核心判断：AI先改变资本开支、库存、融资与市场结构，广泛生产率红利反而可能更晚出现。对投资者而言，真正需要管理的不是“AI长期是否正确”，而是同一资本开支周期上的重复敞口，以及建设期投入能否转化为收入、利润和自由现金流。
报告范围：原始材料为中国金融四十人论坛《2026年第二季度宏观政策报告》第68期，共41页。前17页讨论中国二季度宏观经济，后24页为“AI宏观经济学”专题。本文逐页提取并视觉复核图表，同时使用美国人口普查局、圣路易斯联储、BEA、NBER、纽约联储和BIS公开资料交叉验证。
一、报告到底在说什么
报告没有把AI简化为一次生产率冲击，而是建立“供给冲击—需求冲击—市场机制”框架。三者共同决定潜在产出、总需求波动，以及技术红利最终流向劳动者、消费者还是少数平台。
供给冲击
- 自动化与增强提高任务效率
- 算力、数据和组织重构先吸收资源
- 互补资产成熟后进入J曲线收获期
- 长期增长取决于能否连续打破瓶颈
需求冲击
- 消费受财富效应与劳动份额两股力量影响
- 资本开支的增长快于消费变化
- 库存、建设时滞和高折旧放大周期
- 金融市场与信用融资进一步放大波动
市场机制
- 算法降低菜单成本并改善信息匹配
- 信贷筛选和供给调整可以更灵活
- 数据垄断、算法合谋削弱竞争
- 平台锁定和高迁移成本限制退出
二、关键指标与趋势
下列图表均根据原报告数字重绘。点击右上角放大按钮可在浮层中查看；其中中国宏观图混合了二季度和上半年口径，不能把不同频率直接相加。
中国宏观：外需强、内需弱
同比增速；GDP、出口、社零和广义财政为二季度，投资与房地产为上半年
美国行业AI采用率
报告图1；信息、专业服务和金融领先，建筑与零售较低
局部突破尚未成为全局跃迁
2025年增速；信息产业与美国整体对比
新增投资约六成流向AI基础设施
2022Q4至2026Q1美国非住宅新增固定投资构成
从乐观预期到金融放大器
报告强调的库存周期、固定资产周期和信用传导
图表口径来自原报告。美国人口普查局2026年5月最新叙述数据为信息业39.7%、金融保险业33.9%、全国19.8%，与报告方向一致；由于BTOS在2025年11月调整了问题表述，前后采用率不能机械同比。
三、供给侧：生产率J曲线
AI通用技术需要算力、数据、流程、培训和组织资本配套。引入初期，有形算力支出进入成本，而内部工作流、数据治理和组织知识常未被资本化，测得的TFP可能先停滞。只有互补资产跨过临界点，产出红利才集中释放。
保守模型并不支持“马上大幅提速”
报告引用Acemoglu的任务模型：约4.6%的任务易被AI替代，平均成本节约14%—15%，对应未来十年累计TFP增长上限0.66%—0.71%，折算年均约0.06%。NBER摘要还指出，对难学习、难验证任务进行更严格调整后，十年增量可能低于0.53%。因此，这组数字更适合作为上限带，而不是基准预测。
现有证据是“信息业先走，整体尚未突破”
2025年美国信息业劳动生产率增长10%、TFP增长6.7%，同时就业约下降2%、资本存量增长约6.5%。但美国整体TFP在2024、2025年分别增长1.5%和0.8%，劳动生产率分别增长3.0%和2.1%，尚不足以证明全经济进入生产率跃迁。
四、需求侧：消费温和，投资陡峭
报告认为AI对消费有相反渠道：科技股财富效应和未来收入预期可提前拉动消费；资本替代劳动、财富向低消费倾向群体集中，又可能削弱长期总需求。FRB/US模型中股票财富边际消费倾向约0.03—0.04，即每增加1美元股票财富，当期消费增加约3—4美分。
就业替代并非一刀切
信息、专业服务、金融就业增速明显放缓；私立教育医疗2024—2025年就业增长3.55%，高于历史均值2.1%，说明人对人的服务可以吸收被AI节省的时间。
财富增长高度集中
2022年底至2026年一季度新增约21万亿美元股权财富中，前10%家庭获得约88%，后50%仅获得约1%。短期高端消费改善不等于大众消费能力增强。
投资拉动已经超过互联网高峰
2025年前三季度AI相关投资贡献实际GDP增长0.97个百分点、占39%；2000年科技相关投资贡献0.81个百分点、占28%。
五、周期与金融风险
AI服务没有传统库存，但其背后的GPU、HBM、服务器、电力和冷却设备有库存。短缺环境中的重复下单，会把终端需求的小变化沿供应链放大。固定资产建设又有长时滞和不可逆性，叠加高技术折旧后，企业容易在“错过投资”和“过度投资”之间陷入竞赛。
报告引用的双资本模型把AI算力资本半衰期设为约7个季度，传统厂房和设备约10年。这是模型校准，不是所有资产的统一会计寿命。它真正提醒投资者：资本开支增长只有转化为持续收入、毛利和自由现金流，才创造价值。
BIS 2026年研究进一步确认，超大规模科技企业正更多使用公司债、合资、特殊目的载体和远期租约。其7月模型估算，竞赛外部性可能让投资达到有效水平的约1.5倍，需求弹性较低时接近3倍。该结果是风险情景，不是当前过剩率的事实测量。
六、市场效率还是平台锁定
AI能让价格更快调整、帮助消费者比较价格与隐藏条款、改善小微企业信贷识别；同样的技术也能让算法在重复竞争中学会维持高价、控制信息披露并形成“向上弹性、向下粘性”。
报告提出三组治理重点：投入端保持算力、数据、模型和入口开放多元；定价端把算法协调纳入竞争分析并审计目标函数；消费端降低数据与工作流迁移成本，保护用户退出权。对平台公司估值而言，锁定能力既是商业护城河，也是监管折价来源。
七、持仓映射与具体动作
隐私说明：组合分析基于用户提供的持仓资料。公开版本只保留公司名称、风险链条和策略结论，不展示个人股数、成本、成交价格、账户或邮件证据。精确证据链已保存在私有Obsidian报告中。
组合最大的结构性风险，是多只证券实质暴露于同一批超大科技公司的AI资本开支预算：GOOGL、ORCL是资本开支者和云平台，NVDA、SKHY是其上游硬件与存储供应者，MAGS又重复包含大型科技公司。资本开支下行时，上下游相关性可能同时上升。
GOOGL
保留核心仓。加仓由云与AI收入、云利润率、资本开支后自由现金流共同触发；资本开支上升而现金流连续恶化时停止增加。
核心持有 / 条件加仓NVDA
不把缺货外推为永续增长。重点看毛利率、库存、应收、交付周期和客户AI收入相对资本开支的转化。
持有 / 不追高ORCL
增长弹性大，但融资风险映射最直接。合同储备必须转成收入和现金回款，资本开支、净债务与租赁承诺要同步受控。
持有 / 提高增持门槛SKHY
HBM瓶颈受益明显，也是强周期资产。把HBM价格、良率与标准DRAM库存一起看，主题风险预算不高于NVDA。
主题仓 / 周期管理阿里巴巴
AI云可选性与中国内需偏弱并存。只有云收入与利润、电商变现、集团自由现金流至少两项同步改善，才考虑增加。
持有 / 等待共振理想汽车
AI不是当前主要矛盾。按交付、单车收入、毛利率、库存、促销和经营现金流管理，暂停仅凭智能驾驶叙事加仓。
暂停加仓MAGS
降低单一公司风险，却没有降低大型科技估值与AI资本开支周期风险。继续持有核心个股时，不再新增重复ETF。
不再新增NFLX
与数据中心资本开支直接相关度较低，可提供有限分散。继续按用户、广告、内容回报与估值管理。
小仓保留SPCX
产品法律结构、底层权益、估值和流动性尚未核验，报告也未覆盖。不能纳入AI核心仓，完成结构核验前停止增加。
暂停 / 先核验未来新增资金的参考风险预算
由于缺少港股、美股、现金和汇率的同日完整快照，本文不伪造全资产精确权重。下表只用于未来新增可投资资金的风险预算。
| 资金用途 | 参考区间 | 执行含义 |
|---|---|---|
| 现金与短久期工具 | 20%—30% | 保留财报后和周期下行时的加仓能力 |
| AI平台与可验证商业化 | 20%—30% | 优先现金流转化清晰的平台公司 |
| 算力与存储基础设施 | 15%—20% | NVDA与SKHY合并管理主题风险 |
| 云与数据基础设施 | 10%—15% | ORCL单列，但与上游仍按同一周期管理 |
| 非AI质量与防御资产 | 15%—25% | 降低对单一资本开支周期的依赖 |
| 高Beta卫星资产 | 不超过5% | 结构、流动性和估值可核验后才占额度 |
八、时间维度投资规划
- 未来0—3个月：验证暂停新增重复ETF和结构不明资产。逐家公司核对资本开支、经营现金流、自由现金流、债务与租赁承诺；硬件和存储只在财报后分批执行。
- 未来3—12个月：看转化率AI收入、云利润和现金流跟上资本开支则保留核心；若资本开支连续两个季度显著快于收入和现金流，先减重复和高Beta，再降低上游周期仓。
- 未来1—3年：找收获者优先持有把AI嵌入工作流、提高客户留存和单位经济性的企业。上游供给正常化后，估值重心由收入增长切换到自由现金流和资本回报率。
九、未来重点事件与数据
| 信号 | 绿灯 | 黄灯 | 红灯 |
|---|---|---|---|
| AI商业化 | AI/云收入与利润同步增长 | 收入增长但毛利、现金流走弱 | 客户削减订单或商业化低于指引 |
| 资本开支 | 主要由经营现金流覆盖 | 资本开支/经营现金流持续上升 | 自由现金流转负，债务和租赁同步增加 |
| 供应链 | 交付改善、库存稳定 | 交付期缩短且库存上升 | 取消订单、价格与利用率同步下降 |
| 信用 | 债券利差与CDS稳定 | 表外融资和私募信贷占比提高 | 再融资困难、利差急升或资产减值 |
| 生产率 | 多行业劳动生产率与TFP改善 | 改善仍局限于信息业 | 投入高企但TFP持续回落 |
| 中国内需 | 财政、M1、社零和地产同步改善 | 政策加码但私人需求弱 | 财政落地后信用和消费仍下降 |
每月
BTOS行业AI采用率；美国高AI行业就业；中国社零、M1、社融、民间投资、商品房销售与土地出让。
每季
五大科技公司资本开支/经营现金流；云收入与利润；NVDA库存应收；SKHY HBM价格和标准DRAM库存。
事件
超大科技公司资本开支指引；数据中心债券与CDS；私募信贷和表外租赁披露；反垄断与数据迁移规则。
十、证据边界与最终判断
报告最可靠的部分，是把生产率、资本开支、分配、融资与竞争治理放进一个框架。需要谨慎使用的部分包括：AI相关投资是宽口径近似；BTOS问卷发生过变化；七季度半衰期和BIS过度投资倍数是模型结果；“5%头部企业成功、95%停留表层”来自特定调查，不能推广为所有企业的确定比例。
最终判断：AI大概率是长期通用技术，但“技术最终成功”与“当前所有AI资产都能获得好回报”是两件事。当前组合应保留核心AI资产，同时停止叠加重复主题；让订单、库存、现金流、信用和生产率证据决定下一笔资金，而不是让长期叙事代替短期验证。
参考与交叉验证
- 中国金融四十人论坛，《2026年第二季度宏观政策报告》，第68期，2026年7月。本地PDF SHA-256：
6066a6f88920d5eece5d9e2b78e04a4f228999ba98b04b5eb20e38066f69026c - 美国人口普查局：2026年企业AI采用
- 圣路易斯联储：AI相关投资对GDP增长的贡献
- NBER：The Simple Macroeconomics of AI
- BEA：AI与行业生产账户
- 纽约联储：AI、货币政策与金融稳定
- BIS：AI基础设施的表内与表外融资
- BIS：AI投资竞赛模型