投研人士說，昨天有篇文章影響了市場（也可能是巧合）——紐約" bdsfid="315">聯邦儲備銀行官網發表的研究論文“AI’s Macroeconomic Challenges and Promises”，《人工智能的宏觀挑戰與前景》。作者西蒙娜?倫祖（" bdsfid="323">Simone Lenzu）是紐約" bdsfid="327">聯儲研究統計部的金融研究經濟學家。他在探討AI作用于經濟的三個傳導路徑后提出警示：即使AI最終能夠提高生產率，但" bdsfid="331">當下金融體系層級繁復、杠桿水平偏高、資產泡沫難以避免，AI助力經濟發展的道路其實并不平坦。

以下為論文譯介：

2025 年第三季度，美國大型科技企業的資本支出規模首次超過其經營利潤。人工智能這項有望提升經濟生產效率的技術，目前消耗資源的速度已經超過創造收益的速度。本文探討人工智能長期發展潛力與短期成本之間的矛盾，如何影響通脹走勢、實體經濟表現以及金融穩定前景。

三條傳導路徑，一個分析框架

基于本人研究，本文闡述人工智能作用于經濟的三個相互關聯的傳導路徑：通脹動態變化、經濟結構轉型與金融穩定（見下圖）。

人工智能滲透影響經濟的三條傳導路徑

【菱形代表中心要素人工智能，" bdsfid="361">三條相互關聯的傳導路徑分別對應（短期）通脹動態、（長期）結構轉型以及金融穩定；作者插圖】

通脹動態變化

短期內，人工智能的普及會改變利率作用于通脹和實體經濟的方式。普遍觀點認為，人工智能能夠提升生產效率，成為抑制通脹的重要力量。這一觀點最終或許成立，卻忽略了關鍵環節。影響通脹的核心并非人工智能能否提高生產率，而是生產率的提升速度能否超過技術應用成本的上漲速度。

技術轉型階段，企業投入大量資源用于組織架構調整、數據基礎設施搭建和技術整合。即便技術水平不斷突破，生產成本也會出現階段性上漲，這一現象即為生產率 J 型曲線，具體如下圖所示。

技術應用階段測算生產率可能出現下滑

【人工智能應用時長與實際測算生產率的對應關系，縱軸為測算生產率，橫軸為應用時間。依據布林約爾松、羅克與賽弗森 2021 年研究繪制簡易示意圖】

物價受到的影響在生產原料市場已然顯現。2025 年，谷歌、OpenAI、Anthropic、Meta、亞馬遜、甲骨文等頭部人工智能企業，合計投入約 3000 億美元，用于半導體供應鏈、電網以及專業人才領域的資本建設。大規模投資熱潮延續至 2026 年第一季度，且預計后續投資規模將進一步擴大，加劇全社會的成本上行壓力。

近期數據顯示，過去兩年由人工智能催生的市場需求持續推高物價，相關成本如今開始傳導至消費電子產品價格端。例如，存儲芯片價格大幅攀升。相關報告（指IEA）同時指出，能源消耗量與能源價格也受到波及。

長期經濟結構轉型

人工智能可能重塑經濟基本面，改變潛在產出水平與自然利率。關鍵問題在于，人工智能只會一次性拉高產能水平，還是能夠帶動經濟增速持續加快（見下圖）。若是產能一次性提升，轉型期間自然利率會短暫上行，之后經濟增速回歸原有基準水平；若是實現增速持續提升，自然利率則會永久性走高。

AI應用提速，預示經濟過熱或是產能潛力釋放

【縱軸代表經濟潛在產出與實際產出，橫軸代表時間，中間灰色區間為人工智能加速普及階段。黑色實線代表實際產出，紅色虛線為結構性視角下人工智能帶動的潛在產出增長曲線，體現經濟追趕增長態勢；藍色虛線為周期性視角下未受人工智能影響的潛在產出曲線，代表經濟基本面未發生改變、經濟處于過熱狀態。迄今為止，各界對于生產率提升幅度的預估同時涵蓋兩種情形。作者繪制插圖】

目前業內對人工智能帶來的生產率提升效果預估差異較大，部分測算認為十年內國內生產總值僅會小幅增長數個百分點；若人工智能賦能創新研發本身，經濟增幅則會大幅提高。預估區間跨度極大，各類反向因素進一步增加不確定性，其中包括市場集中度變化、居民儲蓄與消費結構調整等。

市場集中度會產生相應影響，人工智能技術應用大多集中于大型企業。倘若行業收益集中流入少數老牌企業手中，推動自然利率上行的投資熱潮實際規模會低于宏觀統計數據。同時贏者通吃的行業格局，也會縮減多元化研發規模，不利于經濟長期穩步增長。居民層面，崗位被人工智能替代的勞動者消費減少，這部分缺口無法完全被新興崗位從業者的消費增長填補。倘若新興崗位從業者的收入儲蓄比例更高，整體消費水平會低于單純依據生產率數據推算的結果。

金融穩定

人工智能正在重塑金融體系。在此之前，頭部人工智能企業的資本投資幾乎全部依靠留存收益支撐，產業建設基本不受信貸市場環境影響。

2025 年末形勢發生轉變，企業資本開支開始超出經營性現金流，相關企業新增債務融資規模超1000 億美元。巨額債券發行背后，隱藏著更為復雜的資金運作模式：表外項目融資載體為數據中心建設提供資金、租賃收益支持資產證券化產品發行，還有數千億美元遠期租賃協議，未來數年都不會計入企業資產負債表。這類債務的還款保障，均依托尚未兌現的人工智能生產率收益。一旦市場預期發生轉變，價格調整將會快速大范圍蔓延。保險機構、資產管理公司、養老基金等金融機構交叉持有企業債券、資產證券化產品與私募產品，市場整體估值調整會從多個維度同時對這些機構造成沖擊。

理性看待人工智能發展

1. 人工智能的雙向發展困境

上文提及的三條傳導路徑并非獨立運作，三者相互作用，加大經濟形勢研判難度。可以參考這樣一種發展情形：人工智能應用初期成本上漲，生產率卻未能同步提升，而企業、消費者與市場均預判未來將收獲可觀效益。供給端通脹壓力逐步累積，存儲芯片、能源等原材料價格上漲，推高企業生產成本。需求端壓力也同步顯現，市場對未來生產率提升的預期推高資產估值，進而刺激當下消費行為，而生產率實際增益尚未落地。金融體系同樣面臨風險，大量舉債開展資本建設，收益回報依舊遙遙無期。

這種局面形成物理學概念中的離心束縛（a centrifugal bind）：兩股力量朝相反方向相互拉扯。通脹走高有可能打破依托遠期生產率收益形成的資產估值，在供給端效益尚未顯現之際觸發金融風險。維護金融穩定的相關舉措，又會進一步加劇成本與需求端壓力。兩股矛盾力量根源一致，均源于人工智能預期價值與當下實際產出之間的差距。

2. 重新審視“較長且多變的政策滯后效應”

米爾頓?弗里德曼曾提出，政策存在較長且多變的滯后效應（“long and variable lags”）。央行調整利率后，政策對通脹和經濟活動的影響往往數月甚至數年之后才會顯現，且不同時期的生效周期毫無規律可循。這一理論不僅說明政策實際作用起效緩慢，也意味著起效時間難以精準預判。人工智能從兩個層面打破這一固有規律。

首先，人工智能會改變政策滯后效應的長短結構。部分滯后周期有所縮短，信息傳遞效率提升、算法定價普及、市場預期靈活化，加快政策傳導速度。另有部分滯后周期不斷拉長，企業重組成本、要素市場流通阻礙，使得供給側調整耗時數年，且初期走勢甚至出現反向變化。整體滯后周期并非統一縮短，而是時間節奏與變動趨勢全面重構，傳統經濟模型無法適配當前變化。

其次，即便滯后周期本身沒有改變，人工智能的快速普及也讓周期性波動與結構性轉型難以區分。重大技術變革階段，難以判斷產值上漲究竟是需求過熱導致，還是經濟產能上限提升帶來。兩種情形下的經濟數據表現常年趨于一致，難以辨別。

3. 互聯網泡沫時期的經驗教訓

上世紀 90 年代的信息技術革命提供了值得借鑒的前車之鑒。彼時美聯儲主席艾倫?格林斯潘拒絕過早收緊貨幣政策，認定信息技術能夠拓寬經濟產能上限，這一判斷最終被證實。但后續互聯網泡沫破裂事件表明，即便對供給側發展趨勢判斷無誤，市場預期催生的資產價格波動，依舊會引發獨立的金融穩定風險。準確把握長期發展趨勢，也無法規避資產泡沫危機。

如今人工智能發展周期，同樣面臨生產率效果未知、供需走勢難以區分、預期驅動資產價格波動等問題。當下金融體系層級繁復、杠桿水平偏高，人工智能助力經濟實現高生產率發展的道路，勢必跌宕起伏。*

原文地址：

Simone Lenzu, “AI’s Macroeconomic Challenges and Promises,” Federal Reserve Bank of New YorkLiberty Street Economics, May 20, 2026, https://doi.org/10.59576/lse.20260520

— THE END —

紫京講談

財經領域創作者

3703篇原創