政治局会议后,政策仍偏供给端,AI资本开支周期延续
AI 摘要卡
政治局会议后,政策仍偏供给端,AI资本开支周期延续
Morgan Stanley认为中国政策重心仍在加快财政与准财政工具落地,9月至10月可能成为宽松催化窗口,同时全球AI资本开支和推理需求仍保持强劲。
- 北京仍有约人民币2万亿元未使用的预算内财政和准财政脉冲可用于2026年下半年。
- 若7月至8月经济活动未能企稳,9月至10月额外宽松的可能性将上升。
- 2026年下半年政府债券剩余额度为人民币7.5万亿元,高于2025年下半年的人民币5.7万亿元。
- 2026年新政策性金融工具规模为人民币8000亿元,高于2025年的人民币5000亿元。
- 超大规模云厂商未来两年将显著提高AI相关资本开支,AI推理需求和关键AI应用使用时长仍在增长。
研报解读
概览
本报告讨论中国政治局会议后的政策路径、2026年下半年潜在财政催化,以及AI资本开支周期对经济和资产的影响。报告核心判断是政策仍以供给端和预算执行为中心,尚未形成全面政策转向;与此同时,AI资本开支超级周期仍在持续,推理需求增长支撑相关商业模式的投资回报。
核心观点
报告认为,政治局会议释放的政策信号主要是加快财政投放、推进政策性金融工具和地方政府专项债使用,并提高政府投资中民生项目占比。中国经济仍呈现“两速”特征:出口具有韧性,但国内需求走弱,7月财政投放尚未明显提速,再通胀范围仍较窄。AI方面,报告判断超大规模云厂商未来两年将显著增加AI资本开支,关键AI应用使用时长和推理需求继续上升,GenAI相关商业模式有望实现25%以上的增量ROIC。
分析框架
报告采用政策信号解读、财政执行进度观察、PMI与高频活动数据判断、价格传导与企业利润结构分析,以及AI资本开支和单位经济模型分析相结合的方法,评估中国宏观政策路径和AI投资周期。
方法论与常识提炼
政策是否转向
通过政治局会议表述、财政工具部署、地方政府专项债和重大项目推进判断政策重心。报告结论是加快财政执行,但尚未出现全面政策转向。
两速经济
结合6月至7月PMI放缓、出口韧性和国内需求疲弱,判断中国经济仍呈现外需强、内需弱的分化格局。
AI Capex Supercycle
通过云厂商资本开支、AI推理需求、应用使用时长和单位经济模型,评估GenAI商业模式的投资回报潜力。
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)。
- 中国宏观与政策相关资产受财政投放和政策执行影响
- 优势
- 仍有较大未使用财政和准财政空间,9月至10月存在潜在宽松催化。
- 劣势
- 7月财政落地尚未明显加速,国内需求偏弱。
- 对比
- 2026年下半年政府债券剩余额度高于2025年同期。
- 风险
- 财政执行继续滞后、政策力度低于预期、内需修复不及预期。
- AI基础设施与云服务商受AI资本开支和推理需求增长驱动
- 优势
- 超大规模云厂商计划未来两年显著提高AI相关资本开支,关键AI应用使用时长仍在增长。
- 劣势
- 资本开支强度高,回报依赖推理需求持续释放和商业化效率。
- 对比
- 报告将AI资本开支描述为仍处于超级周期中。
- 风险
- AI应用变现慢于预期、算力供给过剩、能源和折旧成本压力上升。
关键数据
- 未使用财政及准财政脉冲约人民币2万亿元报告称北京在2026年下半年仍有约人民币2万亿元未使用的预算内财政和准财政支持空间。
- 2026年下半年政府债券剩余额度人民币7.5万亿元对比2025年下半年的人民币5.7万亿元,显示财政发行仍有加速空间。
- 2026年政策性金融工具规模人民币8000亿元高于2025年的人民币5000亿元。
- 利息补贴预算人民币1000亿元以内报告提到利息补贴可能适度扩大,但仍在预算金额内。
- GenAI增量ROIC25%以上,路径可达25%至50%报告认为AI推理时代三类主要商业模式具备有吸引力的单位经济性和投资回报。
影响与含义
对市场而言,9月至10月可能成为观察中国政策加码的重要窗口,若7月至8月活动数据继续偏弱,财政和准财政工具落地可能加速。AI产业链方面,资本开支和推理需求延续增长,对云服务、算力基础设施、能源与相关设备需求形成支撑。宏观层面,内需疲弱、财政执行偏慢和价格传导不足仍限制再通胀力度。
风险
- 7月至8月经济活动若未企稳,说明内需疲弱可能延续。
- 财政投放和政府债发行若继续偏慢,政策支持对实体经济的传导可能不足。
- 价格传导偏弱可能使再通胀仍集中在上游和部分下游行业。
- AI资本开支回报取决于推理需求、应用使用时长和商业模式落地,存在投资回报不及预期风险。
后续跟踪
- 9月至10月是否出现额外宽松或更快财政执行。
- 政府债发行、政策性金融工具和地方政府专项债部署进度。
- PMI、国内需求、高频活动和水泥出货等指标是否改善。
- AI相关资本开支计划、推理需求和关键AI应用使用时长。
- 工业利润改善是否从上游扩散至更广泛下游行业。