专题·走势
2018年最受关注的几个经济趋势

2018-01-08

调整字号:

经济走势跟踪

Macroeconomic trend monitor

中国社会科学院宏观经济运行与政策模拟实验室

中国社会科学院经济研究所决策科学研究中心

中国社会科学院经济所《宏观经济与政策跟踪》课题组

2018年第1期(总第1798期) 2018年1月5日(星期五)

经济热点分析

  2018年最受关注的几个经济趋势

  [导读:2018年,世界经济大趋势最受关注的看点中,少不了中国的宏观大势,而最有可能出现井喷的,极有可能是科技与创新,资本市场经过了很长一段时间的低波动期,2018年很可能波动加剧,而中国地产市场是否会出现巨变,更是让人屏息以待。]

  2018:中国宏观大势

  预测:中国2018年经济增长6.5%

  日本经济新闻最近与日经QUICK新闻汇总的中国经济学家调查显示,2018年的实际国内生产总值(GDP)增长率的预测平均值为6.5%,较2017年6.8%的增长率预期相比有所减速。不少观点认为,中国领导层将通过货币紧缩政策来抑制房地产和基础设施投资,另一方面坚挺的消费和出口将对经济构成支撑,经济不会大幅减速。

  中国领导层在决定2018年经济运营方针的中央经济工作会议上提出遏制企业和个人信贷增长规模,以防范金融风险的方针。安盛新兴亚洲高级经济师姚远认为,为了摆脱依赖借款的经济增长模式,对于北京方面来说压缩债务成为优先事宜,18年之后的经济增长率将出现减速。

  不少观点认为,以大城市为中心存在泡沫风险的住宅市场将趋于平静。ABN AMRO Bank N.V经济学家Arjen van Dijkhuizen指出,“在10月的十九大上提出重视经济增长质量的方针,环保政策的强化也将成为拉低经济增长率的因素”。西班牙对外银行(BBVA)亚洲首席经济学家夏乐也表示随着经济从投资主导型向消费主导型转型,成长率将缓慢下滑。

  关于未来一年的货币政策,大部分经济学家预计中国人民银行将维持政策利率和存款准备金率不变,另一方面也有观点认为,为了遏制信贷规模增长,将引导银行间市场的利率小幅上调。瑞穗证券亚洲公司首席经济学家沈建光认为,目前的经济增长率受到企业和家庭贷款规模增长的支撑,融资成本增加将导致投资减速,压低经济增长率。

  还有不少经济学家认为,央行强化对“理财产品”的限制将对依赖“影子银行”融资的地方政府、房地产公司和中小银行构成打击。招商证券的谢亚轩认为将对地方政府的基础设施投资产生巨大影响。

  不过,也有不少观点指出,中国领导层为避免经济过度减速,将继续保持慎重的政策运营。瑞士银行(UBS)的汪涛预测如果经济过度减速,贷款压缩力度将有所放松。光大新鸿基的温杰则认为,中国领导层基础进一步巩固的话,政策容易推行下去,成长率可能高于市场预期。

  关于可能压低经济增长率的因素,“货币紧缩”和“房地产行情的调整”占据第1和第2位。摩根大通中国首席经济学家朱海滨指出,由于2017年的经济增长率高于当初的预期(6.5%左右),当局可能低估削减产能过剩和压缩债务所带来的负面影响,存在过度收紧宏观经济政策的风险。

  2018:分化加剧的中国宏观经济

  中国社会科学院世经政所研究员、平安证券首席经济学家张明指出,近期市场上比较有趣的一个现象是,尽管学者与分析师们针对中国宏观经济乐观与悲观的看法迥然相异,但双方对2018年中国宏观经济指标的看法却惊人地相似。例如,2018年GDP增速约在6.5%左右,CPI增速约在2.0-2.5%左右,失业率保持稳定,货币政策依旧中性,人民币汇率大致企稳(不会破7)等。

  事实上,从2016年起,中国宏观经济就似乎进入了一个平台期,各种宏观经济指标的波动率均显著下降。然而,在宏观经济总量指标大致稳定的背景下,中国经济却呈现出分化加剧的态势。目前几乎在每一个领域,我们都可以看到乐观的一面与悲观的一面。这恰恰就是为何学者与分析师们的意见大相径庭的原因。

  首先看消费

  围绕消费,目前至少有两种看法的分歧。第一种分歧在于,大家都看到了近年来消费占GDP的比重(或对GDP的贡献)超过了投资。乐观的人认为,这是中国经济结构转型的表现,说明中国经济的增长动力结构在发生改善。而悲观的人认为,消费本身增速是稳定的,其之所以对GDP的贡献上升,原因其实不过是固定资产投资增速的过快下降。而这种经济结构的被动改善未必是好事。第二种分歧在于,乐观者认为,当前中国消费结构正在快速上升,中高端消费增长强劲,而茅台酒的热销就是一个绝佳的例子。而悲观者认为,考虑到当前中国总体消费增速是稳定的(甚至略有回落),那么中高端消费增长强劲的另一面,无非是低端消费增长乏力。

  事实上,消费总体增速平稳而中高端消费增速强劲的背后,其实是中国居民内部收入分配差距的加速恶化。最近两三年以来,中国居民平均收入增速大致稳定,且持续高于GDP增速,而中国居民中位数收入增速却出现了较为明显的下滑,且持续低于GDP增速。中位数收入增速持续低于平均收入增速,这说明居民内部收入分配结构的恶化。而近年内收入分配失衡的拉大,与本轮房地产价格的飙升密不可分。

  其次看工业

  乐观者看到了上中游大型国有企业销售收入与利润率的显著改善,而悲观者却看到了中下游中小型民营企业的步履蹒跚。事实上,这一点也可以从近年来工业品价格(PPI)增速显著高于消费品价格(CPI)增速中折射出来。

  事实上,造成本轮大中型国有企业收入与利润改善的最重要原因,不是来自销售量的上升,而是来自销售价格的上升。而销售价格的上升,则又与上中游行业的供给侧结构性改革(压缩产量与产能)以及环保督查(事实上压缩了产量)密不可分。然而,由于最终消费并不算强劲,且行业竞争相对更加激烈,导致下游的企业很难把成本的上升传递给最终消费者。这就造成上中游企业(以大中型国企为主)与下游企业(以中小型民企为主)的表现迥异。

  调研发现,其实即使在民营企业内部,也同样存在苦乐不均的现象。大型民企的表现要明显好于中小型民企。换言之,无论所有制的差别如何,当前中国企业存在着明显的大型企业占优、中小型企业经营状况不容乐观的现象。这大致可以找到三种解释:第一,中国经济已经到了需要提升行业集中度的发展阶段(比较有意思的是中国政府在其中扮演了重要角色);第二,各地政府对大型企业通常比较照顾;第三,金融强监管的结构,造成银行体系融资的收缩,而中小企业通常是银行融资收缩的直接受害者。

  再次看房地产

  2017年中国房地产市场呈现出典型的分化现象,也即一二线城市房地产成交量显著回落,而三四线城市房地产呈现出前所未有的热销。乐观者认为,当前中国房地产的整体库存已经显著下降,未来房地产投资回升可期,尤其是三四线城市。而悲观者认为,2017年三四线城市的房地产热销是一次性的,而非可持续的。这是因为,本轮热销的三个因素分别是,棚户区改造背后的地方政府举债、一二线城市房地产热销的传递效应,以及三四线居民本身的大量举债。这三个因素未来恐怕都难以持续。

  有趣的是,即使对本轮政府房地产调控的可持续性与最终效力,市场也存在两极看法。乐观者认为,本轮调控最终恐怕还得放松,而一旦放松,在市场规律的作用下,至少部分城市未来的房价还将显著上升。而悲观者认为,本轮调控与之前的几轮调控存在显著区别,这次政府是动真格的了。房地产税、放量土地供给与租售并举等长效机制,很可能会在未来一年的时间窗口内陆续推出,而这些举措会显著改变中国房地产市场的未来。在上述两类预期的作用下,目前逢低继续投资者有之,卖房炒股者也有之。

  最后看杠杆

  乐观者认为,其一,目前企业杠杆率已经企稳,甚至略有下降;其二,政府杠杆率与居民杠杆率目前并不算高,均有进一步加杠杆的空间。而悲观者认为,一方面,在企业杠杆率方面,目前压缩的是经营效率更高的民营企业的杠杆,而经营效率更低的国有企业似乎仍在加杠杆;另一方面,过去几年内,无论是地方政府债务(主要通过PPP的形式)还是居民部门债务都呈现出快速上涨趋势,目前的统计似乎低估了地方政府债务的真实状况,且中国政府缺乏与居民部门大面积违约现象(假如一二线城市房价显著下跌)打交道的经验。换言之,针对去杆杠是取得了阶段性成果还是任重道远,目前业界看法也迥然相异。

  张明认为,综上所述,当前中国宏观经济似乎进入了一个波动率下降、各种指标较为稳定的平台期。然而在貌似平静的水面之下,实则暗流涌动。一方面,宏观经济的各方面均呈现出分化加剧的态势,另一方面,去杠杆、控风险的举措也可能产生显著的冲击与影响。乐观者与悲观者均盯住了分化的一个侧面,而把两种视角结合起来考虑,似乎才能把握中国经济的全貌。

  然而,从宏观层面来衡量经济增长效率的各种指标,例如劳动生产率增速、全要素生产率、上市公司税后投资回报率等,似乎依然没有改变下行趋势。如果增长效率仍在下降,那么经济企稳的背后,无非是投入了更大规模的资源,而这种模式似乎是难以为继的。唯一能够真正提振增长效率的指标,只有重大的结构性改革。希望在未来几年里,包括企业所有制改革、土地流转改革、服务业对民营企业的全面开放、更具包容性的城市化等结构性改革能够加速铺陈开来。只有这样,我们才能真正走出中等收入陷阱,成长为现代化强国。

  2018展望:边际趋紧应是中国今年货币政策的合理注解

  路透李文科在一篇综述中指出,2018年中国既要防范化解重大风险,又要推动经济高质量增长,“灰犀牛”和“黑天鹅”虎视眈眈下货币政策看来没有任何理由松绑,边际趋紧应是“稳健中性”的合理注解,宏观杠杆率水平或成为衡量货币政策松紧的重要坐标。

  分析人士认为,虽然要提防欧美发达经济体货币政策正常化以及美国税改等因素的扰动,但更趋均衡的国际收支以及经济增长目标的淡化,将为中国货币政策赢取更大腾挪空间;预计2018年央行上调基准利率的可能性甚微,更倾向于采取“上调市场利率+定向降准”的政策搭配,为金融强监管周期下推进更艰巨的去杠杆和控风险的政策目标提供支撑。

  鲁政委认为,今年的货币政策,通俗一点就是看杠杆。瑞银报告也指出,去杠杆依然是重要的政策目标,基准预测是中国央行不会上调基准存贷款利率,但如果今年美联储加息3-4次,央行可能再次上调公开市场操作利率。瑞银并预测“2018年中国宏观杠杆率将继续缓慢上行,但如果能满足以下几个条件,则未来三至五年的宏观杠杆率有可能企稳,”这些条件是:消费、服务业等信贷依赖度较低的行业增速继续超过投资和工业增速;随着去产能和国企改革的推进,资源分配效率得以提升;企业收入稳健增长而资本支出纪律好转;股权融资的占比提升。

  虽然中央经济工作会议未提及“杠杆”二字,只是讲“稳健的货币政策要保持中性,管住货币供给总闸门,保持货币信贷和社会融资规模合理增长”,但事实上也都跟宏观杠杆率息息相关。

  “考虑到强监管、严规范下金融部门会有收紧的实际效果,”交通银行研究报告建议货币政策保持真正中性意义上的适度性和从实际需要出发的灵活性,真正扮演好“中性角色”。

  相较于去年,2018年稳健中性的货币政策在方向上呈现温和的边际收紧,以平衡兼顾促进高质量增长、防风险和去杠杆的三项核心目标。在去杠杆和防风险的核心主题下,金融监管仍将进一步收紧,市场利率中枢易升难降,今年M2料维持在9-10%左右的低速增长,考虑到通胀仍属温和,且经济韧性增强,基准利率短期没有提升的必要和可能,但仍要提防美联储货币政策正常化可能带来的外部冲击。

  从中央政治局会议以及央行四季度例会的措辞可以看出,有效控制宏观杠杆率将成为今年政策的着力点,只是重心可能有所转移:从去年的金融行业内部去杠杆,譬如加强对委外和同业业务等的监管,转向“去”企业和地方政府的杠杆。

  华创证券报告指出,中国宏观杠杆率的高企主要来自企业部门,企业部门加杠杆又集中在国企,为使宏观杠杆率得到有效控制,势必要约束国企债务扩张。从政策面来看,2018年中央经济工作会议将“做强做优做大”从国企调整为国有资本,意在防范国企过度举债扩张,并强调以处置僵尸企业为主要抓手破除无效供给,结合之前国资委要求规范央企参与PPP,国企债务扩张在2018年将明显受限。

  此外,工银国际首席经济学家程实认为,2018年央行有望采取“上调市场利率+定向降准”的政策搭配,一方面根据实体经济需求和国际政策环境,引导货币市场利率渐次有序上行,另一方面进一步完善定向降准政策,持续优化信贷投放结构,加速中国经济长周期筑底。而存贷款基准利率不会作为今年的主要政策工具,上调的概率较小。

  交通银行报告指出,为了避免市场对于货币政策产生放松或收紧的方向性预期,定向调整准备金率可能未来一段时间会替代全面调整准备金率,成为一段时期内主要调控方式。此外,用作预调和微调的逆回购、结构性工具,也会是常态的“量价”调控工具以服务于“中性”调控。

  2018:科技与创新大趋势

  2018年科技创新趋势

  张璐指出,过去的十年,人类科技创新完成了一个完整的进化周期。这个为期十年的小周期将成为两个科技进步大周期之间的过渡与衔接,引领我们走进一个全新的时代。

  2008年以来的世界经济催生新技术时代

  作为Fusion Fund创始合伙人的张璐认为,2008年的世界经济危机对全球社会经济活动是一次重创,但对于科技革新却是一件好事。

  首先,由金融危机引发的经济危机使得世界经济迅速退潮,大量问题暴露无遗。世界上各主要经济体都面临老龄化或人口红利衰减问题,投资效率降低,杠杆效应和拉动能力不足。当主要依靠资本的力量已经不足以拉动经济继续前行的时候,技术就要走向前台,成为新形势下经济驱动的新的核心动力。

  其次,从2008年至今,科技创新完成了一个完整的进化周期,即基础技术创新-技术应用创新-商业模式创新-新一轮基础技术创新的循环。最初,信息载体技术(基础技术)创新,互联网+智能手机催生移动互联网为时代,之后完成了基于此的各种技术应用,再到最后的通过商业模式变化进行利益的再分配。简单地说就是,技术迭代提供了基础,应用创新开辟新的市场,模式创新重新分配蛋糕。

  但到2014年,以硅谷为代表,商业模式创新已经走到的瓶颈期,现有的技术平台无法继续承载海量数据带来的新技术时代,模式创新进入瓶颈期。这个时候,就需要下一代的技术创新去破旧立新,去搭建新一代的信息载体平台,推动下一层面的应用创新。

  到了2016年,硅谷依托于新技术的新一轮应用创新探索开始逐渐形成。这一轮创新主要体现在新技术和现有以及传统行业的应用结合。新技术的真正价值实现不在于替代,而是整合到现有行业和技术解决方案中,从而提高整体的生产效率。

  六大领域的科技红利期

  由于创新周期与周期主导产品生命周期的共同作用,在历史上出现的每一个创新周期都呈现出一个共同的规律性——需要经历科学技术与成本竞争两个不同的发展阶段。

  首先是人工智能。AI是未来最重要的方向之一。2003年硅谷出现大规模AI创新以及投资失败潮,如今投资人卷土重来,是因为现在的AI技术较之十几年前不仅更加成熟,更重要的是应用成本大幅度降低,而且市场应用窗口也已经打开(这两点也是技术创新应用产生经济价值的关键)。

  人工智能本身就是一个非常广泛的领域,其中并不是每个细分技术方向都到了适合商业应用的阶段。在过去一年中,人工智能更多的价值体现在工业、企业和医疗服务方面的应用。

  而且作为一个基础技术,AI可以广泛存在于每个行业里。AI核心就是平台性技术加数据:生物技术+数据+AI,是AI在生物信息学(bio-informatics)的应用;医疗器械+数据+AI,是AI在智能医疗的应用;工业物联网+数据+AI,是AI在智能工业的应用;安全技术+数据+AI,是新一代系统安全的应用。

  接下来几年具有巨大应用发展机会的主要是机器学习,自然语言处理,和计算机视觉,这几个方向也有自己不同的侧重点。

  机器学习的核心是数据+算法,过去几年大型科技公司逐渐建立了自己的机器学习开源平台(Google-Tensor flow,Microsoft-CNTK,IBM- Waston等),赋能小公司,同时使自己成为行业标准。开源的机器学习平台可以类比过去的互联网,成为行业标准就能成为新一代“互联网”运营商。所以小公司在这方面的创新更多的体现在上层应用创新,以及寻找如何使用机器学习在每个细分领域进行进一步自动化、个性化和效率提升的创新机会。

  语音交互是未来,也会是未来信息的入口。万物互联之后,不管是智能家居,还是车联网,和人的交互首先第一个是基于自然语言处理技术的语音交互技术,而语音交互技术现在发展非常快速,过去几年在硅谷已经由基础的语义理解,发展到可以做到语境理解和背景判断。

  图片和图像信息过剩是工业和医疗影像行业的问题,而计算机视觉技术是目前最好的解决方案。从最基础的安防,再到后面的用户的识别,再到个性化的推送,都是商业应用的趋势。

  第二个迎来技术井喷的是机器人领域。有了在机器学习,自然语言处理和计算机视觉领域的长足进步,作为上述技术和硬件传感器的整合,机器人的应用前景就不仅仅是前景,而是现实。

  低成本传感器的普及是机器人应用可以推广开来的核心。同时通过在软件层面配套云计算和人工智能技术,过去一年机器人开始越来越多的应用于智能工业、智能制造领域,并开始在医疗领域铺开,比如工业物流,自动化生产,人工外骨骼和手术机器人等。

  第三,过去一年大公司的物联网布局已经形成既有的家居物联网生态。新的创新主要集中在车联网,医疗物联网和工业物联网,同时这也是比智能家居更加巨大和能快速产生商业价值的技术创新方向。车联网是物联网在智能交通+无人驾驶领域的创新应用,也是实现无人驾驶的必要条件。车联网是智能交通生态的重要部分,所以过去一年,越来越多的硅谷创新开始转向智能交通生态,而不只是无人驾驶系统。

  第四,过去一年公有云和私有云同步发展。大企业需要更多技术创新以形成更加安全和巨大运算能力的公有云,私有云的创新逐渐开始倾向于和公有云的配合。另一个创新趋势是新一代网络加速技术,海量的数据实时产生需要更快速的网络加速技术,信息传递也已经完全形成移动化,所以短平快的网络信息加速也是新的创新趋势。

  第五,科技进步对于通讯传播的广度、速度和质量提出了更高的要求。5G技术创新在过去一年开始崛起,这也构成了对现有WIFI系统的巨大挑战。

  第六,区块链技术未来的前景依旧可能非常广阔,目前只是技术还处于早期,有许多瓶颈需要突破,且未形成成熟的基础设施支持。经过未来几年的市场调整后(类似于2000年的互联网泡沫),然后会形成正式的市场机会。值得关注的是,区块链技术的应用不只是在金融领域,过去一年也开始有在供应链,医疗信息,social data方面的技术应用,而这些领域的应用机会也更加巨大。

  未来新型医疗和智能制造

  据IMS预测,到2019年,全球医药市场规模将达到1.2万亿美元。

  传统医疗更多的是硬件创新,但在智能医疗和传统医疗的结合下,新型医疗将实现机器视觉和传统方法结合进行看片;用机器学习和自然语言处理做病例审阅;甚至通过数据处理辅助传统的癌症筛查和检测技术,用大数据做拟合,使得检测结果更加准确。

  此外,以前传统医疗创新最大的问题在于所有人的生理信息是离散的,所以无法实时获得数据真正的价值。但现在,当AI技术应用落地之后,医疗器械便成为了一个数据采集中心,将采集海量数据放入云端,进行实时分析,通过整合达到精准诊疗和检测。

  未来医疗的另一个重要趋势,就是向靶向诊疗发展——更加精准和个性化的诊断和治疗。谈及精准和个性化,就不可避免的涉及到一个新兴技术——纳米机器人,包括通过纳米维度实现DNA引擎,内腔手术机器人,以及用于脑功能修复和提升的人脑机器互联技术等。

  在智能工业(智能制造)领域,新技术和传统行业的结合始于制造业和半导体行业实现的生产线智能化。如今,这个智能化会进入2.0时代,即不只是简单的智能化,而是软件硬件的同步升级。硬件方面,低成本的传感器的大量普及使其收集的生产线的信息更加的准确和具有实时性。而网络技术和云计算的普及,可以使生产线可以快速实时纠错,减少停机时间,大量提高生产效率。此外,对于化工、石油等更为传统的行业来说,这些行业与新技术的结合可以提升的效率更大。尤其在精细化工领域,很多化合物合成,利用人工智能技术和网络技术的结合进行智能改造,可以提升科研速度,提高生产线上的质量和效能控制。

  正如前文提到的那样,未来医疗的趋势是个性化和靶向,这为制药行业提供了更广阔的空间。通过收集个性化信息,根据每个人不同的病症,进行个性化的诊断和治疗,将来药物的生产也会随之走向定制化——每个人吃的药都不一样。另外就是新药研发,以往需要大量的人力和时间,而现在和将来利用新技术可以进行虚拟的筛选、整合和预测,可大大缩短新药研发的周期。

  新的信息垄断即将出现

  大型科技公司的技术垄断并不是今天才形成的,而信息垄断即将成为大公司下一个超级金矿。

  科技发展到一定程度形成奇点效应,新经济体的形成都是依托于科技创新,将公司从人口密集形式中解放出来。公司整体趋向小型化,单个人的价值创造和经济贡献指数型增长。低端的,重复性的工作通过技术手段而非人工方式完成,网络加速,通信技术可以减少工作地域影响,更好地适应全球化团队。通过技术创新,科技公司可以形成跨政府地域的信息采集,海量数据成为公司最宝贵的资产。

  以生物信息学为例,过去人们的生理信息是离散的,因为传感器和小型化医疗设备的普及,现在可以将每个人原本碎片化的个性信息整合,包括生理信息、样本数据、基因等,形成的巨大数据库。比如药厂如果想研发个性化的药物,它的前提是拥有数据,那么设想一下,如果一个药厂有了某国家或地域人的大量生理信息,比如基因缺陷等,这可以形成很大规模的生物信息垄断。

  此外,信息垄断将打破科技公司既有的估值评价体系。跨行业的数据交换具有很强的乘法效应。跨行业后,新用户的获取成本更低,同时跨行业后,数据更加有价值,从而通过信息垄断形成新的科技垄断,不只单纯是行业垄断。

  说到底,信息垄断是一种资源型垄断,而且不受行业地域的限制。低成本传感器广泛应用到人类社会各个领域,所形成的海量数据为科技公司的发展提供了可观的势能。通过技术触角形成社会信息垄断,所产生的社会影响已经显现。

  可以说,未来数据信息就像氧气一样,无处不在,不可或缺。人不呼吸会死,同样,未来只有那些能自主掌握呼吸命运的企业才能生存下来。

  2018年科技业大走势

  英国《金融时报》的理查德·沃特斯认为,2018年科技界主要的增长引擎将是数字广告、电子商务,以及全球IT界向“云”的集体进军。中国科技公司的全球抱负也会更明显。

  沃特斯认为,无人驾驶汽车、增强现实眼镜和语音控制计算机,这些发明制造了吸引眼球的热点新闻,但2018年科技巨头们的主要增长引擎早已成为商业生活根深蒂固的一部分,它们分别是数字广告、电子商务,以及全球IT界向“云”的集体进军。

  过分相信推测向来都是危险的,但数字化的一些趋势很难被忽视。无处不在的科技基础设施和用户对数字服务便利的偏好推动了这些趋势发展。它们也反映了有越来越多企业愿意在谷歌、Facebook、亚马逊以及中国科技巨头阿里巴巴和腾讯等公司搭建的平台上运营。

  目前全球约40%的广告支出投向数字渠道,仅略高于电视渠道占比。数字网络出众的定向能力和互动潜力应该会继续推动这种转变。

  广告也成为数字平台取得优势地位的最好例证。在过去两年中,谷歌和Facebook两家公司几乎瓜分了数字广告支出的全部净增长。如果沙发土豆们依然保持痴迷电视的习惯,数字化速度将会放缓,其他渠道可能也会分走视频广告更多份额,但基本的转变趋势应该是不可阻挡的。

  全球零售销售中网络销售的占比还较低,留出了足够的增长空间。据高盛数据,电子商务在美国的销售额占比约为14%,在西欧为9%。在中国这个数字是22%。

  与几大广告平台一样,亚马逊也一直展现出数字优势带来的赢家通吃的特点。其增速随着它的增长还在加快,而不是放缓。

  与此同时,高盛最近一项调查发现,大型跨国公司的计算量只有19%转移到云端。现有IT基础设施的沉没成本意味着向云计算过渡将需要很多年。但据Gartner数据,2018年全球IT支出将达到3.7万亿美元,这一商机的规模是巨大的。

  苹果、谷歌、微软、亚马逊和Facebook这五大公司将自己定位为这些趋势的弄潮儿的美国平台公司,2017年成了全球价值最高的五大集团。而且尽管苹果预计2018年几乎实现不了任何收入增长,这些公司预计2018年仍将增加总计1000亿美元的销售额,集体增长率为14%。

  那么主要风险是什么?在2018年,死亡的征兆可能会变得更加明显。苹果一直在艰难展现自己在智能手机领域之外还有什么增长方向。谷歌还未能把它在搜索广告上的成功复制到其他市场上。微软的一只脚仍然深深陷在古老的PC世界。

  最直接的威胁可能来自外部。欧洲监管机构和法院已经率先对科技巨头的权力和财富发起反击——从去年就苹果在爱尔兰享受税收优惠地位一事罚款130亿欧元、到裁决优步应该被视为运输公司来监管。期间还有针对谷歌开出的创纪录的反垄断罚款。

  由于美国政界就俄罗斯利用Facebook影响去年美国总统大选的强烈抗议,现在焦点已经转向了华盛顿。私下里,所有大型科技公司都已准备好面对监管行动,不过以目前美国躁动不安的政治气氛,很难确切地预见政府将采取何种行动。

  美国不断上升的政治不确定性应该也有助于突显中国科技领头羊的崛起。这些中国科技企业成功实现了与国家利益的紧密结合,享有与外国竞争基本隔绝的国内市场。尽管这些中国科技企业最近投资了Snap和Spotify等公司,但目前它们还没有完全踏上世界舞台。但是到2018年底,这些中国科技企业的全球抱负很可能会变得更加明显。

  中美领跑“未来大脑”竞争

  日本经济新闻追踪了2018年的焦点后认为,左右国家产业竞争力的“未来大脑”的竞争已拉开序幕。

  “400多辆车从北京市内到机场,可以避开拥堵的最佳路线是?”,加拿大的创业企业D-Wave Systems的首席执行官(CEO)弗恩·布劳内尔(Vern Brownell)表示,使用该公司的计算机,只需几秒钟就能计算出最佳路线,而“普通的计算机则需要30分钟”。

  量子计算机应用量子力学的原理实现了高速计算。在计算用于新药开发的化学物质配比等方面能够发挥威力。不过,由于与现有计算机的动作原理不同,面临着小型化等问题,目前还处于发展的初级阶段。即便如此,各公司仍对量子计算机寄予厚望。原因是认为相同面积上搭载的电路数量越多、性能也随之提升的“摩尔定律”正渐渐失效。相反,量子计算机则能跨越这一极限。

  在量子计算机的应用方面暂时领先的是美国企业。谷歌正加紧自主推进量子计算机的开发,力争应用于人工智能(AI)。IBM也将本公司的量子计算机接入云端服务向大众公开,并与日本的化学企业JSR和德国戴姆勒等用户企业等推进开发。IBM的达里奥·吉尔(Dario Gil)表示,“今后几年量子计算机的技术和应用将加速发展”。

  中国企业的动向也不容忽视。阿里巴巴从2015年开始与中国科学院携手推进开发。拥有大量数据的中国企业为了活用这些数据,正在加紧开发高速计算机,在相关技术方面正加紧追赶美国。

  日本方面,NTT开发出自主方式的国产机,并从2017年11月开始免费公开。日本政府也决定从2018年度起的10年里投入约300亿日元,但目前仍落后一步。

  物联网时代对边缘计算的需求上升

  《华尔街日报》报道,成百上千万的机器和物体正首次接入互联网,对过去几十年中为人类使用者设计的架构形成挑战。因此,企业正纷纷将更多计算资源投入网络边缘,例如车辆、电梯、工厂机器等。科学家认为,有一些应用和使用案例中需要有实时的机器智能,不能等待云端响应。

  研究公司MarketsandMarkets的数据显示,初创公司以及微软和通用电气等老牌企业争相进入边缘产品和服务市场,预计该市场规模到2022年将增长至67亿美元,2017年约为15亿美元。

  在这种新架构中,数据在产生这些数据的设备现场或附近得到处理和分析,而不是首先传送至企业云或数据中心。这样设备可以实时计算并分析数据,而不像通常那样依赖连接至企业云。新的架构还将为一些服务提供便利,比如基于实时分析的个性化移动应用推广。

  据Gartner Research Inc.,联网设备的数量正在激增,到2020年将由2017年的84亿部增至204亿部。Gartner还补充称,到2021年,40%企业的边缘计算策略将就位,而2017年这一比例仅有1%左右。

  自动驾驶技术彰显出对边缘计算的需求。自动驾驶汽车必须实时做出生死攸关的判断。其中部分计算将由汽车自己进行,而不是等候数据传输到云端再传回,而且有时自动驾驶汽车可能甚至根本无法连接到云。

  初创企业Vapor IO的总裁兼首席运营长Don Duet称,通常情况下,从产生数据的设备端将数据传输到云供应商再传回需要150-200毫秒。Vapor IO与移动基础设施提供商合作,在蜂窝塔上建设和布置边缘服务器。他还表示,在设备附近布置服务器或网关能将这一过程的时间缩短至2-5毫秒,可显著改善像医疗、联网汽车和智能城市这些关键应用领域的性能表现。

  在许多边缘计算场景中,会有一块被称作网关的硬件配置在设备附近,负责收集传感器捕捉到的信息,并用软件进行分析,必要时将分析结果和数据发送给企业云端。在另一些场景中,服务器和软件会构成一个“边缘云”配置在设备附近。

  2017年,施耐德电气开始利用微软的Azure IoT Edge服务进行试验;Azure IoT Edge将现场设备与网关硬件连接起来,是其公有云的一种延伸。施耐德电气负责数字服务和物联网的执行副总裁Cyril Perducat说,施耐德正利用该服务预测有杆泵的潜在机械故障,这类故障维修成本很高;有杆泵应用在偏远地区的石油开采,而在这样的地区无线网络有时覆盖不到。

  2016年皇家加勒比游轮有限公司开始尝试通过边缘计算来运行一个在海上航行途中为客户提供服务的移动应用。安永数字和新兴技术部门经理兼皇家加勒比的数字顾问Eli Tsinovoi表示,驱动该移动应用程序的边缘计算系统是由数个机架的服务器和基于软件的应用组成,它们在五艘船上组成了一个“小型云”,也即“边缘云”。该移动应用可根据边缘计算系统的实时分析来为船上的每位宾客提供个人化信息。

(未完待续)

 

  (整理、编写:王砚峰、张佶烨;责任编辑:王砚峰)

 

  2018年第1期(总第1798期)           2018年1月5日(星期五)

  地址:北京阜外月坛北小街2号          E-mail:tsg-jjs@cass.org.cn

     中国社会科学院经济研究所             kingwyf@163.com

  邮编:100836

  电话:(010)68034160             传真:(010)68032473