AI 基建扩张进入美联储的通胀与生产率辩论

美联储将人工智能纳入了正在进行的利率辩论。在 7 月会议纪要公布后，这场争论如今正受到 Google News 的广泛关注。

官员们并非在争论 AI 是否重要，而是在讨论哪一种影响会率先显现。基础设施热潮正在推高当下的需求、工资和部分价格，而生产率红利仍存在不确定性且来得较晚。

这一时间错位改变了 AI 热潮的经济含义。科技公司将其支出描述为对未来效率的投资，而美联储必须判断，当下的支出是否正在令通胀维持高位。

因此，核心矛盾在于即时需求与最终供给之间的对抗。数据中心需要芯片、钢材、电力、融资和专业人才，之后部署完成的 AI 系统才可能带来广泛的经济收益。

这一差别的影响不止于中央银行。更高的利率会影响科技股估值、企业借款、房贷、风险投资和商业投资，也会改变每一个昂贵 AI 项目背后的财务假设。

会议纪要并不能证明 AI 正在导致全经济范围的通胀。它们表明，政策制定者已无法再将其仅视为一个遥远的生产率故事。

美联储将 AI 纳入通胀诊断

AI 已从一种具有投机色彩的经济力量，变成美联储政策审议中明确考虑的因素。

联邦公开市场委员会于 2026 年 7 月 28 日和 29 日举行会议，并将联邦基金利率目标区间维持在 3.5% 至 3.75%。

根据官方 7 月会议纪要，投票结果为 9 比 3。Beth Hammack、Neel Kashkari 和 Lorie Logan 倾向于加息 25 个基点。

这一异议之所以重要，是因为委员会当时已在应对高企的通胀。5 月份整体个人消费支出通胀率为 4.1%，核心 PCE 通胀率为 3.4%。

美联储工作人员将这一上涨归因于多种因素，包括关税、更高的能源成本、中东局势扰动，以及与 AI 基建扩张相关的需求激增。

AI 相关因素贯穿整份会议纪要，并非局限于对科技股的一句带过式评论。

工作人员表示，AI 投资持续支撑企业支出。官员们讨论了其对商品价格、劳动力需求、金融状况、生产率、就业和金融稳定的影响。

部分与会者指出，用于数据中心的芯片和钢材价格大幅上涨。他们还提到，智能手机、计算机设备、软件和电力也面临价格压力。

数位与会者表示，价格影响仍集中在特定类别中。另一些人则认为，AI 投资已在推动更广泛的需求，或很快将产生这种影响。

这种分歧正是故事的核心。相对价格上涨未必会演变为整个经济体持续性的通胀。

芯片短缺可以推高芯片价格，却不一定会在各处引发持续通胀。然而，一轮大规模投资周期可能同时影响劳动力、能源、信贷和材料领域的总需求。

劳动力证据又增添了一层复杂性。美联储联系人报告称，服务于 AI 基础设施项目的电工、机械师和工程师需求强劲。

这一需求正在推动这些职业的显著工资上涨。这些增长令劳动者受益，但在合格劳动力仍然稀缺时，也可能增加项目成本。

委员会仍决定维持利率不变。大多数与会者希望获得更多信息，以判断通胀是否正在回落，以及近期冲击将如何演变。

许多与会者认为，如果通胀未能下降，进一步收紧政策可能会成为必要之举。数位与会者认为，当前政策或许还不够具有限制性。

对于通过 Google News 看到这一消息的读者而言，标题可能让人觉得美联储突然发现了 AI。记录显示，实际发生的是更重要的转变。

美联储多年来一直研究自动化、生产率和技术变革。改变之处在于，AI 已被置于一项具有可衡量借贷后果的短期政策决策之中。

科技投资叙事已成为货币政策变量。如今，每一座新数据中心都同时处于两种叙事之中。

一种关乎未来的计算能力，另一种则关乎一个仍在艰难推动通胀回归 2% 的经济体中的当前需求。

Google News 捕捉到的是关于时机的辩论，而非技术本身

美联储的分歧不在于 AI 能否提高生产率，而在于这些收益会否在基础设施支出带来更多通胀之前实现。

生产率衡量的是劳动者每小时工作所产出的数量。更快的生产率增长可以让企业在不以同等速度提高价格的情况下增加产出和工资。

这是乐观路径。AI 辅助劳动者、降低生产成本、扩大供给，并让经济在较小的通胀压力下实现更强劲增长。

一些 FOMC 与会者预计，AI 的采用将提高生产率和潜在产出。潜在产出是指经济在不引发过度通胀的情况下能够维持的产出水平。

然而，会议纪要反复对这一预期加以限定。官员们称，这些收益的实现时机和幅度均存在显著不确定性。

这种延迟至关重要。数据中心投入有用工作负载之前，企业必须获得土地、设备、电力接入、建筑服务和融资。

企业随后还必须围绕 AI 重构流程。员工需要培训，管理者需要可靠的评估方法，组织则需要将系统与现有数据整合。

这些调整在带来节省之前会消耗资源。即便底层技术变得更强大，这一过程仍可能提高成本。

美联储 7 月的 货币政策报告提供了有用背景。2019 年末以来，企业部门劳动生产率年均增长 2.1%。

这高于上一轮商业周期录得的 1.5% 平均水平。但报告并未将这一全部改善归因于生成式 AI。

节省劳动力技术、高科技资本投资和新企业增加也作出了贡献。在实时情况下区分这些影响依然困难。

Boston Fed 行长 Susan Collins 和 Richmond Fed 行长 Tom Barkin 在 2026 年早些时候作出了这一区分。他们表示，AI 尚未推动生产率激增。

他们的 生产率讨论描述了企业利用 AI 增强既有工作，并不支持大规模替代劳动力的说法。

Barkin 则将近期的部分增长与更早的自动化项目、运营变化、人员调整以及较低的员工流动率联系起来。

这些证据削弱了“AI 已经改变全经济产出”的简单说法，但并未排除未来出现更大收益的可能性。

Google News 的报道往往会将这一争议压缩为一个简单问题：AI 究竟会推高通胀，还是抑制通胀？答案在很大程度上取决于时间跨度。

在建设期间，AI 可能表现得像一次需求冲击。它会将资本和稀缺资源吸引至一个快速扩张的领域。

在成功采用之后，它则可能带来供给改善。同一个经济体可以用更少的投入生产更多，或更有效地利用现有劳动者。

两种机制可以同时运作。当推高通胀的机制已出现在当前数据中，而抑制通胀的机制仍取决于预测时，货币政策就会变得困难。

美联储不能只为一个承诺中的未来设定利率。它必须对已实现的通胀、就业状况、预期和金融风险作出回应。

它同样不能忽视可能提高可持续增长水平的结构性改善。过度收紧政策可能会在生产率红利扩散之前抑制投资。

这正是会议纪要包含多种立场、而非单一机构结论的原因。委员们正在为同一轮投资周期检验不同的时间线。

这场辩论将持续，直到数据能够将支出驱动的增长与采用驱动的生产率区分开来。这种区分比追踪数据中心建设本身更为困难。

硬件订单可以统计。组织改进、被节省的工时、更好的决策和新增产出往往在更晚时候才显现，也仍难以归因。

对企业而言，这带来了一个具有政策后果的衡量难题。如今，关于 AI 效率的说法需要可信的运营证据，而不只是不断增长的资本支出。

AI 基建扩张在降低成本前先给利率带来压力

即时的经济力量来自 AI 能力建设，而承诺中的成本降低则取决于后续能否成功采用。

AI 基础设施支出远不止涉及半导体制造商。一座大型数据中心需要发电能力、电网接入、冷却设备、网络设备、土地和专业建筑服务。

每一项需求都将科技行业与实体经济中供给受限的环节联系起来。因此，当供给无法迅速扩张时，更多投资可能推高价格。

电力说明了这一问题。软件公司可以迅速部署新代码，但公用事业公司无法以同样的节奏新增输电线路或发电能力。

熟练劳动力构成另一个瓶颈。当众多项目同时争夺人才时，电工、工程师和机械师无法被即时培养出来。

芯片也面临自身限制。先进制造需要昂贵的设施、专业设备、漫长的交付周期以及分布在多国的供应链。

钢材、冷却系统和电气设备进一步增加了风险敞口。单个项目或许能够应对短缺，但全行业的建设激增可能会放大这种短缺。

美联储工作人员在商品和服务领域都看到了这种压力的迹象。官员们对于影响会维持在狭窄范围内，还是会通过总需求扩散存在分歧。

这种区别决定政策应对。中央银行通常不会抵消某一特定产品价格的每一次变化。

持续性的全经济通胀则不同。它可能影响各行业的工资诉求、企业定价、预期和借贷决策。

许多与会者担心，多年高于目标的通胀可能会改变这些行为。反复的冲击已使预期中的通胀回归 2% 一再延后。

如果 AI 投资在产能仍受限时持续支撑需求，它可能成为又一个延迟因素。这种结果并不意味着该技术失败了。

它意味着实体建设的到来速度快于经济能够供应其投入品的速度。利率随后便成为调整的一部分。

更高的利率会抑制部分借贷和投资，也会降低其他领域的需求，从而可能为基础设施项目腾出空间，而不会加速整体支出。

这种补救措施代价广泛。家庭将面临更高的房贷和信贷支出，而小型企业则会遭遇更紧的融资条件。

科技公司也可能面临更低估值。当投资者以更高的利率折现时，未来利润的价值会下降。

信贷问题尤其值得关注。会议纪要称，为 AI 投资提供资金正支撑企业债券和股票发行。

与会者还指出，来自非银行投资者和区域性银行的借款有所增加。这改变了建设扩张的风险特征。

内部融资的项目主要让股东面临回报不及预期的风险。债务融资项目则可能将损失传导至贷款机构、基金、银行及其关联市场。

美联储表示，金融脆弱性依然值得关注。股票估值指标处于高位，而市场对 AI 的热情支撑了高昂的股价。

其工作人员观察到，除互联网泡沫时期外，股票风险溢价在近年历史中很少如此之低。

这一比较是风险信号，而非对同样崩盘的预测。如今的公司、技术和营收基础均不同于 20 世纪 90 年代末。

不过，其运行机制并不陌生。投资者在底层基础设施尚未大规模产生这些收益之前，便已为长期盈利定价。

如果生产率或营收不及预期，估值可能下跌。收紧的金融条件随后可能削减支出、就业和家庭财富。

多位政策制定者提出了正是这一风险情景。AI 相关股票若出现大幅重新定价，可能削弱消费者支出，并给相关金融机构带来压力。

因此，这轮建设扩张从两个方向对美联储施压。持续投资能够支撑增长并推高价格。

而突然逆转则可能冲击市场和需求。货币政策必须在过热的建设周期与破坏稳定的重新定价之间寻求平衡。

这正是 Google News 标题背后更大的冲突。AI 不只是美联储经济预测中的又一个项目。

它同时是需求来源、潜在的供给改善因素、劳动力市场力量，以及金融风险的集中点。

任何单一利率决策都无法隔离这些渠道。美联储可以抑制总需求，却无法制造变压器、培训电工，或确保 AI 部署能够盈利。

生产率承诺仍缺乏明确结论

反对立即转向政策乐观主义的最有力理由很简单：广泛的 AI 生产率提升仍难以验证。

投资热潮的支持者指出，产出增长加快、资本支出上升，以及 AI 在企业内部的可观应用。这些都是相关信号，但并不能证明因果关系。

近期的生产率改善早于生成式 AI 在商业领域得到广泛采用。自动化、企业重组和疫情期间的运营变化同样影响了数据。

企业也可以报告试点成功，却未改变全经济范围的生产率。一项工具可能为某项任务节省时间，却在其他环节增加审查、整合或纠错工作。

生成式 AI 的输出在许多敏感场景中仍需验证。当员工必须核查主张、修复工作流程或管理合规风险时，错误可能抵消节省的成本。

采用也并不均衡。科技、金融和专业服务行业可以比建筑、医疗保健、政府机构或较小的本地企业更快整合 AI。

这种不均衡很重要，因为全国生产率数据汇总了差异极大的行业。狭窄群体中的巨大收益未必会迅速带动整体指标。

纽约联储的 2026 年政策框架描述了另一项复杂因素。即使技术能力提升，采用摩擦也可能暂时降低实际效率。

组织可能在尚未学会如何有效使用工具前就购买它们。它们可能重复建设系统、重组团队，或投资数据准备工作，却无法立即获得产出增长。

这一缺口让当前通胀更难解读。更高成本或许只是生产率上升前的暂时性投资阶段。

它们也可能表明预期收益被高估。货币政策在周期初期无法确定地区分两者。

就业数据呈现出类似的模糊性。会议纪要称，迄今为止 AI 对净就业的影响有限。

据报道，一些工人被取代，而基础设施项目创造了其他岗位。对大范围裁员的担忧尚未在总体数据中实现。

不过，就业稳定并不能解决这个问题。企业可以在不进行大规模裁员的情况下减少招聘，尤其是在它们预期未来实现自动化时。

它们也可以利用 AI 扩大产出而不增加员工。这会提高生产率，但可能削弱新进入劳动力市场者的机会。

多位与会者将 AI 不确定性与低招聘、低裁员联系起来。随着技术能力和经济状况变化，企业可能正在推迟决策。

对知识工作者而言，实际问题不仅在于岗位是否消失。工作构成、入职路径、评估标准和所需技能可能会更早发生改变。

一家将研究、编程或客户支持自动化的公司，仍可能保留员工。这些员工可能管理更多产出，同时花费更多时间验证自动化工作。

因此，可靠证据应包括多项指标。每位员工创造的营收很重要，但产出质量、错误率、客户结果和总实施成本也同样重要。

如果员工把节省下来的时间转用于纠正失败，节省时间本身并不足够。如果系统从未成为核心生产的一部分，试点采用也并不足够。

持怀疑态度并不要求假定 AI 将会失败。它要求拒绝在生产率尚未持续地出现在企业和行业中之前，将未来生产率计入现实。

美联储的任务更为严格。它必须判断生产率是否充分扩大供给，以改变通胀前景和合适利率水平。

这一决策需要广泛且持续的证据。一系列令人印象深刻的演示不能替代全经济范围的衡量。

美联储已成立生产率工作组，研究包括 AI 在内的通用技术。

其任务将技术直接与就业和价格稳定联系起来。该工作组还包括来自央行之外的科技界和经济学界人士。

这项工作可以改进政策制定者提出的问题。它无法消除技术引入与可衡量的宏观经济影响之间固有的滞后。

因此，投资者、高管和政策制定者所看的时钟各不相同。市场为未来收益定价，企业管理当前项目，而美联储应对当前通胀。

只有当采用带来可见产出、且没有同等程度的成本增长时，这些时钟才会同步。在此之前，生产率承诺仍是一项预测，而不是政策事实。

三项信号将决定美联储下一场 AI 争论

辩论的下一阶段取决于通胀覆盖范围、经验证的生产率，以及 AI 投资的金融韧性。

第一项信号是，AI 相关的价格压力是否会从基础设施投入扩散出去。芯片、电力、工程服务和数据中心材料提供最早的证据。

狭窄范围内的上涨将支持经济正在经历相对价格变化的观点。更广泛且持续的上涨则会强化收紧政策的理由。

美联储将关注核心 PCE 通胀、工资增长、企业调查和通胀预期。它还将考察企业是否把更高的投入成本转嫁给客户。

这种区别将影响 9 月 15 日和 16 日的 FOMC 会议。官员们已经表示，如果通胀未能下降，进一步收紧政策可能是必要的。

单个月度读数无法解决这一问题。政策制定者需要证据证明，改善能够经受能源价格波动、关税和持续基础设施需求的考验。

第二项信号是，衡量到的生产率是否能被明确归因于 AI 采用。这需要的不只是资本支出加快或高管的乐观表态。

有用的证据将显示多个行业持续的产出增长。它还应显示，在计入硬件、软件、培训、审查和整合后，单位成本有所下降。

如果企业披露一致的运营指标，企业披露可以提供帮助。独立研究和政府数据仍然必要，因为企业有强调成功部署的动机。

如果生产率加快而通胀缓解，乐观情景就会获得支持。美联储可以将更强劲的增长视为供给扩张，而非需求过剩。

如果生产率停滞而基础设施成本上升，紧缩理由就会更强。届时，AI 将是在带来相应产能增长之前先增加支出。

第三项信号是建设扩张如何融资。现金充裕的科技公司比高杠杆开发商或投机性基础设施载体更容易承受延期。

会议纪要强调了来自非银行投资者和区域性银行的借款。随着项目规模扩大和信贷条件变化，这种敞口值得审视。

关注信用利差、再融资条件、项目延期和取消。压力上升将表明预期 AI 回报已无法再证明资本成本的合理性。

受控放缓可以减轻通胀压力。大幅重新定价则可能收紧金融条件、削弱投资，并暴露集中度较高的贷款机构。

美联储必须考虑这两种结果。紧缩政策能够冷却需求，但也可能加速那些建立在乐观融资假设之上的项目失败。

开发商和企业采购方应关注这些信号，因为货币条件会影响产品策略。更高的融资成本可能缩小模型选择范围，并推迟基础设施扩张。

企业可能从训练更大的系统转向从现有模型中提取更多价值。效率、更小规模的部署和可衡量的工作流回报将变得更加重要。

知识工作者应关注生产率证据，而非仅仅关注岗位流失预测。招聘模式、任务重构和质量控制将比总体裁员更早揭示采用情况。

评估 AI 的团队应保留与产出和决策有关的证据。一个可搜索的AI knowledge base可以帮助将生成的工作与用于验证它的来源联系起来。

当高管要求可衡量的回报时，这类运营记录会变得更有价值。它有助于区分有用的自动化与那些只是将审查成本转移给员工的活动。

Google News 将继续产出美联储 AI 辩论的戏剧化版本。其底层问题没有那么戏剧化，却更具影响。

AI 能否在其实体建设扩张持续推高通胀、昂贵信贷和集中市场风险之前，扩大生产能力？

答案不会通过一次演讲、一次演示或一次政策会议得出。它将通过价格、产出、融资和工作场所采用情况显现。

读者应将这些指标结合起来追踪。通胀下降而没有经验证的生产率，并不能证明乐观的 AI 论点成立。

同样，若生产率强劲而基础设施通胀持续，美联储仍将面临艰难的过渡。成本与收益可以同时真实存在。

最有用的行动是用可衡量的证据取代笼统说法。追踪 AI 在何处降低总成本、基础设施在何处推高成本，以及由谁承担融资风险。

这些证据将决定，AI 会成为美联储走向更宽松政策的路径，还是继续维持紧缩借贷条件的另一项理由。