新任美联储主席沃什最近在多个场合以AI为由为其降息立场辩护。他援引了格林斯潘在1996年的理由，当时互联网科技革命让格林斯潘认为通胀与就业的关系发生了有利的变化。1996年和2026年整整隔了30年，美国经历了和正在经历两场科技革命、两场货币政策考量。本文将分析AI对美国宏观经济和货币政策的影响，并和1996年前后格林斯潘的货币政策做一个比较。
美国经济近况：2%通胀目标的新挑战
由于石油价格的大幅上升，美国3月份的PCE价格指数同比增长3.5%，比2月份的2.9%有一个跳涨。3月剔除食品和能源的核心PCE通胀率同比为3.2%，是2023年11月以来的最高值。在2025年4月之后，此前该指标的下降趋势转向了上升趋势，这主要是关税和最近的伊朗石油危机造成的。4月份的CPI通胀率体现了大致相同的走势，特别值得注意的是4月份美国居住成本开始同比上升，而此前则持续了3年之久的下降趋势。
2026年1季度美国经济的名义GDP同比增速为6%，其中3.3%是价格因素贡献的，2.7%来自于实际产出的增长。6%的名义GDP增速是2024年初以来的最高水平，比2025年2季度的4.5%有显著的上升。一季度2.7%的产出同比增速较前两个季度有不小的提高，主要是2025年1季度的低基数造成的（当时特朗普关税导致企业提前“抢进口”）；实际GDP环比增速（折合年率）为2%，大致在美联储预期的长期增速附近。非住宅固定资产投资贡献了1.4%的增长，较前几个季度有明显加速，这体现了AI相关的固定资产投资的高增长。关于价格的上涨来源，美国经济分析局（BEA）的统计报告显示服务价格贡献了最大的份额，这和最近几个月的CPI数据相印证。
连续3个季度的名义GDP同比增速上升，并且达到了6%的较高增速。更重要的是，AI投资规模已经很大，同时还在快速增长，美国财政的军事开支也有加速的迹象。经济是否会过热？价格稳定是否面临挑战？这不再是一个可以忽视的问题。回顾最近的历史也有参照意义，2018年1季度美国的名义GDP同比增速在金融危机之后首次达到6%，美联储在当年加快了紧缩的步伐。最近美国长债利率的大幅攀升，市场甚至开始了加息预期，可能都与此有关系。
不过劳动力市场保持了一些不错的信号。最近几个月美国失业率稳定在4.3%，美联储的几次议息会议对劳动力市场的表述是稳定。值得关注的是，尽管经济增速上升，美国私营部门的工资增速却是持续下降的，2026年3月份的3.4%是“大通胀”以来的最低点，已经回到了新冠疫情之前2019年的水平；4月份略有回升为3.5%，但回落的大趋势仍然是明显的。很自然的一个猜测是，工资增速下降，美国公司利润增速应该上升。根据BEA的最近数据，2025年Q4美国公司利润（国民收入统计口径）同比增长8.4%，绝对额再创历史新高；2026年Q1的数据还没有发布，估计仍然会保持上述趋势。
最近一年美国新增就业数量大幅降低，但是实际GDP增速下降不大，这意味着劳动生产率的提高。2026年Q1的劳动生产率增速同比达到2.9%，并在2023年以来持续处在2%以上的较高水平。如果劳动生产率在这个水平上再保持两年，就俨然已经有1960年代和1990年代后半期“承平时代”的样子了。AI的高投资并没有带来实际GDP的高增长，劳动生产率的提升却没有带来雇佣需求的显著增加和工资的上涨，这些反常现象值得深入探讨，笔者将在后面再详细分析。
总体来说，美国经济在2026年的1季度经历了一个不利的供给冲击。按照标准的模型，美国的通胀会上升，利率会上升，同时产出增速会下降。不过2026年1季度的数字显示通胀上升，利率上升，经济增速则有小幅回升。这里面有AI投资的缘故，也有油气行业的高景气度贡献。2025年的关税可以等同为政府强制涨价（提高价格水平）和收入所得税（紧缩的财政），因而2025年出现了价格走高和经济增速走低的现象。这一次的伊朗原油涨价，可以认为是外部（强制）涨价带来物价上涨，但国内需求因为AI投资仍然较强，因而体现为价格显著上升，但是产出基本平稳。美联储从2012年开始采纳了2%的通胀目标，但是从2021年下半年开始至今已经有五年之久，美国的通胀率一直没能回到2%目标，这为后面的货币政策操作带来挑战。AI是当前和未来影响美国经济最大的因素，本文将主要聚焦于AI的影响。
AI对劳动力市场的影响：一些新的视角
在2026年初发表于本刊的文章中，笔者认为历史上诸多伟大的发明体现为产品创新，也就是创造了新的最终产品或服务。有一些创新以降低成本为主要特征，但往往会带来全新的生产体系，而不太会融入旧体系。但AI有很大的不同，它确实也创造了新的最终服务或产品形态，但它更主要的作用可能是应用于已有的产业，融入已有的业务流程，帮助降低现有最终产品和服务的生产成本。
AI的上述特点对于理解其对劳动力市场的影响十分重要。AI对知识劳动力的“替代说”和“互补说”引发了很多争论，但一个普遍的共识是，AI对于体力劳动为主的工作则很难替代，互补也很难，例如水管工、建筑工人、电工等。英伟达的CEO黄仁勋最近表达了类似的观点。不久前笔者自己做了一个实验，得出了一些新的结论：需要较多经验知识的轻体力劳动岗位也会受到AI的较大冲击。
笔者住宅二楼的外墙面有一部分是用一种长条板材（由水泥和纤维压制而成）铺设的。部分板材的底部边缘因为受潮而出现碎片化，这影响了美观，也影响了防水。经过一番电话沟通和现场评估，所有的修理工都建议更换这些外墙板。在即将准备接受报价的时候，笔者偶然想到是否可以问问ChatGPT的看法，毕竟因为不大的破损而拆除整块板材是很浪费和不环保的。意外的是，ChatGPT阅读了我的描述、问题和图片后，回复说其实在原来的板材上做修补也是一个很好的办法。我就继续问细节，从原理、工序到所需要的材料和工具，最后到网购的产品具体规格，ChatGPT都给出了清晰、有层次和平衡（不同选项优劣比较）的回答。最后在ChatGPT的帮助下，笔者选定了一种修补方案，并且在亚马逊网站上购买了相应的材料和工具，一次性就完成了修补，外观看起来也还过得去。
住宅的维修尽管被认为是体力劳动，但实际是有相当“技术含量”的，这主要体现为经验知识。例如油漆的品种规格就有很多种，哪一种是最合适的，如何和其他材料匹配，仅仅这些问题就可以让生手望而却步。在诸多环节上，任何一个细节上的失误都可能导致整个工作的失败。对于没有经验的人来说，考虑到失败概率，大多数情况下请专业工人是更合算的选择。但是，AI很大程度上改变了这一点。在笔者的实验中，在每一个环节上，AI都给出了令人信服的建议和详细的解释（包括风险提示），你可以问它任何相关的困扰问题，经过一番对话之后基本上就可以做到“胸有成竹”。熟练工人所拥有的波拉尼（Polanyi）意义上的隐性知识（Tacit Knowledge），AI几乎都可以清晰地表达出来（并且还能答疑），这让一个生手也可以信心十足地进行房屋维修。
这个实验让我对劳动力市场进行了新的思考。首先，一些技术工种的进入门槛下降了，以前可能需要数年学徒经历积累的经验知识，现在一个年轻的高中毕业生通过AI就可以免费获得，迅速成为合格的从业者。第二，居民自己可以完成的简单维修工作数量会上升，整个房屋维修市场可能会萎缩。供给的增加和需求的萎缩，导致房屋维修的价格应该是趋于下降的，维修工的工资也会下降，而失业率则可能上升。这个推论也可以扩展到其他市场，例如汽车维护市场、个人和小微企业的会计和报税、初级法律咨询和诊疗建议等
注：本文仅代表作者个人观点，作者为经济学博士，金融从业者）
本文编辑徐瑾 Jin.Xu@FTChinese.com