楼市新判断出炉！2027年春节前后，房价有望大范围止跌回升？

机构给出的这个时间窗口到底靠不靠谱？房价真正要迎来大范围止跌，又需要哪些前置条件来支撑？

要回答这些问题，不妨先把视线从时间点本身挪开，看看一位长期研究中国宏观和房地产的经济学家，是如何把房地产和当下的AI浪潮放在同一张图里来观察的，这或许比单看一个预测年份更能帮助我们理解接下来的走势。

当下打开新闻或翻阅研究报告，几乎满眼都是AI。一方面，算力投资猛增、芯片出口暴涨、大模型不断迭代，新一轮科技革命仿佛近在眼前；另一方面，落到实际生活和投资里，房地产调整、消费疲软、就业分化的讨论从未停歇，经济的水温似乎并不那么高。

一边是科技赛道热火朝天，一边是传统行业在出清；一边是少数城市借着AI红利往上走，另一边是更广泛的人群和区域在承受转型的压力。这种割裂感是怎么形成的？

AI对中国经济的真实拉动究竟处于什么样的水平？它能不能真的接棒房地产，成为下一个增长引擎？

围绕这些问题，野村中国首席经济学家陆挺做了系统的研究与思考。在陆挺看来，大家对AI这一新事物并没有做过多少仔细的测算。

他的团队在一个多月前就从几个不同渠道汇总研究，考察AI对中国经济的实际影响，既做中美横向比较，也做与过去新能源汽车、光伏电池等新三样的纵向比较，还比较了房地产和基建在最火爆时期对中国经济的拉动。

得出的结论是，AI对整个中国经济确实很重要，但在目前这一阶段，不能夸大它的影响。从投资角度看，AI对经济的第一轮影响体现为投资拉动。

美国当下的经济增长中，有人认为一大半来自AI投资，而中国的AI投资算下来约为1.2万亿元人民币，已经把与AI相关的电力投资包含在内，占中国GDP不到1%，大约只有0.8%，相对于美国的AI投资占比，这个比例只有美国的三分之一左右。

再和历史上的新三样作对比，新三样在最高峰时的投资约占中国GDP的2%，是如今AI投资规模的两倍；而房地产在最高峰时投资占GDP甚至超过10%，基建情况类似。因此单从投资角度而言，AI对中国经济的拉动不小，但远未到可以替代传统引擎的量级。

从出口角度看，情况需要更仔细地拆解。过去几个月中国出口增速明显抬升，5月份一度达到19%，其中约一半来自与AI相关的产品。

表面上看，AI把中国出口增速从去年的5.5%左右一下子拉到了十几甚至近20%，拉动相当可观。但这一轮非常不同的地方在于，出口增速上升中一大半来自价格变化，相关产品的价格翻了一番还多。

当出口产品价格快速上涨时，必须同时追问进口端类似产品的价格是否也在上涨。事实上，当中国出口增速到19%时，进口增速已经到了27%。

中国在存储芯片等相关产品上是进口大国，一旦价格暴涨，进口金额同样暴涨。折算下来，最近几个月中国的进出口差额实际上是下降的。

与此同时，中国不断上升的AI投资中间，有相当一部分是溢出的，并非国内自己生产。要建大模型、建算力中心，无法完全依靠本土芯片，大量仍需进口，所以在计算投资增加值时，必须扣掉这部分来自进口的零部件。

综合这些因素，从国际贸易增加值的角度衡量，AI目前对中国国际贸易方面的贡献其实微乎其微，甚至在这个过程中还要付出一些成本。更有意思的是，那些主要的芯片出口商并非长江存储这样的中国企业，而是三星、海力士在中国的工厂。

当存储芯片价格暴涨时，它们在无锡、西安等地工厂的出口也计入中国出口，确实为当地贡献了税收和增加值，但其中的利润最终还是归属于海外母公司。

陆挺特别强调，在研究AI对中国经济影响时，必须把它和另一个事情结合起来看，就是2021年以来房地产行业的持续下行。过去五六年里，全球在AI方面出现爆发，美国等经济体没有多少其他拖累，表现为AI驱动的繁荣；

而中国这一边正处于一轮堪称史诗级的房地产下行，疫情之后整个中国的宏观经济与美欧日走出了很不一样的轨迹。别的国家普遍经历高通胀，而中国不仅没有高通胀，还一度经历相对温和的通缩；别国利率水平高企，中国利率水平则不断下行。

因此，房地产行业本身的下行，已经在造成城市之间的分化和人群之间的分化，这是理解中国AI叙事时无法绕开的底色。在中美差距的测算背后，陆挺列出几个原因。

其一，美国是引领者，开路先锋付出的成本更大，这一轮AI革命从OpenAI发端，其背后站着微软、谷歌、甲骨文这样的大公司和财团，花钱多理所当然。

其二，美国有非常发达的资本市场，全球投资者为其源源不断提供弹药，不仅通过股权融资，还通过私人信贷市场借入大量资金。

其三，美国在采购高端算力设备方面几乎没有限制，但今年美国AI支出较去年几乎翻一番，所买到的东西差别却不大，关键原因是存储芯片价格大幅上涨，推高了整体AI投资支出。相对而言，中国作为跟随者可以借鉴先行者的经验，减少试错成本；

但资本市场体量较小，背后的科技平台和财团没有那么雄厚，更关键的是面临诸多外部限制，想要购买最先进的Blackwell和部分存储芯片都买不到。

关于AI能否接棒房地产，陆挺给出的回答是，可以部分扛起这一重任，但不能指望通过AI来解决目前面临的所有问题。尤其是在房地产下行的背景之下，这种冲击可能对绝大部分城市的财政、就业产生广泛影响。

陆挺用一个比喻形容：AI像一艘大船，带着大家驶向彼岸，但在这个过程中可能有一些人会从船上掉下去。回看18至20世纪的几次工业革命，马克思、恩格斯的经典著作中有许多真知灼见。

一些国家及时引入了社会保障制度，使整体需求不至于快速下跌，也保障了工人的基本权利；但即便如此，这一过程中仍爆发了大量冲突、革命乃至两次世界大战，很多人没能真正看到彼岸，就在其中付出了巨大代价。

AI引发的K型分化，首先体现在劳动力市场。从目前情况看，发达国家和中国面临的局面比较类似，比较初级的白领工作面临最大的冲击，涉及金融、法律、媒体乃至各种文艺创作。

初级律师承担的许多工作较容易被替代，金融领域同样如此，动漫制作、很多电影制作也可被AI替代。以翻译为例，AI目前已经做到了相当完美的程度，基本可以替代优秀翻译人员中的一大半，也许最顶尖的那一批尚难取代，但大部分岗位的替代已不成问题。

过去二三十年的高等教育改革倾向于让每个人都上大学、读本科，忽视了职业教育，导致期望值过高、毕业后现实落差巨大，大学与大专阶段的训练也未能跟社会真正的需求相匹配。K型分化的第二个维度是城市之间、区域之间的分化。

过去五六年里，中国边缘的中小低线城市房价下跌幅度，远远高于北京、上海、广州、深圳、杭州这样的城市。一方面低线城市跌幅大，另一方面随着限购限售取消，需求又一次向大城市流动汇集，这符合人性。

低线城市因此失去流动性，而一些优秀的一二线城市反而有希望看到房地产价格的企稳复苏。在这一过程中，收入较低的居民、在大城市工作的流动人口，更倾向于早年在三四五线城市买房，因为之前没钱也没资格在大城市置业；

房地产下行对这部分人群的收入和财富造成了明显的分化，也带动了城市之间的再次分化。今年年初以来，上海、深圳部分核心区域二手房价格趋于稳定，北京压力相对更大一些。

按照以往经验，看到上海复苏，往往可以判断接下来一两年全国房地产市场也将跟随复苏。但这一次不一样，AI的崛起对中国城市分化、人群分化的作用方向与房地产下行是一致的，并不能起到对冲作用。

回顾过去几十年改革开放，中国经济高速增长中呈现出红利逐步外推的格局，从东部大城市受益，到企业向周边转移，再到由南到北、由东到西、由大城市到中小城市的扩散。过去十几年的互联网与移动互联网时代，总体仍是红利扩散和大城市对中小城市、对农村的托举。

阿里巴巴在杭州崛起，对本地有明显支撑，同时也把全国无数来自中小城市和农村的商户托上了全球、全国市场。但到了AI时代，情况可能发生改变。

以同样位于杭州的深度求索为例，未来它可能与大量三四线城市的企业签订用户协议，如律师事务所使用其大模型服务并付费，付费收入流向杭州，而这些使用大模型的本地企业可能因此裁员，用模型服务替代本地就业。

甚至这种替代不仅发生在白领身上，也完全可能发生在蓝领身上，自动驾驶就是显著例子。AI时代不仅不会对冲房地产下行所带来的城市分化，反而会加剧这种分化。

目前大模型几乎只在北京、上海、杭州、深圳这几个地方发展，很难再去其他地方，因为门槛太高。与新三样不同，新三样还有宁德、常州这样的三线城市受益，而AI最核心的企业几乎百分之百集中在一线城市。

苏州、无锡这类紧邻一线城市、原本制造业就发达的地方，可以视作上海的延伸；合肥、武汉因为过去十多年良好的产业布局，在芯片制造上搭上了这波上行风口。

但总体门槛高，对人才、技术、资本的要求远高于以往的产业繁荣，很难向外扩散，甚至出现虹吸效应。AI带来的分化叠加房地产下行引发的分化，会在更大程度上压抑本就疲软的总需求。

这正是经典的宏观经济学问题——当一项技术带来巨大的收入和财富差距时，总需求可能受到抑制。今年前五个月，固定资产投资增速只有4%，低于去年同期；

零售只增长了1.4%。这些数据背后多少都有这一方面的印记。

即便当前AI对就业市场的冲击还没有那么大，一旦人们开始感受到AI对经济的冲击，就会采取预防性举措，削减当期消费、增加储蓄。

从投资角度看，上海这样的一线城市因为国家资本市场高度向AI倾斜，能够通过资本市场明显受益，也有一定资金支撑本地的固定资产投资甚至收储老旧房。但如果中国广大的其他城市在这一过程中并没有受益，房地产下行所带来的财政问题就得不到改善。

中国还有一个特殊之处：北京、上海、杭州、深圳这四个AI最受益的一线城市，人口加起来还不到一亿。

相较而言，首尔人口已占到韩国的一半，中国台北及周边也占到台湾地区的较大比例，大城市在整个经济和人口中的比例非常高，因此城市之间的K型分化对宏观的冲击相对小。

而中国几个一线城市所占比重有限，如果资源高度集中于这几个地方，总投资需求和消费需求就会出现明显的下行压力。

落到资本市场上，今年科技板块红火，AI和半导体存储等题材的表现尤为突出，一方面是市场本身敏锐，另一方面有国家支持，IPO资源也大幅向这一方面倾斜，是K型分化在资本市场的直接映射。

中国与日本的区别在于，房地产下行过程中，大量坏账并非只发生在银行一侧——房企直接向银行借款的比例有限，可能不超过资产负债表的20%，其大量借债来自预售制度下向购房人的"借款"，以及通过产业链向建筑企业、原材料企业的欠款，很多坏账正是沉积在这一链条上。

中国政府过去几年在保交楼问题上已付出相当努力，取得了比较好的解决，但这只是债务链条的一部分。坏账处理不仅是钱的问题，也是意志和决心的问题，需要非常坚定的治理推动。

另一个关键是城市化方向。解决城市K型分化有三种办法：一是把上面那条线压下来，二是把下面那条线抬上去，三是通过人的流动，让人口从下面一条线流到上面一条线，这才是最好的办法。

中国几个一线城市人口加起来仅占全国的7%到8%。

既然AI时代大模型、算力、芯片设计制造的资源主要集中在一线城市，是否可以让人口更多地向这些城市集中，让大城市的集聚效应更明显，而不是对这些城市征收重税，再通过中央转移支付投向众多中小城市，与此同时又执行严格制度阻止人口流动。

中国一线城市的规模其实还不够大，无论从比例还是绝对规模看，吸纳的人口都可以更多。

上海目前约2300万人口，加上周边卫星城市，达到3500万到4000万在现有基础设施和城市管理能力下是可以做到的，东京都整体人口已接近3800万，占日本人口近三分之一。

将来一个好的投资方向，是在中国有前景的特大型城市、尤其是AI时代能获取红利的城市扩大规模，最好通过市场机制实现，政府也应从土地和政策方面给予空间与激励。关于"止跌回稳"的理解，陆挺将其拆分为量和金额两个维度。

从金额角度，如果政策得当，所需时间会短一些，因为购房需求越来越集中于大城市，大城市单价明显高于中小城市，新房销售金额会最先呈现止跌回稳；但从量的角度看，所需时间会更长。

从区域看，全国性的止跌回稳难度较大，更应期待越来越多的城市实现止跌回稳，而不是把目标放在全国一盘棋，更应让稳定或上升发生在有人口流入的中心城市，让人去流动，而不是以城市为单位整齐划一地止跌回稳。

对下半年宏观形势，陆挺的判断是，相比四五月份、六月份略有改善，但经济面临的分化格局不会有太明显的变化。

内需下行压力仍很明显；出口方面可能延续前几个月的高增速，但进口同样面临价格推动的高增长，关键在于全球存储芯片和AI相关产品价格有没有可能明显下滑，乃至全球AI是否存在泡沫。泡沫可能会有，但存储芯片价格大幅度下滑的难度也较大。

因此下半年整体宏观情况与二季度相比，部分数据或许略有改善，但实际情况不会有太大变化，外需较强、内需较弱的格局短期难以逆转。下半年值得关注几个变量。

其一，过去几个月通胀速度明显上行，但随着油价快速下跌，整体通胀速度可能再次回落。不要因为过去几个月通胀上行就以为国内经济变好，国内通胀上行主要源于全球油价变化和存储芯片价格变化，与中国经济本身关联度较小。

其二，政府出台大规模刺激政策的可能性存在但不大，一方面出口尚可，另一方面出台特别有效的拉动内需政策难度也很高。以旧换新此前已经推行过，再次大规模推行效果有限；

把视角拉回当下的市场判断，中信证券提出，面对房价惯性下行形成的悲观预期，政策仍会从供给和需求两端共同发力，预计到2027年春节前后，房价有望在较广阔范围内止跌回升，景气复苏也可能明显提速。

所谓止跌回升并不等于全国重回普涨大牛市，更可能是核心城市先稳、优质房产先稳、其他地区再逐步跟随的结构性修复。供给端方面，过去几年土地成交、新开工和开发投资持续调整，新房供应已经明显收缩，人口持续流入城市的优质房源甚至会趋紧；

需求端方面，中信证券将现房销售改革视为重要的供给侧改革，认为其基本根除了交付风险，有助于增强购房信心。