摘要：在新的地缘形势下，以内部循环为主体、内外部循环相互促进的双循环呈现一些新的动向。内循环方面，实体经济供给改善、需求疲弱的态势持续，但股市显著上涨，主要源自风险溢价下降。金融周期下半场去杠杆带来超额储蓄，其资金投向在市场预期改善的驱动下往风险资产倾斜。另一方面，近期数据显示外循环闭环的新模式初露端倪，过去中国出口消费品给美国，对应的对外资产通过持有美国国债形成；新动向是中国向新兴市场和“一带一路”国家出口资本品和中间品，用于当地投资，对应的对外资产通过银行贷款、企业出海投资等形成。2025年美国增加关税起到加速这个变化的作用。

实现内外部循环相互促进的两个关键点是创新发展和提振内需，以充分发挥中国的规模经济优势。DeepSeek的突破是市场重估中国创新能力的触发因素之一，提升了投资者的风险偏好。规模定律意味AI大模型研发现在处于规模报酬递减阶段，AI应用能否带来更广层面的规模报酬递增是下一步发展的关键。围绕创新发展，中国需要更加重视需求。提振消费需求不仅促进宏观平衡，也改善科技创新和产业创新的市场环境。财政扩张可以发挥关键作用，尤其是以生育、养育、教育等民生问题为导向的财政支出，包括改善低收入群体的社会保障。历史经验显示科技进步既增加了改善社会保障的必要性也为此提供了资源。后者在宏观上体现为总供给相对总需求的过剩，财政扩张改善低收入群体的社会保障就是把这些资源利用起来。

关键词：地缘经济 规模经济 双循环 财政扩张

2025年中美两大经济体的股市都显著上涨，其伴随的宏观环境既有类似的地方也有重要差异。中国的股市上涨主要源自风险溢价的下降，反映市场预期的改善，而企业盈利增长的贡献较小（图表1）。从实体经济来看，GDP平减指数连续9个季度负增长（图表2），反映总需求疲弱。股市与实体经济的分化带来风险偏好上升驱动的股市上涨能走多远的问题。美国的股市上涨有企业盈利的贡献，但股市的风险溢价更在极低水平，尤其是上涨集中在科技巨头“七姐妹”，带来股市有泡沫的争议。

中美股市的风险溢价变化都和人工智能的发展有关。以DeepSeek为代表的突破，不仅彰显了中国在人工智能领域的竞争力，更是显著提升了市场对中国经济整体创新能力的信心。人工智能带来的对生产率提升的乐观预期，是驱动美国股市上涨的主要因素，不仅吸引了全球资金的涌入，甚至导致一些投资者对行业估值逻辑的重新审视。

另一方面，地缘竞争日益成为影响经济和市场的关注点，这既涉及传统的经贸，更包括人工智能的创新领域的博弈。在地缘新形势下，如何理解实体经济、创新、和资产价格之间的关系？本文从经济双循环的视角提出几点观察和思考。

图表1：中国股票上涨主要源自风险溢价下降

资料来源：Wind，中金公司研究部

图表2：GDP平减指数连续9个季度负增长

注：时间截至2025Q2

资料来源：Wind，中金研究院

一、内循环：金融周期下行阶段，需求相对供给疲弱，储蓄增加

从内循环的角度看，在金融周期下行阶段，房地产调整和债务紧缩导致需求疲弱，同时房地产相关的租金、成本下降，促进实体经济的供给改善（图表3）。总需求相对总供给不足带来宏观层面的“超额储蓄”，在对未来信心不足的时候，这些储蓄配置在无风险资产（国债），体现为无风险利率下降，在对未来信心上升时，风险资产配置增加，体现在股票价格上升。

2009年，美国在金融周期下半场的剧烈调整时期，股市率先从低位反弹，但面对房地产和债务紧缩对实体经济的冲击，当时有股市上涨能不能持续的争议。有一种观点认为“去杠杆带来资产泡沫”，去杠杆是指房地产相关的债务去杠杆，泡沫是指股票的价格上涨超过了盈利支撑，背后的逻辑是去杠杆导致储蓄增加，进而被配置在股票类的风险资产。后续的发展显示股市上涨并不是昙花一现，美国内部有财政扩张的支持，经济复苏带来企业盈利改善，外部有中国应对全球金融危机的宏观政策对冲，促进了全球经济的稳定和增长。

中国处在金融周期下行调整，去杠杆带来储蓄增加，而过去一年多的预期改善，尤其对创新能力的重新认知，促进了对风险资产尤其科技相关标的的配置。就当前而言，债务负担化解是拖累需求的重要因素，企业和家庭部门还本付息相对于GDP和新增贷款的比例仍在高位（图表4）。我们可以想象一个直接融资的简单情形，甲把钱借给乙，当债务人乙还债时，虽然其现金流减少，但债权人甲的现金流增加，对总需求没有影响。但在现代金融体系下，尤其是银行占主导的间接融资体系下，债务人把钱还给银行，但银行本身的消费和投资需求有限，其主要功能是贷款，而去杠杆本身就意味新增贷款需求乏力，需要外生的力量比如财政扩张打破僵局。

图表3：中美金融周期分化

注：时间截至2025Q2

资料来源：BIS，Wind，中金研究院

图表4：企业和家庭部门还本付息，资金流回银行体系

资料来源：BIS，Wind，中金研究院

就外生因素而言，当前的一个挑战是地缘竞争在经济需求端的影响。美国针对中国的关税等保护主义措施，其目的是削弱中国作为全球制造业中心的地位。这可以说是中国面临的“去中心化”压力，在宏观层面体现为对外需的冲击。

二、规模经济：中国创新能力重估

地缘竞争的另一个体现是供给侧面临“卡脖子”压力，突出的例子是美国限制对中国的先进半导体出口，其目的是为了阻碍或者说拖慢中国的人工智能发展，维持美国的领先地位。但2025年以来市场对于中国创新能力的重估恰恰和人工智能有关，从AI知名模型、AI专利的数量看，中国和美国呈现并行发展的态势（图表5）。DeepSeek年初的进步尤为引人注目，“用7纳米芯片做4纳米芯片的事”比较简洁地概括了DeepSeek的贡献，即不是通过增加算力芯片的投入规模来提升大模型的性能，而是靠算法架构改善来弥补算力约束（图表6）。

图表5：中美在人工智能和数字经济领域呈并行发展态势

注：平台企业市值为2024年12月20日市值，其中未上市企业采用最接近该时期的融资估值

资料来源：Stanford AI Index Report，https://www.netzoekonom.de/plattform-oekonomie/，IQVIA Institute，Brycetech，中金研究院

图表6：DeepSeek算法改善带来模型投入规模报酬递增

资料来源：中金研究院

我们可以把算法理解为人工智能大模型的技术，把算力、数据看成是大模型的投入。投入对模型性能提高有多快，要看技术有多先进，而技术、算法靠人才。根据去年中金研究院、中金公司研究部联合撰写的《AI经济学》一书，有关人工智能顶级会议收录文章作者的分布数据表明，虽然在美国工作的人比在中国工作的多，但在中国读本科的人数大大超过在美国读本科的。更重要的是，近期在中国工作的人数是上升的（图表7），这是个比较好的迹象。

图表7：美国比较优势在算力，中国比较优势在算法

资料来源：Macropolo.org，中金研究院

DeepSeek的突破对我们思考AI竞争格局有启示。在DeepSeek之前，一般认为只有大机构才能研发AI大模型，有一个规模定律，即数据、算力等要素投入的边际产出有一个从增加到下降的过程，模型性能提升需要不断增加要素投入的强度，带来投入规模的门槛要求。规模定律有两个含义。一是大机构和大型经济体有竞争优势，二是在大机构或者大国之间则是后发者有优势，这是因为落后者要素投入的边际产出高于领先者，市场机制激励要素投入从领先者流向落后者，促进差距缩小，由此美国试图通过行政措施限制算力出口来减缓中国的追赶。

DeepSeek的破解在于以算法优化（技术进步）提升算力（要素）的边际产出，一定程度上替代了算力投入。技术进步从个体来讲似乎有偶然因素，但从宏观来讲是规模经济效应的力量，尤其是外部规模经济，即上下游协同、共享基础设施和人才池的创新生态，中国在数字基础设施和人才规模优势方面尤其突出。规模经济效应意味着大模型未来的发展或仍将由大国主导。

规模定律和规模经济效应对我们思考AI泡沫的问题也有帮助。规模定律隐含要素投入比如芯片呈现规模报酬递减的特征，由此对模型性能的追求只能通过增加芯片投入来实现。同时，芯片生产本身也有规模报酬递减的特征，即摩尔第二定律，随着工艺设备投资的不断增加，产品性能的提升速度减缓，半导体产业发展不仅有物理极限（摩尔定律）的问题，也需要平衡经济成本和效益。对AI大模型及其应用的乐观预期促进了相关的资本和人力投入，给定技术（比如算法）条件下的规模报酬递减意味着，需求的增加在一定程度上只能靠价格的上涨而不是供给的提升来平衡，比如先进半导体价格上升，由此带来相关上市公司的盈利和股票价格的上升。

所谓的股票价格泡沫可能有两个载体，一是投资者对未来长期的盈利增长过度乐观，导致股票价格相对当前的盈利偏差很大，最终虚高的价格向现实的盈利回归。二是当前的盈利本身就不可持续。泡沫的破裂可能体现为芯片生产的技术壁垒被打破，比如中国自主的先进半导体产业发展带来全球市场供给的增加。另一个可能是生成式AI大模型的应用及其创造的经济效益不及现在的乐观预期。关键是大模型研发的规模报酬递减能否通过技术进步（比如算法改善）来弥补，或者大模型应用能否在更广经济层面带来规模报酬递增。

我们没有水晶球预知未来，但科技创新（AI大模型）和产业创新（AI的产业应用）融合发展，包括中美之间的互动，不仅有供给侧的因素（比如技术出口限制），也取决于市场需求的规模。

三、外循环闭环新模式初露端倪

就外需而言，一个关键问题是美国的关税的作用有多大？自4月美国新关税政策以来，2-3季度的数据显示，中国对美国的出口较去年同期降低25.7%，说明关税确实起到了降低双边贸易的作用，但我国出口总额同比增长6.4%，关税似乎只带来贸易结构的变化。如何理解这个问题？

资源禀赋、规模经济、交易成本是国际贸易与全球产业链的三个决定因素。其中，资源禀赋和传统理解的比较优势有关（劳动密集、资本密集、自然资源），交易成本包括运输成本、关税和非关税保护主义措施等。怎么解释美国和日本之间的贸易、美国和欧洲之间的贸易？劳动力成本差不多，发展水平差不多，不能用劳动密集型、资本密集型来解释。还有一个重要的因素可能重视不够，就是规模经济。即使劳动力成本差不多，在产业内、产业链内分工，各自做擅长的事情，在细分环节做大规模提高效率。中国成为全球最大的制造业中心，不是因为劳动力最便宜，而是因为相对完备的产业链体系和规模经济效应，很多产品只要技术没有障碍，在中国生产的成本比其他国家低。

我们在思考美国关税的影响时，中国的规模经济优势是一个重要因素。美国虽然是中国的重要贸易伙伴，但只是其中之一，短期的摩擦成本可能导致贸易总量下降，但长远来看双边的关税带来的主要是结构的变化。实际上，过去几年，我们已经看到地缘格局在贸易层面的体现。我国对“一带一路”国家出口占比明显上升（图表8），以“新三样”为代表的绿色产业占比上升尤为明显（图表9）。同时，中国对新兴市场国家出口的增加，主要是资本品和中间品，而不是消费品（图表10），意味着中国向其他国家的出口和投资相关，而不是到美国的转口贸易。

图表8：贸易伙伴从美西方转向“一带一路”

资料来源：国家统计局，中金研究院

图表9：“新三样”出口中的“一带一路”国家总额和占比上升

资料来源：国家统计局，中金研究院

图表10：出口商品结构从消费品转向资本品和中间品

资料来源：Haver，中金研究院

另一个值得关注的动向是资本流动。中国的储蓄仍然在全球主要经济体中位于最高水平，但是对美国国债的持有明显下降（图表11）。另一方面，在中国对外直接投资中，对“一带一路”国家的占比明显增加（图表12）。绿色产业占中国对外直接投资的比重持续上升，近几年更呈现加速的态势，在2024年占比接近50%（图表13），背后是企业出海明显增加，反映了中国产业优势和规模优势的结合。

图表11：中国储蓄持续居全球首位，但持有美国国债显著减少

资料来源：世界银行，CEIC，USAFacts，中金研究院

图表12：中国对外直接投资转向“一带一路”国家

资料来源：CEIC，中金研究院

图表13：绿色产业成为中国对外直接投资的主要投向领域

注：此处绿色产业包含可再生能源、电池和汽车

资料来源：American Enterprise Institute，中金研究院

把出口和资本流动结合起来看，一个外循环闭环的新模式初露端倪（图表14）。过去的模式是中国出口消费品给美国，获得的贸易顺差部分通过持有美国国债形成对外资产；新的动向是中国向新兴市场和“一带一路”国家出口资本品和中间品，用于当地投资，中国对外资产的形成体现为对这些国家的银行贷款、企业出海投资等。这个外循环的新变化具有重大地缘经济含义，是中国促进南南合作和共同发展的新动向。我们认为2025年美国增加关税将起到加剧这个变化的作用。

图表14：外循环闭环新模式初露端倪

资料来源：中金研究院

四、内循环的关键：促消费、去杠杆

当然，近期出口增长的韧性在一定程度上也有内需疲弱的作用，如何思考内需和外需的关系？在上个世纪30-40年代国际贸易受阻的环境下，卡莱斯基就促进经济增长提出一些反思，比较四种增长模式：出口拉动经济增长；扩大财政支出；使用低利率或减税政策支持投资；改善收入分配以增加消费需求。卡莱斯基强调改善收入分配以提高中低收入者的消费能力，是逆周期调节和结构变革的结合，在战后西方国家的宏观政策有多方面的体现。

就我国当下而言，出口和国内投资的增长空间有限，提振消费不仅促进内部宏观平衡，也有利于创新，以及内外循环的健康发展，财政扩张可以发挥关键作用。一个有效抓手是化解债务负担，中央层面的债务增加，可以协助地方政府降低债务负担。针对个人债务负担问题，2025年10月27日，中国人民银行行长潘功胜表示中国人民银行正在研究实施个人信用救济政策，对于疫情以来违约在一定金额以下且已归还贷款的个人违约信息，将在征信系统中不予展示。这将是一次有益的尝试，在当前的宏观形势下尤其重要。未来可进一步结合深圳、厦门等地的相关试点经验，逐渐建立个人破产保护制度，增强个人抵御不可抗力因素的能力。

财政扩张还可以直接作用于消费需求。这方面尤其值得关注的是以生育、养育、教育等民生问题为中心的财政支出，包括改善低收入群体的社会保障，对促进消费需求的乘数效应较高。人工智能、数字经济的发展体现了科技进步对效率的促进作用，历史的经验显示科技进步既增加了改善社会保障的必要性也为此提供了资源。后者在宏观上体现为总供给相对总需求的过剩，财政扩张改善低收入群体的社会保障就是把这些资源利用起来。

参考文献

[1] Bond, T. (2009). Global speculations: De-levering into a bubble? Barclays Capital.

[2] Kalecki, M. (1944). Three ways to full employment. The economics of full employment, 6, 39.

[3] Baccaro, L., & Pontusson, J. (2016). Rethinking comparative political economy: the growth model perspective. Politics & society, 44(2), 175-207.

[4] http://www.xinhuanet.com/fortune/20251028/ade7c8614b624650975f551803bfef85/c.html