人工智能的通胀
足迹率先到来

2026年3月，这封信送到了 Liberty Utilities 的客户手中，语气介于警告与耸肩之间：14 个月后，为加利福尼亚一侧太浩湖 49,000 名居民供电的这家公用事业公司，必须为四分之三的电力寻找新的来源。总部位于内华达州的供应商 NV Energy 表示，由于“自身的资源需求”，其无法在 2027年5月之后继续这一安排。

NV Energy 称之为“长期”的过渡计划，从数据中心行业内部看起来却不一样。去年9月，NV Energy 业务发展总监 Jeff Brigger 在一场以数据中心为主题的会议上说，科技公司正推动提出将该公司峰值需求翻三倍的要求——其峰值需求在热浪期间约为 9,000 兆瓦。据 Las Vegas Review-Journal 报道，Brigger 说：“这是前所未有的时代。”

内华达州北部已成为美国增长最快的数据中心走廊之一。据 Fortune 报道，Google、Apple 和 Microsoft 已在里诺以东的太浩-里诺工业中心周边建成或正在规划设施。内华达大学下属的沙漠研究所（Desert Research Institute）1月的一份报告统计，在建项目超过 40 个。NV Energy 自己的 2024年资源计划列出了其中 12 个，预计新增需求 5,900 兆瓦——接近胡佛水坝装机容量的三倍——到 2033 年的负荷增长将超过内华达州 2024 年全州净发电量的一半。

NV Energy 否认与太浩湖有任何关联。该公司表示：“数据中心并未影响这一决定。Liberty 转向自有电力供应的决定，基于十多年前的长期协议和规划假设——远早于数据中心的增长成为一个因素之时。”但加州公用事业委员会的一名发言人向萨克拉门托的公共广播电台 CapRadio 表示，据 Liberty 称，NV Energy 的决定“部分是由于该地区数据中心的预期需求”。

在供应问题公开之前，当地电价就已在攀升。北太浩居民、消费者权益倡导者 Danielle Hughes 同时在加州能源委员会效率部门工作，她说，自己是约 17,000 至 20,000 名全年居住的居民之一，他们承担着州能源模型没有计入的成本。这种电价结构向常住居民收取需量电费，而度假屋业主不用承担。“我们的电价很可能会是全国最高的，而我们没有被考虑在内，”她对 CapRadio 说。

南太浩湖市长 Cody Bass 说，他是和居民同时得知供应中断的消息。“在公开新闻稿之前，我们真的没有收到任何通知，”Bass 对 CapRadio 说。他此后已与 Liberty 和州监管机构会面，对方向他保证电力不会就此中断。这并不是他担心的。“我想我们很清楚这会导致电价上涨，这当然会成为我们的居民、企业和所有人的一大问题，因为我们的电价本来就已经相当高。”

太浩湖是贯穿美国整体经济的一种矛盾的预演。人工智能建设的基础设施成本——电力、电网升级、数据中心建设——现在就体现在电费账单上，而这项技术所承诺的生产率收益仍在数年之后。这一时间差，正处于货币政策中一场后果相当重大的辩论的中心。

刚刚获任命的美联储主席 Kevin Warsh 公开主张，人工智能将降低整个经济的成本、提升生产率，并在不重新点燃通胀的情况下为降息创造空间。这一论点在市场评论和美联储观察人士的辩论中获得了关注——尤其是在 Warsh 要应对 11月中期选举前降息的政治压力之际。

该论点基于一个直截了当的供给侧逻辑：人工智能提高单位劳动和资本的产出，降低采用该技术的各行业的单位成本。如果生产率红利足够大、扩散足够快，总体物价水平就会下降——至少通胀会减速——即使经济在增长。在这种情形下，美联储可以在不牺牲其通胀目标的情况下降息。

问题在于时机。上世纪 90 年代的生产率繁荣用了数年时间才从早期采用者扩散到更广泛的经济。今天人工智能的采用处于更早的阶段。据人口普查局称，超过四分之三的美国企业尚未采用人工智能。而且与 90 年代不同，当前周期需要建设全新的实体基础设施——电网、数据中心、半导体晶圆厂——这些在产生任何降通胀产出之前，本身就是推高通胀的。

Cato Institute 认为，Warsh 也许对于需要彻底改革美联储治理的看法是对的，但他的通胀论点是一个陷阱：把一个前瞻性的生产率论点变成言之凿凿的货币政策框架，既要假设快速扩散，也要假设生产率收益能干净地传导为较低的物价——证据目前并不支持这两个假设。

对 Warsh 论点最直接的挑战，并非来自理论模型，而是来自价格数据本身。马里兰大学教授 Salem Abo-Zaid 于 2026年4月发布的一项美国季度人工智能强度指数发现，人工智能已经对美国通胀产生了正向且不断上升的贡献——人工智能暴露度最高的行业往往呈现最高的通胀率（SSRN 工作论文 6529799）。这与 Warsh 论点所预测的恰恰相反。建设成本先于本应抵消它们的生产率收益而到来。

据 Nuveen 在其 2026年6月月度评论中引用的 Bloomberg 数据，截至 2025年12月，美国电力通胀同比为 6.9%——是整体 PCE 指标的两倍多。居民电价到 2027 年可能仍将维持在 6% 左右，而按 Nuveen 的估计，到 2030 年，数据中心需求将几乎翻一番，高于目前约占美国总用电量 4% 的份额。下图显示了 2023 年至 2025 年电力成本与整体物价水平之间的分化。

“迄今最明确的实证信号，与人工智能具有降通胀作用的共识背道而驰，”Nuveen 宏观信用主管 Laura Cooper 和高级宏观策略师 Quinn Brody 在6月的评论中写道。“人工智能建设的高昂成本，到来的速度快于本应抵消它们的生产率收益。”

更广泛的学术文献一致认为，通胀前景从根本上是含糊不清的。国际清算银行的一篇工作论文——对人工智能宏观经济效应最严谨的央行研究之一——发现，人工智能会提高产出、消费和投资，但通胀的反应关键取决于预期。如果企业和家庭预期未来会有生产率收益，它们可能会依据明天的预期收入在今天消费和投资，在收益兑现之前就把通胀提前拉高。

国际货币基金组织的研究得出了类似的结论。2025年一篇工作论文中的模型模拟显示，人工智能可以在十年内显著提高全球生产率和 GDP，但由于投资和需求跑在最初的供给反应之前，近期通胀可能会小幅走高。在这些模拟中，央行在短期内的反应是温和收紧——而不是降息。

2026年一份 SUERF 政策简报准确地概括了这种双向传导：人工智能可以通过提升供给、降低单位劳动成本而降通胀，但也可以通过更强劲的投资需求、更高的预期收入以及采用期间的劳动力市场摩擦而推高通胀。该简报把人工智能界定为“有条件的降通胀”，而非天然的通缩——对于任何想把它套用到降息论点上的人来说，这一区别相当重要。

人工智能作为降通胀力量最明确的行业层面证据来自欧洲制造业。Borowski、Fidrmuc 和 Jaworski 在 2025年 Economics Letters 上发表的一篇论文发现，欧盟使用人工智能的企业每增加 10 个百分点，生产者价格通胀大约下降 0.3 至 0.6 个百分点，这种效应集中在服务业，并且只有在采用率超过某个门槛后才显现。

这是一个真实的效应——也是 Warsh 论点所能主张的最直接的实证支持。但采用人工智能的行业中的生产者价格效应，并不会自动转化为广泛的消费者价格降通胀。总体通胀还取决于工资、非人工智能行业、能源和住房成本，以及与人工智能相关的资本支出是否在别处推高了需求。

接受 Financial Times 调查的经济学家大多否定人工智能在未来两年会显著降低通胀或政策利率的看法，许多人预计这种影响可以忽略不计。世界经济论坛 2026年6月的一项调查发现，经济学家现在预计，人工智能带来的生产率收益在大多数行业至少还需要两年才能显现。（WEF Chief Economists Outlook，2026年5月）

债券市场发出的信号不一。美国国家经济研究局（NBER）的研究人员研究了 2023 年和 2024 年主要人工智能模型发布前后美国国债、TIPS 和公司债的收益率，发现收益率一致下降，平均超过 10 个基点，并在两周以上的时间里维持在较低水平。（Andrews & Farboodi，NBER WP 34243，2025）从表面上看，债券市场把人工智能定价为一次降通胀冲击。但 NBER 的论文将这种反应部分归因于对预期消费增长的下调——这一解读远没有那么乐观。与此同时，人工智能建设的融资正通过长久期公司债发行，对期限溢价产生结构性的上行压力，达拉斯联储今年早些时候指出，这一动态是结构性的，而非周期性的。（Searls，Dallas Fed，2026年2月）

在这一切之下，是中性利率——即货币政策既不刺激也不抑制经济时的利率。以生产率驱动的人工智能经济意味着更高的中性利率，因为更强劲的增长前景会抬高资本的均衡成本。但如果人工智能带来的收益不成比例地流向资本所有者，同时取代一部分劳动力，那么更高的预防性储蓄和更大的社会不确定性可能会抵消部分上行压力。

克利夫兰联储目前对名义中性利率的估计，置信区间为 2.9% 至 4.5%（Zaman，Cleveland Fed，2025年9月）——如此之宽的范围，使得言之凿凿的政策主张很难站得住脚。Warsh 的降息主张暗含的假设是，实际中性利率接近该区间的下端；而本报告所述的、由建设推动的通胀动态表明，它可能更接近上端。

据经济分析局（BEA）数据，自 2024 年以来，美国 GDP 每增长 1 美元，就有 64 美分来自科技支出，硬件投资占 GDP 的比重已从近 2% 升至 3% 以上。然而，据人口普查局，超过四分之三的美国企业尚未采用人工智能。本轮周期中已超过 2% 的生产率增长，主要反映的是疫情后的劳动力市场动态，而非人工智能的任何贡献。

就业状况带来了又一层不确定性。国际货币基金组织估计，全球近 40% 的就业暴露于人工智能，约五分之四的美国工人至少有 10% 的任务暴露于大语言模型的能力之下（Eloundou、Manning、Mishkin & Rock，arXiv 2303.10130，2023年）。

然而，自生成式人工智能问世以来，全经济范围的失业和工资下降并未出现。截至 2026 年年中，今年迄今已有超过 142,000 名美国科技工作者被裁——比 2025 年同期增加约 33%——但分析人士认为，其中只有约四分之一的裁员可归因于人工智能和自动化，其余反映的是成本控制和疫情期间过度招聘的消化，数据来自 TrueUp 和 Challenger, Gray & Christmas。

劳动力市场的情形是有不确定性，却没有最直接支持 Warsh 论点的工资通缩。如果人工智能已经带来广泛的生产率收益并减少了劳动投入，我们应当看到单位劳动成本下降和工资增速放缓。在总体层面，这两者都不明显。