工业化数字经济与智能供给四层结构
中金把AI带来的变化定义为数字经济从轻资产复制模式转向认知能力工业化生产。模型每次推理、工具调用和Agent执行都持续消耗芯片、算力、电力、存储和网络；认知能力因此具备可拆解、可计量、可编排和可交付的属性。
产业结构分为四层：物质底座提供算力、电力、冷却和网络；智能供给提供模型、权重、API和推理服务；组织中介用Agent、RAG、MCP、连接器、工作流与系统集成把单次调用改造成可执行流程；场景兑现负责进入真实业务并形成收入、反馈和责任闭环。用户入口也由争夺注意力扩展为争夺任务执行权，即从注意力经济走向代理经济。
供需错配是核心周期变量。供给侧可集中扩张，需求侧却要逐家企业改造数据、流程、权限和验收机制。全球企业Agent部署率从2025年9月不足5%升至2026年4月17%，但约95%的企业生成式AI试点尚未形成可计量损益改善。Google月度Token用量从2025年5月约480万亿升至2026年5月约3200万亿，说明调用激增不等于价值兑现。
中美路径不同：美国依靠资本、超大规模算力、云平台和全球客户建设前端供给；中国在先进芯片和超大集群受限下，依靠完整产业体系、工程交付和场景扩散。2025年美国私人AI投资约为中国23倍，AI计算芯片集群算力约为中国11倍；但中国2024年占全球工业机器人新增安装量54%，更有条件把可用模型嵌入实体产业。
投资上需要同时看资本开支、折旧、单位智能成本、产能利用率与场景付费。数据中心用电量预计从2024年415TWh升至2030年945TWh，年复合增速约15%；如果下游吸收慢于供给扩张，重资产投入会转成低利用率和折旧压力。模型能力够用后，价值可能向基础设施平台与贴近场景、承担交付责任的专业主体两端集中。