預測人工智慧的經濟效應

2026年5月，美聯儲理事Lisa D Cook在斯坦福大學經濟政策研究所發表專題演講，系統闡述了人工智能對美國經濟與金融系統的雙重影響。該演講結合當下宏觀經濟形勢，圍繞人工智能（AI）展開論述，闡述了AI投資熱潮對通脹、就業、增長的傳導作用，剖析了金融領域的創新價值與各類潛在風險，同時介紹了美聯儲落地AI開展監管分析的實踐案例，秉持樂觀審慎的態度提出創新與風控並行的發展思路，內容兼具宏觀視野與行業實操參考價值。中國人民大學金融科技研究所對研究核心部分進行了編譯。

宏觀經濟現狀與人工智能的傳導影響

Lisa在演講中首先結合當下美國經濟運行態勢，圍繞美聯儲雙重政策目標（dual mandate）分析人工智能帶來的多重影響，並以此為基礎解讀當前貨幣政策的實施邏輯。

（一）通脹：短期衝擊與持久壓力

當前美國通貨膨脹問題突出，截至2026年4月的十二個月裡，個人消費支出價格指數（PCE, Personal Consumption Expenditures price index）同比上漲3.8%，這一數值明顯高於美聯儲設定的2%通脹目標。剔除波動較大的食品和能源品類後，核心個人消費支出價格指數（core PCE）同比漲幅達到3.3%，創下2023年以來的新高。此輪通脹上行的直接誘因是伊朗局勢引發的成品油價格攀升，從理論層面來看，關稅衝突、地緣政治帶來的衝擊都屬於短期擾動，原油期貨市場的交易預期也普遍認為，國際油價在今年年底將會出現回落。

Lisa在演講中強調，短期價格衝擊依舊存在向中長期通脹演化的隱患。企業很容易將階段性的物價上漲納入常態化定價體系，勞動者也會在薪酬談判中參考當下的物價水平，進而催生工資-物價螺旋（wage-price spiral）風險。與此同時，AI大規模投資熱潮進一步加劇了市場的供需失衡，目前全球企業公布的數據中心建設規劃總金額已經突破1.5萬億美元，而大部分項目仍處在籌備階段，持續釋放的投資需求不斷推高芯片、高端軟硬件等上游產品價格。過去一年裡，建築專項工種的薪資明顯上漲，電力、用水價格也分別有約5%的增幅。除數據中心之外，機器人等AI相關固定資產投資還會持續擴張，中長期的需求壓力將持續對物價形成支撐。

**

（二）勞動力市場：表面穩定與深層風險

**

勞動力市場目前整體保持平穩狀態，2026年4月美國失業率為4.3%，自去年夏季以來基本沒有出現大幅波動，該數值與自然失業率（natural rate）相匹配，意味著勞動力供需大體處於均衡狀態。儘管市場上頻頻出現企業裁員的相關消息，但失業保險初次申領人數始終維持在低位，就業基本面暫時保持穩定。不過，Lisa指出，勞動力市場的下行風險正在逐步積累，中東地緣衝突帶來的經濟不確定性會壓制市場總需求，企業也會出於觀望心態放緩招聘節奏，讓當下就業市場呈現招聘意願低迷的特徵。从長期發展角度判斷，人工智能或將引發數代人以來規模最大的就業結構重構，現階段雖然還沒有出現大規模失業的現象，但AI帶來崗位縮減的速度，大概率會快於新增就業崗位的誕生速度，勞動力市場人員流動加劇將成為必然趨勢。結合美聯儲2025年小企業信貸調查數據，絕大多數小微企業目前尚未因人工智能改變用工成本，但多數企業都預判，未來會依托AI徹底調整經營模式，就業格局的變革只是時間問題。

**

（三）增長：生產率樂觀與知識經濟紅利

**

在經濟增長層面，Lisa持樂觀態度。過去一年美國國內生產總值（GDP, Gross Domestic Product）增長勢頭強勁，勞動生產率（labor productivity）也超過疫情前的平均水平，市場創業活力始終保持高位。她結合內生增長理論提出，人工智能是具備劃時代價值的通用技術，二戰以來全球在知識經濟領域的長期投入，正在借助AI實現創新成果的集中爆發。當人工智能被系統性融入企業生產流程後，勞動生產率會得到進一步提振，為美國中短期經濟穩健增長提供有力支撐。

**

（四）貨幣政策：穩態觀望、偏向緊縮

**

基於對宏觀經濟的綜合判斷，Lisa闡述了現階段貨幣政策的核心思路。從風險管理的角度出發，當前最優選擇是維持基準利率不變。目前經濟運行的風險結構並不均衡，通脹上行風險依舊是最主要的矛盾。按照基準預測，未來數月通脹會逐步回落，勞動力市場也將保持平穩，暫時無需調整利率。但美國已經連續五年處於通脹高於目標區間的狀態，高物價一旦固化在定價與薪酬機制中，將會形成長期隱患。对此，Lisa明确表态，如果通脹回落不及預期，美聯儲將會採取加息舉措；倘若勞動力市場出現明顯惡化，也會適時下調利率，政策調整將完全依托經濟數據靈活變動。

人工智能為金融體系帶來的發展機遇

談及人工智能對金融體系的價值，Lisa表示，AI能夠全面提升生產效率、加快創新成果的迭代速度，助力新興企業誕生和新增崗位創造，從宏觀層面緩解通脹壓力。美聯儲內部十分推崇實驗探索的創新模式，借鑑硅谷的發展經驗，牽頭搭建新興技術經濟研究網絡，在整個美聯儲體系內共享AI的研究成果與落地經驗，鼓勵工作人員探索人工智能的全新應用方向，同時包容創新過程中的試錯行為。現階段，金融行業已經率先將AI應用在人工密集、資源消耗型傳統業務板塊，合規審核、客戶呼叫中心、後台運營等場景都實現了智能化升級，工作效率得到顯著提升。AI工具也讓數據分析工作變得更加高效靈活，借助智能編碼技術，金融機構得以解決遺留系統代碼（legacy code）更新、多系統對接等長期難題。大型科技企業和金融機構還利用AI主動排查各類網絡安全隱患（cyber vulnerabilities），筑牢系統防護屏障。放眼長遠，人工智能對金融行業的改造空間十分廣闊：依托AI可以打造定制化金融產品，根據不同客戶的需求設計差異化服務，讓複雜金融產品覆蓋更多群體；面向零售投資者，AI分析工具能夠幫助使用者更早捕捉市場趨勢、識別潛在風險；行業運行效率提升後，更多資金可以流向信貸與投資領域，進一步激活實體經濟，形成良性的經濟循環。

人工智能引發的金融風險與體系脆弱點

Lisa同時客觀指出，技術創新必然伴隨各類風險，若缺少有效的監管與約束，人工智能會放大金融體系原本存在的薄弱環節，还会催生全新風險。AI相關金融風險主要體現在四個方面。

第一類風險是AI算法交易（AI-driven algorithmic trading）帶來的市場風險，傳統算法依托固定代碼和簡單規則開展高頻交易，運行模式較為僵化，而生成式AI（GenerativeAI）與機器學習具備自主學習能力，可以結合歷史數據、實時行情以及文本等非結構化信息動態調整交易策略。這類新型交易模式容易造成市場交易行為趨同，引發內生合謀（endogenous model collusion）問題，降低市場操縱的實施門檻，还會進一步推高市場集中度（market concentration），擾亂正常的市場秩序，威脅金融穩定。

第二類風險是行業變革傳導至信貸市場的風險。AI技術對部分傳統行業形成顛覆沖擊，這一趨勢已經在債券市場有所體現。受行業重構預期影響，科技板塊投機級債券（speculative-grade bonds）的信用利差（spread）持續走闊；某頭部AI企業推出針對性產品沖擊軟件行業後，市場對相關信貸資產的擔憂加劇，引發大規模資金贖回，對場內交易型債券以及場外永續型商業發展公司都造成了明顯沖擊。

第三類風險來自AI基礎設施建設催生的債務槓桿問題。為布局數據中心等AI硬件設施，大量科技企業紛紛通過債務市場融資，頭部科技公司頻繁發行投資級債券（investment-grade bond），中小型數據中心運營商則依靠私募信貸、資產支持市場獲取資金。新興技術領域的舉債規模不斷擴張，槓桿率持續攀升，逐步積累系統性風險。Lisa補充道，雖然當前整體槓桿水平尚未達到全球金融危機爆發前的峰值，但持續無序發債的趨勢依舊需要高度警惕。

第四類風險為網絡安全風險，也是當下最受關注的領域。大語言模型（LLM, Large Language Models）和智能體AI的能力飛速提升，這類技術既可以用於防護系統漏洞，也可能被不法分子利用。以Anthropic公司的Mythos模型為例，该工具能够识别以往无法发现的软件漏洞，一旦被黑客使用，将会严重威胁金融机构与关键基础设施的安全。与此同时，AI大幅降低了代碼編寫的門檻，代碼數量快速增長，間接加重了現有安全審核體系的負擔，軟件故障等非惡意網絡問題，也更容易造成金融服務中斷。当然AI並非只有負面作用，先進的智能工具同樣可以搭建防禦體系，抵禦網絡攻擊，行業整體呈現出攻防技術同步升級的博弈格局。

美聯儲的人工智能應用實踐

Lisa詳細介紹了美聯儲內部的AI應用實踐，聯邦公開市場委員會（FOMC）目前並未使用人工智能制定貨幣政策，但美聯儲各部門已經廣泛將AI運用在金融穩定監測、風險分析等工作中。通過自主研發和落地智能工具，監管機構能夠更精準識別AI衍生的新型風險，也可以排查傳統監管模式下容易遺漏的隱患。

美聯儲的AI實踐分為兩大板塊。第一板塊是組建專業技術團隊，研究網絡安全、AI、量子計算等技術帶來的機遇與風險。團隊依托大語言模型開展模擬實驗，探究生成式AI對投資者行為的影響，實驗結果顯示，AI智能體更傾向於依靠數據和邏輯做出判斷，能夠有效弱化動物精神（animal spirits）引發的盲目跟風行為，減少資產泡沫的出現概率。研究團隊還運用主動知識蒸餾（active knowledge distillation）技術，研發輕量化AI模型，在保證分類準確率不變的前提下，將計算成本降低80%，可高效處理監管文件、財報、新聞等海量非結構化文本。此外，工作人員利用自然語言處理（Natural Language Processing） 技術，分析數十年間的《褐皮書（Beige Book）》文本，證實文本情緒數據能夠有效預判經濟衰退，大幅提升宏觀風險預警能力。

第二板塊是組織美聯儲理事會與12家地區儲備銀行的工作人員，開展智能體AI實操演練，探索該技術在金融穩定分析中的應用。智能體AI具備自主推理、選擇分析方法、獨立完成複雜任務的能力，在網絡關聯風險（network-based risks）識別方面，表現遠優於傳統人工分析模式。受人力和算力限制，傳統方式很難全面梳理複雜的金融網絡結構，而智能體AI可以完成系統性排查。同時，這類工具能夠批量設定、運行各類金融穩定情景模擬，完成以往需要耗費大量人力和時間的工作。為規避算法判斷失誤的問題，美聯儲在系統中設置多重校驗機制，要求多個AI智能交叉論證、主動納入反向觀點，最終結果再交由研究人員復核，這套運行邏輯借鑑了人類思辨與學術研究的模式，兼顧效率與準確性。

總結與發展立場

最後，Lisa表示，人工智能的發展必須以實驗探索、治理規則與風險管控作為三大根基。當前金融機構與科技企業都在加速落地AI技術，技術迭代速度不斷加快，監管者只有親身實踐、深入理解系統運行邏輯，才能精准識別風險、引導行業良性發展。

AI擁有強大的分析能力，可以拓展人類的工作邊界，但技術優勢必須建立在完善的治理框架之上。現階段最優應用模式為人機協同，利用AI增強人類判斷能力，同時在系統底層嵌入核驗機制，規避算法偏差與決策失誤。身處技術變革的關鍵時期，美聯儲對人工智能的發展保持樂觀態度，同時堅守審慎原則，在鼓勵創新活力的基礎上，牢牢守住宏觀經濟與金融穩定的底線。