2001年中国加入世贸组织（WTO），引发了人类历史上规模最大的资本支出繁荣。2000年至2010年，经通胀调整后，中国累计固定资产投资总额约20万亿美元，其中工厂、机械及住房等长期资产投资从3600亿美元激增至3.2万亿美元。这一过程在长达一代人的时间里，彻底重塑了全球贸易、大宗商品、通胀、劳动力市场及政治格局。
如今，一场规模相当的投资热潮正在上演。尽管常被视作科技行业的单一叙事，但当前人工智能基础设施建设的规模已可比肩后WTO时代中国的投资繁荣，其影响远超科技范畴。
“中国规模”的资本洪流
数据印证了这一判断。仅微软、亚马逊、Alphabet、Meta和甲骨文等美国超大规模云服务商，预计2026年资本支出将达约8000亿美元，同比增长83%。Gartner估计，今年全球人工智能支出将突破2万亿美元。展望未来十年，芯片、数据中心、电力、冷却和网络等硬件基础设施的全球投资估算值集中在10万亿至15万亿美元之间；若计入软件、服务及AI赋能产品，总支出可能接近30万亿美元。就硬件资本支出而言，AI已达到“中国规模”；按广义定义计算，其规模甚至可能超越中国2000年至2010年的整个投资激增期。
当然，两者存在显著差异。中国带来的是实物投资、制造业、贸易和劳动力供给冲击；AI则是算力、电力、软件和认知劳动力的冲击。值得注意的是，中国经济转型并未止步，正迈向汽车制造、医疗保健等高附加值产业，并开发出成本更低的人工智能模型。据估计，这些模型与最先进美国模型的差距仅约5%。
通缩压力与物理足迹
一个有趣的平行现象是：中国制造业建设降低了全球实体商品成本，释放抑制通胀的力量，压低利率并压缩发达经济体制造业利润率。AI正通过不同渠道发挥类似作用——降低认知工作成本。如今，涉及模式识别、语言处理或数据合成的每一项任务，都面临着与中国制造业二十年前带给实体商品相同的通缩压力。
AI的物理足迹同样真实且庞大。国际能源署（IEA）预测，到2030年全球数据中心用电量将翻倍以上，达到945太瓦时，大致相当于日本当前的总电力消耗量。
宏观风险与分配困境
关键差异在于驱动机制与传播速度。中国固定资产投资峰值时约占GDP的50%，由国有补贴资本推动；而AI投资虽绝对数额巨大，仅占全球GDP约2%，且主要由市场力量驱动。这意味着AI的传播速度可能更快，因为它不依赖于数亿人口的物理迁移。中国的冲击涉及全球约15%人口的城市化进程，而AI的冲击从第一天起就是全球性的。
政治经济风险可能更为严峻。中国冲击加剧了不平等，导致许多民主国家面临极化政治局面。AI可能会加速这一动态。如果AI主要作为认知劳动力的替代品而非互补品，其分配后果将非常严重。历史学家威尔·杜兰特曾指出，不平等往往以“开明的再分配”或“资本毁灭”两种方式解决，这两条路径均不容乐观。
早期劳动力市场数据已显现分化迹象。在美国，受AI影响程度较高的职位类别，其恶化速度快于受影响较低的类别，每月相差约0.25个百分点，且这一趋势似乎正在加速。
归根结底，关于AI的辩论不应局限于科技行业的周期性事件或英伟达的估值合理性。数据显示，AI可能构成一种宏观投资体制，其规模足以影响GDP增长、电力需求、资本配置、劳动力市场及各行业资产价格。
历史提供了参照：中国冲击催生了新行业和巨大财富，但也留下了失业工人、空心化社区以及耗时二十年才显现的民粹主义反弹。这并不意味着所有投资繁荣都会导致相同困境，但其第二和第三阶效应足以定义一个时代。当前的AI投资热潮已具备这种量级。能否更好地管理这次转型，将是未来十年最具决定性的经济问题。