滕泰：中国经济的确定性机遇和挑战｜把脉中国经济

编者按：

各种迹象和数据显示，中国经济正在复苏之中，但内外部环境仍然充满不确定性，复苏的动能也难言强劲。现阶段中国经济还存在哪些主要问题，未来经济前景如何？我们特邀请一些经济学家建言献策，在国庆节期间推出“把脉中国经济”系列评论，试图解答部分疑问。

当前中国经济面临着来自国际和国内的很多不确定因素需要面对，但是也有很多确定性机遇和挑战需要认真把握。其中最值得关注的确定性因素，是中国经济正在面临人工智能和三维互联网为代表的科技革命前夜的重大机遇；而最确定的长期挑战，则是由人口老龄化、出口受阻、投资过剩、消费不足所造成的长期总需求不足。无论是应对各种不确定性因素，还是把握确定的历史机遇，化解确定性的长期挑战，都需要经济政策的深度转型。

人工智能和三维互联网的重大科技革命机遇

2023年1月末，ChatGPT上线后短短两个月后，月活用户已经突破了1亿。2023年3 月 14 日，OpenAI又宣布发布多模态大模型 GPT-4[1]，它在几乎所有学科的考试得分都接近于人类前10%的智力水平，让全球企业都争抢接入。

在全球人工智能大潮涌起的几乎同时，2023年6月发布的苹果MR（混合现实），9月Meta也发布了其MR产品。比之前的AR/VR不同，人们戴上MR眼镜再也不需要与外界隔绝，而是既可以看到虚拟屏幕，也可以随时透过眼镜看到与外面自由交流。这样的产品一旦价格大幅下降，必将引领人类进入三维、立体的互联网（元宇宙）新时代，再次改变人们的工作、娱乐和生活方式，并催生全新的数字经济形态。

根据高盛的预测，人工智能在未来10年将带来7万亿美元的价值，也就是累计带动全球增长7%以上。另根据麦肯锡的一项研究，人工智能将会对中国经济带来6000亿美元以上的经济增长。

彭博行业研究报告预计，元宇宙市场规模在 2024 年将达到 8000 亿美元；普华永道预计，元宇宙市场规模在 2030 年将达到 1.5 万亿美元。也有关研究认为，到 2032 年，元宇宙直接创造的 GDP 将达到每年 3.65 万亿~7.25 万亿美元，占世界经济增长量的 1/6。

包括以上预测在内的现有的所有关于人工智能和三维互联网对经济增长影响的各种预测，可能都低估了它的未来影响，因为人工智能和元宇宙对经济的影响不一定全部体现在经济增长上，更多体现在对原有的生产方式的替代和改变上——以互联网对商业的影响为例，过去20年互联网电商大发展，增加了消费者福利，促进了社会分工，但是大部分电商销售取代的是传统的线下地面店销售，并不都是商业总量的增长；同样，人工智能和元宇宙技术可以提高工业的效率，带来新的经济增长，但是人工智能对经济的影响，绝不仅仅体现以GDP计算的增加值上，更体现在对原有生产方式和生活方式的改变、生产效率的提高，以及人类福利的增加等很多方面。

从新供给经济学的视角，新供给如果仅仅替代老供给、满足老需求，带来的经济增长是零；只有新供给创造新需求，才带来真正的经济增长——人工智能如果仅仅是替代老的生产方式，并不会带来明显的经济增长；人工智能创造新的生产和生活方式，带来新的需求增长，才会带来经济增长。但是这种新供给对老供给的替代，对经济增长模式的影响、对生产效率的提高、对人类福利的促进，是巨大的、不可限量的。总之，人工智能和元宇宙带来的经济增长只是它影响经济的一个方面，更重要的影响是它带来的生产效率提高和福利改善。

有人说人工智能三维互联网对经济周期的影响不亚于蒸汽机革命、铁路革命、电力革命、石油化工业革命，不亚于通信革命和互联网革命，我总体上认同这样的看法，人工智能和元宇宙对全球经济周期的影响就是这样一种技术革命级别的影响。但是，与之前的几次技术革命相比，这次人工智能对全球经济周期的影响时间恐怕没有之前那么长——之前的蒸汽机革命、铁路革命、电力革命可以带来50年左右的经济增长，我们把这样的长经济周期叫做“康德拉季耶夫周期”，但这次人工智能和三维互联网对全球经济的影响的时间长度，恐怕要比之前的康波周期要短，因为人类已经进入了一个信息化的时代，即使同样级别的技术革命，哪怕它蕴藏的经济能量跟前几次技术革命能量一样大，但传播的时间要更短，传播速度更快，所以这轮人工智能和三维互联网革命预计会给全球经济带来10~20年的经济增长动力，中国经济未来20年的增长前景很大程度上取决于我们是否能够、以及在多大程度上抓住这波科技革命带来的重大机遇。

总需求不足的长期挑战

中国的人口老龄化带来的挑战比30年前的日本还要严重，因为我们是在较低经济发展阶段迎来的人口老龄化挑战，即所谓“未富先老”。无论是从老龄化人口总量、人口比重、社会保障水平来看，日本逝去的二十年的历史警示都值得高度重视。

此外，当前以美国为首的西方国家对中国的执行的贸易保护主义政策短期内很难扭转，在这样的国际形势下，中国对欧州、美国、日本、韩国等国的出口负增长恐怕还将持续，同时来自墨西哥、越南、印度、土耳其等国对中国出口产品的替代趋势仍然在被不断强化，美国、日本等企业将中国的生产线向东南亚等国家转移的趋势仍然在持续。未来十年，中国将由维持了多年的贸易顺差逐步走向贸易平衡，在这个过程中，外需未来几年对中国经济增长恐怕都是负贡献。

就国内投资增速而言，在后城镇化和后基建时期，不但长期的高增长难持续，而且固定资产投资增速会别无选择地逐步降低，甚至出现负增长。在快速工业化和城镇化阶段，大量的基础设施投资、房地产投资和制造业投资是必要的，但过了工业化和城镇化的高峰阶段，投资的经济效益和社会效益都明显下降。根据国家统计局数据，2014年到2017年间，有14个省份出现了固定资产投资额大于本省GDP的现象（2018年以后各省不再公布固定资产投资额数据），说明固定资产投资效益低、不可持续。未来几年，除了房地产投资负增长，基本建设和制造业投资也可能出现负增长，只有信息技术、数字经济和服务业的投资增长可能会提高，并从一定程度上抵消传统投资下滑。

长期总需求不足的另一个重要原因是中国的消费率较低、消费增速也在逐步降低。中国消费占GDP的比重大约为54%，且其中大约17%为政府消费，剔除政府消费后的中国居民消费占GDP比重大约只有37%。相比之下，美国最终消费占GDP高于80%，欧洲和日本等发达国家的最终消费占GDP的比重也普遍在70%以上，其中日本最终消费占GDP比重75%，德国为71%，法国为76%，韩国为64%，欧盟27国为73%，印度为73%。但是要克服体制性原因所造成的消费率偏低，恐怕必须要从产权结构、国民收入结构开始，进行国民收入支出结构的深度改革和转型。

只有启动国民收入支出结构改革，才能战胜内需不足

中国内需不足的根本原因在于体制性因素造成的长期投资过剩和消费不足。克服中国内需不足的根本出路在于把每年二三十万亿的低效和无效投资转化为居民收入，然后进一步转化为消费——只有启动国民收入支出结构的改革，中国才能化解内需不足的长期挑战。

2022年，中国GDP规模为121万亿元，全社会固定资产完成额为57.96万亿元，占GDP的比重为47.90%；而美国、欧洲等国投资占GDP的比重只有20%强，印度这一比重为27%。假定20%~25%的国际正常投资率是合理的，那么中国当前合理的固定资产投资规模应该是25~30万亿人民币，十年后大约是30~40万亿人民币——大约有20~30万亿规模的投资是无效投资、低效投资、过剩投资。

与此同时，中国居民可支配收入在GDP占比就低，长期抑制消费的增长。2000年以后，中国居民可支配收入占GDP比重从47.03%下滑至2011年的40.23%，其后有所反弹，近年在43%-44%区间内波动。这是造成中国居民消费占GDP的比重只有37%的根本原因。历史上长期过度投资、压制消费，造成居民收入占比较低，进而造成消费不足的国家的只有苏联，其带来的警示作用比日本逝去的二十年还要严峻。

根据美国经济分析局数据计算，2000年美国个人可支配收入占GDP之比就达到72.23%，之后基本呈现逐步上升的格局，2020年达到85.53%，2021年为82.18%。由于中美两国的统计方法、统计口径存在差异，这两个数据的可比性并不严格，但还是能够看出中国居民可支配收入处于较低水平。

考虑到构成中国内需的投资和消费两个部分中，投资过剩和消费不足的体制性结构特点，以及当前我们财政资金用于投资的乘数效应是1.06倍，而同样的财政资金用来发消费券，其乘数效应是3倍以上的实际情况，必须尽快启动国民收入结构的转型，即把原来用于过剩投资、低效或无效投资的资金，逐步转化为居民可支配收入，进而转化为居民消费支出——如果能够减少20万亿的低效和无效投资，同时增加20万亿居民收入，并把大部分转化为居民消费，由于乘数效应放大，可以带来40万亿元以上的新增需求，国内需求不足的难题将迎刃而解。

为了将每年20多万亿的过剩、低效和无效投资支出转为居民可支配收入，再转化为居民消费支出，以实现3倍以上的总需求扩张，应全面检查过剩投资、低效投资，把节省出来的财政资金都用于增加居民收入、提升社保覆盖和力度，或发钱补贴居民消费。

从靠投资转向靠消费，不仅要转变观念，更要调整政府宏观经济的管理机制。在快速城镇化和工业化阶段，我国已经形成了一整套从上到下的投资驱动相关决策和执行机制，从投资驱动为主转向消费驱动为主，需要从体制和机构设置上进行改革。

提高中国居民可支配收入，除了多措并举稳定和扩大就业岗位，让中等收入群体规模持续增长之外，还应该及时启动“全民基本收入”计划，推动资本市场健康发展，增加居民财产性收入。只有通过多种方式，全面提高中国居民可支配收入在GDP的占比，实现从国富到民富的深度转型，中国经济才能从根本上战胜内需不足的长期挑战。

[1] GPT（Generative Pre-Trained Transformer），生成式预训练转换器模型。

（作者系万博新经济研究院院长）