国金证券：AI渗透面临的现实制约

据国金证券的国金研究报告，AI的证券渗透速度是泡沫风险和就业风险的共同变量。快速渗透表明AI广泛融入核心工作流程，渗透实制能够更显著降低成本并兑现收入，面临这将减轻对AI投资回报率的国金担忧，但与此同时，证券可能加剧就业和收入分配压力；而渗透速度缓慢则可以为劳动力市场提供更多缓冲期，渗透实制但资本开支的面临回报周期将延长，从而容易引发新的国金泡沫担忧。

从短期来看，证券AI产业链将呈现“微观乐观、渗透实制宏观谨慎”的面临局面。技术革命的国金真正转折点往往是企业找到与新技术相匹配的新组织形式，而不仅仅是证券技术的强大。

国金证券的渗透实制主要观点如下：

本报告是关于AI洪流系列的第三篇，关注企业视角下，AI渗透所面临的现实制约。尽管大语言模型的能力日益增强，但这并不直接等同于“企业利润、组织效率和生产率”的提升。关键因素在于企业能否克服非标化数据、旧系统流程和过时激励机制的鸿沟。

每次技术革命几乎都经历“技术可用”、“组织可用”和“经济可用”的过程。目前，AI仍然在接入旧流程之中——比如用AI生成文档和代码。尽管局部效率提升显著，但真正影响生产率的提升必须围绕AI进行数据流、审批流和岗位职权的重新设计。

因此，AI的渗透速度依然是泡沫和就业风险的共同决定因素。快速渗透意味着AI进入核心工作流，强化成本节约与收入兑现，降低投资回报率的担忧，反之亦然。

一、生产力提升的关键在于企业重构

提升生产力的关键在于企业是否被AI重构，而非简单的人力替代。发明并不等于生产率的提高，只有当AI有效地改变企业的工作流、数据流、决策流时，企业的ROI才能得到可持续提升。

因此，对经济影响的关注不能局限在模型的运行和用户数上，更要观察AI是否真正进入工作流程，改变组织流程，并带来可度量的收入或利润贡献，以及最终提升整体生产率。

在这样的背景下，企业在就业冲击中面临AI渗透路径的约束。如果AI更快融入生产体系，将有效减轻资本市场的泡沫担忧，但同时也会加剧就业结构变化带来的冲击。而如果AI进入得较慢，则可能为短期失业压力提供缓解，却可能重新引发对回报率的质疑。

历史上，每次技术革命都经历“技术可用”-“组织可用”-“经济可用”的鸿沟，例如电力的引入曾经存在类似情况。电气化的效率红利在于当电机的使用允许新型工厂布局和流程重塑时才得以体现。

目前，AI在旧组织中完成旧任务，比如通过生成PPT、Word文档和代码，提高的只是局部效率。如果未来的工作流程能够通过Agent间的直接合作完成，那么数据处理将会得到更本质的提升。

真正的效率释放源于围绕AI重新设计任务分解、汇报流程、审批权限和责任归属。技术革命的关键在于企业找到适配新技术的组织形式，目前AI时代的重构仍然未启动。

二、三道AI鸿沟影响企业组织及流程的重构

企业应用AI面临的第一个障碍是大量非标准化数据在AI视角下的低效。行业中大量的数据难以标准化、调用和合规共享，因此AI很难充分发挥其潜力。

其次，技术债务也是一个重要的阻力。企业的系统受到过去信息化建设的制约，冗余的代码和数据库增加了替换的难度。比如美国社会保障署依赖的老旧代码使得现代化进程缓慢，这表明AI技术即使再强大，也面对现实世界的固有束缚。

最后，改进决策流程和激励机制也是企业面临的挑战。许多企业在鼓励使用AI之后，发现使用成本迅速上升，未能有效提升整体效率。如果仍然依赖传统的审批流程，组织并未真正实现AI的改造。

根据标普500企业的数据，仅6%的样本报告中提到AI相关影响明确带来了收入提升，反映出节流仍是企业反馈的主要内容。

从技术革命的角度看，AI原生企业与传统企业的区别在于前者在设计组织时本身就融入了AI，而传统企业则需在现有结构中进行改造，挑战在于组织是否愿意让AI改变流程和岗位。

AI的真正效率提升往往存在于中后台流程，虽然智能客服和内容生成容易被关注，财务对账、合同审核等更能直接影响企业的效率和成本，但如果AI的盈利模型仍不清晰，企业对AI的投资决策将会变得更加谨慎。

三、微观乐观与宏观谨慎的平衡

微观层面，企业确实通过AI实现了降本增效，资本市场对这些企业的估值也相应提升，特别是技术、云计算、及垂直软件公司形成了清晰的资本支出链条。

不过，宏观层面AI的全球实际收入占美国GDP的比重仅为0.42%（2025Q1为0.13%，2024Q1为0.04%），这意味着AI仍处于规模较小的阶段。尽管如此，AI的价值并不完全体现在GDP中，而是以潜在的消费者剩余形式存在。

资本市场对企业的估值仍需依赖可货币化的收入和利润，而社会要付出的失业成本限制了AI渗透速度。

因此，观察AI的成长应从以下四个维度出发：

第一，AI是否融入企业核心生产流程，而非仅作为辅助工具？

第二，AI是否主动改变组织流程，而不只是提高个体效率？

第三，AI是否能够形成可持续的ROI，而不只是降低部分成本？

第四，AI是否推动宏观生产率的提升，而不仅仅是资产重估的结果？

模型能力是快速变量，而组织结构和生产率则是缓慢变量；AI的扩散不仅取决于模型能力的强弱，更依赖于企业的接受速度。技术革命的关键在于找到与新技术相适应的组织形式。

风险提示：AI技术的暴露和更新可能滞后，存在数据统计的偏差；若AI Agent的能力未能如预期发展，可能导致劳动力结构大幅变化；全球央行的快速政策调整可能引发二轮通胀，进而抑制需求，导致AI创造的降本增效效应减弱，从而引发投资回报率的担忧。