人工智能开启美国第二波繁荣期！
第一波繁荣源于为构建人工智能（AI）能力而进行的投入，其驱动力在于人们对AI将得到广泛应用的预期。这一浪潮已引发了基础设施投资和股市财富的激增。
第二波繁荣将源于对“由这些AI能力所促成的新事物”的投入。这主要来自两个方面：首先，AI技术本身在不断进步，更先进的AI直接转化为各类产品——既包括数字产品（如智能辅导系统、各类智能代理），也包括实体产品（如机器人、自动驾驶汽车和卡车）。
其次，AI在科学研究领域展现出强大的能力；它在医学、材料科学、能源和化学等领域所带来的科学发现，后续都需要经过开发并实现商业化。
这两波浪潮在最终产品问世之前，就已经能够显著拉动投资与消费。
第一波繁荣已在推动经济增长
最新的GDP报告彰显了第一波繁荣的影响力。在截至2026年9月的四个季度里，经通胀调整后的企业固定资产投资增长了8.4%。其中，设备投资激增14.1%，计算机及外围设备投资更是大幅增长了46.1%；软件投资则增长了12.8%。在下图中，四类与AI相关的支出（信息处理设备、软件、研发以及数据中心）合计为过去四个季度的实际GDP增长贡献了约1.3个百分点。虽然这些增长并非全部由AI直接贡献，且部分贡献被进口额所抵消，但AI基础设施的建设显然是一个关键的驱动因素。
投资只是故事的一半。那些被预期将从AI中受益的企业的估值已大幅攀升。明尼阿波利斯联邦储备银行的经济学家阿拉斯代尔·麦凯（Alisdair McKay）估计，这些估值增长所带来的财富效应，可能已支撑起相当于GDP 0.5%至1%的年度消费支出。
这就是第一波繁荣的运作逻辑：企业为预期的需求构建产能，而家庭则利用基于同样预期所创造出的财富进行消费。第二波繁荣也将遵循同样的逻辑，且其影响范围将覆盖经济中更广阔的领域。
更先进的AI本身就是一种产品
第二波繁荣中最显而易见的部分，并不依赖于实验室环境。它所需要的是AI模型持续不断的改进——而目前，这些模型确实正在不断进步。数字产品先行，且已然问世：基于各类模型构建的智能体（agents）能够编写代码、处理客户服务、辅导学生，并承担小型企业的文书工作。这类产品无需工厂，因此能在数月内触达客户；其投入主要集中在算力和人力资源上。每一个能够找到付费客户的数字产品，都在将第一波浪潮中的“投机性产能”转化为“实际需求”。数字产品越成功，数据中心的建设周期就会持续得越久。
但我认为，第二波浪潮中规模更大、节奏更缓的部分还在后面：即实体产品。每一款实体产品都需要配套的工厂；而在这些产品背后，是源自“人工智能驱动科学”的各项发现，每一项发现都需要相应的开发流程。在产品真正问世之前，这些投入都会以“投资”的形式体现在GDP中。
无人驾驶汽车是最典型的实体案例。在少数几个城市，自动驾驶出租车（Robotaxi）已从演示阶段迈向了付费服务阶段；而每一次业务扩张，都需要投入车辆、传感器、运营中心、地图数据、远程操控系统以及保险服务。自动驾驶卡车领域也遵循着同样的路径。人形机器人和工业机器人目前尚处于更早期的阶段，但一旦其控制模型足够成熟，制约发展的瓶颈将从“智能水平”转向“制造能力”。届时，必须建立工厂、生产零部件、构建供应链，并聘请工程师进行运营——所有这些都属于投资范畴。在第二波浪潮的两大驱动力中，更先进的人工智能属于较早显现的那一个。
人工智能在科学领域正展现出惊人的能力
数学领域的进展尤为显著。今年10月，OpenAI发布了700多份由人工智能生成的数学手稿，涵盖了数百组相关研究成果，其中包括对一些长期未解难题的“解答”。此外，它还声称推翻了“指数时间假设”（Exponential Time Hypothesis）——这是理论计算机科学中的一个基础猜想，目前复杂性理论专家们正在对其进行验证。
人工智能已从单纯解决难题，演变为能够产出原创性研究成果，且其产出速度甚至超过了人类评估这些成果的速度。数学是其他所有科学的基础，因此数学领域的进步必然会带动其他科学领域的突破。
人工智能也直接应用于其他科学领域，例如分析生物数据、设计分子与材料，以及实现实验自动化。本月，OpenAI与PerturbAI及斯克里普斯研究所（Scripps Research）合作，利用数千个AI智能体对数百万个小鼠脑细胞的数据进行了分析，仅用32分钟就发现了值得进一步研究的线索。
更深层的转变在于“数量”层面。培养一名人类科学家需要数年时间，而一个AI智能体却能吸收海量文献，跨学科建立联系，并同时处理成千上万个问题。在最近的一次国际货币基金组织（IMF）讲座中，Anthropic联合创始人杰克·克拉克（Jack Clark）请听众想象一下：由全球约1000万名人类科学家指挥着10亿名“虚拟科学家”进行研究的场景。
综合来看，人工智能不仅提升了研究人员的生产力，还成倍增加了“有效研究人员”的数量。由此带来的有价值发现，其增长速度将远超经济体系将其商业化的能力。正是这种差距，孕育了第二波繁荣。
第二波投资热潮
一种具有前景的药物，仍需经过临床试验和监管审批；一种新型电池材料，需要经过测试、试生产，最终还要建立工厂；而开发一款新型机器人，不仅需要上述所有环节，还需要完善的零部件供应链。人工智能让创新构想变得极其丰富，但构想提出之后，后续的落地工作依然需要专业知识、资本和基础设施的支撑。
《癌症治疗评论》（Cancer Treatment Reviews）近期的一项研究指出，截至2026年3月，已有69家公司的129项由人工智能驱动的治疗方案进入了人体临床试验阶段。尽管多数项目仍处于早期阶段，但整个研发管线已在迅速扩张。
在材料科学领域，瓶颈已从“寻找候选材料”转移到了“如何制造出这些材料”上。 7月，英国初创公司CuspAI——一家利用人工智能筛选候选材料的企业——筹集了4.5亿美元资金，其中很大一部分将用于在剑桥、新加坡和旧金山湾区建立实验室。目前，该公司筛选出的候选材料尚无一走出实验室。Periodic Labs是一家致力于构建自动化实验室以搜寻超导体的公司，其联合创始人表示，最大的瓶颈在于如何首次成功制备出一种新材料。
规模至关重要。美国每年的研发支出已达约1万亿美元，而将研发成果商业化所需要的资本，往往远超发现阶段。在医药、材料、能源、农业和工业化学等领域的进步，都将各自引发相应的投资链条；新一代机器人和交通工具的发展亦是如此。
第二波浪潮在人才招聘模式上也与第一波有所不同。一个耗资数十亿美元的数据中心，在建成后仅需几十人到数百人即可运营。而试验、实验室、工厂和供应链的各个环节都需要大量人力；我预计，这些就业岗位将分布在与第一波浪潮投资区域不同的地方。
最终，人工智能将迎来第三波浪潮，届时消费者和企业将大规模采购相关的新产品与服务。数字产品目前已进入这一阶段，但对于实体产品而言，我预计其爆发期将在2031年之后到来。在第三波浪潮全面爆发之前，第二波浪潮就已能带动可观的投资与经济增长。
这一切并不要求到2031年就涌现出大量成功的产品。它只需要投资者和企业坚信这些产品终将问世——而这种信念目前正在形成之中。即便某些项目最终以失败告终，它们在开发过程中也依然会产生相应的投入支出。
第二波财富浪潮
随着人工智能提升了创造出高价值产品与实现重大突破的可能性，投资者将重新评估那些具备研发并销售此类产品能力的企业——即便这些产品距离产生第一笔营收还有数年之久。
美国人工智能凯丰基本面纽约加州美股硅谷