近年來(lái)，各行各業(yè)在人工智能的深度賦能下，呈現(xiàn)出欣欣向榮、蓬勃發(fā)展的景象。然而值得警醒的是，長(zhǎng)期以來(lái)過(guò)度依賴算力和數(shù)據(jù)堆砌的粗放模式，在支撐人工智能產(chǎn)業(yè)可持續(xù)發(fā)展方面逐漸力不從心。在資本大肆追捧和輿論過(guò)度渲染的背后，人工智能產(chǎn)業(yè)是否已開(kāi)始顯現(xiàn)泡沫化特征，背后的經(jīng)濟(jì)學(xué)成因何在，以及如何進(jìn)行協(xié)同治理，是亟待解答的三個(gè)主要問(wèn)題。

一、人工智能產(chǎn)業(yè)泡沫化的初始表現(xiàn)及誘因

在巨額資本的驅(qū)動(dòng)下，資本市場(chǎng)對(duì)人工智能技術(shù)的短期熱情一定程度上掩蓋了產(chǎn)業(yè)發(fā)展的一些隱患，資本預(yù)期與技術(shù)價(jià)值背離、資源配置失衡、產(chǎn)學(xué)研協(xié)同創(chuàng)新乏力等產(chǎn)業(yè)泡沫化問(wèn)題開(kāi)始浮現(xiàn)，短期投機(jī)有可能削弱人工智能產(chǎn)業(yè)的長(zhǎng)期競(jìng)爭(zhēng)力。人工智能的健康發(fā)展需要建立在技術(shù)突破、治理體系、政策引導(dǎo)三者的平衡之上。當(dāng)前人工智能的產(chǎn)業(yè)泡沫化現(xiàn)象初現(xiàn)，本質(zhì)上是資本逐利性與技術(shù)失衡、治理滯后、政策失準(zhǔn)相疊加的后果。

二、人工智能產(chǎn)業(yè)泡沫化的潛在風(fēng)險(xiǎn)及影響

1.人工智能產(chǎn)業(yè)泡沫化的潛在風(fēng)險(xiǎn)。

一是要素市場(chǎng)兩極分化。與應(yīng)用市場(chǎng)的高度繁榮相反，人工智能產(chǎn)業(yè)發(fā)展所依賴的算力、生態(tài)、數(shù)據(jù)等基礎(chǔ)資源卻被高度壟斷。整個(gè)產(chǎn)業(yè)鏈條呈現(xiàn)“基礎(chǔ)資源高度壟斷、應(yīng)用開(kāi)發(fā)過(guò)度競(jìng)爭(zhēng)”的畸形結(jié)構(gòu)。

二是產(chǎn)品市場(chǎng)供需失衡。真正有效的人工智能應(yīng)用應(yīng)當(dāng)沿著“問(wèn)題識(shí)別—技術(shù)匹配—價(jià)值創(chuàng)造”的路徑推進(jìn)。但是，部分企業(yè)為了爭(zhēng)取政策紅利或迎合資本，上馬了大量遵循“技術(shù)供給—場(chǎng)景創(chuàng)造—價(jià)值宣稱”邏輯的項(xiàng)目。這種本末倒置的創(chuàng)新路徑，使產(chǎn)品開(kāi)發(fā)的方向與實(shí)際應(yīng)用場(chǎng)景脫節(jié)，供給端虛高，加劇了人工智能發(fā)展與真實(shí)社會(huì)價(jià)值之間的矛盾，有可能帶來(lái)嚴(yán)重的產(chǎn)業(yè)泡沫化風(fēng)險(xiǎn)。

三是技術(shù)路徑可持續(xù)性不足。首先，算力擴(kuò)張的邊際效益持續(xù)遞減。其次，能源消耗與環(huán)境污染問(wèn)題日益突出。最后，數(shù)據(jù)資源面臨枯竭危機(jī)。

四是資本市場(chǎng)泡沫膨脹。在企業(yè)“顛覆性產(chǎn)品”的營(yíng)銷宣傳下，市場(chǎng)已經(jīng)出現(xiàn)嚴(yán)重的價(jià)值認(rèn)知偏差，這種脫離基本面的估值體系，本質(zhì)上是對(duì)未來(lái)技術(shù)突破的過(guò)度貼現(xiàn)，在為企業(yè)吸引大量投資的同時(shí)，也使企業(yè)陷入“預(yù)期透支”的困境，市場(chǎng)估值虛高。一旦基礎(chǔ)層和技術(shù)層的瓶頸遲遲未能突破，無(wú)法兌現(xiàn)的技術(shù)將難以支撐應(yīng)用層面的過(guò)度繁榮，預(yù)期的反轉(zhuǎn)將大幅提高泡沫破裂的風(fēng)險(xiǎn)。

2.人工智能產(chǎn)業(yè)泡沫化的影響。

一方面，美國(guó)憑借基礎(chǔ)資源的壟斷，迫使全球開(kāi)發(fā)者接受其技術(shù)標(biāo)準(zhǔn)和授權(quán)體系，通過(guò)泡沫化估值攫取產(chǎn)業(yè)鏈的絕大部分利潤(rùn)；另一方面，承擔(dān)價(jià)值實(shí)現(xiàn)的印度、巴西等發(fā)展中國(guó)家則受困于低效的同質(zhì)化競(jìng)爭(zhēng)陷阱，應(yīng)用層開(kāi)發(fā)的利潤(rùn)空間有限。這種“基礎(chǔ)層卡位，應(yīng)用層收割”的單極化利益分配機(jī)制，又進(jìn)一步把全球的創(chuàng)新成果持續(xù)轉(zhuǎn)化為美國(guó)企業(yè)的估值溢價(jià)，形成“應(yīng)用層價(jià)值被持續(xù)低估，基礎(chǔ)層泡沫不斷膨脹”的惡性循環(huán)。這將嚴(yán)重抑制包括美國(guó)在內(nèi)的全球人工智能產(chǎn)業(yè)創(chuàng)新動(dòng)能，降低技術(shù)向?qū)嶓w經(jīng)濟(jì)滲透的效率，削弱人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)的長(zhǎng)期貢獻(xiàn)?；A(chǔ)層的估值泡沫和應(yīng)用層的同質(zhì)化競(jìng)爭(zhēng)，除了導(dǎo)致技術(shù)紅利分配不合理，影響全球合作的基礎(chǔ)和經(jīng)濟(jì)的穩(wěn)定之外，還引發(fā)了基礎(chǔ)層和應(yīng)用層的結(jié)構(gòu)性割裂，正成為全球產(chǎn)業(yè)鏈最脆弱的斷裂帶。

三、人工智能產(chǎn)業(yè)泡沫化的防范策略

1.平衡資本預(yù)期和真實(shí)價(jià)值。

一是通過(guò)貨幣政策實(shí)施定向調(diào)節(jié)，降低資本市場(chǎng)泡沫。一方面，由央行將人工智能產(chǎn)業(yè)投資納入宏觀審慎評(píng)估框架，通過(guò)設(shè)置行業(yè)信貸總量上限、建立分級(jí)的資本充足率要求，從源頭上遏制人工智能領(lǐng)域的資本非理性擴(kuò)張；另一方面，完善市場(chǎng)準(zhǔn)入制度，針對(duì)擬上市企業(yè)設(shè)立人工智能項(xiàng)目收益準(zhǔn)入門檻，確保其能夠形成可持續(xù)的盈利模式，并制定算力使用效率、單位能耗產(chǎn)出等量化指標(biāo)，倒逼企業(yè)提升技術(shù)創(chuàng)新質(zhì)量。

二是引導(dǎo)技術(shù)的突破方向，提高人工智能產(chǎn)業(yè)的真實(shí)價(jià)值?；A(chǔ)研究層面，由政府主導(dǎo)組建國(guó)家算法研究院，聚焦Transformer架構(gòu)優(yōu)化、神經(jīng)形態(tài)計(jì)算等前沿方向。應(yīng)用開(kāi)發(fā)層面，以實(shí)際場(chǎng)景痛點(diǎn)驅(qū)動(dòng)技術(shù)開(kāi)發(fā)，避免盲目追逐熱點(diǎn)導(dǎo)致的重復(fù)性應(yīng)用內(nèi)卷。

三是構(gòu)建預(yù)警體系和應(yīng)急預(yù)案，防范和應(yīng)對(duì)可能出現(xiàn)的危機(jī)。組建跨部委的人工智能產(chǎn)業(yè)監(jiān)測(cè)平臺(tái)，對(duì)資本市場(chǎng)、產(chǎn)品市場(chǎng)、勞動(dòng)力市場(chǎng)進(jìn)行實(shí)時(shí)追蹤，及時(shí)識(shí)別泡沫化風(fēng)險(xiǎn)。設(shè)立人工智能產(chǎn)業(yè)平準(zhǔn)基金，熨平市場(chǎng)波動(dòng)。

2.重塑市場(chǎng)調(diào)節(jié)機(jī)制的有效性。

一是降低市場(chǎng)上的信息不對(duì)稱，從技術(shù)和倫理兩個(gè)層面對(duì)黑箱系統(tǒng)進(jìn)行“可解釋性改造”，修復(fù)錯(cuò)誤的價(jià)值信號(hào)釋放機(jī)制。在技術(shù)層面，建立人工智能技術(shù)評(píng)估標(biāo)準(zhǔn)，強(qiáng)制企業(yè)披露人工智能應(yīng)用的技術(shù)成熟度、模型訓(xùn)練數(shù)據(jù)來(lái)源、算法能效比等核心技術(shù)指標(biāo)。在倫理層面，當(dāng)項(xiàng)目涉及個(gè)人隱私和社會(huì)公平時(shí)，要求其開(kāi)發(fā)企業(yè)必須提交算法的底層決策邏輯說(shuō)明和項(xiàng)目的社會(huì)影響評(píng)估報(bào)告，建立覆蓋數(shù)據(jù)采集、算法設(shè)計(jì)、應(yīng)用場(chǎng)景的全流程倫理審查機(jī)制。

二是針對(duì)人工智能技術(shù)的雙重外部性特征，完善現(xiàn)有制度，重構(gòu)非對(duì)稱定價(jià)體系。在負(fù)外部性治理方面，為降低因數(shù)據(jù)過(guò)度收集與濫用、算法歧視等帶來(lái)的社會(huì)成本，可借鑒環(huán)境保護(hù)稅的設(shè)計(jì)理念，探索建立“算法污染稅”制度。在正外部性補(bǔ)償方面，將基礎(chǔ)研究的收益權(quán)證券化，允許算法架構(gòu)專利進(jìn)行收益分成交易，設(shè)立技術(shù)擴(kuò)散基金，從應(yīng)用層企業(yè)提取一定比例的營(yíng)收反哺基礎(chǔ)研究。三是建設(shè)多層次的要素市場(chǎng)，引導(dǎo)資源向高社會(huì)價(jià)值領(lǐng)域流動(dòng)，包括但不限于數(shù)據(jù)要素市場(chǎng)、算力配額交易市場(chǎng)、技術(shù)產(chǎn)權(quán)交易市場(chǎng)。

3.提高政策支持精準(zhǔn)度。

一是制定差異化政策體系，從技術(shù)價(jià)值和技術(shù)成熟度兩方面對(duì)項(xiàng)目進(jìn)行評(píng)估，并據(jù)此建立動(dòng)態(tài)的分類支持機(jī)制。一方面，根據(jù)技術(shù)價(jià)值的不同，采用不同的支持力度和形式。另一方面，根據(jù)技術(shù)的發(fā)展階段動(dòng)態(tài)調(diào)整支持的力度和形式。

二是提高政策精準(zhǔn)度，保證政策精準(zhǔn)落地，防范政策套利。這需要構(gòu)建全過(guò)程的政策配套監(jiān)管體系。三避免政策體系變更引發(fā)的投資者和消費(fèi)者的非理性預(yù)期，降低政策實(shí)施的負(fù)面影響。

（作者綦建紅、蔡震坤均來(lái)自山東大學(xué)經(jīng)濟(jì)學(xué)院，本文首發(fā)于《亞太經(jīng)濟(jì)》2025年第4期，約17000字，原題為：“全球人工智能產(chǎn)業(yè)泡沫化風(fēng)險(xiǎn)與防范”，已被《高等學(xué)校文科學(xué)術(shù)文摘》2025年第11期摘錄）