程实：人工智能时代的中国比较优势︱实话世经

回顾人类发展历史可以看到，每一次生产方式和社会结构的跃迁，都离不开能源获取方式及其组织形态的变化。无论是工业革命、电气化进程，还是信息化浪潮，能源始终是支撑经济扩张和技术扩散的基础条件。当前，人工智能的快速发展不仅改变了技术的应用方式，也正在重塑生产效率、产业结构和经济增长模式。对中国而言，人工智能既是推动高质量发展的重要抓手，也是应对人口结构变化、资源约束条件和外部环境不确定性的现实选择。

将能源、人才和制度三条线索综合来看，可以发现中国在这三方面均具备较为突出的比较优势。能源体系兼具成本优势、稳定优势和扩张优势，人口结构形成了工程师规模、用户基础和数字素养的综合优势，制度体系则具备较强的组织动员能力、工程推进能力与政策执行能力。三者之间的协同作用，使中国具备将技术突破持续转化为产业升级，并进一步转化为经济增长动能的条件。中国在人工智能时代的比较优势并非偶然，而是长期发展积累与持续改革创新共同作用的结果。人工智能的加速发展将是一次广度更大、深度更深、速度更快的历史转折，我们期待中国在这场未来文明的竞逐中走得更稳、更快、更远。

人类社会的发展始终与能源条件密切相关

农业文明依赖水利与土地，工业文明建立在煤炭和蒸汽动力之上，电气化推动了大规模工业生产和城市化进程。回顾不同发展阶段可以发现，技术进步并非孤立发生，其背后往往由能源供给能力、人口结构变化以及制度组织效率共同推动。能源基础决定了技术应用的上限，人口结构影响需求规模与劳动力供给，而制度安排则决定资源能否被有效配置。

当前，人工智能的快速发展正在显著抬升对能源的需求。这种需求不仅体现在算力、数据和算法等技术要素上，更直接体现为对电力供应、电网稳定性、冷却系统和相关基础设施的依赖。大型模型的训练和推理对能源的消耗水平，已明显高于以往的信息技术应用。人工智能的扩展仍然需要以物理能源条件为基础，能源供给能力正在成为制约其发展的关键因素之一。

在这一背景下，判断各国在人工智能时代的相对位置，仍需回到能源、人口和制度这三项基础条件。能源供给的稳定性和成本高低，决定了算力扩张的可持续性；人才供给规模和结构，影响技术创新与应用能力；制度协调和组织能力，则关系到资源配置和整合效率。从这三方面看，中国在人工智能的发展中具备较为扎实的基础，其优势更多来自长期积累的结构条件。

中国拥有充沛、低价的能源供给

AI的运行需要大量电力，训练一次大型模型的能耗已可达到上千户家庭一年的用电量。根据国际能源署（IEA）计算，当前数据中心的电力消耗估计约为415太瓦时，相当于2024年全球用电量的约1.5%。在过去五年中，其耗电量以年均12%的速度增长。未来数年，中国、美国和欧洲仍将是全球数据中心用电需求最大的区域。其中，中国和美国是最重要的两大地区，合计贡献近80%的增量。以2024年为基准，美国的数据中心耗电量预计将增加约240太瓦时（增长130%），中国则增加约175太瓦时（增长170%），欧洲增幅超过45太瓦时（增长70%）。因此，谁拥有更低成本、更稳定、更具扩张性的电力体系，谁就具备更强的AI底层竞争力。

这一点上，中国具有天然优势。根据国际可再生能源署（IRENA）数据，2024年中国贡献了全球光伏新增装机的61.2%（276.8吉瓦），并占全球新增风电装机的69.4%（79.4吉瓦）。光伏与风电发电成本下降速度全球领先。IRENA数据指出，中国陆上风电的度电成本（0.029美元/千瓦时）、光伏度电成本（0.033美元/千瓦时）均低于全球平均水平。此外，东部负荷中心与西部新能源基地通过特高压输电技术实现了大规模互联，使电力具备跨区域调度能力。

更为关键的是，东数西算战略将能源优势与算力需求实现精准对接，让低成本绿色能源直接转化为可扩张的算力资源，构建起能源与算力的紧密结合。因此，在AI的能源竞争中，中国站在了一个具有优势的位置。既拥有全球最大的可再生能源增量能力，也拥有实现能源向算力转化的产业链体系，更拥有通过国家级工程实现跨区域、跨产业协调的组织能力。这种能力不是一朝一夕形成的，而是从电网建设到能源结构调整、从产业政策到工程体系长期积累下来的结构优势。

中国具备人才和人口的规模优势

技术从不是孤立存在的，它需要通过人口结构与应用场景不断丰富、扩散，最终转化为生产力。AI时代尤其如此，它需要大量的工程师群体，需要对技术更新迭代敏感的用户社群，更需要一个可持续提供数据、反馈以及真实场景应用的巨大市场。而中国恰好具有这三重优势。

其一是工程师规模优势。根据乔治城大学CSET数据，以2020年为例，中国STEM毕业生数量超过第二、第三位国家毕业生数量之和，形成全球最大的工程师供给体系。更重要的是，中国的工程师与产业链高度结合，具备强大的应用导向和工程能力，从而使技术能够更快地转化为产品、更快地融入产业、更快地在规模化场景中验证并迭代。

其二是用户规模与场景丰富度。中国拥有全球最大的移动互联网人口，数字经济占GDP比重超40%，用户对技术迭代的敏感度极高。这意味着AI技术不是停留在实验室中，而是能迅速进入货架、物流、制造、医疗、零售、政务等大量真实场景中，推动场景大模型在短时间内完成应用迭代。无论是语音助手、电商推荐，还是辅助驾驶、工业视觉系统，中国社会对智能化应用的吸收能力本身就是AI提升全要素生产率的放大器。

其三是数字素养与代际结构的协同。中国年轻用户对技术的接受度极高，中老年用户的数字化适应能力也在快速提升，这使得AI不会受限于社会结构、人口结构的制约。数字鸿沟在中国并非被拉大，而是在逐步收窄，这为AI的普及创造了广泛的社会基础。

中国具备资源协调部署的组织能力

在蒸汽机时代，英国优势来自资本市场与产权制度。在电气时代，美国优势来自科研体系与公司制度。而AI时代需要的则是，资源跨部门协调、全国算力基础设施的大规模部署、金融工具的长期支持，叠加产业链的协同发展。这是一种高度组织化的创新体系，而中国恰恰具备这样的制度能力。作为一个拥有巨大规模统一大市场的经济体，中国能够在较短时间内部署全国算力网络、建设大型数据中心集群、推动数据要素市场改革、形成跨产业链协作体系。政策的方向性明确、执行力度强、反馈机制灵敏，使得AI这种系统性技术能够在全国范围内点面结合、纵横交替。这在其他国家非常罕见。

更重要的是，中国的金融体系能够提供AI所需的耐心资本。AI属于典型的重投资、长周期、强外部性的产业，单纯依靠市场难以形成充分的资本投入。但政策性银行、产业基金、政府引导基金以及多层次资本市场共同构成了适应这一特征的融资体系。换言之，金融服务AI发展的质效将很大程度上决定AI技术能否从理想照进现实。

（程实系工银国际首席经济学家，徐婕系工银国际高级经济学家）