报告核心观点
　　AI正在推动宏观分析范式由传统的“五部门”向“硅基跨部门层”拓展，我们在本篇进一步梳理硅基部门对经济传导机制的重构，同时拓展我们的指标跟踪框架。
　　AI的发展正在重构过去的经济传导机制：
　　第一，货币政策传导弱化。AI巨头资产负债表强、融资渠道多元，企业更重视市场份额和生态位，数据中心项目周期长、不可逆，都使得政策利率的敏感性降低。
　　第二，财政政策传导变异。财政目标由逆周期需求管理转为供给安全与产业竞争力工具；AI发展也影响财政收支结构，要求财政职能转向“捕获并再分配AI技术租金”。
　　第三，就业消费链条脱钩。AI的就业替代可能已经在渐进发生，同时附带着结构性的就业创造和场景创造效应，但分配制度的调整可能相对滞后，短期供给能力扩张速度可能快于需求能力形成，从而导致一定的挤出，短期碳基部门的需求传导链条可能会有所断裂。
　　第四，通胀传导出现分裂。短期形成硅基投入品通胀、传统碳基最终品、硅基产出品通缩的格局，而长期技术进步或存在通胀效应。
　　第五，贸易汇率传导逆转。比较优势由先天要素转向可投资的算力、数据、电力和制度禀赋，贸易逻辑转变推动供应链重构，全球形成“AI核心—边缘”结构。
　　这些变化之下，跟踪框架也需要进化。一方面，硅基部门的运行机制与碳基部门并不相同，对硅基部门的发展需要构建一套系统性的跟踪框架；另一方面，传统的经济传导机制并未完全失效，但需要有所拓展。
　　对于AI内部的传导机制，沿着（下游）应用←模型←数据中心（云厂商）←硬件/能源（上游）形成上下游关系和循环反馈。短期焦点在算力供给，关注AI巨头资本开支、租赁负债、RPO及硬件收入，验证算力需求和基建落地；同时跟踪电力、建设进度、云收入、算力租金、现金流与折旧，判断资本开支的可持续性。中长期根本的需求来源仍在于应用层和模型层，关注模型能力、Token量价、企业AI采用率、开发者生态、应用软件收入和模型公司ARR，验证“应用增长—模型调用—算力投资”的需求闭环。
　　对于传统的传导机制，货币端单列硅基资本流和信用定价，就业收入端聚焦高AI暴露行业及重点群体，通胀端区分投入品、最终品和数字价格，贸易与财政端则关注新要素禀赋、数字服务贸易、税基变化及租金归属。
　　国内传导机制有何特殊性？第一，中国旧增长仍依赖地产、城投和出口，AI短期体现为对相关产业、城市和消费群体的点状外溢，但挤出效应同时存在，尚难替代传统链条。第二，中国供给侧政策工具较强，但需求端传导偏弱，AI可能加剧“供给扩张快于需求形成”的矛盾，需同时观察算力基建与收入、消费、分配机制的改善。第三，长期关键在于能否补齐高端芯片、基础软件和算力基础设施短板，形成“内部需求—国产模型—国产硬件—应用扩散”的自循环。
　　伴随AI影响的进一步扩散，我们基于新框架跟踪智能经济时代的传导链条，以及其对宏观经济的影响。
　　风险提示：AI算力供给与成本约束风险，AI投融资持续性风险。