全球最大两个经济体,眼下都在经历一场深刻的结构分化。中国这边,1到8月高技术制造业增加值涨了14.2%,人工智能产业链的商品出口更是猛增五成以上。可另一边,房地产开发投资同比降了19.9%。再看大洋彼岸的美国,头部科技公司靠AI浪潮一路狂奔,市值创新高。

但消费者信心指数,9月份却跌到了历史最低点。 中国银河证券的首席经济学家章俊,最近接受了界面新闻的专访。他把这种现象概括为“同形异源”。说白了,表面看,中美都是钱和增长往少数几个新兴领域扎堆。但骨子里,两边的成因完全不同。

中国的分化,根子在新旧动能切换的历史过程里,主要是行业跟行业的差距。美国的分化,则是AI投资往上冲,金融周期往下掉,两边同时存在,结果就是老百姓的钱包分层特别明显。 章俊觉得,这种K型分化,未来三到五年大概率不会马上消失。

但好消息是,两边都有条件,能从越拉越大,慢慢变成边际收敛。真正决定收敛质量的,是K型的上下两头能不能重新连上。对美国来说,关键看AI能不能从几家公司的赚钱故事,变成整个经济体的提效故事。对中国来说,就看旧的循环怎么调,新的循环怎么长,两者能不能找到平衡点。

这里头有个细节值得琢磨。章俊解释,所谓的旧循环调整,核心就是房地产能不能进入新稳态,地方的投融资机制转型能不能走完。别小看这个,要是存量一直在收缩,经济就会被拖着走。新循环的成长,则要看新质生产力能不能因地制宜地搞起来,技术进步的红利能不能让更多人分到,不光是老板赚,打工人也得跟着受益。

这两件事能不能对上,直接决定了中国经济的分化是收拢还是继续拉开。 其实,房地产留下的那个大坑,指望哪一个新兴产业一下子填平,那是不现实的。章俊的观点很明确,以后不用找“下一个房地产”,而是要让增长来源变得更多元。

投资、财政、信用、居民财富这些功能,得由不同领域分担。宏观政策这时候就得做“加减乘除”。加法,是用好中央政府的资产负债表,既投东西也投人。减法,是把那些低效重复的产能给消掉。乘法,是发展新质生产力,用AI去改造各行各业。

除法,就是赶紧给房地产去库存,把风险清出去。 “除、减、加”是给下半部分修路创造条件,“乘法”是让上半部分的拉动作用更大。这四步一起走,既能稳住旧动能调整的步子,又能把国内需求和新的带动力范围扩大,慢慢就能形成一个新循环。

聊到中美分化的具体区别,章俊掰开了揉碎了讲。中国的分化,在生产端表现得特别清楚。传统支柱行业还在深度调整,但高技术制造、装备制造、数字经济这些板块跑得飞快。这已经是生产增长的重要支撑了。可房地产及相关产业链,调整已经拖了整整五年,还没见底。

供需这边的分化也很扎眼。生产端挺有韧性的,高技术制造拉着工业数据往上走。但需求端就跟不上趟了,居民消费增速一路往下滑,投资增速这两年也是负的。外需倒是还行,扛住了不少压力,出口目的地越来越分散,商品也越做越高端,成了全球最大的商品供应方之一。

靠着外需,贸易顺差还在扩大。 但增长收益在行业间分布不均。不是所有干得好的行业都能多赚钱,利润主要集中在少数几个高景气赛道。今年前七个月,规模以上工业企业利润涨了17.6%。但章俊团队算了一笔账,计算机通信电子和有色金属这两个行业,加起来贡献了大约77.3%的利润增量。

利润总数看着不错,但覆盖面还是很窄。接下来得盯着看,高景气行业赚的钱,能不能流向更多行业,最后变成大家的工资和收入。 美国那边的分化,是两个层面的事。一层是AI相关行业和其他部门之间,另一层是老百姓自己内部。

AI相关的产业和其他经济部门,现在是一个在上扬,一个在下沉。高利率本来是压着房地产、企业借钱、老百姓花钱的,但AI又开了一轮新的资本开支和赚钱周期。芯片、算力、数据中心、电力,这些领域的投资都在膨胀。

所以美国经济现在是两头分,一头是AI投资和头部科技公司很强,另一头是被高利率压着的传统部门有点喘不过气。 这种产业分化,通过资本市场就变成了收益分化。AI带来的好处,更多落到了资本端和一些高技能人才手里。

科技公司利润好了,股价涨了,手里有这些资产的人先享受到了红利。但AI提高生产效率的成果,还没怎么转化成普通打工人的工资上涨。所以美国的K型分化,不光是在产业之间,也在不同收入来源的人群之间。 说到底,中美分化是不是同一个问题的两面?

章俊的回答是“同形异源”。表面上看,都是增长和收益往少数新兴部门集中。但底下的逻辑不一样。共同的大背景是,每次新技术革命来了,生产力和红利总是先集中在少数行业和企业,然后才慢慢往外扩散。 不一样的地方在于,美国的分化更多是AI投资周期往上走,金融周期往下走,两股力量对着干。

中国的分化,更多发生在经济增长引擎换挡的过程中。房地产这些老引擎还在熄火,高技术制造、数字经济这些新引擎已经点火加速。 美国现在的难题是,AI确实成了一个新增长点,但它和其他部门的关系还不够紧密。AI带动了芯片、算力这些投资,也让头部科技公司赚了钱,但高利率还在压着房地产和企业融资。

关键就在于,AI创造的效率和财富,能不能从这几家科技公司和资本持有者那里,流到更多的行业、岗位和普通人身上。 中国的情况更复杂一点。一方面,房地产这些旧引擎的调整,还在通过各种渠道影响着国内需求,负面效果没完没了。

房地产以前厉害,不只是因为它自己块头大,它还连着投资、上下游订单、土地财政、地方投资、融资、信用扩张,甚至房价和老百姓的资产负债表。所以它一调整,影响的就不光是房地产投资,还有地方财政、企业订单、居民财富和消费信心。

另一方面,新引擎虽然在转,但还没完全变成对总需求、就业和居民收入的全面拉动。高技术制造、装备制造、数字经济这些新产业,确实撑起了生产和产业升级。但现在它们更多体现为生产能力、技术进步和出口竞争力。这些东西要变成企业的利润、就业岗位、居民的收入和国内的消费,中间还需要时间。

所以中国经济分化的核心是:旧的循环还在往下掉,新的增长来源还没形成和生产匹配的需求和收入循环。一边是房地产调整拖着国内需求,另一边是新产业长得快,但好处比较集中。从生产增长到企业利润、就业、居民收入,再到消费需求,这条路中间还有堵点。

那未来三到五年,中美各自的两头是会靠拢还是继续拉大?章俊说,大概率不会马上消失,但都有条件慢慢收敛。决定收敛质量的关键,是K型的上下两头能不能重新建立联系。技术革命初期,集中效应本来就强,领先的企业和行业先拿到红利,这很正常。

真正要看的,不是哪一年K型消失了,而是分化背后的增长机制变了没有。 美国K型能不能收敛,最关键的是AI能不能从一个强劲的投资和盈利增长点,变成整个经济体的效率提升。现在AI先带动芯片、服务器、数据中心、电力的投资,推高了头部科技公司的利润和资产价格。

下一步更重要,是AI能不能走进更多非科技行业,提高普通企业和劳动者的效率,最后变成就业、工资和收入的改善。如果能做到,AI就从少数公司的赚钱故事,变成了整个经济的提效故事。做不到,技术红利一直留在少数科技公司和资本家手里,美国的K型分化就会一直持续。

中国未来三到五年能不能收敛,关键看旧循环调整和新循环成长能不能形成新平衡。旧循环那边,重点看房地产能不能进入新稳态,地方投融资机制转型能不能走完。第一,房地产市场能不能形成新的供需平衡,房企能不能恢复正常的供货能力,让房价、销售和投资的预期稳下来,减少对居民财富、消费意愿和地方财政的冲击。

第二,地方政府化债和投融资转型能不能顺畅衔接,在慢慢卸下存量债务压力的同时,把中央和地方的财政资金统筹起来,形成有效的投资供给。 新循环那边,也有两个关键点。一是能不能因地制宜发展新质生产力,让不同地区形成合理的分工,优势互补,少搞同质化竞争,把局部的产业优势变成全国的整体竞争力。

二是能不能让技术进步和产业升级的好处,更多地落到劳动者和居民头上。新动能不能只让头部企业多赚钱、资本回报更高,还得带动就业增加、工资上涨、居民消费能力提升。在此基础上,再通过税收、社保、公共服务这些制度安排,把一部分生产率和资本收益,转化成更广泛的社会共享福利。

有人问,房地产留下的坑,新动能多久能填满?章俊先给了个基本判断:这个坑很难靠某一个新产业快速填上。因为房地产以前的角色,远不止一个产业那么简单。它直接带着建筑、建材、家电这些上下游,土地出让收入连着地方财政和投资,房地产融资连着信用扩张,房价和住房资产还影响着居民的财富和消费。

所以房地产一旦调整,掉的不只是房地产投资,影响还会顺着财政、信用、企业订单和居民资产负债表,传到整个经济里去。 但这并不意味着非得找个“下一个房地产”。未来更需要的是多元化的增长来源。以前,投资、财政、信用、居民财富这些功能,全都压在房地产一个部门身上。

以后这些功能得分摊到不同的领域。宏观政策要做“加减乘除”,正好对应这四个方向。“加法”是用好中央政府的资产负债表,既投东西也投人。“减法”是通过产业绿色化、数字化升级,建全国统一大市场,推动全球产业布局,一步步化解低效和重复产能。

“乘法”是加快发展新质生产力,稳固经济的上半部分,同时用AI去改造各个行业。“除法”是加快房地产去库存和风险出清,轻装上阵迎接新技术革命。 “除、减、加”是为下半部分修复创造条件,“乘法”是放大上半部分对下半部分的带动作用。

这四件事一起推,既能稳住旧动能调整的步调,又能扩大国内需求和新动能的覆盖范围,慢慢形成新的增长循环。 未来三到五年,可以当成观察新增长循环能不能形成的关键窗口。要看的不只是哪个新产业的规模多大,而是两个层面的扩散效应。

一是企业盈利改善,能不能从少数高景气行业扩散到更多行业,别让结构性分化一直固定下去。二是生产率和企业利润的提升,能不能传导到就业增长和居民收入提高,再反过来带动消费和投资回暖。当盈利、就业、收入、消费这几个环节开始互相促进、形成正向反馈的时候,新动能才算真正超越了单纯对GDP总量的贡献,变成了更广泛、更持久的经济带动力。