行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

AI洪流三部曲：技术的鸿沟

2026-07-11 钟天,宋雪涛国金证券 Joken Hu

核心观点：大语言模型的通用能力提升并不能直接等同于企业利润、组织效率与生产率的提升，关键在于企业能否跨越非标化数据、旧系统流程和过时激励机制构成的鸿沟，实现AI与企业组织的重构。
技术革命进程：历次通用技术革命几乎都会经历“技术可用”-“组织可用”-“经济可用”的进程，AI当前仍处于将新技术接入旧流程的阶段，真正的生产率跃升需要围绕AI重新设计数据流、审批流和岗位权责边界。
AI渗透速度的影响：AI渗透速度快会缓解资本市场对泡沫的担忧，但强化就业结构冲击；渗透慢则缓和短期失业压力，但可能引发回报率质疑。特别是当受影响人群为高技能年轻化群体时，企业和政府会在效率、稳定和分配间权衡。
企业应用AI面临的三大阻力：
- 非标准化数据：行业数据、流程数据和专有数据难以标准化、调用和合规共享，数据治理、权限体系等是AI进入核心流程的前置工程。例如，物理AI训练数据中72%来自专有数据。
- 技术债（技术惰性）：现实系统多为信息化建设的叠加结果，存在冗余代码、碎片化数据库等，难以快速替换。如美国社保署仍依赖超过6000万行COBOL代码。
- 决策流程和激励机制：企业需改进决策流程和激励机制以真实评判AI效用，避免“Token虚假繁荣”。对标普500企业财报统计，仅6%明确表示AI带来收入提升。
微观与宏观表现：
- 微观层面：部分企业通过AI降本增效，资本市场给予高估值，AI资本开支链条已形成，模型“性价比”持续增加。
- 宏观层面：AI规模仍微小，全球实际收入占美国GDP仅0.42%（2025Q1为0.13%），占企业总利润3%。资本市场仍需可货币化的收入、利润率和现金流支撑估值。
观察AI的四个维度：
1. AI是否进入企业核心生产阶段。
2. AI是否改变组织流程。
3. AI是否形成可持续ROI。
4. AI是否带来宏观层面的生产率改善。
研究结论：模型能力是快变量，组织结构是慢变量；资本诉求快，全要素生产率慢。AI扩散不由模型能力单独决定，而取决于企业吸纳速度，技术革命的关键拐点是找到与新技术相匹配的新组织形态。