持续高估值、全球流动性重新宽松背景下，金融市场泡沫风险不断累积；俄乌冲突、中东局势、印太战略竞争等地缘政治因素持续发酵，世界经济正在经历一场前所未有的“三重冲击”。

技术革命改变增长逻辑，金融泡沫放大市场风险，地缘竞争重塑全球秩序。三股力量相互交织，既孕育新机遇，也积聚新风险。全球经济将如何演进？中国经济时报邀请国内知名专家，从宏观经济、国际政治经济学、金融安全、人工智能和产业发展等多个维度，系统解析全球经济新变局，研判世界经济未来走势，为推动中国高质量发展提供理论支撑和政策思考。

核心观点：

当前AI泡沫总体处于“局部泡沫已经形成、系统性泡沫正在积聚”的阶段，美国一侧的估值偏离与杠杆链条均已逼近历史警戒水平，中国一侧则相对平稳。

■洪永淼 张明

现如今以生成式大模型为代表的新一轮人工智能（AI）技术正加速渗透至经济社会各领域。纵观技术革命与金融市场的互动史，颠覆性技术的涌现在一定时期内往往会伴随着资本市场的过度反应。当前，全球资本市场对AI的追捧已呈白热化态势，相关企业估值屡创新高，风险资本与产业资本竞相涌入，进而产生金融泡沫的风险。本文通过历史考察总结泡沫生成的共性规律，继而分析当前AI投资热潮、回报兑现与中美差异，最后研判泡沫所处阶段并提出应对思路。

历史借鉴：泡沫的生成与破裂规律

20世纪90年代中后期，互联网技术走向商业化应用，激发了全球投资者对这一新兴产业的投资热情。1995年8月，网景公司（Netscape）上市90分钟，股价即从21美元/股推升至78美元/股，被视为互联网泡沫的起点。此后五年间，以科技股为主的纳斯达克指数从约1000点一路攀升至2000年3月10日的5048.62点历史峰值，涨幅超过400%。带有“.com”后缀的公司似乎大多能够获得资本垂青，即便这些公司缺乏清晰的盈利模式，甚至尚未产生任何收入。然而，从2000年3月起短短两年间，纳斯达克指数一度跌至1139.90点，跌幅高达77.42%，互联网泡沫由此破裂。

从生成机理看，泡沫是技术周期与金融周期错配的结果。技术周期由技术革命自身的研发、应用与普及节奏决定，周期通常较长；金融周期则由货币信用条件、金融机构风险偏好与杠杆行为共同驱动，并在过剩流动性与有限投资去向的组合下被进一步放大，周期通常较短。两个周期交汇时，即便现金流预期难以支撑估值，对不确定性回报的乐观估计也能为高估值提供一时的合理性，形成理性泡沫；一旦金融周期超过技术周期，理性泡沫便会演变为非理性泡沫。行为经济学揭示了这一演变的微观机制，就像罗伯特·希勒发现流行叙事像病毒般传播那样，AI的宏大故事令投资者基于故事而非事实决策；外推预期使人们把近期涨势无限投射到未来；过度自信与控制幻觉使人们系统性低估技术落地的难度。“羊群效应”与认知偏差，正是金融周期加速赶超技术周期的助推器。

如果说技术周期与金融周期的错配决定了泡沫的膨胀程度，那么融资结构则决定了泡沫破裂带来的冲击。2008年次贷危机就是最深刻的教训，次级贷款被层层打包证券化，变成表面上高评级的优质资产出售给全球投资者，而整个链条建立在“房价只涨不跌”的脆弱假设之上；一旦房价掉头向下，抵押品价值无法覆盖债务，被包装出来的高资产回报率随之蒸发，危机由此引爆。换言之，房价、算力价格或某类资产回报率能否持续上涨，是链条能否维系的关键。

综合互联网泡沫与次贷危机的经验与教训，可以提炼出泡沫演化的共性规律。第一，金融热情总是先行，股市技术泡沫在历史上总是先于投资与技术普及见顶；第二，泡沫的高度由叙事强度与市场集中度决定，烈度由杠杆链条的长度决定；第三，泡沫循着“技术叙事—价格上涨—杠杆加码—预期逆转—强制去杠杆”的路径展开，破灭的触发器往往是回报预期逆转而非技术本身失败。技术革命能够创造巨大价值，但价值释放是一个阶梯式的渐进过程；资本市场在一定时期内的过度热情非但不能加速技术落地，反而会扭曲资源配置、延缓产业成熟。正如前任美联储主席格林斯潘所警示的“非理性繁荣”，资本市场在技术革命面前存在一种内在的“泡沫倾向”。以这些历史规律为借鉴，可以研判当前AI热潮的性质与阶段。

当前人工智能热潮的现实考察与中美比较

当下AI领域的投资热度，在多项指标上已显现出与互联网泡沫时期相似甚至更甚的特征。从全球投资规模看，麦肯锡2023年发布的《生成式人工智能的经济潜力》显示，生成式AI每年可为全球经济带来2.6万亿—4.4万亿美元的增量价值。在这一预期驱动下，全球AI投资急剧膨胀。美国斯坦福大学《2024年人工智能指数报告》统计，2023年全球AI领域私人投资整体下降，但生成式AI领域投资不降反升，达到252亿美元。从资本市场表现看，AI概念股受到狂热追捧。例如，截至2026年8月，AI基础设施核心供应商英伟达股价为225.23美元，总市值约5.45万亿美元，较5年前增长1086%。超威半导体股价为506.20美元，总市值约8260亿美元，较5年前增长389%。

然而，微观热、宏观冷，是当前AI投资中最值得警惕的反差。1987年，罗伯特·索洛指出：“你可以在任何地方看到计算机时代的身影，唯独在生产率统计数据中看不到它。”“索洛悖论”在AI时代再度引发广泛关注，被称为“现代索洛悖论”或“AI索洛悖论”。据美国麻省理工学院发布的《生成式AI鸿沟：2025年商业人工智能现状》报告，受访企业在生成式AI领域的累计投入已达300亿—400亿美元。与之形成对照的是，宏观层面的生产率统计数据并未明显提升，甚至在过去10余年间呈下降趋势，尤其是G20经济体劳动生产率增速从2008年的接近3.5%降至2023年的2%；全要素生产率增速从国际金融危机前的约1.1%跌入负值区间。现有统计核算体系虽可能低估AI的真实贡献，但统计偏差不足以解释如此巨大的落差。企业投入持续加码而回报迟迟未现，说明支撑当前股价与叙事的基础是预期而非现金流，这正是泡沫滋生的土壤。

泡沫风险并非均匀分布，不同经济体的金融结构决定了泡沫积聚方式与释放路径的差异。2026年7月6日，美国财政部一份分析报告明确警告，AI市场正在重演互联网泡沫，一旦破裂，冲击将穿透整个经济体系。对比美国可以发现，中国在AI资产泡沫风险上呈现出显著不同。

第一，从资产价格对基本面的偏离程度看，美国AI与大科技板块的涨幅远超市场平均水平。2025年，英伟达、微软、苹果、谷歌、亚马逊、Meta、特斯拉等AI企业占据了标普500总市值的37.29%。这种集中度不仅远超历史水平，而且会通过交易型开放式指数基金螺旋式强化，一旦AI叙事弱化，极易引发指数级别的系统性抛压。中国个别AI概念股亦有惊人涨幅，但AI相关资产占市场总市值的权重远低于美国。美国AI资产价格的泡沫化程度明显高于中国，中国AI资产对主板宽基指数的反应较弱，客观上为市场提供了减震器。

第二，从投融资结构与金融杠杆看，两国差异更为突出。美国AI投资广泛采用金融租赁方式，即企业购入GPU芯片或算力设施后，即以芯片本身作为抵押品向银行或私募信贷机构融资，再用所融资金购置更多算力，形成“购置资产—抵押融资—再购置资产”的循环加杠杆链条。相比之下，中国AI企业的算力投资主要依靠自有资金、股权融资和政策性金融支持，以算力资产作抵押的杠杆化融资链条基本不存在或明显更短，金融体系与AI资产价格之间的风险传导渠道也更为有限。

第三，从泡沫破裂后的冲击烈度看，两者存在显著的非对称性。《2026年美国半导体产业现状》报告显示，2025年美国芯片产业销售额达到4250亿美元，占全球总销售额的53.4%，美国AI资产的体量与产业纵深由此可见一斑。但这也意味着，一旦美国AI行业形成泡沫，其破裂对美国经济的冲击面将是巨大的。同时，美国的AI泡沫若破裂，不仅将冲击股市，更会通过私募信贷市场向养老金和险资传导，影响美债风险溢价与全球流动性。而中国AI资产持有者多为内资机构，风险消化主要通过国内股权转让或商誉减值完成，不会引发大规模跨境资本外逃，对人民币汇率稳定构成隐性支撑。泡沫一旦破裂，其冲击烈度与传染半径亦将呈现同样的不对称性。

风险评估与政策应对

以借鉴上述共性规律审视当前AI发展，可以对其所处阶段作出初步研判。从周期错配看，AI的金融周期已明显快于技术周期，表现为资本市场的AI估值跃升快于生成式AI普及率。这表明，市场在很大程度上已在用“技术终局”为当期资本开支定价，而非用可验证的现金流定价。从估值结构看，AI产业呈现基础设施层与平台层估值高企、应用层估值偏低的倒挂格局，说明市场并不看好应用场景的近期落地，产业内部供需尚未形成闭环。从情绪信号看，2026年7月30日，Meta Platforms将2026财年资本支出预期区间收窄至1300亿—1450亿美元，Meta首席财务官苏珊·李表示，AI基础设施建设成本增速已超过核心业务。市场关注焦点从资本开支转向盈利兑现，是泡沫从形成期向检验期转换的典型信号。综合判断，当前AI泡沫总体处于“局部泡沫已经形成、系统性泡沫正在积聚”的阶段，美国一侧的估值偏离与杠杆链条均已逼近历史警戒水平，中国一侧则相对平稳。

历史表明，技术革命与金融泡沫往往是一枚硬币的两面。互联网最终重塑了人类经济社会的运行方式，但纳斯达克指数花了约15年才从泡沫破裂中恢复至前期高点。AI革命的长期价值无需怀疑，真正的问题在于如何防范可能的AI泡沫风险，避免重蹈覆辙。

对此，本文提出五点政策建议。第一，完善AI投资的统计监测框架，建立覆盖AI资产价格、算力融资与私募信贷的早期预警指标体系，防止泡沫过度膨胀引发系统性金融风险。第二，引导资本市场从“叙事驱动”向“基本面驱动”回归，强化AI企业的信息披露要求，特别是AI业务收入占比、研发投入产出比和资本开支回收期等关键财务指标。第三，倡导理性投资文化特别是耐心资本投资，发挥机构投资者的专业优势和价值发现功能，避免散户投资者在高位追涨中遭受损失。第四，加大对AI基础研究和底层技术创新的支持力度，同时使金融资源更多流向真正创造价值的AI应用场景，而非纯概念炒作。第五，加强跨境金融监管协调，尤其关注算力资产证券化、私募信贷和大型科技股高集中度带来的风险跨境传导，特别是注意防范美国金融风险对中国金融市场的溢出。对中国而言，既要以开放的姿态拥抱AI革命带来的生产率跃迁机遇，又要吸取他国金融泡沫化的教训，守住不发生系统性金融风险的底线，方能在新一轮技术革命与全球金融格局重构中行稳致远。

（洪永淼：中国科学院大学经济与管理学院院长、中国科学院数学与系统科学研究院预测科学研究中心主任；张明：内蒙古大学经济管理学院讲师）

总 监 制丨杨玉洋车海刚

监 制丨陈 波 刘卫民

审 核丨周子勋编 辑丨陈姝含