视角
德勤中国研究《月度经济概览》
第八十五期
发布日期：2023年9月25日
经济形势观察
中国经济呈现回稳迹象
当前，中国房地产市场的走向牵动市场关注。由于房地产对经济有着重大影响（占投资总额近25%，影响三分之一的经济活动）且进入下行周期，预计未来几年内它会拖累整体经济增速。房地产投资目前仍延续下滑态势，1-8月房地产开发投资完成额累计下降8.8%。从短期来看，主要开发商股价下调令投资者担心其会进一步陷入财务困境，而这也将对企业部门和地方财政产生不利影响。我们一直认为，中国遭遇雷曼时刻或系统性风险的可能性较小，但房地产企业股价低迷也严重限制了其投资活动。
近期中央和地方都推出了一系列旨在激发住房需求的政策，许多过去出台的遏制炒房政策都得到了放松。其中，最引人瞩目的莫过于北上广深四个城市已全部落实首套房贷款“认房不认贷”政策，这意味着高昂的首付比例将有所降低。以北京为例，对于无房但有过贷款的购房者，其首付比例将从 60-80% 降至 35-40%。在9月8日公布的《十四届全国人大常委会立法规划》中，被视为楼市需求调控工具的房地产税法未被纳入，意味着五年内房地产税立法大概率不会被提请审议。另外，央行也引导短期资金成本下调，8 月 21 日一年期LPR下降10个基点至3.45%。综上来看，政策制定者的目标是在地方财政吃紧的情况下鼓励消费者增加杠杆；同时，对“高质量发展”的强调也意味着推出大规模财政刺激的可能性不大。
8月的经济数据显示出增长企稳的迹象。8 月 CPI同比回正到0.1%，CPI-PPI剪刀差缩窄，表明中国陷入通缩的可能性较小；国内汽车市场保持稳定（8月乘用车零售销量同比增长 2.6%），旅游业也在蓬勃发展。市场十分关心“中国经济是否会日本化”，我们认为，今天的中国与昨天的日本的关键区别在于——前者正处于追赶阶段，仍有巨大潜力；而后者在上世纪 90 年代就已是一个完全发达的经济体。我们预计，如果消费能保持高于GDP的增速，那将拉动GDP增长超过2个百分点。因此，在5-7年内，中国经济的中长期增速将保持在4%左右。当然，劳动力市场改革（如放开户籍制度，以及更为完善的社保体系）将对维持长期增长至关重要。
图： 中国不太可能陷入通缩流动性陷阱
来源：Wind
最后，从政策应对上看，如果改善性住房的需求相对稳定，而刚需房需求受到市场情绪不振的冲击，那么财政政策更应聚集于中低收入群体，正如疫情期间许多经济体推出消费券政策的考量一样。展望未来，考虑到全球利率将见顶回落，美元升值周期进入尾声，2024年的经济环境可能将有所改善；而即使是考虑到各种挑战因素，2023年中国经济仍有望实现5%左右的增长目标。
金融
逆周期调节加大，需关注风险
8月以来，实体经济领域的一些扰动因素体现了一定逆周期特征，引发市场关注：民营房企、信托理财债违约；7月社融和人民币信贷数据均低于市场预期；并且7月CPI和PPI均呈负增长。
8月中旬，央行开启继6月后的第二轮降息，进一步加大宽信用刺激力度，并发布《二季度货币政策执行报告》定调“稳中偏宽松”货币环境。逆周期调节需要货币、财政等政策合力发挥效用，激发需求是最终目标，然而当前困扰金融业的银行利润压力、地方政府和房地产债务风险、以及投资者信心的稳固更应理性面对和高度重视，关键始终是“平衡稳增长和防风险”。
需求持续疲弱，企业和居民加杠杆意愿低
2022年底疫情防控放开以来，需求缓慢修复。4月，居民部门贷款大幅减少2,411亿元，部分因素为提前还贷，更主要系收入增长的预期不高、预防性储蓄心态仍较浓厚，央行城镇储户问卷调查中选择“更多储蓄占比” 的储户接近六成；7月新增人民币贷款3,459亿元，大幅低于市场预期（7,800亿元）。
7月，社融存量增速滑落至8.9%，为历史统计以来最低点，主要系地方债发行滞后以及银行贷款增长乏力； M2增速自今年2月以来逐月下降，货币宽松程度逐渐回落。
图：2023二季度以来融资持续疲弱
图：社融存量增速降至历史低位(%)
数据来源：人民银行
直击痛点，宽信用以激发需求（亿元）
8月15日，央行继6月后开启第二轮降息，下调 7天逆回购、中期借贷便利（MLF）、常备借贷便利（SLF）10bp、15bp和10bp 。相比宽货币，降息的宽信用信号明显，旨在通过降低融资成本，达到激发终端企业和居民融资需求的目标。
货币市场利率普遍下行，也会对资本市场的流动性提高带来正面效应。截至8月18日收盘，中债十年国债收益率降至2.56%左右，企业债券融资进一步获得支持。
然而，8月LPR迎来非对称调降：1年期下调10bp，显示当前政策意图更倾向刺激短期消费需求，5年期以上LPR保持不变，主要系当前人民币汇率和银行息差压力仍然较大。
扰动因素仍在，防范风险
逆周期调节刺激措施的负面效果是资金空转和套利，高风险领域债务累积，以及银行业利润水平承压。
首先是房地产业仍然疲弱。业内预计，碧桂圆违约事件可能引发房地产行业洗牌和重组；而中融信托理财产品未如期兑付也是房地产债务风险连锁反应的体现，信托业曾是房企开发商获取融资的一个重要来源。其次是地方政府债务。土地出让收入是地方财政收入的重要一部分，房企繁荣年代已不复返，城投、房地产类项目曾是高息资产的代表，现在既无法为地方政府带来实际的高收益；同样地，也改变了银行业信贷结构及盈利模式。
图：房地产市场仍然疲弱
数据来源：国家统计局
然而，我们也看到一些积极信号：上半年，房地产开发贷款增速同比增长5.3%，这是由于政策靠前发力，金融数据领先经济数据；央行定调 “适应房地产市场供求关系发生重大变化的新形势”，金融16条、存量房贷利率下行等一系列措施效果有待进一步观察和检验。
总之，利率下行时，银行业更要做好风险缓冲，应对盈利压力和不良贷款风险。当前银行业单位资产盈利能力降低，利润增长主要依靠扩大资产（放贷）规模来“以量补价”。央行表示：“合理看待我国商业银行利润水平”，考虑到金融周期与经济周期往往不完全同步，银行信贷风险暴露需要一段时间。银行应根据自身情况，综合利用内源利润增长和外源资本补充，夯实资本，以具备充足财力对冲风险，维持稳健经营。
科技、传媒和电信
把握生成式人工智能机遇
由国家互联网信息办公室等七部门联合发布的《生成式人工智能服务管理暂行办法》于8月15日正式施行，是我国首个针对生成式人工智能产业的规范性政策，在明确行业规范的同时，将进一步促进生成式人工智能(Generative AI)应用加速落地。
生成式人工智能是人工智能(AI)的一个子集，是一种基于算法模型从而生成文本、图片、声音、视频、代码等内容的技术。 在过去十年里出现了诸多形式的生成式人式工智能，但大型语言模型（LLM）的出现使生成式人工智能有了重大突破。生成式人工智能由三层组成：基础设施层、模型(平台)层和应用层。基础设施层是最成熟、最商业化的一层， 提供计算、网络和存储。而基础模型(Foundation Model)的核心是在数据集上预先训练的机器学习（ML）模型来解决问题，将应用开发人员与硬件连接起来，以加速生成式人工智能的应用。
图: 生成式人工智能技术堆栈
目前最成熟的基础模型是在文本领域，由大量可用的训练数据驱动。除了文本, 生成式人工智能可进一步在各种模式下创建代码、图像、视频、音频和3D模型，推动行业的生产力逐步提高。例如，在广告行业中，生成式人工智能可以在几秒钟内创建产品描述和图像; 它也可以在医疗行业中生成合成X射线图像，帮助医生进行诊断。生成式人工智能可以改变企业运营和与客户互动的方式，甚至可能重新定义“员工”，这种转变已经在消费者和企业领域展开。
在消费领域，最常见的生成式人工智能应用有四大类，涵盖了优化、研究产品等任务；提供个性化指导或学习内容；生成或增强内容，复制创作过程；以及构建游戏、虚拟人物角色和其他娱乐。与消费领域不同的是，企业则需要更多先进功能、能定制化、保障安全以及可验证的ROI。最受企业欢迎的应用场景将是适用于各个行业（“横向场景”），然而在特定行业（“垂直场景”）中通常会出现更可持续的价值创造机会。垂直场景针对的是需要特定行业领域知识，为此基础模型可能需要进行微调，甚至可能需要新的专用模型。例如生成式人工智能可以用于根据风险回报描述创建定制的证券组合，或根据患者的病史和症状推荐个性化治疗计划。然而，提供垂直场景需要对该领域有细致的理解，例如在软件开发中，生成式人工智能可以根据简单的提示设计代码块，但这需要对高效编码、编码语言的隐性知识和对技术术语的理解。
图:生成式人工智能应用场景
随着生成式人工智能的应用场景不断涌现，我们相信市场将从以下四大方向发展：
- 数据丰富的行业将先行：所有行业都可从生成式人工智能中受益，然而数据丰富的行业如银行、零售、酒店、信息服务会更快地采用该技术。相反，基于需要判断的行业（例如法律、医学）会更加谨慎地采用。
- 垂直应用场景有更高价值：虽然横向应用场景可能将会先提供价值，但垂直特定的应用场景可能会因对专属数据的依赖而获得更高价值。
- 投资拥有明确投ROI的应用场景：随着企业成本攀升，将促使企业投资于具有明确投资回报率的场景。因此直接影响成本（例如聊天机器人）、生产力（例如搜索）或收入（例如市场营销文案）的应用场景可能更容易被采纳。
- 生成式人工智能将成”关键辅助”：当前生成式人工智能存在一些伦理问题，包括可能导致劳动力失业的问题。然而，与人工智能一样，这项技术很可能主要是为人类的工作表现提供帮助。实际上，人工智能可能成为工作者工具箱中的常见工具，就像编码人员使用GitHub一样。
可以预见的几年内，生成式人工智能市场将会持续发展，但在大规模部署之前，需克服诸多挑战，我们建议企业领导者避免盲目追随风潮，但应把握机遇、从底层技术到对各相关方的影响，进行通盘思考：
- 规划生成式人工智能战略：企业应思考生成式人工智能是否能够适应并增强现有流程和企业战略，并将其与企业现有的人工智能战略进行融合。过往的人工智能原则同样也适用于生成式人工智能的使用（例如人工智能治理；流程转型等）。在快速发展的技术背景下，是否需要在此领域寻求合作伙伴和第三方支持。
- 组建跨业务团队，打造应用场景：探索生成式人工智能可能影响的价值链的领域，从基本的生产力数字化到更新的差异化服务或商业模式。当业务、技术领导和外部专家合作时，能够识别出有价值的应用，并设计生成式人工智能的部署，同时减轻业务和网络风险。
- 建立生成式人工智能相关知识基准：通过培训，让员工了解生成式人工智能的用途、风险和能力，以建立知识的基准。此外，随着时间推移，持续监测技术进步以及生成式人工智能应用对未来业务有何影响。
- 满足法律监管与合规：当前或预期中，哪些法律法规涉及生成式人工智能的使用，企业现有治理能力和流程能否满足这些法规监管。
- 充分了解风险以及对各利益相关方的影响：例如训练数据本身带有偏差性、复杂模型的使用成本通常较高、”AI幻象”需进行调查和验证、同时须注意保护企业的机密数据安全、网络恶意行为的风险等。
政府及公共服务行业
提高算力资源的利用效率
人工智能产业快速发展对算力基础设施的需求与日俱增。“东数西算”工程全面启动已经一年半，由于距离导致的数据传输时效问题，西部数据中心尚不能充分响应东部算力需求的变化，一批东部城市在本地建设大型智算中心以弥补算力供给不足。国家主管部门需要加强全国算力网络调度能力，避免不必要的地方算力重复建设。
ChatGPT等生成式人工智能的发展引爆了对算力基础设施的需求。无论是应用在智慧城市还是智能制造、无人驾驶、数字孪生等场景，生成式人工智能除了要有数据支撑以外，还要叠加知识模型、机理模型甚至物理模型。多任务、多模态的能力需要强大的算力基础设施作为支撑。算力基础设施已成为数字产业的重要组成部分，以及赋能产业智慧化转型的关键环节。
西部地区的国家算力枢纽节点的建设进度落后于东部。“东数西算”工程全面启动已经一年半，成本依然制约项目进度的关键因素。虽然把数据中心建在西部，每年能节约大量电费成本，但建设东部地区和西部地区之间的长距离数据网络的成本仍然不可忽视。由于长距离数据传输会导致时延，人工智能、视频会议等对网络时延容忍度较低的数据，目前更多还是要留在东部做计算分析。转移到西部的数据一般是对时延要求不高的冷数据，如后台加工、离线分析、存储备份等数据。这就导致目前西部数据中心的使用率不高。
东部地区多个城市建设智算中心，支撑本地人工智能产业增长。“十四五”期间，在智算中心实现80%应用水平的情况下，城市对智算中心的投资可带动人工智能核心产业增长2.9至3.4倍，带动相关产业增长36至42倍。1目前全国有超过30个城市正在建设或提出建设智算中心。智算中心作为新型基础设施，为AI计算提供更大的计算规模和更快的计算速度，区别于传统数据中心，智算中心不再聚焦业务部署效率及网络自动化能力，而是追求单位时间单位能耗下的运算能力及质量。2
来源：IDC,2022
2021-2026年期间，预计中国智能算力规模年复合增长率达52.3%。 大规模的算力分散在全国各地，使得算力调度的重要性日益凸显。政府要加快全国一体化算力网络建设，实现根据各城市的实时需求动态调配算力，避免算力资源闲置和不必要的重复建设。政府通过盘活全国算力资源，实现东西部协调发展，提升全国范围的算力综合供给能力。
1 《智能计算中心创新发展指南》，国家信息中心与浪潮信息联合发布
2 《新一代智算中心网络技术白皮书》，中国移动研究院
