AI提升生产率成美联储新变量：通胀回落靠需求萎缩还是技术进步？

2026年7月9日，美国纽约联邦储备银行行长约翰·威廉姆斯（John Williams）在公开讲话中表示，基准情景下人工智能（AI）将获得更广泛的应用，从而提升整体生产率。他重申美联储致力于将通胀率带回2%的长期目标，并强调政策制定应聚焦于潜在通胀驱动因素，而非单一指标的短期波动。此外，威廉姆斯指出，政府可通过技术性调整改善个人消费支出物价指数（PCE）与消费者物价指数（CPI）之间的统计差异，同时强调货币政策仍需严格依赖数据。

AI对生产率的潜在影响成为政策新变量

威廉姆斯此次发言首次将AI的大规模应用明确纳入美联储对经济前景的“基准情景”之中。这一表述标志着美联储高层对技术变革可能重塑通胀与增长关系的认知正在深化。若AI确如预期般渗透至制造业、服务业乃至公共部门，其对单位产出成本的压缩效应或可缓解工资—物价螺旋压力，为货币政策提供更大操作空间。

值得注意的是，威廉姆斯并未将AI视为短期扰动，而是将其定位为结构性变量。这意味着美联储在评估中性利率（r*）和通胀趋势时，或将逐步纳入技术扩散模型。尽管目前尚无官方量化测算，但若AI驱动的效率提升真实发生，长期通胀中枢可能系统性下移，从而改变2%目标的实现路径——不是通过紧缩压制需求，而是通过供给扩张自然回落。

通胀目标的坚定承诺与指标选择的灵活性

然而，他特别强调“关键是要关注潜在通胀因素，而不仅仅是某一特定指标”，这一措辞暗示决策层对当前通胀读数的解读趋于审慎。2026年上半年，美国核心PCE与核心CPI走势出现阶段性背离，前者受医疗保健权重调整影响下行较快，后者则因住房成本粘性维持高位。这种分歧加大了政策判断难度。

威廉姆斯提出“政府的技术性调整可以更好地协调PCE与CPI之间的差异”，指向统计方法论层面的改进可能。PCE由美国商务部经济分析局（BEA）编制，采用链式加权法并包含自有住房等隐性消费；CPI由劳工统计局（BLS）发布，固定权重且不包含部分服务项目。两者在住房、医疗和能源领域的处理差异长期存在。若未来通过统一数据源或调整权重逻辑缩小分歧，将有助于减少市场对“哪个通胀指标更真实”的争论，提升政策信号清晰度。

数据依赖框架下的政策观望期

“美联储政策仍需依赖数据”这一结语，凸显当前决策层在降息节奏上的谨慎态度。截至2026年7月，联邦基金利率仍处于限制性区间，但市场普遍预期年内将启动降息。威廉姆斯作为纽约联储主席，是联邦公开市场委员会（FOMC）永久投票成员，在政策制定中具有关键影响力。其表态表明，即便AI提升生产率的前景乐观，美联储也不会仅凭预期提前转向宽松，而是等待就业市场降温、服务业通胀实质性回落等实证信号。

这种数据依赖逻辑也意味着，若AI应用带来的效率增益早于预期显现——例如企业财报显示单位劳动力成本显著下降、资本开支回报率上升——美联储可能更快确认通胀趋势改善，从而加速政策正常化进程。反之，若生产率提升滞后于技术投入，通胀粘性持续，则高利率维持时间可能超出市场预期。

对资产定价的启示：从通胀叙事转向生产率叙事

威廉姆斯的讲话虽未直接评论市场，但其对AI与生产率的强调，可能引导投资者重新校准估值框架。传统上，科技股受益于低利率环境；但在“AI提升全要素生产率”的新叙事下，即使利率中枢高于疫情前水平，企业盈利增长仍可能支撑估值。尤其是云计算、半导体、企业软件等AI基础设施领域，其长期现金流折现模型中的增长率假设或被上调。

与此同时，债券市场需警惕“好通胀”（good disinflation）情景：即通胀下行源于供给改善而非需求崩溃。在此情形下，实际利率可能保持稳定甚至上行，名义利率降幅有限，导致长久期资产表现弱于预期。投资者需区分通胀回落的驱动机制——是需求萎缩的被动结果，还是技术进步的主动成果。

综合来看，威廉姆斯的发言标志着美联储正将技术变革内生化至宏观经济模型之中。AI不再仅是产业话题，而成为影响货币政策路径的核心变量。未来几个季度，市场焦点或将从单纯的通胀数据博弈，转向对生产率指标（如非农单位劳动成本、全要素生产率季度估算）的密切跟踪。对于全球投资者而言，理解这一范式转移，是在高波动环境中把握资产配置方向的关键。