AI已爆发，为何美联储说生产率数据仍“静默”？

近期，人工智能（AI）对经济的潜在影响成为全球政策制定者与市场参与者关注的核心议题。2026年6月4日，一则简短但意味深长的声明引发广泛讨论：“美联储戴利：数据中尚未体现人工智能带来的生产率提升。”这一表态看似平淡，却折射出当前宏观经济分析中的一个关键矛盾——技术乐观主义与统计现实之间的脱节。

要理解这句话的分量，需将其置于当日及此前数周的关键事件脉络中审视。根据公开时间线，美国劳工统计局（BLS）于2026年6月4日当天发布了第一季度非农部门劳动生产率的修订数据。这是继5月7日初值发布后的第二次更新，通常被视为更接近真实情况的估算。尽管具体数值未在素材中详述，但结合戴利发言的时间点——几乎与数据发布同步——可以合理推断，她的评论正是基于这份最新修订报告。

值得注意的是，在此之前，市场对AI驱动“生产力繁荣”的预期已持续升温。从企业财报到风险投资流向，再到科技巨头的资本开支计划，无不透露出一种共识：生成式AI正以前所未有的速度渗透至研发、客户服务、软件开发乃至制造业流程中。然而，宏观统计数据却迟迟未能捕捉到这种变革的痕迹。这并非首次出现“技术革命先行、生产率滞后”的现象。历史上，电力、计算机和互联网的普及也都经历了类似的“索洛悖论”阶段——即“到处都能看到计算机时代，唯独在生产率统计数据中看不到”。

戴利作为旧金山联邦储备银行行长，其言论代表了美联储内部对当前经济动能的审慎评估。她的表态暗示，即便AI已在微观层面展现出效率增益，这些改进尚未转化为全经济范围内的产出增长或单位劳动力成本下降。可能的原因包括：AI应用仍处于早期部署阶段，投资回报周期较长；企业尚在调整组织架构以适配新技术；或者当前衡量生产率的方法未能充分捕捉知识密集型服务领域的无形产出提升。

值得警惕的是，素材中提及的其他名为“Daly”的人物——如Elliptic Labs新任首席商务官Brian Daly，或MACOM CEO Stephen G. Daly——与美联储官员并无关联。这种姓名重合虽属巧合，但也提醒我们在信息碎片化时代需严格区分信源。真正的美联储戴利（Mary C. Daly）长期专注于劳动力市场与包容性增长研究，其对生产率问题的关注具有高度专业一致性。

从政策角度看，若AI确实尚未显著提振生产率，则意味着当前通胀压力的缓解不能过度依赖技术红利。美联储在制定利率路径时，仍需更多依赖传统指标，如就业增长、薪资增速与核心PCE数据。这也解释了为何即便在AI投资热潮高涨的背景下，货币政策制定者仍保持“数据依赖”立场，避免过早假设供给侧改善将自动压低通胀。

进一步看，生产率数据的“沉默”也可能反映测量挑战。现行统计体系主要追踪有形商品与标准化服务的产出，而AI带来的价值往往体现在质量提升、定制化增强或决策优化等难以量化维度。例如，一名程序员借助AI工具将代码编写效率提高50%，但若其产出仍计为“一行代码”，则系统无法识别这一进步。类似地，客服响应速度加快或医疗诊断准确率上升，在GDP核算中可能被低估甚至忽略。

不过，历史经验表明，技术对生产率的影响通常呈非线性特征。初期投入可能拉低短期回报（因培训、整合与试错成本），随后才在规模化应用后爆发式显现。当前企业对AI基础设施的大规模投资——从云算力采购到专用芯片部署——或许正在为未来的跃升积蓄势能。正如2000年代初互联网泡沫破裂后，电子商务与数字广告最终在十年内重塑了零售与传媒行业的生产函数。

对于投资者而言，这一“数据滞后”现象构成双重信号。一方面，它警示市场勿将AI叙事过度金融化，避免估值脱离基本面；另一方面，它也预示着一旦宏观数据开始确认生产率拐点，相关资产可能迎来新一轮重估。尤其在美股科技板块经历多轮AI主题炒作后，真正的超额收益或将属于那些能证明AI已实质性降低边际成本或扩大有效产能的企业。

综上所述，戴利的简短声明实则是对当前经济转型期复杂性的精准概括。AI的潜力毋庸置疑，但其宏观显现需要时间、制度适配与测量方法的同步演进。在等待“生产力春天”到来的过程中，政策制定者、企业和投资者都需在乐观预期与实证纪律之间保持平衡。毕竟，经济史一再证明，真正的技术革命从不喧嚣登场，而是在数据悄然改写规则之后，才被世人真正认知。