案例背景
2026年6月，全球科技产业统计数据呈现出一幅”冰火两重天”的景象。火的一面：SpaceX上市三天市值突破2.5万亿，收购AI公司Cursor；宇树科技73天过会创纪录；全球AI产业链外资密集调研；光模块和光芯片进入量产交付阶段。冰的一面：AI芯片出口管制持续升级，全球磷化铟供需缺口超70%，交付排期至2028年；Robotaxi行业仍在探索商业化路径；算力基础设施面临能耗和成本的严峻挑战。
如何准确衡量AI产业的真实发展水平？传统产业统计指标（产值、利润、就业人数）对AI产业是否有效？当AI企业的价值越来越体现在”无形资产”（算法、数据、生态）上时，统计方法需要怎样的革新？这些问题的答案直接影响投资决策、政策制定和企业战略。
核心分析
一、AI产业的”价值错位”：无形资产如何统计
传统国民经济核算体系（SNA）以”有形资产”和”产出价值”为核心指标，但AI产业的核心价值存储在”无形资产”中——算法代码、训练数据、用户网络、开发者生态。罗伯特·索洛的增长核算模型将经济增长分解为资本、劳动和全要素生产率（TFP）的贡献，但AI带来的生产率提升可能因统计方法的局限性而被低估。卡萝尔·科拉多（Carol Corrado）和查尔斯·赫尔滕（Charles Hulten）的”无形资产核算”研究指出，将R&D、软件、数据等无形资产纳入统计后，美国的经济增长率显著提高。中国AI产业的统计也需要进行类似的”增补”——在传统指标之外，增加”大模型参数规模””训练数据量””API调用次数””开发者数量””专利引用率”等AI特色指标。
二、技术产业化的”S曲线”模型：从统计信号中识别拐点
技术产业化遵循”S曲线”（S-Curve）规律：初期（缓慢增长）→成长期（爆发式增长）→成熟期（增速放缓）。识别一个AI技术是处于”S曲线的底部”还是”顶部”，对投资决策至关重要。从当前数据看，大模型API正处于成长期（Token价格快速下降、调用量指数增长），具身智能仍处于初期（”数据多样性不足”），Robotaxi处于初期向成长期的过渡阶段（技术验证完成、商业模式待突破）。埃弗雷特·罗杰斯的”创新扩散S曲线”指出，从早期采用者（约16%渗透率）跨越到早期大众的”鸿沟”是最关键的。判断哪些AI技术即将跨越鸿沟，需要综合看”单位成本下降率””用户增长加速度””行业标准形成情况”三个指标。
三、”算力密度”：AI产业的专属效率指标
AI产业需要一个类似传统产业”人均GDP”的效率指标——”算力密度”（每单位算力产生的经济价值或智力产出）是一个有前景的候选。摩尔定律（芯片性能每18-24个月翻倍）描述的是硬件进步，而”算力密度”描述的是软硬协同效率。随着大模型参数规模的指数增长，如果算力密度的增长跟不上模型规模的增长，AI产业将面临”规模不经济”。当前产业正在出现积极信号——Token价格大幅下降、推理效率持续提升——说明算力密度正在改善。但长远来看，算力密度的”增速”是否可持续，将决定AI产业是进入”良性循环”（算力更便宜→应用更多→数据更多→算力更便宜）还是”瓶颈约束”。
管理启示
从AI产业数据分析中，企业管理者和投资者可以获得三点启示：第一，对AI企业的价值评估不能只看财务报表——无形资产（算法、数据、人才、生态）可能是更大的价值储备。第二，判断AI技术投资时机要关注”S曲线拐点”信号——单位成本下降率、用户增长加速度、行业标准形成——而非仅看媒体热度。第三，”算力密度”是一个需要持续追踪的核心效率指标——它决定了AI产业增长是否可持续。
其他思考
- 如果按照”无形资产核算”的新标准重估全球科技公司市值，排名会发生什么变化？中国AI企业会上升还是下降？
- AI产业是否存在”统计泡沫”——大量投资和估值增长掩盖了真实的商业化进展和盈利能力？
- 从”算力密度”角度预测：未来5年内，AI大模型的训练成本能否降至当前水平的1/10以下？如果做到了，产业格局会发生什么变化？
关键词：AI产业、无形资产、S曲线、算力密度
来源：第一财经、经济观察网、每日经济新闻 | 整理：经管讲堂
原文链接：https://www.rcbom.com/econstat/2657.html
