美联储论文揭示AI繁荣背后现实落差：生产率红利尚未兑现 通胀代价显现但程度有限 就业影响难量化

智通财经APP获悉，根据美联储工作人员发布的一篇研究论文，人工智能(AI)需求推动美国数据中心投资激增、并抬高了部分科技投入品的价格，但其对整体生产率和就业的影响仍然有限。这意味着，当前AI热潮对美国经济的推动，更多体现为数据中心建设、芯片及相关设备采购所带来的投资增长，而AI技术能否真正转化为广泛的企业效率提升和生产率红利，仍有待时间检验。

据悉，这篇题为《人工智能与美国经济：当前证据》(Artificial Intelligence and the U.S. Economy: Current Evidence)的研究由Nick Carollo、Leland Crane、Daniel Garcia Molina和Joseph Nichols撰写，于11月发布。作者指出，尽管AI很可能在长期内产生巨大且持久的生产率效应，但目前距离ChatGPT推出仅过去数年，技术普及、企业组织调整以及经济效应的兑现仍处于早期阶段。需要注意的是，这是一篇美联储工作人员的讨论论文，其分析和结论代表作者观点，并不意味着美联储理事会或其他工作人员对此表示认同。

数据中心投资计划突破1万亿美元，但进口支出抵消部分经济拉动效应

论文发现，2025年新建数据中心的投资计划规模超过1万亿美元，高于2024年的近3000亿美元。根据截至2026年5月已公布的项目，在中性情景下，到2027年底，与数据中心相关的投资年化规模预计将超过8800亿美元，相当于GDP的2%以上。

摩根士丹利的估算显示，超大规模云服务商(hyperscalers)和新兴云服务商(neoclouds)的现金资本支出预计将继续增长，从2026年的9460亿美元升至2027年的1.66万亿美元，并于2028年进一步达到1.77万亿美元。Alphabet(GOOGL.US)和亚马逊(AMZN.US)占据了预计支出中的最大份额。两家公司合计现金资本支出预计将在2027年达到7300亿美元，并于2028年达到约7650亿美元。

不过，数据中心投资规模并不意味着同等规模的国内经济产出增长。作者估计，相关支出约有一半流向进口商品，尤其是高科技设备，因此进口增加将抵消部分投资对美国国内产出的提振作用。与此同时，数据中心建设还可能带动电力基础设施等配套投资，但高科技设备价格上涨也可能挤压其他企业的投资预算。

项目落地本身也存在不确定性。数据中心建设需要土地、电力、水资源、劳动力及大量设备，任何一项资源供应不足都可能推高建设成本、延迟项目进度。部分地方政府已经因电力和水资源需求而限制数据中心项目，电网接入排队、天然气轮机和芯片供应短缺也构成潜在瓶颈。论文指出，部分天然气轮机的交付周期已经从两年延长至五年以上。

AI建设热潮推高部分科技产品价格，通胀影响值得注意但程度有限

数据中心建设热潮还推高了存储芯片、数据存储设备、裸电路板及已装配电路板等产品的价格。在截至2026年3月的12个月内，一类涵盖视频、音频、摄影及信息处理设备和媒体的个人消费支出(PCE)价格上涨近8%;而此前三年，这类产品价格年均下降约3%。

论文指出，软件及配件价格上涨也是这一类别价格走高的重要因素之一，部分软件企业可能正在将新增AI功能的成本转嫁给用户。数据存储设备价格上涨同样对相关消费价格构成推动。

不过，作者认为，迄今为止，这些价格上涨对整体PCE价格指数的影响仍然明显但有限，未来影响则可能进一步扩大。相关研究还发现，自2025年1月以来，数据中心暴露度最高的核心PCE价格类别，其通胀率比暴露度处于中位数的类别高出约5个百分点。

这意味着，AI基础设施建设在短期内可能通过芯片、电子设备、软件以及电力等环节推高部分成本，而生产率提升带来的降成本效果尚未充分显现。美联储研究人员认为，未来AI若能显著提高生产率，确实可能通过降低企业生产成本缓解通胀，但目前还无法观察到这一效果。

AI应用范围不断扩大，但企业使用深度仍然不足

AI在消费者和企业中的应用范围不断扩大，但普及程度仍不均衡。2025年的一项调查发现，约50%的成年人在工作之外使用AI，主要用于信息搜集和写作;而截至2026年初的多项调查显示，超过40%的劳动者在工作中使用AI。不过，只有约10%的劳动者每天在工作中使用AI，说明这项技术尚未成为大多数员工日常工作流程的核心组成部分。

企业层面的调查结果差异较大。美国人口普查局的企业趋势与前景调查显示，约20%的企业采用AI;其他研究给出的比例则达到58%至78%。这种差异与调查问题的具体措辞、样本范围以及统计权重有关。总体而言，大型企业和成立时间较短的企业采用AI的比例更高，信息服务、金融活动以及专业和商业服务等行业的应用程度也相对领先。

不过，企业目前往往只在少数业务环节使用AI，例如IT、人力资源、营销、财务和战略管理，而不是将其全面融入整个组织。尤其值得注意的是，AI在研发领域的应用比例仍然相对较低，而研发恰恰可能是AI推动长期创新和生产率增长的重要渠道。

美联储研究人员认为，要实现持续且广泛的生产率提升，企业可能需要进一步将AI纳入核心生产流程，重新设计组织架构、自动化更多工作任务，并投入培训和管理等配套资源。仅仅购买AI工具或为员工提供使用权限，并不足以保证生产率大幅提高。

AI对就业市场的影响已初步显现，但整体影响仍难以量化

AI对劳动力市场的影响目前仍然喜忧参半。论文引用的一项研究发现，在大型语言模型推出后，22至25岁、从事AI高暴露度职业的劳动者就业人数，相较于其他年龄段的同职业劳动者以及AI暴露度较低职业的劳动者，下降了16%。其他研究也得出了相似结论。

作者指出，这种影响主要体现为招聘需求减少，而非大规模裁员。初入职场的劳动者可能更容易受到冲击，因为他们承担的工作通常包含更多简单、标准化且容易编码的任务，而经验丰富的员工往往拥有更难被AI替代的专业知识和企业内部经验。

与此同时，AI也可能带来岗位重新分配。一些企业更倾向于对受影响员工进行再培训，而非直接裁员。纽约联储的一项调查就发现，企业在面对AI可能影响的岗位时，报告员工再培训的比例高于裁员。

因此，AI对整体就业和失业的影响仍难以识别。当前受影响较大的职业群体在美国就业总量中占比相对有限，但随着企业采用AI的范围和深度不断扩大，这种影响未来可能进一步显现。