2025 年诺贝尔经济学奖授予乔尔・莫基尔（Joel Mokyr）、菲利普・阿吉翁（Philippe Aghion）与彼得・豪伊特（Peter Howitt）三位经济学家。他们以数百年历史数据为研究基 础，构建并推导相关理论模型，最终揭示了技术进步与“创造性破坏”如何驱动经济实现持 续性增长的核心逻辑。回顾历史，科学技术进步带来的“创造性破坏”曾经出现“卢德运动”。

  19 世纪初，英国处于第一次工业革命时期，珍妮纺纱机、蒸汽机等新机器的使用，极 大提高了生产效率，却导致大批手工业者降薪，失业甚至破产。 1811 年，英国中部城市诺丁汉郡（英国针织袜业的中心）的袜商生产劣质长筒袜压低 价格，冲击织袜工人收入，一些织工以 “卢德将军” 的名义捣毁商人的织袜机，运动由此 开始并迅速蔓延至约克郡西区、兰开郡等地区。英国政府采取严厉措施，1812 年通过 《保障治安法案》，1813 年颁布《捣毁机器惩治法》，规定可用死刑惩治破坏机器的工人， “卢德运动”逐渐平息。“卢德运动”通常被认为是机器第一次大规模取代人的工作。英国 也在第一次工业革命后，成为“世界工厂”，并确立了全球霸主的地位。 根据中国青年报，彼时的英国的织工长期都是“国内最大的单一产业工人群体”，家庭 成员都依托手工作坊生存，新机器的使用逐步威胁织工家庭。根据《呢绒呢织业史》记载： 1806 年至 1817 年，约克郡的剪绒工厂从 5 家增加到 72 家，剪绒机器从 100 架增加到 1462 架，3378 个平绒工人中至少 1170 人没有工作，1445 人半工作，只有 763 人完全就业。由于 操作机器的技术方面的要求不高，价格更低廉的工人比纺织技术更娴熟的长期学徒更受工厂欢迎。

  实际上，作为“卢德运动”中首先攻击的目标-纺织机器，并非在短时间击溃英国织工， 而是经历了半个世纪。从以人力为动力的珍妮纺织机诞生到与改良蒸汽机融合再到以蒸汽 机为动力的大工业机器大规模使用，这一历程大约经历了 50-60 年（1764 年，詹姆士·哈格 里夫斯发明珍妮纺织机；1785 年，瓦特的改良蒸汽机开始用做纺织机械的动力；1820 年左 右，卢德运动结束机器工业时代到来）。通常认为，珍妮机的发明不仅标志着第一次工业革 命的开始，更是人机交互的起源。 在后续数百年的人机交互过程中，这种类似“卢德运动”思想和行动层出不穷，“第二 次工业革命（19 世纪下半年）”中，汽车对马车的替代导致马车夫的不满和抵触，比如 1858 年英国《红旗法案》规定汽车的限速规定且汽车前方必须有一个人手持红旗先行，这在某些特定的程度上反映了传统行业从业者对新技术的抵触情绪，结果导致英国汽车业失去先发优势。“第 三次工业革命（20 世纪下半叶）”中，计算机等信息技术的加快速度进行发展引起“新卢德派”人士 担心传统产业工人被计算机取代。在当前的“第四次工业革命（21 世纪）”中，人工智能引 起全世界较多传统创作人士的失业担忧，例如 2023 年 5 月，代表 11,500 名编剧和作家的 美国编剧工会（WGA）发起罢工要求制片方限制人工智能（AI）在剧本和影视剧创作中的 应用并提高薪酬。

  我们认为，珍妮纺织机对初级体力劳动形成“创造性破坏”，AI对初级智力劳 动形成“创造性破坏”。““创造性破坏””是美籍奥地利经济学家熊彼特提出的核心观点， 构成其企业家理论和经济周期理论的基础，主要指新技术会摧毁旧的产业和就业，但同时 会创造新的经济结构和工作机会。珍妮纺织机和人工智能的影响，正是这一概念在不同劳 动维度的典型体现。 珍妮纺织机作为“第一次工业革命”的核心发明，直接替代“重复、低技能的初级体 力劳动”，其破坏与创造的逻辑清晰可见，主要影响纺织业单一产业，创造性主要在于构建 了规模化体力劳动新体系，大型工厂模式取代家庭作坊，催生“机器操作工”“设备维修 工”“车间管理员” 等新体力岗位。 人工智能作为当前“第四次工业革命”的中重要引擎，AI（如 ChatGPT、计算机编 程、AI 绘画工具）的核心影响集中在对“规则明确、重复性的初级智力劳动”的替代， 覆盖媒体、设计、法律、教育等多个行业，影响区域更广。创造性主要在于催动 AI＋产业 融合，未来有望出现理解 AI 逻辑，且具备专业领域知识复合人才，例如 AI 训练师、AI 内容审核师等高技术岗位。

  从历次工业革命来看，本次人工智能所造成的影响破坏性更强，烈度更大，范围更 广。在前三次工业革命（机械时代、电气时代、信息时代）中，就业岗位从农业向工业、 再向服务业迁移，因此历次工业革命对就业的影响均为推动产业与就业结构深度转型，且 主要影响区域为低技能体力劳动者，并因技术扩散依赖物理基建的原因，呈现出线性推进 特征，使得劳动力市场存在调整缓冲期；而本次人工智能革命在技术扩散、替代范围、冲 击群体、替代模式上均突破过往框架，且加速原有技能体系失效、新技能适配难度陡增， 最终对就业的破坏力度与结构性冲击远超历次工业革命。

  人工智能与历次工业革命在技术替代的速度、范围、冲击群体及替代模式上存在根本 性差异，其变革的烈度与广度前所未有。 人工智能的广泛应用对就业的替代效应主要呈现三大显著特征：一是行业异质性突 出，各行业人工智能渗透率差异较大，且岗位技能可替代性分化明显，当前就业市场中， 近半数岗位技能具备人工智能可替代性，不一样的行业因此采取直接替代或员工再培训的差异 化应对策略，且完全可被人工智能替代的技能数量呈现突破性趋势；二是初级岗位面临消 失风险，企业采纳人工智能后更倾向通过停止招聘而非直接裁员调整人力，明显降低初级 员工招聘率，悄然重塑人力金字塔；三是年龄冲击非对称，年轻和资浅员工因技能知识更 易被人工智能替代，在高人工智能暴露职业中就业率显著下降，而资深员工凭借难复制的 经验知识实现就业增加，经验溢价大幅度的提高。 人工智能的就业替代呈现出显著的行业异质性。例如，据纽约联储调查显示，在信息、 金融和商业服务行业中，超过半数的受访企业表示已将AI作为其业务流程的一部分， 农业企业则无一家表示用AI，批发零售、娱乐及酒店业中约有 40%至 45%的受访 企业表示正在用AI，而教育医疗、个人服务、零售等行业中约有 1/3 受访企业使用 人工智能。 在具体行业的人工智能可替代性中，不一样的行业虽呈现出较大的差别，但技能可替代性正 在逐步上升。例如，在美国招聘平台 Indeed 上的所有岗位发布所要求的技能中，有 40%的 工作技能难以被人工智能替代（“最低转型”），19%的工作技能可以被人工智能辅助替代 （“辅助转型”），40%的工作技能可以和人工智能进行融合（“混合转型”），而 1%的工作技 能则属于可以被人工智能完全替代（“完全转型”）。其中，54%的“混合转型”类技能和 57%的“完全转型”类技能都是技术类别技能，这表明在人工智能的可深度替代技能类别 中，技术类技能将占据主导地位。

  平均而言，典型的职位中有 46%的技能属于“混合转型”或“完全转型”类别，即理 想条件下，在当前就业市场岗位的所需技能中，几乎一半都具有人工智能的可替代性。具 体而言，在软件开发工作中，所需 81%的技能都属于“混合转型”类别，而医疗护理类工 作则有 68%的技能属于“最低转型”类别，表明前者具有十分显著的人工智能可替代性。 这种技能分化将导致企业应对策略的差异，例如部分高人工智能渗透率行业倾向于直接替 代原有人力，而服务业、制造业等具备不易被完全替代技能的行业则更侧重于对现有员工 进行再培训。

  此外，在 2024 年的所有要求技能中，根据结果得出暂无任何技能能够被 GenAI 所完全替 代，而 2025 年，已存在 19 项技能被认为是可以完全替代，虽然相对体量较小，但已呈现 出一个明显的突破性上升信号。 企业在采纳人工智能后，其人力策略的核心并非裁员，而是停止招聘，这将导致初级岗 位的直接消失。与直接裁撤现有员工引发的动荡和成本相比，停止或缩减初级岗位的招聘更 为隐蔽且平缓。当公司开始采用 GenAI 后，初级员工的招聘率将也许会出现显著下降，而相 对应的，具备高级经验技能的高级员工招聘率将有几率发生更快增长趋势，甚至持续加速。核 心原因主要在于，人工智能模型更擅长替代可通过正规教育获得的“程式化知识”（即课本中学来 的知识），而这正是年轻劳动者的主要技能储备；相比之下，人工智能难以复制依赖长期实 践积累的“默会知识”（即工作经验中的知识），这正是资深员工的核心优势。 以上推演表明，AI对就业的冲击在年龄维度上表现出极强的非对称性，年轻和资 浅员工成为最主要的受冲击群体，其正在悄然重塑企业的人力金字塔，通过冻结底层招聘， 结构性地减少了年轻人的职业起点，并加强了资深岗位与初级岗位的断层需求。

  相关数据曾揭示，在软件开发、客户服务等高 AI 暴露职业中，22-25 岁职场新人的就业 率自 2022 年底至 2025 年 7 月下降了 6%，而同期 35-49 岁年长劳动者的就业率反而增长了 6%至 9%。以软件开发岗位为例，22-25 岁群体的就业人数相比 2022 年底的峰值下降了近 20%。这种结构性替代导致了“经验溢价”的急剧拉升，资深员工因其指导、验证和应用人工 智能的能力而变得更有价值，而年轻人的职业起步路径则因入门级任务被人工智能自动化 而面临断裂风险。 历次技术革命均深刻重塑了劳动力市场，其适应机制在迁移模式、技能升级、教育响 应及社会政策层面呈现出清晰的演变路径。从工业革命的物理性、阶段性适应，到人工智 能时代的虚拟化、终身性适应，变革的速度、广度与深度均呈指数级增长，也对个人、企 业及政府的适应能力提出了前所未有的挑战。 AI对就业市场的影响，既延续了历次技术革命““创造性破坏””的共性，又在 冲击的速度、范围和模式上展现出前所未有的独特性。在速度上，人工智能技术扩散极 快，从“iPhone 时刻”到 10%渗透率仅用 1 年，远快于电力的 20 年和互联网的 7 年。在范围 上，其替代效应不再局限于体力劳动，而是深度渗透至认知劳动领域，全球约 18%的工作 任务面临自动化风险，其中办公室行政支持、法律等白领岗位暴露度最高。在模式上，人工智能率先冲击年轻和资浅员工，因其更擅长替代“程式化知识”，导致在高 AI 暴露职业 中，22-25 岁劳动者就业率显著下降，颠覆了以往技术变革中年轻劳动力更具适应优势的 传统认知。 当前社会面临的核心挑战，是技术变革的指数级速度与社会适应能力的线性速度之间的 “剪刀差”。这种不匹配体现在教育体系改革滞后、劳动力技能转型缓慢、以及社会保障与收 入分配政策未能及时跟进等多个角度。若无法有效弥合这一差距，可能会引起结构性失业加剧、 技能鸿沟扩大和收入不平等恶化，从而引发社会问题。因此，如何构建一个敏捷、包容的适 应性框架，加速劳动力技能重塑，并创新社会安全网，是应对本轮人工智能就业冲击的关键 所在。

  当前科技革命尚处在早期，主要由科研学者等少数人推动，在科技革命未带动全要素生 产率普遍抬升的背景下，AI 影响下整体就业压力有所增加。 一是当前人工智能科技革命仍处于早期，在大规模应用于生产生活之前，科技革命的主 要推动是小部分专家学者带来的技术进步。OECD 在报告数据显示真正需要 AI 技能的岗位仅 占招聘市场的 0.24%以内。 二是人工智能技术的应用可能降低初级岗位需求。美国毕业生失业率在有数据以来长期 低于社会平均失业率，但 2022 年以后快速上升且持续高于社会平均失业率，截至 2025 年 6 月达 4.8%，体现 AI 挤压对初级工作。 三是部分人工智能可替代岗位在 GPT 发布后出现就业放缓特征。据美国圣路易斯联储 研究显示，2022 年至 2025 年间，人工智能暴露度（工作技能更可能被 AI 替代）较高的职 业失业率上升幅度更大，相关系数为 0.57。例如软件出版、计算机系统模块设计等行业就业在 2022 年后趋于停滞，主因大型语言模型 （LLM） 的兴起能够最终靠代码辅助实现部分劳动 力自动化。

  公共卫生事件后全球经济稳步的增长中枢放缓，发达国家兴起了反移民和民族主义的思潮。根 据 IMF 数据全球实际 GDP 增速由 2022 年 3.75%降至 2024 年 3.34%，且预期全球贸易扰动 下 2025、2026 年进一步降至 3.2%、3.1%。 增长放缓背景下，主要国家当前均面临失业率走高+财政赤字走阔的两难。失业率方面， 美国失业率中枢从 2023 年 1 月 3.5%上升至 2025 年 9 月 4.3%左右，德国失业率从 3%上升 至 9 月 3.7%，法国失业率从 7.1%上升至 7.5%，就业压力均边际上行。 财政方面，当前主要国家财政赤字率、负债率均处于历史高点。推动财政支出结构性上 涨的关键是福利支出占比的持续提升，且当前政治极化环境下社保支出的“刚性（削减面临 巨大民意阻力）”特征愈发明显。 截至 2024 年，美国政府“医疗+收入保障”福利支出占政府总支出比例达 48%，当前 6.4%赤字率和 114%杠杆率背景下财政可持续性，特朗普在共和党控制国会两院背景下削减 福利支出依然导致 10 月政府关门。 德国、法国等欧洲国家在俄乌冲突背景下维持高福利也同样困难，2025 年 9 月 9 日， 法国总理贝鲁未能通过国民议会信任投票，选择辞职，主要诱因便是其提出的 2026 年财政 开支计划涉及大量削减财政开支，尤其是减少医疗金费、冻结养老金和社会福利的年度涨幅 等的计划。德国一度试图推动“债务刹车”，以此应对预算缺口，然而该政策走向受到强烈质 疑，最终没能落实。2024 年德国社会救济支出增长 14.8%，总净支出达到 202 亿欧元。 在此背景下，欧美反移民情绪与民族主义兴起，极右翼势力抬头。一方面，极少数人口 主导的人工智能科技革命正在加速替代传统岗位，大量劳动者面临失业风险。另一方面，社 保依赖于 “取之于民、用之于民”的社会循环，承载能力有限，无法长期供养大量无业移民 甚至难民。二者相结合使得欧美反移民情绪与民族主义情绪高涨，民调显示美、英对于移民 政策满意比例均处于历史低点。

  以 2024 年特朗普胜选为标志，欧美极右翼势力扩张，且政策普遍反移民，支持科技 进步： 一是美国，特朗普领导的共和党政府重新执政是极右翼扩张的代表性事件。2024 年美 国总统大选中，除特朗普获得优势的选举人票和全国选票之外，共和党还在参、众两院的选 举中拿下过半席位，加上已经由保守派法官人数占优势的美国最高法院，共和党影响力空前。 在移民问题上，共和党保持强硬态度，主张加强边境安全，驱逐国内偷渡客。 二是欧洲，德国、法国极右翼政党快速扩张。德国方面，极右翼政党另类选择党（AfD） 以 20.8%的得票率成为议会第二大党。而前领导政党社民党和自民党选票均创历史新低。在 移民问题上，另类选择党（AfD）主张“负移民”，要求大规模遣返偷渡客，包括要求永久 边境管制、严格限制难民涌入，同时拘留偷渡客。在法国，2024 年举行国民议会选举后， 法国总统马克龙领导的执政联盟仅获得 163 席，位列第二。国民联盟及与之结盟的部分右翼 共和党人士获得 143 个议席，仅次于马克龙领导的“在一起”执政联盟，排名第三。这导致当 前法国政治陷入僵局，反对党很容易通过弹劾总理的提案，政策难以实施。国民联盟阵线作为极右翼政党，在移民问题上态度强硬，强调边境控制与限制外来人口，通过推行“零定居” 政策，在全国港口加强安保，禁止移民建立永久定居点。 三是日本，10 月 21 日高市早苗正式当选日本首相，领导自民党转向极右翼纲领。其在 移民政策上的主张包括：收紧签证准入，明确拒绝“低阶劳工”，但对科学技术人才“选择性开 放”；强化外国人管理（加强对留学生、外国从业人员审核）；提高签证费用；遣返偷渡客 （以经济目的假装难民等）等方面，认为日本的未来不应依靠移民，而应当通过技术创新和 提高出生率来开创。其在财政方面支持财政刺激，支持增加国防开支，计划到 2027 年将国 防支出占 GDP 比重逐步从 1%提高至 2%。在产业方面鼓励 AI、半导体等前沿科技发展。对 于重点科技领域提出了专门针对中小企业的科研资金投入免税办法。

  四是英国，英国改革党凭借反建制、移民议题扩大线 月的地方选举 中取得突破性进展，以赢得超过 670 个地方议会席位，并获得两场市长选举以及一场议会补 选的胜利，冲击传统政党地位。英国改革党前身为脱欧党，政策方针多偏右，一向主张大幅 收紧的移民准入政策，并将国内的公共服务、住房供应及劳工短缺等问题归咎于前任政府管 控不严导致的过度移民潮。强调需严格移民控制、限制福利向移民倾斜，反对现行人权或欧 盟框架下的移民保护。 极右翼和科技寡头结合，新的“科技右翼”正在向深度政府势力演变。科技寡头和极右 翼政府在三大议题上高度统一。 一是“科技就是国力”，在当前中美竞争、俄乌冲突的大背景下，极右翼民族主义叙事 和支持前沿科技发展的政策相统一。美国政府通过国家资本主义的模式积极干预科技领域， 尤其是AI领域的发展，手段包括政府增持私营企业股权，采用关税等手段保护本国制造业等。欧盟方面极右翼包括德国选择党、法国国民阵线均明确反对欧盟《人工智能法案》， 德国选择党在 2025 年大选中称其为“数字主权沦陷”，主张放松监管加速 AI 等新兴技术发 展。日本新首相高市早苗 2022 年后就担任日本经济安全保障大臣，深度参与 AI 等新科技和 国家安全领域政策制定，并在选举期间承诺任内大幅度的增加对 AI、半导体领域的产业投资。 二是前沿科技探索和极右翼主张放松监管的政策相统一。特朗普上台以来放松监管政 策极大支持了人工智能、数字货币等前沿产业高质量发展。包括废除拜登关于安全、可靠和值得信 赖的人工智能开发和使用的行政命令》，出台《GENIUS》法案支持稳定币发展，7 月 23 日 发布《人工智能行动计划（Winning the Race: AMERICAS AI ACTION PLAN）》，进一步废除 阻碍 AI 创新的政策，并为投资提供税收优惠和电价优惠。 三是驱赶偷渡客和AI发展相统一。人工智能科技革命下产业智能化程度进一 步加深，社会就业压力增大，科技公司推动 AI 技术大规模普及和极右翼驱赶偷渡客，减 少劳动供给的政策相匹配。 在此背景下，欧美科技寡头和极右翼政治势力出现交融，彼得·蒂尔、埃隆·马斯克等 人工智能投资家和商业领袖，通过政治捐款、政策倡议、影响公共话语等方式发挥作用，将 人工智能等高科技产品与民族主义政策相适配。例如 2024 年美国大选中马斯克深度参与特 朗普竞选，2025 年彼得·蒂尔通过公司 Palantir 为美国移民及海关执法局打造价值 3000 万 美元的“ImmigrationOS”监控平台，直接支持了极右翼推崇的强硬移民执法政策。在法国、德 国等欧洲国家也涌现出了以 SAP、维旺迪集团为代表的企业，试图通过直接参与政府项目、 向政党捐款等方式左右科技规则与政治决策。

  我们认为，人工智能单独作为产业发展，是实现“从 0 到 1”的关键，有助于缓解反内 卷和工业稳增长的矛盾。我国取得经济快速增长的成就，主要基于“从 1 到 N”的优势，而 从“从 1 到 N”往往是提高效率降低成本，但竞争往往异常激烈，企业需要在价格、营销等 方面投入大量资源，利润空间也会因激烈竞争而受到挤压，因此依靠传统路径稳增长做大 N 的过程难以避免内卷局面，需要通过人工智能实现“从 0 到 1”打破矛盾。 培育“从 0 到 1”能力是中国企业争夺全球新一轮科技革命先发优势和摆脱“内卷”困境的 重中之重。“从 0 到 1”更需要颠覆性、原生性创新，产生的难度较大、成功的概率更小，这 类技术的研发周期长达数年甚至数十年，且需要大额资金、顶尖人才的持续投入，后发者若 想追赶，必须重复研发论证试用全流程，短期内无法绕过技术壁垒。先发者会在国际市场上 形成阶段性技术垄断，并通过技术封锁、专利壁垒遏制后发者发展。对于企业来说，这种“从 0 到 1”的创新一旦产生，在初始阶段几乎没有竞争对手，先发企业将凭借独特的技术和模 式，能够迅速积累用户和市场份额，获得高额的利润回报。 “人工智能+”产业发展行动将带来产业领域范式变革，智能原生产业与产业智能化有 本质区别，是人工智能科技革命形成新产业，是从 0 到 1 的创造，我们认为智能原生产业未 来或将发展为第四产业。

  据国家发展委网站高技司的表述，智能原生产业是创新解决方，即用 AI“造出新设备”， 提供原生智能态的产品、服务或商业模式，核心是通过场景重构与价值颠覆，提供“AI 驱 动的解决方案”。 我们认为，智能原生产业能否实现的关键在于培育一批底层架构和运行逻辑基于人工 智能的智能原生企业。从《国务院关于深入实施“人工智能+”行动的意见》来看，主要 是从传统企业转型和智能原生企业两方面进行实践。在传统企业转型方面，鼓励有条件的 企业将AI融入战略规划、组织架构、业务流程等，推动产业全要素智能化发展，助 力传统产业改造升级，开辟战略性新兴产业和未来产业高质量发展新赛道。在智能原生企业方面，大力发展智能原生技术、产品和服务体系，加快培育一批底层架构和运行逻辑基于人 工智能的智能原生企业，探索全新商业模式，催生智能原生新业态。 人工智能产业发展作为效率最高部门引领经济发展需要全社会资本投入。本轮科技革 命企业创新实现从 0 到 1，需要金融机构大力支持“投早、投小、投长期、投硬科技”，这 一指导原则已逐步上升为国家层面的核心战略。重点体现在以下三个方面： 1）从“大胆央行”到“大胆资本”：间接融资领域，科技创新贷款为支持科技企业提 供了低成本的稳定资金来源和风险缓冲；直接融资领域，科技创新债券有助于解决早期科 技投资机构（尤其是 VC/PE）募资难、退出周期长的问题。2）从“大胆政府”到“大胆 资本”：政府的财政担保则是从资产端和风险端入手，为商业金融机构支持科学家创业的 “从 0 到 1”投资提供坚实的安全垫，特别是在科技创新资源密集的东部地区，政府主导 的融资担保体系正在成为连接科学家与长期贷款的关键要素。3）利用 RWA 解决科学家创 业融资：当前 RWA 市场目前仍以债权类资产为主，股权类资产占比较小，利用真实世界 资产（RWA）代币化等新型金融工具，或为解决科学家创业融资问题提供了未来路径。

  人工智能产业的发展作为效率最高部门引领经济发展，但其具有典型的高风险、高投 入、长周期的特征，前期发展需要全社会资本投入。人工智能产业不仅自身创造产值，还能 改造传统行业，实现生产率的大幅提升。但人工智能产业前期面临巨额的成本投入，传统商 业金融体系往往因其风险厌恶和短期逐利性而难以提供有效支持，因此构建一个与 AI 发展 相匹配的金融支持体系，成为国家战略的重中之重。 首先，“五篇大文章”引领，科技金融作为五篇大文章之首，注重从直接融资和间接融 资领域同时发力。自 2024 年以来，金融领域的顶层设计发生了深刻变化，国务院办公厅发 布的《关于做好金融“五篇大文章”的指导意见》将“科技金融”置于普惠金融、绿色金融、 养老金融、数字金融之首，这标志着金融服务实体经济的重心，正向支持科技创新，特别是 “硬科技”创新战略性转移。这一战略转向的核心，在于破解科技创新融资的根本难题，即 引导资本克服短视，成为“耐心资本”。科技金融政策主要涉及支持科技贷款、拓宽直接融 资渠道、创设科技创新债券等领域，注重直接融资和间接融资同时发力，具体而言： 间接融资领域，央行创设科技创新贷款为支持科技企业提供了低成本的稳定资金来源 和风险缓冲。科技创新再贷款于 2022 年 4 月设立，初始额度是 2000 亿，利率是 1.75%，期 限 1 年，可展期两次，通过“先贷后借”机制，按季度发放，支持比例为金融机构发放科技 企业贷款本金的 60%，这在实质上构成了央行与商业银行的风险共担机制，有助于激励商业 银行向风险较高的科技初创企业投放信贷。2022 年 10 月，科技创新再贷款增加 2000 亿， 总额度达到 4000 亿。截至 2023 年 Q3 末，科技创新再贷款余额达到峰值 3456 亿元。2024 年 4 月，央行在总结原有工作经验的基础上改革设立了“科技创新和技术改造再贷款”，初 始额度为 5000 亿。2025 年 5 月，为持续支持科技创新和“两新”政策（新产业、新动能）， 科技创新和技术改造再贷款额度从 5000 亿元增至 8000 亿元。 这一政策也取得了显著成效：规模方面，科技贷款保持较快增长，截至 2025 年 6 月， 科技贷款余额为 44.1 万亿，同比增长 12.5%，较同期全部贷款增速高 5.8 个百分点。利率方 面，科技贷款利率保持下行态势，6 月新发放的科技贷款加权平均利率为 2.9%，比同期全部 新发放企业贷款利率低 0.36 个百分点，较年初和上年同期分别低 0.21 个和 0.44 个百分点。 获贷率方面，截至 6 月末银行提供科技贷款服务的企业已达 108.5 万家，科技型企业平均获 贷率为 51.9%，比年初和上年同期分别高 1.3 个和 2.3 个百分点。

  直接融资领域，央行创设科技创新债券有助于解决早期科技投资机构（尤其是 VC/PE） 募资难、退出周期长的问题。2025 年 5 月央行推出了债券市场的“科创板”，支持金融机构、 科技型企业、私募股权投资机构三类主体发行科技创新债券，截至 9 月末全市场发行约 1.18 万亿元科技创新债券。 早期科技企业因高风险、轻资产、现金流不稳定等特征难以直接发债融资。因此，债券 市场支持私募股权投资机构（如 VC/PE）发行科创债，募集资金再通过股权投资方式投向早 期科技企业。传统上，GP 在设立基金时出资比例较低，导致基金募资困难，尤其对早期项 目（如硬科技）支持不足，科技债允许 GP 发行长期债券，将债权资金转化为股权投资基金 资本，从而提升 GP 的出资能力。例如 2025 年 6 月，首批民营创投机构（如中科创星、君 联资本等）发行科技债后，资金迅速流向早期项目，提升了投资效率。

  其次，投早、投小、投长期、投硬科技助力“从 0 到 1”解决科技创新难题。近期国务 院印发《关于深入实施“人工智能+”行动的意见》（以下简称《意见》），明确了实施“人工 智能+”行动的总体要求、发展目标和重点方向。在“人工智能+”意见中第二节（加快实施 重点行动）中明确提出：加速“从 0 到 1”重大科学发现进程。“从 0 到 1”的提法靠前足见 顶层设计重视程度。 “从 0 到 1”是阶段性技术垄断，未来产业涉及到的九大赛道（元宇宙、脑机接口、量 子信息、人形机器人、生成式人工智能、生物制造、未来显示、未来网络、新型储能）绝大 部分处于孕育萌芽阶段或成长初期（即“0 到 1”阶段），而“从 0 到 1”的技术创新往往扎 根于基础研究，涉及底层算法、核心材料、关键部件的突破。我们认为，“从 0 到 1”更需要 颠覆性、原生性创新，产生的难度较大、成功的概率更小，这类技术的研发周期长达数年甚 至数十年，且需要大额资金、顶尖人才的持续投入，后发者若想追赶，必须重复研发论证试 用全流程，短期内无法绕过技术壁垒。先发者会在国际市场上形成阶段性技术垄断，并通过 技术封锁、专利壁垒遏制后发者发展。对公司来说，这种“从 0 到 1”的创新一旦产生， 在初始阶段基本上没有竞争对手，先发企业将凭借独特的技术和模式，能够迅速积累用户和市 场份额，获得高额的利润回报。因此，培育“从 0 到 1”能力是中国企业争夺全球新一轮科 技革命先发优势和摆脱“内卷”困境的重中之重。

  加速培育人工智能，需要吸纳全球优秀人才参与科技创新，投资于人。《国务院关于深 入实施“人工智能+”行动的意见》中强调加强人才队伍建设。“推进人工智能全学段教育和 全社会通识教育，完善学科专业布局，加大高层次人才培养力度，超常规构建领军人才培养 新模式，强化师资力量建设，推进产教融合、跨学科培养和国际合作。完善符合人工智能人 才职业属性和岗位特点的多元化评价体系，更好发挥领军人才作用，给予青年人才更大施展 空间，鼓励积极探索人工智能‘无人区’。支持企业规范用好股权、期权等中长期激励方式 引才留才用才。” 加大力度“投资于人”，以实现个体潜能全方位释放与民生福祉全面提升。

  我们大家都认为，人工智能对就业的“创造性破坏”较大，或可通过传统部门国企承担更多就 业吸纳对冲失业压力，同时也有助于减少工作内卷，平滑收入，再结合休假政策给予更多假 期，有助于增加闲暇拉动消费。 从我国稳就业经验来看，国企通过扩大招聘、政策补贴等多元手段，积极履行社会稳定 器职能，在托底就业方面发挥了重要作用。 一是国有企业扩大招聘规模，对吸纳重点群体就业有重要作用，特别是在经济下行或高 校毕业生就业压力较大的时期。例如，2022 年促进高校毕业生就业是稳就业工作重中之重， 当年全国国企招录高校毕业生超过 76 万人，同比增长 23.4%。 二是鼓励国企优先招用登记失业人员、困难毕业生、退役军人等重点群体，并给予一次 性吸纳就业补贴。为鼓励国企扩大用工，2024 年我国实施“一次性增人增资”政策，激励国有 企业发挥示范带动作用，对按照工资效益联动机制确定的工资总额难以满足扩大高校毕业生 招聘需求的国有企业，经履行出资人职责机构或其他企业主管部门同意，统筹考虑企业招聘 高校毕业生人数、自然减员情况和现有职工工资水平等因素，可给予一次性增人增资，核增 部分据实计入工资总额并作为下一年度工资总额预算基数。

  以工代赈，不鼓励“不工作吃低保”是我国就业帮扶的历史传统。据国家发展改革委披 露，以工代赈是指在政府投资建设的基础设施项目中，有针对性地安排群众参加工程建设获 得劳务报酬，以此取代直接发放赈济款的一项政策。实施以工代赈，主要是为了加强低收入 群体就业帮扶，鼓励引导群众通过劳动实现增收、提高技能。从 1984 年以实物报酬形式， 支持国家扶贫开发工作重点县的基础设施建设算起，这项工作已经开展了 40 年，期间实施 了一大批农村道路、水利等中小型基础设施建设项目，在带动贫困群众就近就业增收、激发 脱贫内生动力、改善生产生活条件等方面发挥了独特的重要作用，为如期打赢脱贫攻坚战作 出了积极贡献。 同时我们大家都认为，传统部门国有企业更易落实国家规定的休假政策，相对稳定的工作环境 及收入预期有助于减少工作内卷，平滑收入，随着就业群体获得更多假期，增加闲暇有助于 拉动消费。2025 年《提振消费专项行动方案》排在首位的就是保障休息休假权益。《方案》 专门就“保障休息休假权益”提出了相关举措，通过强化执行监督来落实带薪年休假制度，明确不得违法延长劳动者工作时间，同时鼓励弹性错峰休假。2025 年 5 月，四川省绵阳市 商务局发布《绵阳市提振消费专项行动 2025 年工作清单》，要求落实年休假应休尽休和带薪 休假政策，鼓励企业弹性调休，推广夫妻共享。试行

  推行“周五下午与周末结合”的 2.5 天休假模式。 4.3 财政体系从税收+地产财政向税收+股权财政过渡 我们认为，我国经济结构转型寻求摆脱房地产依赖的方向较为确定，过去的税收+土地 财政体系将面临较大挑战。一是，近年来土地市场面临较大的压力，土地出让收入不足。财 政部公布的《2025 年前三季度财政收支情况》显示，前三季度国有土地使用权出让收入 22302 亿元，同比下降 4.2%；在土地和房地产相关税收中，契税 3372 亿元，同比下降 14.7%；房 产税 3478 亿元，同比增长 11.5%；城镇土地使用税 1812 亿元，同比增长 5.9%；土地增值税 3296 亿元，同比下降 17.6%；耕地占用税 1128 亿元，同比增长 4.7%。二是，中央坚持“房 住不炒”，限购、限贷、限价等政策压缩房地产利润空间，土地财政空间被持续挤压。三是 土地财政与地方政府隐性债务高度绑定，土地收入下滑直接加剧债务偿付压力。

  人工智能的“创造性破坏”或将带来财政体系向税收+股权财政过渡。股权财政尚未有 官方明确定义，我们认为，主要是指政府通过国有资本投资运营平台，以直接投资+产业基 金方式持有企业股权，获取分红+估值溢价+退出收益。股权收益纳入国有资本经营预算，可 按规定调入一般公共预算，逐步替代土地出让收入成为非税收入的重要来源。 例如，合肥模式主要是指政府依托国资平台，联合头部机构共同设立产业基金群，通过 直接投资、组建和参与各类互助基金，吸引社会资本进入，以基金撬动资本，以资本引入产 业，进而服务地方招商引资的模式。合肥以这种基金招商方式，不仅获得超额收益，也拉动 了就业、贡献了税收，且国资作为股东，还能直接分享到项目成功带来的分配红利，从而大 大提高了政府对项目再投资的回转能力。

  4.4 人工智能部门物质财富贡献能力极大时，生产关系从按劳分配向按需分 配过渡

  以大模型、算力基础设施与机器人为核心的广义 AI 资本或将重塑要素结构与分配机 制。一方面，算法与数据的可复制性使知识类产出呈现递增规模报酬，推动大量数字化与 标准化环节的边际成本下降，即推动供给曲线右移，价格下降；另一方面，通过“AI—— 机器人——实物产出”的链条，把近零边际成本向制造业和服务业传导，尤其是标准化环 节，或将在制造、物流、能源、医疗与公共服务中形成自动化与自主演进的复合供给能 力。

  在此背景下，居民获得基本生活（如衣食住行等）所需要的成本占比将出现结构性下 行，伴随其成本降至社会可承受的财政供给阈值之下，且私营部门在 AI 红利下有稳定的超 额收益，社会即可通过税收与公共平台，将基本生活所需要的产品或服务以低价甚至零价 的方式实现按需供给，以劳动收入作为重要购买力来源的地位将被削弱，居民的基础购买 力由劳动所得转化为劳动+公共供给的复合结构，届时生产关系存在从按劳分配为主有序 过渡到基本生活按需、超额需求市场化的可能。

  （本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）