AI 繁荣难抵房地产萧条，中国面临 K 型分化挑战

概览

野村证券这份宏观研报深入分析了中国当前经济的核心矛盾：AI 繁荣与房地产萧条并存，形成 K 型复苏格局。研报认为，AI 确实通过固定资产投资、出口和生产力提升支撑中国经济，但规模不足以抵消房地产持续萧条的负面影响。更关键的是，AI 繁荣可能加剧两个 K 型分化——人口层面的收入财富不平等，以及地理层面的智能城市与传统城市分化，这将削弱总需求。研报维持 Q2 GDP 增长预测 4.1%，低于市场共识的 4.7%，并提示北京不能假设 AI 能治愈房地产造成的经济问题，可能需要加强政策应对。

核心观点

AI 对经济的支撑作用真实存在但被高估。研报估计 AI 相关固定资产投资 2026 年可贡献 GDP 增长约 0.3 个百分点，并将 2026 年出口增长预测从 4.0% 上调至 8.6%。但正面影响不应被夸大，原因有四：一是中国仍严重依赖进口先进芯片运行 AI 模型和数据中心，部分 AI 投资需求泄漏至其他经济体；二是 AI 带动的出口加速主要由价格效应驱动，2026 年 4 月约一半的 14.1% 出口增长来自芯片和电子产品价格飙升，对实际 GDP 增长贡献较小；三是中国仍是芯片净进口国，芯片价格上涨同时推高进出口，恶化贸易条件；四是 AI 可能进一步加剧人口和城市间的不平等，与房地产萧条叠加可能削弱消费和投资需求。 房地产萧条持续且影响深远。2021 年前房地产是中国经济最大支柱，贡献约 25% 的 GDP、38% 的财政收入和 60% 的家庭财富。但 2021-25 年新房销售额（按价值计）下降 43.8%，前 100 开发商销售额下降 71.6%-72.7%。2026 年前 4 个月新房销售额仍同比下降 14.6%-19.7%，未见明显复苏迹象。房地产崩溃削弱国内需求，损害政府、企业和家庭资产负债表，导致大量不良债务，使中国经济陷入通缩螺旋。 两个 K 型分化正在形成并相互强化。人口 K 型方面，房地产萧条导致 1400 万农民工失去建筑工作，低线城市房价跌幅更大，加剧收入财富不平等；AI 繁荣进一步将社会分成两类——因 talent、工作保护和财富受益者，与被 AI 完全或部分替代者。地理 K 型方面，2000-21 年房地产繁荣是广泛财富创造者，但 AI 超级周期是集中化事件，成功取决于计算密度、数据池和顶尖人才，这些高度集中在少数一线城市。少数"智能城市"获取 AI 发展的大部分国家收益，甚至从其他地区吸走资源。两个 K 型相互强化，被替代工人被迫进入零工经济或低端服务业，压低传统城市工资，加剧服务业通缩，削弱整体消费需求。

分析框架

研报采用宏观框架分析中国经济的结构性矛盾，核心方法是将 AI 繁荣与房地产萧条的影响进行量化对比和传导分析。首先从需求侧量化 AI 对经济的贡献，包括 AI 相关固定资产投资、出口和服务收入，估算其对 GDP 的拉动作用。其次通过对比房地产在峰值时期对 GDP、财政收入和家庭财富的贡献占比，与当前萧条程度进行对照，评估其对经济的拖累规模。第三，研报引入 K 型分化框架分析 AI 和房地产的分配效应，从人口维度（收入财富不平等）和地理维度（城市分化）两个层面追踪资源流动方向。第四，通过中美 AI 竞争格局分析（G2 双头垄断），评估中国 AI 发展的优势（算法效率、开源策略、人才基础、工业部署、能源基础设施）与约束（美国出口管制、芯片制造差距）。最后，研报结合日本 2002-04 年处理不良贷款的经验，推测北京可能的政策应对路径，包括清理金融和非金融实体间的不良债务、加快财政改革为地方政府提供更稳固的税基等。

方法论与常识提炼

• 行业/产业分析框架供需框架

  AI 超级周期是集中化事件，房地产繁荣是广泛财富创造者

  研报用供需框架分析不同经济周期的资源分配特征：房地产繁荣通过土地和房产价值上涨惠及各省和低线城市，而 AI 成功取决于计算密度、数据池和顶尖人才等稀缺资产，这些高度集中在少数城市，导致资源向智能城市集中而非广泛分布。

• 周期与景气框架景气拐点分析

  K 型分化分析框架

  研报用 K 型分化框架追踪经济复苏中的结构性不平等：上臂（资本所有者、AI 增强精英）获取生产力红利但边际消费倾向低，下臂（毕业生、零工工人）边际消费倾向高但购买力被侵蚀，这种分化会形成持续的通缩压力。

• 公司基本面与财务框架三张报表勾稽

  资产负债表衰退分析

  研报分析房地产崩溃如何损害政府、企业和家庭三方资产负债表，导致相互交织的不良债务链、信任缺失、信贷增长放缓和总需求疲弱，这是典型的资产负债表衰退传导机制。

• 宏观经济框架信用/债务周期

  贸易条件恶化分析

  研报指出中国是芯片净进口国，芯片价格上涨同时推高进出口，但进口基数更大导致绝对增量上进口超过出口，恶化贸易条件并抑制净出口，这是信用/债务周期中外部账户的典型传导。

• 行业/产业分析框架产业链上中下游传导

  Model-as-a-Service(MaaS)经济吸金效应

  研报分析 MaaS 模式如何导致财富从低线城市向沿海智能城市转移：当三四线城市企业采用 AI 代理优化运营时，支付 recurring 订阅费给沿海平台，本地产业活动产生的财富被持续吸出并存入智能城市企业金库。

• 事件博弈与行为金融预期差/预期管理

  AI 繁荣预期与现实差距

  研报提示市场和政策制定者不能假设新 AI 经济能治愈房地产造成的经济问题，过度乐观可能导致政策应对不足，需要密切跟踪 K 型分化上下臂差距并采取预防措施。

• 估值方法

  AI 资本支出占 GDP 百分比跨国对比

  研报用 AI 资本支出占 GDP 百分比进行中美对比：美国约 2.5%，中国约 0.8%，中国规模约为美国三分之一，这一相对指标比绝对值更能反映两国 AI 投资强度的真实差距。

• 行业/产业分析框架

  价格效应与数量效应分解

  研报将 IC 出口增长分解为价格贡献和数量贡献：2026 年 4 月 IC 出口值增长 99.6% 但量仅增 3.7%，价格贡献达 92.6 个百分点，说明出口增长主要来自价格上涨而非产能扩张，这对贸易平衡的影响与"新三样"出口周期有本质不同。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• 北京

  AI 生态系统核心，受益最多

  优势

  拥有超过 2500 家 AI 企业，注册大模型数量最多（183 个），是百度、字节跳动、智谱 AI、月之暗面等顶级 AI 提供商总部，也是先进逻辑芯片设计中心

  对比

  与上海、深圳、杭州同为四大智能城市，但在大模型注册数量上领先全国

• 上海

  高端硅产业制造和封装中心，受益显著

  优势

  张江高科技园区是全球 AI 芯片制造和先进封装中心，中芯国际在此 doubling 先进节点产能，拥有国内 GPU 领先企业如摩尔线程和壁仞科技

  对比

  被定位为中国的"身体"（北京是"大脑"），在芯片制造环节具有核心地位

• 杭州

  LLM 和 AI+ 枢纽，MaaS 经济受益者

  优势

  是深度求索和阿里巴巴（云和达摩院）总部，通过 MaaS 经济从省级中小企业赚取 AI 订阅收入，人形和仿生机器人是旗舰重点

  对比

  在 MaaS 经济模式上最成熟，将智能转化为 recurring 公用事业费

• 深圳

  芯片制造商和具身 AI 枢纽

  优势

  华为（海思）总部，主导机器人、无人机和自主系统的边缘计算和 NPU 市场，在具身 AI 领域领先

  对比

  在硬件与智能融合方面具有独特优势，与大湾区敏捷硬件原型生态系统配对

• 合肥

  二级受益城市，硬件节点

  优势

  利用"合肥模式"国有股权，在机器人和内存制造（如长鑫存储）中占据关键角色

  劣势

  最高价值 IP 租金往往流回北京

  对比

  地位更"工业化"而非"主权化"，是 vital 硬件节点但非核心枢纽

• 武汉

  二级受益城市，光学和传感器枢纽

  优势

  成功将"光谷"转型为 AI+ 光学和传感器枢纽，2026 年初电子制造部门增长 62.4%

  对比

  在自动驾驶和传感器技术方面占据专业化节点地位

• 苏州

  二级受益城市，服务机器人领导者

  优势

  2026 年初服务机器人产出同比增长 6.0 倍，成功将 AI 融入高端装备制造基地

  对比

  在服务机器人领域 emerging 为领导者

• 传统城市（低线城市）

  受损方，在 MaaS 经济中沦为客户端

  劣势

  面临资本向沿海流失，本地房产部门沦为低流动性资产，年轻高教育人口加速空心化

  对比

  与智能城市形成鲜明对比，无法留住 AI 驱动繁荣的成果

  风险

  房地产市场持续低迷，人口流失加剧

关键数据

• AI 相关资本支出对 GDP 增长贡献（2026 年）0.3 个百分点通过固定资产投资渠道拉动
• 2026 年出口增长预测8.6%从 4.0% 上调，AI 驱动芯片上行周期贡献 3.7-4.4 个百分点
• 房地产占 GDP 峰值（2021 年）25%同时贡献 38% 财政收入和 60% 家庭财富
• 前 100 开发商销售额降幅（2021-25 年）72.7%按价值计，2026 年前 4 个月仍同比下降 19.7%
• 房地产萧条导致失业农民工1400 万人主要影响低线城市家庭财富
• 中国 AI 资本支出占 GDP 比例（2026 年）0.8%约为美国 2.5% 的三分之一
• 2026 年 4 月 IC 出口值增长99.6%但量仅增 3.7%，价格贡献 92.6 个百分点
• Q2 GDP 增长预测4.1%低于市场共识 4.7%
• 青年失业率（2026 年 4 月）16.3%显著高于 5.2% 的城市失业率
• 开发商总债务（2024 年）83 万亿元人民币欠上下游企业债务约 25 万亿元

影响与含义

研报认为 AI 繁荣本身不太可能解决房地产萧条造成的经济困境。对消费的影响是结构性的：上臂（资本所有者、精英）获取生产力红利但边际消费倾向低，下臂（毕业生、零工工人）边际消费倾向高但购买力被侵蚀，面对财务不安全会推迟结婚生育等重大人生节点，形成持续的通缩压力。对房地产的影响是地理性的：AI 超级周期作为价值集中器，推动资产价值和财政健康沿地理线急剧分化，只有少数智能城市（尤其是四个一线城市）可能出现真正的房地产市场复苏，大多数城市因无法留住 AI 驱动繁荣的成果，总需求在中长期将被抑制。对政策的影响是紧迫的：北京可能需要显著加强政策措施清理房地产部门的混乱，包括更果断地清理金融机构和非金融实体间的不良贷款，借鉴日本 2002-04 年经验；同时加快财政改革为地方政府提供更稳固的税基，因为土地销售损失超过 80% 的财政收入；还可能推出政策支持更多地方政府"主权 AI"帮助低线城市分享 AI 繁荣收益，改善社会安全网缓解失业和就业不足工人的负面影响。

风险

• AI 资本支出早于预期放缓或芯片价格在 2026 年下半年正常化
• 青年失业率进一步恶化，2026 年 4 月已达 16.3%
• 消费持续疲软，K 型分化削弱总需求
• 房地产复苏仅限于少数一线城市，大多数城市持续低迷
• 贸易顺差从 2025 年记录高位适度收窄
• 社会保障体系不足以应对 AI 替代和房地产萧条导致的失业潮

后续跟踪

• 北京是否会推出政策支持更多地方政府"主权 AI"帮助低线城市分享 AI 繁荣收益
• 社会安全网改善措施以缓解失业和就业不足工人的负面影响
• 房地产部门不良贷款清理政策力度
• 财政改革进展以给地方政府提供更稳固税基
• K 型分化上下臂差距是否扩大
• 自动驾驶等可能挤占蓝领工作的技术采用 pace 是否会放缓