李迅雷：扩大货币流动性作用有限，不要错过AI革命带来的机会

2008年全球金融危机导致我国出口负增长，内需也比较弱，我国为此推出了四万亿的基建投资来刺激经济。当时我写了一篇文章，叫《流动性的故事》，“流动性”通常指金融领域某种资产转换为支付清偿手段或者说变现的难易程度。由于现金可以直接用于支付或清偿，因此被认为是流动性最强的资产。我提出了“广义流动性”的概念，即要全面反映经济状况，可以从人口流动性、资本流动性、货物流动性和信息流等来衡量。

2023年，中国经济又面临外需走弱导致的出口负增长，以及内需不足、房地产走弱等负面影响，我认为，应该从扩大流动性的角度采取对策，让经济活起来。

扩大货币流动性的作用有限

2月社融同比大幅多增近2万亿元，主要贡献是信贷、未贴现汇票和政府债券三部分。今年1~2月政府债券累计融资超1.2万亿元，创下2017年以来同期新高。同时，M2增速创近七年新高，但M1与M2剪刀差走扩或指向企业实际投资需求较弱，资金的活化程度依然较低。

2020~2022年居民部门存款累计增加39万亿元，考虑经济增长、贷款、购房支出下降、存款再配置等因素，疫后居民“超额净储蓄”约为9万亿元，说明居民部门的投资和消费意愿不足，如今年2月份住户部门存款增加近8000亿元，贷款只增加2000多亿元，存贷差持续扩大。

从一季度央行城镇储户问卷调查结果看，居民收入信心指数仍处在收缩区间，处在近十年的较低位置。但这显然难以通过货币宽松就能解决。

所谓流动性过剩，是货币量增长过快，银行机构资金来源充沛，居民储蓄增加迅速。这有点类似凯恩斯提出的所谓“流动性陷进”。与凯恩斯“流动性陷阱”定义不同，克鲁格曼认为，代表流动性的不仅仅只是狭义货币，也可以是广义货币；导致货币需求无限大的原因并不一定仅仅是人们的流动性偏好，也可能是其他因素。他把“流动性陷阱”的本质归结为信心或预期问题。

10年前，我国金融机构加权平均存款准备金率大约为20%，如今已降至7.6%，M2余额从成为全球第一，到如今已经是美国加欧盟之和还要多。尽管货币体量如此膨胀，我国与欧美的经济状况却截然不同，欧美遭遇严重通胀，被迫进入加息周期，中国则保持低通胀状态，甚至还降准降息。

三年前，我曾提出“流动性分层”的推测，认为社会融资规模大是因为货币流向资产领域而非实物部门，以此来解释为何房价涨而通胀低，所谓“水往高处流”。而当今我们面临的，一方面是实体经济现金流偏紧，地方政府、房地产等非金融企业债务压力大；另一方面，银行等金融机构面临“资产荒”，即虽有钱但缺可以配置的资产，货币空转的现象十分明显。不仅通胀率低，而且房地产和金融资产都出现了总体估值水平下移的现象。

美国之所以在这轮疫情中出现持续高通胀，是因为除了采取量宽货币政策外，还采取了非常激进的财政政策，即政府部门大幅加杠杆，给居民部门巨额补贴。这可以解释为何美国在次贷危机之后没有发生通胀。因此，单纯的宽松货币政策，未必会导致高通胀。

从我国近年信用扩张情况看，虽然货币宽松的局面没有变化，但信用总扩张指数的反弹力度较小，2020年9月基本见顶，2022年再度显著回落，这与房地产投资下行有关，即银行表外信用扩张出现了大幅回落。

既然货币政策对通胀已经钝化，那么，货币政策对于经济领域的流动性改善作用也有限，宽货币未必能够带来宽信用。日本上世纪90年代经济泡沫破灭之后，不断降息直至“零利率”的水平，仍无法诱发企业接受贷款进行投资的现象应该引以为戒。

没有一种增长模式可以一劳永逸

为何当下宽货币政策难以奏效，而且可能步入“流动性陷进”？因为货币政策属于总量政策，而全球资产规模空前大、人口规模空前多的同时，势必导致严重的区域经济不平衡、贫富分化等结构性问题。这就是为何我国货币政策要提“精准有力”。

自从2018年美国向中国大幅提高进口关税后，美国开始在多个领域给中国产业链和供应链制造障碍。这是因为美国要打破依赖中国进口的格局，重建世界秩序。

因此，中国过多依赖外需的盈利模式肯定持续不了多久，过度偏重于投资拉动的内需增长模式同样难以持久。2022年中国经济增长3%，其中投资贡献了1.5%，净出口和消费分别贡献了0.5%和1%。可见，投资的贡献占到50%，显然过高了。从过去15年看，中国资本形成（投资）对GDP的贡献是全球平均水平的两倍多。

过去，出口和投资是中国经济高增长的两大法宝，出口有人口红利优势，投资有城镇化加快的优势，如今这两大优势慢慢耗尽，但消费对经济的拉动作用还没有发挥出来。

2023年消费将出现恢复性回暖，预期有6%~7%的增长。但是，消费增速要显著超越名义GDP增速似有难度，因为消费增长从根本上讲取决于居民收入增长。按照中金公司的研究数据，我国月收入低于5000元的人口为13.28亿人。

因此，我国要把中低收入阶层的收入增长曲线上移，以缩小收入差距，同时又可以提高对GDP的贡献，因为消费主力是中低收入阶层。但这个过程可能需要时间。

制造业将过剩、人口流减弱：需要加大公共服务投入

中国制造业增加值在全球份额大约为30%，但中国人口全球占比为17.5%，显然，中国是典型的世界工厂，过去我们利用廉价劳动力的优势，为全球提供性价比很高的实物产品。但随着我国人工成本的上升，产业转移将不可避免，尽管中国在全球制造业的首屈一指地位不会撼动。

2023年中国出口同比可能负增长。中国出口短期压力来自于美欧经济增速回落和美国去库存。中长期看，全球产业链重塑对中国的负面影响逐步体现，如2022年中国集成电路进口数量首次同比负增长。

目前中国外贸企业约有641万家，创造就业岗位超过2000万个，带动就业约1.8亿人（以制造业为主）。出口产业链走弱后，2023年中国稳就业压力可能进一步加大。也就是说，制造业的就业机会大幅减少将不可避免。

中国可以通过制造业转型升级成为制造强国，但这似乎无助于遏制制造业就业人口的减少。那么，就得大力发展服务业，来吸纳从制造业脱离出来的就业人口。即当外循环的流量缩小的时候，必须扩大内循环的流量，否则，就会导致大量失业。

在全球分化趋势加剧的情况下，我们可以接受新旧动能转换下产业的分化和市场配置资源下区域的分化，但要尽量避免居民收入的分化，因为这会导致严重的流动性问题——大部分人“躺平”。

2022年，我国人口首次出现负增长，而且，外出农民工数量只增加0.1%，也就是17万人左右，增速明显下降；城镇化率提高0.5%，为65.2%，说明城镇化进程明显下降。此外，受疫情影响，2022年出行人数大幅下降。

2022年上海人口数据显示，上海总人口数量首次出现下降，而且外省户籍人口减少了25万人。从问卷调查得知，离开上海的70%以上是因为去外地工作，说明上海面临生活成本高、就业机会少等问题，这与过去大城市化进程加快的趋势相悖。

当人口从农村流向城市的进程放缓后，下一步就应该是三四五线城市人口流向一二线城市，即大城市化加速。但现实情况是随着在大城市工作多年的外来农民工年龄的增大，告老还乡的比例明显上升。

早在2017年，大城市化进程已经非常明显了，三四五线城市人口流向大城市，农民工数量都在减少，但人口是净流入的，说明城市间流动人口大幅增加。

按照官方统计，我国共有3亿左右的新市民，包括城乡转移人口，城际转移人口和落户不满三年的人口。国务院2021年6月出台了《关于加快发展保障性租赁住房的意见》，主要是解决符合条件的新市民、青年人等群体的住房困难，提出五项基础制度和六个方面的支持政策。2023年政府工作报告也提出，“解决好新市民、年轻人的住房问题”。

3亿人的流动，与就业密切相关，有就业机会才会选择居住。首先要给他们教育、医疗、养老等基本公共服务方面有一定保障，这意味着政府公共支出要大幅增加。在此基础上，再考虑如何合理解决3亿人的居住问题。

2030年我国65岁以上人口占比将达到20%，养老负担会越来越重，今后政府举债规模需要加大，而且应该更多用于民生领域。中国公共消费率长期低于全球平均水平，比发达国家平均低4个百分点，且在城乡之间、省市之间分化严重。假设和发达国家持平，按2022年名义GDP 121.0万亿元计算，政府最终消费支出有4.8万亿元的提升空间。

近年中央经济工作会议提出“适当增加公共消费”，预计将优先向教育、养老、医疗和育幼等重点民生领域倾斜，农村人口和新市民是重点支持对象，以缩小不同群体的基本公共服务差距。

我国政府部门的杠杆率水平并不算高，即便算上隐形债务，杠杆率水平也大幅低于发达经济体。如果将债务余额与广义国有资产相比，则更低了。所以，应对内需不足、制造业可能面临严峻的产能过剩局面，通过增加公共服务规模，加大政府部门收入向居民部门中的中低收入群体转移规模，有助于提升流动性。

数字流加速：不要错过AI革命

数字经济是继农业经济、工业经济之后的主要经济形态。2021年，中国数字经济规模超45万亿元，占GDP比重超40%。

我国对数字经济的发展非常重视，数字经济发展从战略部署到政策落地都在稳步推进。但由于存在诸多短板，随着人工智能技术（AI）的深度发展，今后发展可能面临诸多挑战。

人工智能并不是横空出世的新技术，但当人工智能的应用越来越广泛，会有一个从量变到质变的过程，已经有人把GPT-4的出现称之为第四次科技革命了。

ChatGPT作为类似iPhone影响的新科技，或将对人类生产生活产生革命性影响。该技术的出现并非偶然，近年来，星链、MRNA疫苗、智能驾驶等领域均出现了一系列突破传统框架的重要技术。

我之所以认为AI可能是一场革命，因为它可以带来劳动生产率水平的显著提高。媒体上“科技革命”一词十分泛滥，但凡不能显著带来劳动生产率提升的，其实只是“伪革命”。高盛的一份报告认为，在生成式AI的加持下，工作流程将被大幅简化，生产力得到提振，在生成式AI发展的十年内，预计每年可以将生产力提高超1.5%。

对中国而言，对数字技术的高度重视，为我们赶上智能化时代的到来创造了有利条件。但是，我们也面临多个卡脖子的环节，如生成式人工智能架构由算力层、平台层、算法层和应用层四层架构组成。我们在前三个层都存在受制于人的风险，因为我国人工智能产业几乎完全依靠全球开源代码和算法发展起来，缺乏自己的底层代码和核心算法等做支撑。

尽管中国的研发投入无论是总量还是占GDP的比重，都在显著上行，但研发投入的重心仍在后端，在基础研发和应用研发上的占比不高。

就应用层而言，我们正处在变革的时代，AI的崛起将对诸多行业带来剧变，就像第一次和第二次工业革命一样，机器越来越多地替代体力劳动者，而随着AI的广泛应用，机器将越来越多地替代脑力劳动者，并将对服务业带来巨大的冲击。

数字流汹涌而入的时代，可能很多行业会被冲垮，很多人会因此失业，但它却给本来已经面临各种结构性问题和风险的世界注入一股强劲的活力。因此，面对AI的冲击，没有必要恐慌。流动创造新的价值，同时也会摧毁旧的价值。中国应该顺应这场新潮流的到来。

（作者系中泰证券首席经济学家）

第一财经获授权转载自微信公众号“lixunlei0722”。