涉及行业/公司 * 越南宏观经济 [2][3][4] * 越南制造业（特别是电子、半导体、高科技）[18][24] * 越南基础设施（交通、能源、物流、数字基建）[2][27][28] * 越南房地产与银行业 [50][54] 核心观点与论据 * **核心增长目标**：越南2026-2030年五年计划的核心目标是实现年均实际GDP增长10%或以上，这显著高于前一个五年计划6.5%-7.0%的目标 [2][4][5] * **增长模式转型**：计划强调从要素密集型扩张转向由科学技术、创新和数字化转型驱动的高附加值增长模式 [2][18] * **关键增长驱动力**：政策重点包括通过快速提高劳动生产率、增加投资（特别是基础设施）以及吸引高附加值领域的外国直接投资来支持增长 [2][10][24] * **劳动生产率挑战**：为实现目标，劳动生产率增长需从过去五年的平均6.7%提升至年均8.5%，这是一个重大挑战，因为越南劳动年龄人口增长已显著放缓至约0.6% [10] * **全要素生产率目标**：全要素生产率对增长的贡献目标设定为55%，远高于过去五年估计的40%实际贡献，突显了对效率和生产力驱动型扩张的需求 [11][16] * **基础设施投资加速**：为应对产能限制，政府计划提前并加速基础设施投资，2026年发展投资支出预计同比增长42%，远超总预算支出23%的增幅 [2][28] * **出口结构依赖**：越南出口结构严重依赖电子产品（约占2024年出口的45%），但国内附加值相对较低 [18][21] * **本地化积极迹象**：有早期迹象表明供应链本地化正在推进，例如韩国制造企业在越南的本地原材料采购比例从2022年的30.1%上升至2025年的39% [19] * **FDI持续关键作用**：外国直接投资被视为增长和升级的核心驱动力，近年FDI流入达每年160亿至200亿美元，约占GDP的4%，韩国是最大来源国 [24][26] * **宏观经济稳定前提**：增长战略以维持宏观经济稳定为条件，包括控制通胀（2026年目标约4.5%）和公共债务安全（法定上限为GDP的60%，2023年实际约为36%）[13][34] * **与中国早期增长的比较**：越南的增长战略可概括为FDI驱动的升级、城市化以及基础设施带动的生产率提升，类似于中国21世纪初的经验 [36][38] * **面临的挑战**：与中国早期相比，越南面临更弱的人口增长动力（2025年劳动年龄人口增长39.9万人，同比0.5%）、更高的起点人均收入以及更不乐观的全球贸易环境 [35][38] * **储蓄与投资路径**：维持高投资可能需要国内储蓄率从当前的36%-37%显著提高（这可能抑制私人消费），或依赖更强劲的FDI流入（估计每年需增加100-200亿美元）[45][46] * **潜在房地产风险**：快速城市化可能演变为由房地产驱动的投资热潮，带来潜在系统性风险，类似中国经验，目前越南房地产信贷约占贷款总额的24% [50][54] 其他重要内容 * **过往增长回顾**：2021-2025年实际GDP平均增长6.2%（排除202年为7.2%），私人消费恢复至疫情前增速，投资增长因私人情绪疲软和公共投资执行延迟而放缓 [4][8] * **城市化空间**：越南城市化率约40%，远低于新兴市场亚洲约60%的平均水平（不包括高度城市化经济体），表明通过城市发展追赶的空间巨大 [27][31] * **基础设施瓶颈**：世界银行企业调查显示，2023年越南约43%的企业经历过停电，在新兴市场亚洲中属于最高之列，凸显了基础设施支出需求 [28][33] * **公共投资空间**：公共债务占GDP比例（约36%-37%）远低于60%的法定上限，为公共投资提供了显著空间 [34] * **银行业资产质量**：由于部分房地产开发商陷入困境，银行业不良贷款率在2025年3月仍处于5.3%的高位 [50] * **目标性质评估**：鉴于人口限制和所需的生产率提升规模，实现两位数增长的目标显得雄心勃勃，更接近依赖于卓越投资执行和改革交付的上限情景 [55]

软件即服务行业与AI影响 - 自2025年10月以来，SaaS软件股大幅下跌，市场普遍担忧软件行业因AI而衰退、被颠覆和取代[3] - 市场抛售近乎不加区分，情绪过度悲观，但软件本质是数字工具，其核心价值在于自动化新任务并作为TAM加速器，使公司能在更短时间内创造更多新产品[3] - AI代理构成新的数字劳动力，处理探索性、低价值和重复性任务，使人类能专注于高价值的创造性和战略性工作[4] - 编写代码仅占构建企业软件工作的1%，其余99%涉及确保代码有效运行、维护、迭代、安全和扩展，这才是真正的难点[5] - AI辅助编程无法替代深厚理解、意图、判断力和品味，这些仍是瓶颈，自动化主要扩展现有结构，AI代理在意图明确稳定时表现最佳[6] - SaaS行业具有异质性，不能一概而论，认为企业将抛弃所有软件并用AI代理“氛围编码”是过于乐观的[7] - 拥有庞大代码库、深度工作流、广泛API连接/监管许可、强大网络效应和广泛硬件基础设施的大型复杂SaaS平台可能更具韧性[7] - 确定性系统（要求100%精确）比概率性系统（可容忍错误、专注于模式识别和内容生成）更可能免受冲击，若LLM能以10%成本复制90%质量的概率性产品，原有商业模式将难以为继[8] - 高价值、关键任务、必备软件（如网络安全、支付、基础设施）比低价值、非关键任务、可有可无的软件更具韧性，因其客户粘性高、流失率低且愿支付溢价[9] 数据中心电力需求与供应分析 - 数据中心当前耗电量约为45吉瓦，第三方预测到2030年将达90-95吉瓦，即需新增50吉瓦，2035年预测值约为160吉瓦[10] - 电力供应侧，公用事业公司正在处理约140吉瓦的近期数据中心并网需求，经PUE调整后，与第三方预测可比的口径下约为110吉瓦[11][12] - 需求侧到2030年仅需新增50吉瓦，但公用事业公司已在处理110吉瓦的并网工作，这几乎相当于到2035年的全部预测需求，表明数据中心供应可能远超需求[13] - 对需求预测信心中等，当前OpenAI构建所有ChatGPT耗电2吉瓦，所有大型科技超大规模运营商2024年总容量约15吉瓦，要达到95吉瓦预测是惊人数字[13] - 1吉瓦电力可满足约100万户家庭用电需求[14] - 现有电网存在大量闲置发电能力（如德克萨斯州市场峰值87吉瓦，可立即增加10吉瓦），通过提高现有煤电和气电厂利用率或支付工业用户短期让电，比新建远距离输电项目更具经济性[14] - 电网峰值需求为850吉瓦，总规模为1200吉瓦，每年新增50吉瓦太阳能和20吉瓦天然气发电，电力供应问题可控[14] AI代理采纳的障碍 - AI代理成为真正数字伙伴的主要障碍有二：一是互联网界面为人类优化，不适用于AI代理，可能需要构建平行的机器可读网络；二是许多AI代理用例处于非法或法律模糊地带[15] - 现有企业可能因缺乏激励或面临潜在损失，而不愿投资于促进机器可读网络的发展[15] - 具体案例显示，AI代理在完成如购买音乐会票等任务时，会因网页交互设计（如悬停变色、点击显示价格、实时更新）而陷入困境，导致操作脆弱耗时[15] 自动化与经济增长的“缓慢奇点” - 研究通过分析过去一个世纪150项基本任务，发现“零生产率悖论”：将任务从劳动力转向资本的那一刻，对全要素生产率增长的贡献为零，因为企业只在成本相等时进行转换[16] - 增长完全来自转换之后：机器执行的任务以指数级速度改进，研究估计自动化任务上的机器生产率年增长高达5%，而人类任务效率仅增长0.5%，部分领域甚至下降[17] - 如果自1950年停止自动化新任务，美国经济增长在过去70年将基本停滞，这证明了自动化动态的重要性[17] - AI“奇点”更可能是缓慢演变而非爆炸性增长，经济遵循“短板”原则，生产链受限于改进最慢的环节（如管理、法律合规、物流），即使AI以无限速度自动化认知任务，总产出仍受制于仍需缓慢改进的人类劳动[18] 社区银行的账面价值与Call Reports - 投资社区银行时，购买的是控股公司股票，而非银行本身，控股公司通常无实际业务，主要资产就是银行[20] - 公开财务报表通常只显示控股公司情况，且每年仅一次，而Call Reports由银行本身季度提交，显示运营银行的完整资产负债表、损益表和资本状况[20] - 数十年的银行投资经验表明，Call Reports中的银行层面权益才是经济账面价值，是产生收益、被收购方支付和被监管机构保护的核心，母公司层面权益仅是会计外壳[21] - 以West Shore银行为例，其2024年12月31日合并资产负债表显示股东权益约4820万美元，据此其约4500万美元市值看似接近账面价值[21][22] - 但截至2025年9月30日的最新Call Report显示，银行总权益资本约为7300万美元，这是监管使用的资本基础[23] - 两者差异源于报表回答不同问题：年报回答控股公司GAAP权益，Call Report回答运营银行当前资本，在小型社区银行中，两者常随时间显著分化[25] - 基于公开财报，West Shore交易于约0.9-1.0倍账面价值，而基于Call Report数据，其交易于约0.6倍银行层面账面价值[27]

新冠疫情对美国劳动力市场的冲击与初期影响 - 美国失业率在2020年2月为3.5%，疫情冲击后于第二季度跃升至13%，随后因企业实施居家办公解决方案，到第四季度降至6.7% [1] 劳动力市场供需变化与薪酬增长 - 到2021年春季，可用职位数量超过了可用工人数量 [2] - 科技公司竞相争夺人才，白领工人数十年来拥有最大议价能力 [3] - 2020年至2021年间，科技行业平均薪资增长近7%，超过每年104,000美元，创历史新高 [3] 远程办公与生产率关联 - 雇主是新冠疫情期间居家办公政策的最大受益者 [4] - 美国劳工统计局发现，远程办公的增加与全要素生产率增长呈正相关且统计显著 [5] - 数据处理、互联网出版、计算机系统设计及相关服务行业在两个对比时期的生产率增长最为显著 [6] 企业返岗政策趋势与员工态度 - 70%的公司制定了要求部分时间在办公室的正式返岗政策 [7] - 高达93%的商业领袖认为在办公室办公是必要的 [7] - 完全灵活的工作安排从2023年的39%降至2024年的28% [7] - 允许完全远程办公的公司比例从2024年的21%降至2025年的7% [7] - 面对每周5天办公室强制令，44%员工表示会遵守，41%会开始寻找其他工作，14%会辞职 [7] 科技行业返岗动态 - 自疫情结束以来，科技行业在鼓励员工返回办公室方面最为积极 [8]

报告行业投资评级 未提及相关内容 报告的核心观点 - 提出自下而上、特定部门的潜在产出建模方法，克服传统自上而下估计的局限性，可用于长期预测和政策分析 [3] - 该方法将全要素生产率（TFP）增长分解为部门内生产率效应和部门间再分配效应，捕捉结构转型，是发展中国家增长的关键驱动力 [3] - 通过将该方法引入世界银行针对加纳和吉尔吉斯共和国的半结构模型，展示其通过结构变化增强对长期增长动态分析的潜力 [3] 根据相关目录分别进行总结 1. 引言 - 半结构宏观经济模型广泛用于宏观经济预测和政策模拟，但存在聚焦总量、部门细节和长期动态有限等问题 [7] - 规划部门和央行常使用多种建模工具进行更细致的增长和部门研究，如动态递归可计算一般均衡模型和增长模型 [7] - 本文通过自下而上构建总潜在产出，将特定部门的生产率、资本和就业纳入部门供给函数，丰富标准宏观结构模型的供给侧 [9] 2. 半结构宏观经济模型中的内生结构变化 2.1 企业侧的理论概述 - 部门方法 - 假设每个部门有代表性企业，最终商品生产者和中间商品生产者分别为完全竞争和垄断竞争企业 [16] - 各部门潜在总增加值使用资本和劳动生产，采用柯布 - 道格拉斯生产技术，部门就业指结构就业，TFP 是平滑的索洛残差 [16] 2.2 建模 MFMod 部门生产函数 - 各部门代表性企业追求成本最小化，部门生产由柯布 - 道格拉斯生产函数定义，总潜在 GDP 是各部门潜在产出之和 [17][18] - 部门劳动方面，总结构就业取决于非加速工资失业率、劳动力参与率和工作年龄人口，长期劳动供给曲线垂直，工资受劳动生产率和周期性失业影响，劳动再分配由部门生产率变化驱动 [21][23][24] - 部门资本方面，总投资决定总资本，总资本根据各部门资本回报率分配到部门，部门投资由部门资本存量决定，部门资本成本受部门风险溢价、货币政策利率和通货膨胀率影响 [30][34][35] - 边际成本和闭合假设方面，部门名义边际成本由成本最小化的一阶条件推导得出，农业和工业价格存在粘性，收敛到名义边际成本加估计的部门加价 [42][43] 2.3 总 TFP 和边际成本 - 总 TFP 是部门 TFP 的加权平均值，可分解为部门内和部门间两部分，部门间效应即结构转型 [46][47] - 总 TFP 受部门间结构变化影响，资本和劳动分配对结构变化的部门间贡献起关键作用，部门 TFP 水平和劳动、资本份额影响总 TFP 对冲击的响应 [47] - 可将标准增长核算公式进一步分解，分析 TFP 贡献中部门生产率和结构变化的影响，以及劳动和资本再分配的作用 [50] 2.4 转换弹性、初始生产率差异和就业分配的作用 - 结构转型程度取决于部门内和部门间效应，二者可能因政策选择不同而反向变动，且对初始份额和相对生产率差异敏感 [54] - 就业分配受转换弹性、价格和生产率差异影响，转换弹性高时，相对工资变化对就业分配影响大，反之则小 [57][59] - 就业分配由替代效应和收入效应决定，部门边际劳动生产率提高会增加该部门就业需求，但部门 TFP 下降时，就业分配变化取决于商品价格弹性 [61][62][64] 2.5 劳动份额和结构变化的动态 - 模型框架可描述总劳动份额随时间的演变，劳动份额变化归因于结构变化、市场力量变化和替代弹性敏感性 [65] - 总劳动份额与劳动产出弹性对应，可表示为各部门劳动份额的加权和，其下降与部门加价增加和相对价格差异有关 [65][68][73] 3. 应用于两个国家：加纳和吉尔吉斯共和国 3.1 构建数据 - 建模需要部门增加值、就业、资本存量和劳动收入份额的时间序列数据，部分国家数据缺失时需进行近似估计 [78] - 估计部门名义工资、资本成本和风险溢价，根据数据情况采用不同方法构建部门资本存量 [79][80][85] - 估计劳动和资本类型的替代弹性及初始份额，分析不同国家部门份额的变化情况，以及部门 TFP 对总 TFP 的贡献 [86][87][89] 3.2 农业干旱冲击 - 标准模型将农业干旱冲击应用于总 TFP，按农业部门在总增加值中的份额加权，而部门模型可直接对农业 TFP 施加冲击 [97][101] - 部门模型的传导机制与标准模型不同，农业 TFP 下降导致农业劳动生产率降低，劳动流出农业，但对总 TFP 和就业的净影响取决于初始条件和部门份额变化，且受农业商品需求弹性影响 [102] - 吉尔吉斯共和国在农业干旱冲击下，需求弹性不同时农业就业和产出响应不同，部门模型中总 TFP 初始下降幅度大于标准模型，通货膨胀更明显，名义工资先升后降 [103][104][105] - 加纳在农业干旱冲击下，部门模型预测的收缩幅度小于标准模型，劳动从农业流向服务业，增加服务业潜力，减轻农业冲击对经济的负面影响 [107] 3.3 工业资本成本冲击 - 标准模型将工业资本成本冲击应用于总风险资本成本，按工业资本在总资本存量中的份额缩放，导致总投资、资本存量和潜在产出下降，GDP 减少，通货膨胀上升 [111][112] - 部门模型中，冲击直接影响工业部门资本存量，导致工业投资和潜在产出下降，资本重新分配到其他部门，总潜在 GDP 长期下降，但吉尔吉斯共和国因资本流向更高效部门，总影响较小，而加纳则相反 [113][115][116] 3.4 基于转换弹性和初始份额敏感性的有趣结果 - 转换弹性和替代弹性降低时，部门模型结果与标准模型收敛，标准模型不考虑部门间替代，忽略了结构变化对长期生产率增长的影响 [117][118][119] - 部门 TFP 冲击方面，较高弹性对农业干旱冲击和服务业 TFP 冲击的影响因国家部门生产率差异而异，就业份额也影响弹性作用的大小 [120][122][124] - 部门风险溢价冲击方面，较高的资本替代弹性导致工业部门收缩加深，资本流入农业和服务业，吉尔吉斯共和国和加纳的结果因初始 TFP 差异和劳动份额不同而不同 [125][126][127] 3.5 初始份额 - 转换弹性和替代弹性与份额参数有关，弹性降低时，吉尔吉斯共和国农业的历史 CET 份额下降，导致农业就业减少且流动性降低，不利冲击更易传导至整体经济 [130] 4. 结论和展望 - 本文提出将结构变化纳入标准宏观经济模型的方法，具有深入分析总 TFP、研究总劳动份额变化等优点 [137] - 内生结构变化框架可追踪 TFP 部门间效应随劳动和资本分配的变化，结构变化程度取决于经济中的楔子和要素供给对相对价格变化的敏感性 [138] - 比较部门模型和标准模型对部门冲击的影响，发现标准模型在某些条件下是部门模型的特殊情况，要素转换弹性对宏观经济变量对部门冲击的响应有重要影响 [139] - 可对现有框架进行扩展，如将部门内成分内生化，以及将企业层面数据映射到宏观经济模型 [140]