过去两百余年，经济学围绕资源配置、收入分配以及价格、就业和增长均衡形成理论体系，其底层长期建立在稀缺性、劳动—资本—技术要素体系、稳定经济主体、均衡机制和价格信号等假设之上。AI正在改变约束、投入、主体与系统状态，推动经济学从基础假设到分析范式重构。

第一，稀缺性发生系统性迁移。标准化认知劳动、知识生产和信息协调的边际成本下降，部分传统稀缺要素趋于丰裕；但算力、电力、高质量数据、可信验证、人类注意力和组织吸收能力成为新稀缺。新的价值来源，取决于约束在哪里形成、由谁控制以及如何进入定价和分配。

第二，要素体系面临重构。AI兼具资本、劳动和生产率属性，并具有非竞争性、规模报酬递增和数据反馈特征。要素框架应扩展为底层物理资本、中间智能资本、数据与场景资本、人力资本和组织资本；分析方法需从“要素加总”转向“任务和流程”，并延伸至知识发现与技术自我进化。

第三，经济主体由独立决策者转向人、模型、平台规则和Agent共同构成的人机复合系统。偏好可能被算法塑造，行为和交易可由模型代理，AI既可能修正有限理性，也可能规模化复制偏差，强化模型同质和尾部风险。

第四，均衡机制由稳定均衡转向多重均衡和长期非均衡过渡。研究重点不应只问“新均衡在哪里”，更要判断旧均衡如何被打破、哪些约束先松动、哪些瓶颈会反噬。

在AI时代，传统“三流+四循环+五部门”框架需要扩展。

1）分析对象由代表性五部门转向“碳基五部门内部异质化+硅基跨部门层”，既要区分AI增强者与被替代者、AI原生企业与传统应用企业，也要将算力基础设施、模型算法、数据资产和AI服务视为嵌入各部门的新层级。

2）传导渠道由实体流、资金流和政策流扩展为“五流”，其中实体流区分碳基与硅基，资金流区分传统信贷与硅基资本，政策流扩展至安全、规制和分配，并将数据流、注意力流纳入观察。

3）经济循环由地产、制造、消费和贸易“四循环”扩展为“五循环”，新增“算力投资—模型提升—用户增长—数据回流—应用扩散—更多算力需求”的AI循环。

具体到宏观变量和细分理论，主要有以下影响。

1）增长核算需由单一GDP转向“碳基GDP+数字福利账户”，识别无形资本、时间节约、质量提升、消费者剩余及隐性风险成本。

2）供需分析需跨碳基与硅基双部门展开，警惕智能供给快速扩张，而就业、收入和消费能力未同步提升。

3）定价体系需由边际成本锚转向能力租金、网络租金和场景租金。

4）增长、通胀、劳动、分配、产业组织和央行反应函数均需重估，其中增长要区分不同久期，通胀要兼顾硅基通缩与资源瓶颈，劳动要从技能溢价转向任务重组和责任分层，分配则要回答AI红利最终归谁。

对总量投研而言，AI压低信息处理成本，也抬升框架、判断和研究纪律的价值。研究需强化叙事辨析、久期意识和阶段判断，重建AI周期领先指标，关注资本开支、数据中心利用率、Token价格与调用量、GPU交期等“新高频”，并跟踪算法拥挤、流动性、集中度及跨市场传导。

风险提示：AI对就业的影响超预期，AI投融资持续性风险。