时代的进步总是给我们以强劲的推背感。

当前中国经济呈现显著K型分化格局，以人工智能为代表的新质生产力向上快速扩张，传统产业、部分居民收入与内需消费相对承压，新旧动能之间尚未完成宏观功能接续。K型分化存在局部收敛与扩散式收敛两种演进路径，局部收敛仅缩小增长缺口但无法构建内生循环，扩散式收敛才是实现高质量发展的可行方向。破解K型分化的关键，并非单纯追求AI赛道的高速增长，而是要实现三重平衡。一是依靠AI（人工智能）技术突破释放总量增长动能，托底宏观经济潜在增速。二是推动AI技术向传统产业渗透，实现旧动能平稳过渡，避免新旧动能之间出现增长断层。三是完善社会保障与分配调节机制，保障普通民众生活，对冲人工智能时代带来的就业与收入冲击。

引言：K型分化成为转型期的重要命题

在全球新一轮技术革命浪潮之下，K型分化已经成为中国经济转型阶段最突出的结构性特征。从产业维度看，AI、半导体、高端装备等新质生产力赛道保持高景气，企业盈利、资本开支、出口数据持续走强。房地产、部分传统制造与面向内需的服务业景气度持续走弱，新旧产业景气度出现明显裂口。从收入和需求维度，科技企业利润改善向居民工资、终端消费的传导出现梗阻，外需成为增长重要支柱，但国内消费修复节奏偏慢，企业盈利改善没有充分转化为居民可支配收入提升。从区域维度，创新资源集中的中心城市增长动能充沛，而传统产业占比较高的地区面临转型压力，区域发展差距有所扩大。

经济结构的K型分化不会无限延续，最终必然走向收敛，但收敛的路径决定经济长期发展质量。第一种是局部收敛，仅仅依靠新动能降温或者传统部门短期修复缩小上下支的差距，但新老产业之间没有建立起赋能、传导的内生联系，旧动能承担的就业吸纳、需求创造的功能没有被有效承接，这种收敛只是表象，结构性矛盾会在未来再度爆发。第二种是扩散式收敛，一方面做大新动能的总量蛋糕，另一方面推动新技术红利外溢赋能传统产业，同时配套制度安排保障居民福利，构建新动能带动传统部门、生产增长带动居民收入消费的完整循环，实现整体经济的均衡复苏。

值得警惕的是，人工智能本身是一把双刃剑。Anthropic经济所2026年的工作论文《Economic Scenarios for Transformative AI》构建任务驱动的宏观模型提出，AI在提升GDP（国内生产总值）的同时，也会带来劳动收入份额下降、认知岗位失业增加的风险，在极端情景下，到2030年劳动收入占比可以由60%下滑至45%，财富向资本要素集中，加剧社会分化。我们通过动态一般均衡模型的测算同样表明，AI可以显著抬升全要素生产率，延缓潜在增速下行，但如果缺少配套制度，自动化替代效应会放大收入差距，加剧K型撕裂。

因此，AI不是经济结构K型分化的简单解药。如果仅仅局限于AI产业自身的扩张，红利局限于少数企业、资本所有者与高技能劳动者，反而会进一步放大分化。只有同时完成三件事：释放AI对经济总量的拉动效应、推动传统行业平稳转型过渡、筑牢普通民众生活保障底线，人工智能才能成为推动扩散式收敛的核心引擎。本文将从总量增长、传统产业转型、民生保障三个层面剖析内在逻辑，并给出系统性政策思路。

AI拉动经济总量增长：筑牢扩散式收敛的物质基础

扩散式收敛的前提是做大经济总蛋糕。如果总量增长动力不足，所有的结构调整、产业扶持、社会保障都会受到财政资源约束。人口老龄化、资本边际回报递减的大背景下，传统增长动力逐步减弱，人工智能成为托底中国潜在经济增速最重要的变量。

根据任务型宏观经济学框架，AI对GDP的拉动来自两条路径。第一，直接生产效率提升，AI自动化与增强各类生产任务，降低单位产出成本，推高全要素生产率TFP。第二，创新加速效应，AI辅助科研活动，加快新知识、新技术的迭代速度，持续拓展生产可能性边界。

我们构建的动态一般均衡模型模拟显示，在不同AI渗透率情景下，AI可以有效延缓潜在增速下滑。基准情景下，到2035年国内潜在增速将回落至4.2%；当AI资本支出占GDP比重突破阈值2%之后，对TFP拉动效应显著跃升，在20%渗透率情景下，潜在增速可以维持在5.8%附近。这里存在关键的阈值效应：AI资本支出占比低于2%时，对全要素生产率拉动微弱。只有跨过阈值，技术红利才会大规模释放。

但需要客观认识AI增长效应的不确定性。Anthropic经济所的模型区分了温和、显著、极端三种情景。温和情景下，到2030年AI仅会使GDP较无AI基准高出1.6%；显著情景下提升8.3%；极端情景下提升32.4%。不同情景的结果差异巨大，取决于AI可处理任务占比、技术扩散速度、单任务生产率增益、自动化替代占比等关键参数。当前我们仍处在AI渗透的早期，存在类似“索洛悖论”的现实困境。大量资本投入AI领域，但宏观层面全社会生产率统计数据尚未充分体现红利，技术从实验室走向全社会大规模落地存在时间滞后。

当前AI拉动经济总量的现实约束。第一，技术扩散滞后于技术能力。很多AI模型已经具备较强能力，但企业实际落地渗透率不高，中小企业受算力成本、人才约束难以应用AI技术，技术能力和实际产业使用之间存在鸿沟。第二，AI产业当前资本开支高，但产业链红利集中在上游算力、硬件环节，下游行业深度融合尚在推进，对整体GDP的外溢带动尚未完全释放。从中国A股上市公司最新的中报来看，AI产业链细分环节已经出现景气分化，部分细分赛道供需紧平衡，但部分领域中期存在产能过剩风险，单纯依靠资本开支扩张并不必然转化为全社会的生产率提升。第三，创新加速效应存在瓶颈。物理世界实验、实物验证仍然约束创新速度，单纯大模型迭代不能直接转化为实体经济产出增长。

强化AI总量带动的实施方向。首先，持续攻关基础技术，尽快跨过AI资本的阈值效应。既要推进大模型、算力硬件的技术突破，也要降低中小企业使用AI的成本，提供轻量化行业模型，降低应用门槛，推动从少数大企业使用向千行百业普及。其次，优化AI资本配置，避免仅集中于算力硬件重复建设，鼓励面向实体行业的行业模型、工业AI研发，将资本更多投向可以带来实际生产效率改善的场景。再次，完善统计核算体系，改进对数字技术、AI产出的国民经济核算，更加准确衡量AI带来的价值创造。

总量增长不是最终目的，更高的GDP只是物质条件，如果增长红利主要被资本获得，劳动收入份额持续下行，只会加剧K型分化。总量做大之后，必须解决红利扩散的两大命题。赋能传统产业，实现新旧动能接续。同时完善分配与保障，让普通民众共享增长成果。

AI赋能传统产业

扩散式收敛的第二个支柱，是利用AI赋能传统产业，实现旧动能平稳过渡。中国经济的基本盘仍然是传统产业，传统制造业、服务业、地产上下游吸纳绝大多数就业。K型分化的一大根源就是新旧动能之间功能接续断裂。旧循环（房地产、传统制造业）承担的投资拉动、就业吸纳、收入创造功能正在收缩，而新动能还没有完全承接这些宏观功能。

不能简单采取扶新弃旧的思路。新质生产力占GDP比重仍然有限，2025年三新经济占GDP比重约18.39%，传统产业依旧是经济基本盘。如果传统产业快速失速，即便AI赛道高速增长，也难以对冲整体经济下行压力，还会带来大规模失业、地方财政压力、居民资产负债表受损等连锁风险。因此，转型不是消灭旧产业，而是利用AI完成传统产业数字化智能化改造，稳住基本盘，打通新动能向传统产业的红利传导链条。

AI赋能传统产业的双重价值：增效与缓冲转型阵痛。AI对传统产业的作用分为两类，增强型应用与替代型应用。增强型AI主要提升现有岗位劳动生产率，人机协同，不消灭岗位。替代型AI直接自动化部分岗位任务，带来岗位收缩。在传统产业转型中，应当优先发展增强型AI，把AI作为劳动者的工具，而不是单纯替代劳动者，以此缓冲转型冲击。

第一，AI改造传统制造业。我国拥有完备工业体系，几十万家制造工厂，大量传统制造企业存在生产效率偏低、质量管控薄弱、能耗高等痛点。工业AI可以用于工艺优化、质量检测、供应链调度、设备预测性维护，在不进行大规模裁员的前提下提升产出效率，降本增效。传统制造业不需要全部变成AI原生企业，而是把AI嵌入现有生产流程，实现存量产业升级。

第二，AI改造传统服务业。批发零售、物流、家政、养老等服务业吸纳海量就业。AI可以优化供应链、智能调度，但服务业大量岗位具备人际交互属性，很难完全自动化。AI赋能可以提升服务供给效率，扩大服务业产出，同时保留大量就业岗位。

第三，助力房地产及上下游产业链平稳出清。房地产旧循环调整不可逆转，但可以利用AI优化存量资产运营。老旧小区智能改造、商业地产数字化运营、住房供需大数据匹配，盘活存量资产，缓冲旧动能收缩带来的产业链冲击，避免旧动能快速崩塌。

当前传统产业AI转型的现实障碍。一是成本约束，大量中小传统企业利润微薄，无力承担算力、软件改造、人才投入，AI改造投入产出回报周期较长，企业转型意愿不足。二是人才缺口，传统行业缺少既懂行业工艺又懂人工智能的复合型人才，很多AI项目由纯技术团队开发，脱离行业实际场景，项目落地效果不及预期。三是激励机制不足，当前政策资源较多向AI原生科技企业倾斜，针对传统企业智能化改造的财政、金融支持有待进一步完善。四是风险顾虑，企业担心AI改造带来岗位调整，叠加短期需求疲软，企业不愿意主动变革。

推动传统行业平稳过渡的政策思路。第一，差异化引导AI应用，鼓励增强型技术落地。政策激励传统企业开展人机协同类AI改造，而不是一味追求机器替代人工。财政补贴、税收优惠向增强劳动者能力的行业AI解决方案倾斜，减少简单以自动化裁员降本为目标的项目激励。第二，降低中小企业智能化门槛。发展轻量化、开箱即用的行业AI工具，由政府引导建设行业公共AI服务平台，分摊中小制造企业、服务业企业的算力、模型成本。开展普惠数字化转型补贴，对中小企业智能化改造给予税收抵免、低息专项贷款。第三，培育跨界复合型人才。推动职业教育、应用型高校开设行业AI交叉方向，面向传统产业在岗劳动者开展数字化技能培训。打通科技人才向传统实体企业流动的通道。第四，把握除减加乘的改革逻辑。做好“除法”，稳妥处置传统领域风险，修复企业资产负债表。“减法”有序化解落后产能。“加法”加大对传统产业智能化的支持。“乘法”发挥AI放大传统产业生产效率的乘数效应。实现新动能向外辐射，带动传统产业向上，而不是新动能独自上行、传统产业独自下行。

即便做好传统产业赋能，AI自动化仍然不可避免带来岗位重构。一部分岗位消失，劳动者需要跨行业重新就业。此时，如果缺少民生保障，技术进步的代价将由普通劳动者独自承担，会进一步拉大K型分化。因此，扩散式收敛的第三根支柱，是普通民众的生活保障体系。

构建适配AI时代的民生保障体系：守住扩散式收敛的社会底线

特别地，当AI的发展还没有引起经济总量增长质的提升，技术进步没有显著影响全要素生产率的时候，需要政策制定者在一定时间内，持续适度地提振有效需求。按照我们的静态测算，总的来看，在新动能没有显著助力有效需求的时期，每年为实体经济新增4万亿元有效需求，才能保证国民经济正常循环，不陷入资产负债表收缩的循环，以稳定增长的时间，换取新质生产力发展的空间。我们将GDP分为资本收益和非资本收入两个部分，按照目前的资本收益（32万亿元）和全社会总生产性实物资本存量（675万亿元）测算实体经济投资回报率。按照过去三年实体经济投资回报率平均下滑速度来推算未来几年的预测水平，我们发现，在新质生产力领域出现重大技术突破和产业跃迁之前，我们可能会因为持续下滑的实体经济投资回报率而出现投资、消费等领域的有效需求不足。

从Anthropic的多情景模拟可以看到，AI转型的社会代价主要体现在劳动力市场。在极端情景下，认知类岗位失业率飙升，劳动收入份额大幅下滑，资本收益大幅上涨，经济总蛋糕扩大，但大量劳动者福利受损，即使社会总财富足够补偿受损群体，但市场机制不会自动完成补偿转移支付，必须依靠制度设计完成再分配。通用技术革命必然带来社会摩擦，AI时代必须建设三道安全网：教育培训再培训体系、收入分配调节机制、法律伦理监管框架，否则生产率提升的同时社会稳定性将受到挑战。

AI带来的未来对劳动力的冲击不是简单的大规模失业，而可能是结构性摩擦失业。部分岗位任务被自动化摧毁，劳动者需要转换职业，跨行业、跨岗位再就业存在时间成本、技能壁垒，在再就业完成之前面临收入损失。如果工资存在向下黏性，调整压力会体现为失业率上升。如果工资充分灵活，则体现为工资水平下降，无论哪一种，劳动者都要承担转型成本。

第一，结构性失业风险。AI最先冲击大量白领认知类岗位，文员、基础会计、初级设计、基础文案等岗位任务被AI替代。被替代的认知岗位劳动者转向其他行业存在技能壁垒，跨职业搜索存在摩擦，会出现一段失业周期，收入下降。第二，要素分配格局向资本倾斜。AI资本属于资本要素，自动化会将部分原来由劳动获得的收入转移给资本所有者。如果不进行调节，劳动收入份额持续下行，GDP增长和居民可支配收入增长发生脱钩，经济增长无法转化为居民消费能力提升，进一步强化K型分化：GDP、企业利润上行，居民消费低迷。第三，劳动者再就业障碍。很多中年劳动者的人力资本高度绑定原有岗位，技能更新成本高，再培训之后也难以匹配新岗位，在技术变革中容易成为受损群体。

面向AI时代的民生保障体系建设路径，完善终身职业技能再培训体系，降低劳动者转换成本。传统一次性学校教育已经无法适配AI时代。需要建立面向全社会的终身培训体系，政府承担部分培训成本，重点面向受AI冲击较大的岗位群体开展普惠技能培训。培训内容不只是学习AI技术，更要训练人机协同的工作能力，让劳动者学会使用AI工具而不是和AI竞争。企业层面，鼓励企业内部转岗安置，对于开展员工数字化再培训的企业给予政策激励。

优化收入分配调节机制，适度调节资本收益，保护劳动所得。参考国际学界的讨论，可研究针对AI资本收益的调节工具，调节技术红利在资本与劳动之间的分配。完善工资协商机制，推动AI相关行业的利润适度向劳动者传导。扩大财产性收入渠道，推动普通居民能够分享新经济、AI产业增长红利，改变红利仅仅集中在少数资本方的格局。

筑牢社会保障兜底，对冲转型期的收入波动。完善失业保险制度，适当拉长转型摩擦失业人群保障期限。健全最低生活保障、医疗保障，避免劳动者在岗位转换期间基本生活陷入困境。需要明确，技术进步带来的社会转型成本，不应当完全由失业劳动者个体承担，全社会共享技术红利，也应当共同分担转型阵痛。保障体系的核心功能是缓冲转型冲击，降低劳动力市场调整的社会成本，同时维持劳动力市场流动性，鼓励劳动者重新参与就业，避免形成福利依赖。

宏观政策层面打通生产—收入—消费传导链条。K型分化一个核心痛点就是生产端高景气，但是消费端修复乏力。除了分配调节，宏观政策要着力修复居民资产负债表，提振居民收入预期。只有居民收入提升，国内消费市场扩大，AI与传统产业扩大的产出才会有对应的内需承接，形成技术进步、产出增长、居民收入提升、消费扩大、进一步拉动生产的完整正向循环，真正实现扩散式收敛。

综上所述，我们正处在人工智能通用技术革命的序章。K型分化是新旧动能切换过程中的阶段性现象，它有两种可能的前景，一是局部收敛，仅仅缩小数据裂口，但内生循环没有建立，结构性矛盾反复浮现。二是扩散式收敛，以AI为纽带，新动能赋能传统产业，增长红利向广大居民扩散，实现更高质量、更加均衡的发展。选择哪一条道路，并不完全取决于AI技术本身的上限，更取决于我们配套的产业政策、劳动力政策与社会保障制度的建设。面对新事物的到来，我们往往怀着兴奋和紧张的心情。人工智能的发展将对我们的生活产生重要的影响，让我们更好利用人工智能为我们的美好生活服务，迎接第四次工业革命。