【交银国际】2024年市场展望:又踏层峰望眼开.pdf

2023-12-11
2页
4MB

2024 年宏观整体研判:全球放缓,仍有韧性


全球:我们预计在高利率影响下,全球经济增长势头可能会有 所减弱。中、美两大经济体的稳定预计将为全球经济提供一定 程度的缓冲,并有望避免全面衰退的风险。 中国:在稳增长政策持续加码,以及前期累积的积极效应持续 释放,我们预计经济内生动能将延续修复,而外生性动能有望 维持一定韧性,预计 2024 年经济仍将延续平稳修复。 美国:随着紧缩效应的持续显现,预计美国经济动能将转弱, 但鉴于美国财政支出应仍能保持一定的强度,且居民和企业资 产负债表仍有一定韧性,我们预计 2024 年美国经济整体仍有 韧性,“硬着陆”概率不大。


全球经济:或有所放缓


2024 年全球经济面临的不确定性因素仍较多。我们预计在高利率影响下,全 球经济增长势头可能会有所减弱。IMF 预测 2024 年全球 GDP 经济增速将由 2023 年的 3.0%,略微放缓至 2.9%。中国经济平稳恢复,以及美国经济韧性 将成为全球经济运行的两大支柱。中、美两大经济体的稳定预计将为全球经 济提供一定程度的缓冲。 中国经济预计将在 2024 年实现平稳恢复。稳健的政策效应预计将持续释放, 从而为经济增长提供动力。特别是在在制造业领域,得益于政府的一系列政 策措施发力显效,预计将看到积极改善。这种增长不仅将推动中国自身经济 发展,也将对全球经济产生积极效应。


美国经济将继续表现出一定的韧性。尽管面临美联储高利率的挑战,但在政 府财政支出支持、企业资产负债表稳健,以及偏强就业市场和剩余超额储蓄 支撑下,美国居民消费支出仍将保持一定的韧性,而边际放缓的紧缩步伐, 也有助于为经济提供进一步的支撑。 欧元区方面,经济前景则相对复杂。高利率环境下,制造业为主导的欧洲经 济体可能面临更加明显的拖累,不排除德国等制造业大国可能陷入“浅衰退” 的风险。欧央行在抗通胀和增长之间的平衡抉择将成为 2024 年欧元区经济 走向的关键。 对于其他新兴市场而言,2024 年挑战仍存。一方面,新兴市场经济体出口需 求由于全球经济放缓而进一步走弱;另一方面,全球流动性整体偏紧,这可 能限制了部分新兴市场经济体通过国际资本市场融资的能力。部分债务水平 高企的新兴市场经济体仍需要应对潜在债务危机和资本外流风险的挑战。


中国经济:有望延续平稳修复


预计政策合力将继续巩固经济复苏势头


2023 年下半年以来,政策支持力度明显加大。继 7 月政治局会议召开后, “稳增长” 措施的力度和密度均大幅提升,并围绕扩内需(消费、基建)、 提信心(促进民营经济、活跃资本市场)以及防风险(地方债、地产等)三 大主线,打出一系列宏观政策组合拳。 随着稳增长效能持续释放,宏观指标在 9 月亦出现明显向好。同时,由于政 策具有一定的时滞性。2023 年 3 季度密集出台的一系列稳增长措施效果尚未 完全显现,预计前期累积的积极效应有望在 2023 年 4 季度和 2024 年进一步 释放。


财政政策预计将持续发力,万亿特别国债的引擎效应将在 2024 年进 一步显现


2023 年 4 季度发放万亿国债的信号意义非凡,2024 年有望迎来一个“更灵活” 也“更积极”的财政扩张周期。


“更灵活” :中央政府加杠杆、突破赤字率目标限制


中央政府主动加杠杆。此次特别国债发行的一个非同寻常的信号, 在于中央政府选择主动加杠杆提供资金,并通过转移支付安排给地 方。基建项目通常由地方政府发债提供资金,我们认为此举即是考 虑到地方财政加杠杆空间受限,也是向市场传递出一个新信号,即 未来中央政府在财政扩张周期中将扮演更重要的角色。


突破赤字率目标限制。万亿特别国债的发行将 2023 财年的财政预算 赤字率提高到 3.8%,并高于政府此前设定的 3%上限,且同样高于特 殊年份 2020 年的 3.6%。此番万亿特别国债选择在 2023 财年尾发行 并纳入赤字预算,也释放出了两个信号。1)赤字预算纳入上一财年 年尾,意味着 2024 财年的财政预算将更具弹性,操作上也会更加灵 活。2)突破赤字率目标意味着未来财政支出或不再受限于财政赤字 目标,可能会有更多超预期逆周期调节的财政措施推出。


“更积极”:非特殊年份发行特别国债、财政发力更加靠前


非特殊年份发行特别国债。发行特别国债并提高赤字率此前仅出现 在 1998-2000 年这段特殊年份。而此次在非特殊年份发行特别国债并 提高赤字率,凸显了政府在稳增长方面的决心。


财政发力更加靠前。中国 2023 年 3 季度 GDP 同比超预期增 4.9%, 意味着 4 季度 GDP 同比增速达 4.4%以上即可完成全年 GDP 增长 5% 左右的目标,难度不大。选择在 4 季度发行特别国债更是为了 2024 年提前蓄力。


万亿特别国债有望拉动 2024 年 GDP 增长 0.5 到 0.6 个百分点


预计万亿特别国债的实物工作量应首先形成于 2024 年。我们基于 2.5 的财政 乘数估算。1 万亿元特别国债有望拉动名义 GDP 增长近 2. 5 万亿元。假设基 建项目在 3 年左右完成,预计每年带动名义 GDP 增长约 0.8 万亿元,相当于 拉动 2024 年名义 GDP 增长 0.5 至 0.6 个百分点。


通胀低位、海外央行政策货币转向提供了更大的货币政策操作空间


除中央政府积极灵活的财政扩张意愿外,当前我国通胀处于较低水平,而实 际利率高于海外主要经济体,叠加海外主要央行加息潮渐止,均为我国货币 政策提供更大的操作空间和灵活性。


中国货币政策在降息和降准上均有放松的空间。中国核心通胀水平 相较于其他主要发达经济体较低。中国实际利率(名义利率减去通 胀)仍高于美国,且远高于欧洲或日本(当前实际利率仍为负)。 中国大型银行的准备金率约为 10.5%,高于欧美发达经济体 0 至 1% 的水平。


海外“加息潮”渐止增强了中国货币政策操作的灵活性。当前海外 主要央行的加息周期已渐入尾声,并预计在 2024 年存在一定的降息 空间,因而增强了中国货币政策操作的灵活性。


财政政策将更注重“调结构”


随着中国经济从高速增长向高质量发展阶段过渡,需要通过提升产业链水平 和创新能力来实现经济的持续增长,财政支出的重点也逐渐发生了转变,开 始更多地倾向于支持制造业升级、技术创新、以及新能源可持续发展等领域。 这一转变是为了从以往的“制造大国” 转向 “制造强国” ,并全面提高产业链 的全球竞争力。 此外,全球政治经济环境的变化,特别是贸易和供应链等议题,也促使中国 加强对关键领域和核心技术的自主控制能力。近年来,随着全球半导体行业 加速发展以及能源结构转型的需要,政府大幅增加了对半导体产业和新能源 领域的投资,以减少对外部供应链的依赖。


中国财政政策将更加注重完善供应链、加强技术生态系统的建设,并致力于 提高经济的自主性。在这一背景下,除了基建投资外,中国或将继续加大对 数字经济和新能源领域的投资,以应对全球经济和技术的变化,确保国家长 期安全和可持续发展的目标。具体来看:


随着全球经济的数字化转型,中国高度重视数字经济的发展,并预计 将加大在相关领域的政策支持。其中,半导体产业是数字经济发展的 关键基础设施单元。作为现代数字经济的核心,半导体已成为全球科 技行业发展的“基石”。AI、大数据等领域方兴未艾,正呈现强劲发 展势头,这些技术的应用不仅正推动传统产业的升级,也有助于打造 新型商业模式和产业形态。因此,持续投入和政策倾斜以提高本土半 导体产业的研发和制造能力,将成为推动产业升级和提高产业链竞争 力的关键。


新能源不仅是未来可持续发展的需要,也承载着能源安全的重任。随 着全球能源市场的变革,能源安全面临着更加复杂的挑战。中国正致 力于逐步减低对传统能源的需求,这促使国家正加快新能源的发展, 并实现能源链条的安全。因此,新能源的大规模、高比例、高质量的 可持续发展成为了必然趋势。中国已在大力发展太阳能、风能、水能 等可再生能源,并探索新型能源的应用。当前,中国已建立起全球规 模最大的清洁发电体系,非化石能源发电装机容量占比超过 50%。此 外,大规模储能技术的发展是推动新能源更广泛应用的关键,中国正 在积极研发和探索相关技术,以提高能源的使用效率和稳定性。


预计内需依然是发力的重点方向


预计在 2024 年,随着海外主要经济体加息周期已进入尾声,海外制造商库 存或已见底,有望开启从被动去库到主动补库的切换,使得外需维持一定的 韧性。但由于海外主要经济体高利率仍将维持较长一段时间,对海外需求的 压制仍在。与此同时,考虑到 2024 年为全球地缘政治周期大年,对于外需 仍需谨慎。 因此,基于外需主要受海外经济周期、央行政策以及地缘关系等复杂因素的 影响,可控空间有限,因而内需仍将是我国政策的主要发力点。在 2024 年, 持续的稳增长政策支持仍然可期,特别是在基建、制造业、地产、消费等方 面的宏观政策仍有推出的窗口期。 总体而言,在稳增长政策持续加码,以及前期累积的积极效应持续释放,我 们预计经济内生动能将延续修复,而外生性动能有望维持一定韧性,预计 2024 年中国经济仍将延续平稳修复。


美国经济:动能或有所转弱,但是整体或仍有韧性


韧性来自哪里?宽财政+宽货币期间投放的巨量流动性


美国经济之所以表现出强韧性,根本原因在于宽财政和宽货币政策所注入的 巨量流动性。大规模的政府支出不仅稳定了经济,还降低了私人部门的债务 压力,促使私人部门去杠杆,从而增强了整体经济体系对冲经济周期波动的 能力。 随着美联储启动加息以对抗通胀,政府部门前期加杠杆的压力显现,利息支 出大幅增加,而私人部门仍有足够的缓冲来吸收这种压力。主要体现在私人 部门,特别是非金融企业部门,期间通过利用宽松流动性置换债务,不仅降 低了债务水平,增强了资产负债表的韧性,并增加了大量的现金储备,使其 在加息至今,净利息支出不升反降。这也是本轮加息周期不同于以往加息周 期的特别之处,也是美国经济韧性至今的根源之一。


美国经济韧性还能持续多久?


为了分析美国经济韧性还能持续多久,我们分别从流动性、居民需求以及企 业债务视角进行定量分析。根据我们的测算,无论是市场流动性,还是居民 和企业资产负债表均有望在 2024 维持一定韧性,美国经济“硬着陆”概率不大。


1. 流动性视角测算:预计 TGA+逆回购仍能继续对冲缩表带来的紧缩冲击


尽管美国货币政策已转向限制性,但紧缩对市场流动性冲击较为有限,这也 是美国经济之所以韧性远超市场预期的因素之一。


美联储自 2022 年年中启动缩表以来,市场总体流动性收紧有限,仍 维持在 6 万亿美元左右的水平。2022 年中至 2023 年年中,TGA 账户 余额的释放一定程度上对冲了缩表带来的流动性紧缩影响。


尽管随着 2023 年年中美国债务上限协议达成,美国 TGA 账户余额 重新增加,美债发行放量,但这些因素带来的市场流动性紧缩被市 场剩余流动性(以隔夜逆回购操作规模形式体现)所对冲。当前市 场隔夜逆回购规模虽较峰值的 2 万亿美元已消耗近一半,但 TGA 账 户余额已补充完毕,预计后续对市场剩余流动性的消耗有限。


当前美国市场上剩余逆回购仍有近 1 万亿美元的规模。如果以 TGA 账户在 2023 年年中补充余额的消耗斜率计算,其仍能维持至 2024 年年中附近的时点。


2. 居民需求视角测算:超额储蓄预计将在 2024 年 4 季度耗尽


美国居民超额储蓄对消费支出的持续支撑,也是美国经济持续韧性的重要支 撑力量。疫情期间,美国政府通过转移支付,使得居民累积了超过 2 万亿美 元的超额储蓄,并持续释放至今。美国居民超额储蓄当前已消耗过半,但仍 有近万亿美元的规模。根据我们的测算,预计剩余超额储蓄在 2024 年 4 季 度消耗完毕,届时消费需求或将边际转弱。


3. 居民需求视角测算:职位空缺数预计在 2024 年 4 季度回到疫情前水平


美国劳动力市场再平衡进程持续。供给端,移民人数回升一定程度上改善了 就业市场的紧张状况。需求端,企业用工需求已高位回落,职位空缺数正在 收缩。我们按照当前职位空缺数回落的斜率进行线性外推,预计职位空缺数 将在 2024 年 4 季度回到疫情前,即 2019 年接近 700 万的水平。预计劳动力 市场再平衡的进程仍将持续,届时工资增速放缓一定程度上可能令强劲的消 费支出放缓。


4. 企业债务视角测算:现金存量仍能支撑至 2024 年以后


从美国非金融企业债到期分布来看,2024 年及以后的到期规模将逐年上升, 意味着 2024 年到期的债务,再融资仍将面临较高的利率水平。另一方面, 银行贷款标准仍在持续收紧。工商业贷款的收紧程度仅次于大流行和次贷危 机时的水平,企业后续将面临着严峻的再融资环境,但 2024 年整体到期的 债务规模较 2023 年增长不大,再融资压力有限。 美国非金融企业在疫情期间积累了大量的现金储备,且当前现金存量仍在增 加。高利率环境下,尽管利息支出有所增加,但以当前的消耗量斜率进行线 性外推,预计美国非金融企业的现金存量仍能支撑至 2024 年以后。


流动性之变:偏紧的流动性新常态


欧美央行在近两次会议中,均双双按下“暂停键”,对于欧央行其加息周期 已经终结;对于美联储而言,虽没有正式宣告,12 月的 FOMC 会议加息 概率仍有,但已非基准场景,2024 年基本意味着本轮全球范围内的加息 潮已行至尾声。 同时,由于美国经济短期仍有韧性,且结构性因素使得通胀粘性仍重, 回落至 2%的目标仍有距离,这就使得 2024 年降息的空间相对有限,且 降息时点上具有较大的不确定性,2024 年利率或预计仍将维持在较高的 位置,且中期利率中枢的系统性上移,降使得偏紧流动性成为新常态流 动性之变在于“三变”,整体来看市场需要适应偏紧的流动性新常态: •短期来看,2024 年美联储从加息走向加息中止。 •但此轮利率周期与以往不同,即加息与降息的对称性被打破,利率“易 涨难跌”,我们对美联储的降息时点、幅度都较市场更为审慎。 •长期来看,利率中枢相比过去 10 年很可能系统性上移,我们很难回到 过去流动性极度充裕的时代。


流动性之变(一),美联储从加息转向加息终止


美联储开始于 2022 年 3 月的近一轮加息周期为近 40 年来最高、也 是最陡峭的利率路径。目前政策利率已到达了限制性区间,紧缩不 足与过度紧缩的双向风险正在放大,且当前紧缩的滞后性影响尚未 完全显现,使得致力于实现软着陆的美联储在尾声阶段显得更加谨 慎。


自 2023 年 7 月以来,市场对美国经济增长、美国政府支出以及美债 发行的前景重新评估,推动 10 年期美债中性利率以及期限溢价上行, 长债利率中枢明显上移,金融条件的自发性收紧也使得美联储进一 步加息的必要性有所降低。


鉴于 2023 年 3 季度美国大罢工对经济的滞后影响、中东地缘政治风 险等因素,以及货币政策滞后性影响,美国经济增长前景不确定性 上升,同样增加了美联储评估加息的难度,使得美联储加息概率降 低,即使进一步加息,加息的空间应该非常有限。


流动性之变(二),此轮利率周期不对称性的逆转:从“易跌难涨” 切换为“易涨难跌”


回顾美联储过去几轮的加息周期,通常可以观察到加息和降息过程存在一定 的对称性,即加息路径和降息路径在时间和幅度上大致相似。在分析此轮美 联储的利率周期时,我们可以看到一个明显的转变:从以往的“易跌难涨” 模式,切换到了如今的“易涨难跌”模式,具体来看: 1)加息路径陡峭:本轮加息周期的特点是其路径的陡峭性,美联储为应对 高通胀而迅速加息,创下了自 1980 年以来,近 40 年来加息幅度最高、且加 息速度最快的一轮紧缩周期。 2)降息路径趋缓:尽管市场普遍预期未来会有降息行动,但目前隐含的降 息路径却显示出较为缓慢的趋势。这种趋缓反映了市场对通胀可能的持续性 保持警惕,同时也体现了美联储在预测经济增长和通胀动态方面的审慎态度。 美联储似乎更倾向于确保通胀得到有效控制,而不是急于通过降息来刺激经 济增长。 因此,相比于过去几轮加息周期,本轮加息周期与预期的降息路径之间存在 明显的非对称性,这种非对称性揭示了美联储在当前复杂多变的经济环境下 进行的策略调整:在遏制通胀方面更加积极;而在考虑降息时,则表现出更 多的谨慎。这表明在未来一段时间内,我们可能会看到利率处于相对较高的 水平,而美联储也可能会更慎重地考虑任何放松货币政策的决定。 即使从市场隐含利率预期来看,美联储的降息路径依然呈现加息 vs 降息的非 对称性(即大幅加息,小幅降息),而相比于市场预期,我们对于美联储的 降息时点、幅度的判断则更为审慎。


流动性之变(三),美债利率中枢相比过去 10 年或将系统性上移


结构性因素的扰动令通胀中枢系统性抬升,进而抬升利率中枢。 地缘政治的紧张和供应链的重构可能导致国际贸易活动的收缩,这 不仅增加了生产成本,还可能导致某些原材料的供应中断,从而推 高生产成本和最终商品价格。此外,供应链的重构可能导致生产效 率下降,这也会增加生产成本,并最终推高物价水平。 在能源转型的大背景下,传统能源大宗商品企业 CAPEX 意愿不足, 使得供给端相对趋紧。供需紧平衡下,商品价格,特别是能源价格 “易涨难跌”,从而加剧了通胀上行风险。 美国政府的财政支出增长可能导致美债市场出现结构性供需失衡, 并加剧美债市场的波动及推升美债利率的中枢。 以上这些结构性因素扰动均可能导致美国通胀中枢上升,对利率中枢的上移 推波助澜。


技术之变:硅基智慧生态的大爆发


当前市场的主流观点,是将 AI 技术当成一种强力辅助工具看待,可以帮 助人类提高工作效率,辅助人类进行决策,主要关注点在当前 AI 技术的 应用层面。我们希望从更底层的视角去理解 AI 技术的潜力,从而更好地 展望未来可能具备的能力和影响。 我们认为 AI 技术的潜力远不止于辅助工具。AI 技术或将是全方面影响人 类社会形态的重要转折点,其将拓宽人类的认知范畴和想象力边界。AI 技术的爆发将从微观、中观、宏观各个层面带来重大冲击。 展望 2024 年,我们认为 AI 将从探索期过渡至商业化变现期。AI 技术的 溢出效应将进一步显现,人们将在应用方式、应用形式等方面进行全方 面探索。随着 AI 技术被广泛应用,宏观经济、资产配置、企业商业模式、 个人生产效率等社会经济方方面面将经历重大且深刻的范式转变。


我们为什么比市场更乐观:超预期能力+超预期进化速度


超预期的理解能力有别于以往


以前的 AI 是“鹦鹉学舌”式伪智能,其本质是做数据拟合寻找对应关系,程 序员的工作是不断进行细致编程并优化,可实现的能力有限。现在的 AI 或 具备深度推理能力,智能水平大幅提升。AI 大语言模型通过不断地试错, 从海量无标注数据中对世界运行的规律进行解构,从而具备了复杂推理和 知识推理的能力。虽然关于 ChatGPT 是否具有“意识”在学界仍存争论,但 可以肯定的是,当前的 LLM 已经具备相当高的推理能力与判断能力,如果 按照 LLM 飞速的进化速度来看,我们很可能将在不远的未来实现真正意义 上的通用人工智能(AGI)。


变到质变 – 非线性能力涌现必然让传统线性思维低估


AI 不是新事物,但伴随 LLM 的模型参数的不断增长,LLM 的能力在突破临界 值后,出现了质的飞跃,即“涌现”出现。对于传统的线性任务而言,LLM 遵 循着根据参数量,表现线性增长的规律,即“规模效应”,但对于复杂任务,LLM 则出现了“涌现”现象,其能力有了飞跃。AI 技术可谓是实现了从量变到质变 的飞跃,这点在复杂任务层面体现的尤为突出。


超预期的进化速度:非线性增长曲线将超出市场的认知


现有能力 :GPT-4 的能力已经非常强大


当前全球的LLM模型百花齐放,迅猛发展,以当前LLM模型最具代表性的GPT4 为例,其已经在通用应用领域取得惊艳的表现。


在具备强大能力的基础上,AI 模型还加持了指数级的进化速度


当前的 AI 模型在各个方面所展示出的增长速度都是指数级的。AI 模型算力和 参数的发展速度正在以远超摩尔定律的速度发展。AI 模型的参数、算力在 2 年时间内增长数百倍,进化速度超乎想象。而 ChatGPT 的优异表现则将进一 步吸引资金、技术进一步投入相关领域,对其发展可能会进一步加速。


通用人工智能(AGI)的出现或将比市场预期的要更早


超强能力和超快进化速度的结合使得 AI 的进化速度呈指数级增长,通用 人工智能(AGI)的出现时间可能比市场预期的要更早。这点由最近 OpenAI 事件中的 Q*模型就可见一斑。 尽管根据市场上的消息看,目前 Q*模型只具备做简单数学题的能力,但 是从本质上来看,这是现有模型能力上的飞跃。单纯的解决简单数学问题 可能看似平平无奇,但是需要意识到的是:数学的本质是符号主义的逻辑 推理,能准确解答数学问题意味着 AI 模型可能具有了抽象逻辑推理能力, 而不是凭借从训练数据中提炼的“直觉”来输出答案。 因此,我们认为不应该将 AI 简单地当成一种新的辅助工具来看待,而是可 以将其视为一个正在快速进化中的智慧数字物种。在此基础上重新思考其 对于全球宏观、行业和个体的颠覆性冲击。


伴随着 ChatGPT 从单模态向更便宜的多模态迈进,AI 生态将进一步 全面发展


OpenAI 在 2023 年 11 月最新推出的 GPT-4 Turbo 已经从上一代的单模态能 力进化为具备多模态输入和输出能力(可以处理多种数据类型)的模型。 此外,其知识储备(训练数据截止日期)和记忆力(上下文窗口增加至 128k tokens)也大幅增强,API 的成本进一步下降至原有水平的三分之一,这就 为接下来全球 AI 生态的全面爆发从能力、成本端奠定坚实基础,预计在 2024 年全球 AI 生态将进一步发展。


AI 的深层影响:个体、行业和经济体均将经历大分化时代


AI 能够普世性地帮助个人、企业和经济体提升生产力,但是这种生产效率的 提升并非均衡扩散,而是从微观、中观、宏观层面以不均衡的形式进行扩散, 具体的不均衡体现在两个层面:一是 AI 的颠覆性冲击下会带来赢家与输家。 二是即使受益程度相同,其在时间维度上也并非同步显现。这就将造成 AI 时 代下马太效应将加剧,进入大分化时代。


个体层面:个体生产力大分化时代开启


何以为新 – 个体生产力的理论极限被突破


AI的出现打破了个体技能的稀缺垄断性,使得人类技能的批量生产成为可能, 个体生产力的物理极限被突破。 在工业化时代,人与人之间生产效率最多可能只有几倍的差距,但迈入 AI 智 能时代后,人的工作效率有可能获得无限提升。我们可以从个人生产力=单 位生产效率 x 时间来理解个人生产力极限。


时间的扩展有上限。时间是无法被操控的,24 小时*365 天是时间维 度的极限,因此此项可被视为固定项。


单位生产效率提升没有上限。随着 AI 技术的进步和人类操作 AI 工具 的熟练度提升,单个 AI 工具的理解力、准确度和功能性将有大幅提 升,在一个或多个领域超越人类中的专家。数周的工作量对于 AI 而 言则可能数小时甚至数分钟内完成,而这并没有结束,伴随着 AI Agent 技术的成熟,批量 AI 的同时调用,使得效率提升理论上限将 被突破。


我们认为人类使用 AI 技术的熟练度可以大致对应四个层级的分化:


第一层分化:使用 vs.不使用


个人选择使用 AI 与否代表第一层级的分化,也是大部分人处在的层级。选择 使用 AI 工具已经可以在多方面提升个人的生产效率,但仍然有很多人还没听 说过/使用过任何 AI 工具。这一阶段对应的关注指标是 AI(包括 API 调用) 的使用人数及渗透率。


第二层分化:普通使用 vs. 用得好


个人使用 AI 熟练度也将导致人与人之间生产效率的分化,好 Prompt 与坏 Prompt 得到的答案质量有显著的区别,能否准确了解并把握 AI 的能力边界 也将是用好 AI 的关键。这是小部分积极拥抱科技的人处在的层级,也是大部 分人对于 AI 对个人生产力提升效果的认知边界。这一阶段对应的指标是人类


提问能力比解答能力更重要。 过去人们普遍认为解答问题的能力更有价值,但这在AI时代或将不再适用。 随着 ChatGPT 等大语言模型回答问题的正确率、完成度大幅提升,人们最 需要掌握的可能并不是回答问题的能力,而是需要运用批判性思维去深度 思考和构思具有洞察力的问题,然后通过提问(写 Prompt)得到启发或答 案。


好 Prompt 与坏 Prompt 也有巨大差异 。高效、准确地提问具有巨大价值。如何通过批判性思考清晰表述背景信息、 提出相对应的好问题将比简单的提问更具价值,AI 对于颗粒度更高的问题 可以进行更准确的回答,能写、会写、写好 Prompt 成为了人与 AI 大模型 交互的最重要的技能。


第三层分化:使用 AI Agent


AI Agent 可以根据用户的需求自主寻找相关信息,并可调用其他工具和 AI 模 型来输出目标内容。简而言之,AI Agent 相当于使用单个 AI 指挥其他 AI,相 当于一个 AI“指挥官”。当前市场上一些较为流动的 AI Agent 包括 AutoGPT、 AgentGPT、BabyAGI、SuperAGI 和 MicroGPT 等。这一阶段对应的指标是 AI 之 间互联互通的能力以及单个 AI 自身的能力边界。


第四层分化:大批量使用 AI Agent


人们可以同时使用多个 AI Agent 程序来同步解决多个问题,在横向数量维度 上的扩展将使人的工作效率出现爆发式增长。数量维度的扩展理论上可以是 无限扩张,但因为所有 AI 程序均需要能量去驱动,因此最终的限制性条件是 能源的供给。这一阶段对应的指标是 AI Agent 的技术成熟度。


行业层面:行业的“诸神黄昏”,新的组织架构和商业模式兴起,部 分行业将面临较大影响


何以为新 - AI 对行业底层逻辑进行重塑


AI 与历史上大部分技术进步有根本性区别,因为以往所有的技术进步都有个 隐含前提,即依赖于人类的深度参与,而这一次,尤其是 GPT-4 的横空出世, 首次开始动摇这个隐含前提。


人类的内容生产特权被打破,技能稀缺性下降。曾经稀缺的技能, 特别是在数据分析、语言翻译和复杂问题解决等领域,现在由于 AI 而变得更加丰富。需要这些技能的工作可能会被 AI 替代,同时需要“AI 熟练程度”的新就业机会将被创造。还可以预见的是,AI 无法很好复 制的技能的需求将会激增,例如创造力、情商、领导力和辩证思维。


资产负债表上可以真正意义上“持有”“人”。人本位的行业(金融、律 师、医生等)尤其是娱乐行业,是最典型的以人为最大核心资产的 生意。以“人”为核心的行业,其资产负债表上最有价值的资产是 “人”,但却并不真正“持有”这个资产。在 AI 出现之后,AI 可以作为 虚拟人被真正持有,并且可以永远不离开。 AI 的加入,使创作活动门槛进一步降低,内容生成将变得更容易,因此创意 类驱动的企业和行业将是赢家。创作工具(如 Adobe Photoshop、Unreal Engine 等)和发布平台(如 TikTok、YouTube、Instagram 等)都将受益。


与内容创作井喷式发展相对应的则是:


微观层面:商业组织架构重构,AI DAO 和 Tiny 公司成为可能


AI 的介入使得新的组织架构成为可能,AI DAO(AI Decentralized Autonomous Organization)和 Tiny 公司的出现是 AI 智能时代下新的 范式转变。 AI DAO 是以智能合约的形式将企业的管理和运营编码在区块链上, 从而在没有集中控制或第三方干预的情况下自主运行的组织形式。 DAO 有望成为应对不确定、多样、复杂环境的一种新型有效组织,AI DAO 这个全新组织形式的浮现,它将具备颠覆现有公司制度的可能, 伴随全新商业组织形态的出现,我们很可能将见证我们从未想象过的 商业模式。 Tiny 公司指的是广泛使用人工智能提供创新解决方案和服务的小型 企业或初创公司。他们的特点是人员规模极小、具有高度的敏捷性和 快速创新能力以及使利用 AI 来驱动业务流程。 未来的趋势是,公司可以在非集中控制下自主运行,人借助 AI 技术 可以实现生产力的暴涨,在极少雇员团队的情况下借助 AI 技术加持 实现业务的高速增长。这种迷你型公司在未来有可能具备能力在各个 维度对现有的行业巨头发起挑战,这是在前 AI 时代难以想象的。


中观层面:行业的现有商业模式将经历重大变革


交互逻辑出现变化,从 to B/C 到 to A


过去的商业模式主要是围绕 C/B to C/B 展开,之后垂直类平台的出现 促成了信息交流效率的提升,平台成为连接和交互的中心。我们认为 未来 AI 有可能替代平台,成为连接和交互的中心。在此情况下,AI 本质上变成了过滤器,过去以人为本位的商业战略、产品定位,可能 会战略性地改为以 AI 为本位的商业战略、产品定位。 例如传统的投行研究流程是卖方直接服务所有 PM,PM 读懂研报最 重要。但在未来可以转变成卖方直接服务 AI,AI 读懂研报最重要, 而 PM 可以直接从 AI 处获取定制化的信息,交互逻辑完全转变。


新商业模式的涌现


在全新技术、全新商业组织的推动下,商业模式想象空间将被打开,可能会 有众多全新商业模式涌现出来。 数据是整个 AI 生态体系最重要的核心资产,未来围绕数据的收集、分享、交 易将形成一个巨大的市场。其中最值得期待的就是 SaaS 向 DaaS 的转变(Data as a service)。DaaS 的商业本质即在于以相对低廉的成本甚至是负成本完成 数据的采集及分析。具体而言通过以提供传统服务作为切入点,吸引用户沉 淀数据,通过免费的服务供应甚至是补贴式的服务提供来获取用户同意交换 数据,再通过数据分析来在其他维度来实现数据变现。 例如,传统的经纪商业务,依赖于佣金收入,而新型的经纪商则有可能免费 提供交易服务,甚至补贴用户吸引海量用户入驻,在用户知情且同意的情况 下,对海量用户的数据进行采集、AI 分析,进而利用 AI 构建出高胜率、动态 更新的交易策略进行变现。


行业的“诸神黄昏” – 行业层面的大分化


AI 冲击下的赢家与输家


AI 的颠覆性冲击,在行业层面几乎对所有行业,不论是新经济还是旧经济 的传统行业都会带来巨大变革,与之相应的,冲击下必然有赢家与输家进 而生成巨大的分化: 1. 冲击下的赢家。受益于 AI 技术的企业可带来收入端的巨大增长(开 源),与此同时成本也可能因 AI 技术的加持带来总成本尤其是人力成 本的急速下降(节流),进而带来整个生产力、毛利率的大幅提升,实 现“量价齐升”。其中,科技互联网等重人力资源的行业受益更明显。 2. 冲击下的输家。部分工作文字内容占比高、内容偏固化、具有高度重 复性的行业可能被 AI 技术的所替代,行业需求大幅下降,进而导致整 体受损。


技术的外溢效应分布不均


由于 AI 技术的成熟度尚在不断提升中,相关技术的外溢效应对行 业的影响分布不均: 1. 从纵向维度看,AI 在相同行业不同岗位的渗透率表现不一,对相同行 业的赋能因岗位渗透率的不同而存分化。 2. 从横向维度看,调研显示 AI 对不同行业的赋能也因行业属性的不同而 分化明显,具体而言,制造、风控和供应链管理职能或最受益于 AI 赋 能。


经济体层面:经济体之间的分化可能加剧


从宏观层面来看,AI 一方面和以往技术一样会带来生产力的大幅提升,但另 一方面它与以往技术不太一样。AI 技术最终的结果是加大经济体层面的大分 化。


何以为新? – 全球化转向本地化


与以往技术进步不太一样的是,AI 技术的发展,很可能会导致全球化转向本 地化、区域化。过去几十年全球化的高歌猛进,其底层的核心驱动力在于劳 动力价格的套利交易,而 AI 的出现正在撼动这个核心驱动力:


商品贸易层面。AI 技术+机器人,有望令生产转化为在岸生产。虽然 机器人技术尚未完全成熟,但是在 AI 技术的加持赋能下,已经快速 增长的机器人行业发展有望进一步全面加速。


服务贸易层面。服务型人形机器人虽然尚不完全成熟,但当前的 AI 技术已经对众多服务型岗位造成显著冲击,众多的跨国离岸外包服 务很可能将受到直接影响。 AI+机器人技术,长远来看,相比离岸生产有望实现更低的生产成本、更少的 运输成本(更靠近市场),以及更高的供应链安全性以及更好的库存管理能 力(生产端更贴近终端市场),这将直接加速经济的“区域化”。


为什么将促进经济体分化?


数据层面的分化


训练数据语言分布不均衡将导致模型针对不同语言的输出质量有差异。 长期来看,伴随着训练数据进一步挖掘,LLM 的训练数据很可能将进一 步向学术论文进行深度挖掘,届时高质量的学术期刊中占比较高的语言 将更受益。这种不均很可能使部分语种国家在 AI 浪潮中受益程度更高。


数字基础设施层面的分化


各经济体的数字基础设施层面存在巨大的分化,根据联合国人类发展报 告的计算,人类发展程度高的地区(通常是高收入经济体)与发展程度 低的地区在数字基础设施便利度(尤其是互联网宽带)方面存在较大分 化。这将使得 AI 新技术虽然会在全球层面形成技术的外溢效应,带来生 产力的提升,但对于不同经济体的影响大相径庭。


AI 技术层面的分化


国别层面针对 AI 的相关研究也存在较大分化,以英国新闻公司 Tortoise 的 AI 指数排名来看,美国和中国分别为全球 AI 研究的前两名。该指数使 用 111 项指标对 62 个经济体进行排名,以对人工智能研究规模和强度进 行评分。这些指标以三大因素为分析基础:投资、创新和实践。然后, 这些支柱被进一步细分为七个类别:政府战略、商业、创新、研发、实 施、人才、基础设施和运营环境。AI 的投资需要大量资本支持,当前中 美两大经济体领跑全球,未来随着投入的不断加深,全球 AI 技术的发展 或将愈发围绕两大经济体为核心展开。


新兴市场 vs 发达市场受益程度明显分化


IMF 的研究显示,AI 及机器人等技术对发达市场及新兴市场的经济影响 存在巨大分化。具体而言,AI 技术有着颠覆传统资本生产率的可能。发 达经济体和发展经济体之间的根本区别是全要素生产率的水平,发展中 国家人力成本更具优势,但发达国家拥有更先进的技术和自动化机器人。 AI 技术有可能将使全自动化生产成为可能,生产效率更高并且成本低于 发展中国家的综合生产成本水平,如果资本在国际上是自由流动的,那 么资本将可能更多地被吸引至高生产率的发达经济体。


(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。)


相关报告

2024年市场展望:又踏层峰望眼开.pdf

新加坡市场投资观察.pdf

中国移动市场经营分析创新.pptx

2024年一季度策略总结与未来行情预判:短期信号大多中性,市场或仍处于筑底过程.pdf

专业市场发展探索.pptx

市场价格学.pptx

【交银国际】2024年市场展望:又踏层峰望眼开.pdf-第一页
联系烽火研报客服烽火研报客服头像
  • 服务热线
  • 4000832158
  • 客服微信
  • 烽火研报客服二维码
  • 客服咨询时间
  • 工作日8:30-18:00