Anthropic研究所2026年9月发布的《变革性AI的经济情景》，用三种推演情景描绘了AI到2030年可能带来的经济图景。温和情景下，AI像互联网一样缓慢渗透，GDP仅高出基线1.6%，认知类就业下降5个百分点，失业率几乎不动。实质情景下，AI承担全部知识型工作的一半任务，经济增速翻倍至5.4%，办公室职员失业率升至4.5%。
但真正需要认真对待的是极端情景。GDP年增速冲到15.4%，总量比无AI基线高出32.4%，经济每四年半翻一倍。然而，认知型就业暴跌21.5%，知识型技术人员失业率高达17.9%，整体失业率11.9%——远超典型经济衰退水平。白领工资下降11.5%，而电工、水管工等体力劳动者的工资反而上涨33.6%。
这组数据的核心含义在于：经济增长与就业增长之间的历史性挂钩正在被切断。 报告基于美国劳工部职业数据库，将经济拆解为具体任务，追踪占就业人口62.4%的知识型岗位，其底层逻辑是AI对信息处理类任务的精准替代。被替代的认知劳动者需要跨职业转岗，但软件工程师难以立刻成为电工，这种转岗摩擦决定了失业水平的高低。
从概率角度看，公众预期更接近实质情景。 Morning Consult对10,980名美国成年人的调查显示，中位数受访者预期到2030年GDP高出约8%，认知型就业下降约4%。但极端情景的价值不在于其发生的概率，而在于它揭示了AI经济最深层的结构性矛盾——分配失衡。
Anthropic联合创始人Jack Clark预计技术将迅速进步，但普及速度会更慢，指出这项技术的扩散很可能比人们想象的更具挑战性。模型并非预测，不赋予概率，其目的是让不同假设的经济后果可以相互比较。这恰恰意味着，极端情景是一种压力测试，用来揭示如果政策缺位、制度不调整，可能走向何种局面。
极端情景中最令人警醒的数据，是劳动收入占国民收入的比重将从历史均值约60%骤降至45.2%，而资本收入增幅预计超过80%。这意味着超过80%的新增收益将直接涌入资本账户。模型显示，即便GDP规模极速扩张，受雇人员的平均实际工资不仅没有同步上涨，反而面临约11%的下行压力。企业利润表变得极其亮眼，但薪酬支出项被大幅压缩。
这一趋势并非Anthropic模型的孤立推演。IMF数据显示，1990年全球劳动报酬占GDP的比重约为54%，资本收入占比约34%；到2025年，全球劳动报酬占比已下滑至41%，而资本收入占比攀升至52%。AI的渗透正在加速这一已持续数十年的结构性位移。AI产业高度依赖算力、数据、模型等重资本投入，企业部署AI的核心动机之一就是用资本替代人力。
从产业层面看，AI资本支出的规模正在以惊人速度扩张。高盛预测，2026年至2031年全球围绕计算、数据中心和电力的AI资本开支将达到约7.6万亿美元，年度投入从2026年的7650亿美元升至2031年的1.64万亿美元。2026年二季度，谷歌、亚马逊、微软、Meta四大云厂资本开支合计1712亿美元，同比增长94%。这些资本支出的受益者首先是半导体制程、AI服务器、电力基础设施等硬件供应链，而回报则流向持有这些资产的股东和投资者。
分配失衡的根源在于，AI经济中劳动者与资本之间的议价权正在发生根本性逆转。 在传统经济中，劳动者通过工资分享生产率提升的成果；但在AI经济中，知识工作的可替代性急剧上升，可替代性溢价大幅缩水。与此同时，AI资产具备极强的规模效应和网络效应，资本收益与劳动收益加速脱钩。花旗集团关于我国就业的研究也指出，AI冲击将首先体现在服务业和知识型岗位，我国约31%的岗位可能面临较大压力，其中约9.6%的岗位可能被AI直接替代，约7030万就业人口受到影响。报告强调的核心并非马上失业，而是大量岗位将进入高风险重构期，被降薪、压缩编制或要求与AI协同工作。
与AI驱动的经济分化并行的是，全球人口结构正在经历历史性转折。美国普查局最新报告显示，全球65岁及以上人口约8.52亿，占比10.5%，首次超过5岁及以下儿童，预计到2060年老年人口将增至近20亿，占比升至19.6%。
这一趋势对资产逻辑有深远影响。全球碳基生命——人的数量增长正在见顶，消费需求结构随之变化：养老、医疗、护理等银发经济需求上升，而教育、母婴等传统消费增长放缓。与此同时，硅基生命——AI算力和数据中心的需求正在指数级爆发。2026年全球活跃智能体数量预计达到近8000万个，预计2030年达到22.16亿个。
科技巨头的资本支出方向印证了这一趋势。四大云厂2026年资本支出总额预计达7500亿美元，较2025年翻倍。更关键的是，资金流向正在亚马逊发生结构性转变：过去资本开支以芯片和服务器为绝对主导，如今大部分资金已不只是用来采购芯片、服务器，而是转向更烧钱的电网建设与能源布局。Meta路易斯安那州数据中心总投资预计至少2500亿美元，其中相当部分用于配套建设7座天然气发电厂和3座储能电站。英伟达在2026年8月三周内接连投资三家电力相关企业，芯片巨头正用真金白银宣告：电力基础设施已成为比芯片更稀缺的战略资源。
微软已买断三里岛1号机组全部20年发电量180亿美元的核电采购创下美国单一企业核电采购规模纪录。这不仅是产业层面的资源竞争，更意味着能源与基础设施正在成为AI时代最核心的实物资产类别。
当劳动收入在国民收入中的占比系统性下降，持有资产就从可选项变成了一种结构性必要。但关键问题在于：持有什么样的资产？
AI正重构全球资产定价逻辑。中信证券指出，2025年股市估值增长与资本密集度高度相关，在代码通胀的环境下实物资产重估更明显。高盛策略师更直接地指出，AI冲击下轻资产光环褪色，产能和基建成硬通货。
这背后的逻辑在于AI价值链的利润分配。巴克莱的研究揭示了一个清晰的分配比例：AI模型公司每获得100美元收入，其中约35至40美元以推理算力费用的形式流向亚马逊AWS、微软Azure和谷歌云平台。云服务商在这部分收入中能够获得约10至20美元的营业利润，对应35%至45%的营业利润率。换言之，不管下游AI应用公司能否盈利，上游算力基础设施的提供者始终是确定的受益方。
高盛进一步指出，未来竞争的关键不只是模型或芯片，而是资本结构、能源供给、产业数据、工程能力和部署能力。这提示了一个更底层的投资逻辑：与其追逐AI应用层的赢家（不确定性极高），不如布局AI产业链中供给约束最紧、确定性最高的环节——先进芯片制造、高带宽内存、电力供应、冷却系统与数据中心基建。
多家机构在2026年秋季策略中形成了高度共识：科技成长+红利防御的双主线配置。具体而言，进攻端关注AI算力、芯片、半导体、互联网平台等方向，防御端以高股息、稳现金流资产作为压舱石，同时看好电力、资源品、农产品等供给约束型战略品种。
德银全球CIO在专访中强调，关键并不只是芯片，而是要放眼整个AI价值链。建设数据中心需要大量冷却系统和电力供应，这意味着公用事业等相关领域同样会受益。这类资产通常更稳定。这对于缺乏专业投资能力的普通人而言尤为重要——不需要赌单一AI公司的胜负，而是通过ETF等工具分散布局整个AI基础设施价值链。
QDII额度的大幅扩容为境内投资者打开了更广阔的配置空间。截至2026年6月末，全市场QDII累计获批额度达1761.69亿美元，上半年新增额度同比增幅近八成。港股高股息资产、海外科技板块成为出海核心配置标的，中国香港和美国为两大核心布局市场，合计占全部境外投资市值九成以上。
机构普遍认为，2026年下半年大类资产配置将重点关注高景气度、出海、周期反转以及高股息四大板块。我国企业出海被视为可长期持续的投资主线，涵盖资本品出海（工程机械、通用制造、船舶、新能源设备）、消费品出海和服务业出海（游戏、创新药等知识密集型服务）。
面对上述结构性趋势，个人应对策略可以归纳为几条关键路径：
第一，收入结构中必须纳入资本收入。 当劳动收入在国民收入中的占比持续下降，单纯依赖工资收入将越来越难以分享经济增长的红利。这并不意味着要盲目投资，而是需要有意识地将部分储蓄转化为生产性资产，包括AI产业链相关的权益类资产、高股息资产以及具备供给约束的实物资产。
第二，不要赌单一机会，建体系比赌方向更重要。 正如用户提到的，未来单买一家企业赢不了。在AI技术迭代速度极快、行业格局尚未确定的阶段，通过均衡配置覆盖AI价值链的多个环节（算力、电力、云平台、应用）比集中押注某一家公司或某一个技术路线更为稳健。
第三，别急着辞职创业。 AI工具确实降低了创业的技术门槛，但在经济结构剧烈变动期，创业成功的不确定性反而更高。更务实的做法是在现有职业基础上，利用AI工具提升自身效率，同时逐步积累资本性收入。对于有兴趣创业的人，更适合从AI+传统行业的小而实业务切入，避开重资产底层研发。
第四，出海配置，分散风险。 无论是通过QDII基金配置海外资产，还是关注我国企业的出海投资主线，全球化的资产布局可以有效对冲单一市场的政策和汇率风险。在全球秩序调整、AI技术革命、弱美元周期三大长期趋势交织的背景下，出海配置已从锦上添花变为必要选项。
第五，保持对AI价值链的持续跟踪。 AI周期正从建设阶段进入回报阶段，市场关注焦点已从技术应用转向商业变现、融资安排以及投资回报的时间节点。瑞银提示，若收入斜率放缓、债务杠杆累积，AI产业中期或先经历一段逆风期，需警惕估值透支。这意味着配置AI资产需要动态调整，而非一劳永逸。
Anthropic的极端情景并非预言，而是一面镜子。它照出的核心事实是：AI带来的经济增长不会自动转化为全民福祉，分配机制将决定谁从中受益。 劳动份额从60%降至45.2%的趋势如果成真，其社会冲击将远超一般经济衰退。但与此同时，全球AI资本开支正以每年万亿美元级的规模推进，电力、算力、数据中心等基础设施领域的确定性投资机会已经形成。对于个人而言，最务实的策略是在保持职业竞争力的同时，有意识地将收入结构从纯劳动型向劳动+资本型转变，通过分散化配置参与到AI基础设施的长期增长中去。
