美联储高官首提AI或压低长期通胀：技术通缩能否重塑宏观叙事？

2026年6月5日凌晨，旧金山联邦储备银行行长玛丽·戴利（Mary Daly）在一次公开问答中被问及未来五到十年的经济展望时，提出一个引人注目的观点：人工智能（AI）可能会降低通胀。这一简短但意味深长的表态，虽未附带详细模型或数据支撑，却迅速引发市场对技术变革与宏观政策交叉点的新一轮讨论。在全球主要央行仍在应对后疫情时代价格波动、劳动力市场结构性变化以及地缘政治扰动的背景下，一位美联储高层将AI视为潜在的“反通胀力量”，其信号意义值得深入拆解。

AI作为长期供给端变量：从生产率到价格压力

传统通胀分析框架通常聚焦于需求拉动（如财政刺激、消费反弹）或成本推动（如能源价格、工资上涨）。然而，戴利此次发言暗示了一种更长期、更结构性的视角——即技术进步可能通过提升全要素生产率（TFP），缓解甚至逆转通胀趋势。这一逻辑并非全新。历史上，信息技术革命曾在1990年代末至2000年代初帮助美国实现“高增长、低通胀”的“大缓和”（Great Moderation）时期。如今，AI被视为新一轮通用技术（General Purpose Technology）浪潮的核心，其渗透范围远超软件行业，正快速进入制造、物流、医疗、金融乃至公共服务领域。

若AI能显著降低企业运营成本——例如通过自动化客服减少人力支出、优化供应链预测减少库存浪费、或加速药物研发缩短上市周期——那么单位产出的成本曲线将下移。这种供给端的改善理论上会抑制商品和服务的价格上涨压力。尤其在服务业，其价格粘性较强且劳动密集度高，历来是核心通胀的顽固来源。若AI能在法律咨询、会计、教育辅导等知识型服务中实现规模化替代或增强，可能打破“鲍莫尔成本病”（Baumol’s cost disease）的长期约束，从而对整体通胀中枢产生下行牵引。

产业链传导：哪些环节最可能受益？

从全球产业链角度看，AI驱动的“反通胀效应”并非均匀分布。硬件层（如GPU制造商、数据中心运营商）短期内可能因资本开支激增而推高投入品价格，但中长期看，算力成本的持续下降（遵循类似摩尔定律的趋势）将使AI服务边际成本趋近于零。这有利于下游应用层企业——尤其是那些能将AI嵌入标准化流程的行业，如保险核保、信贷风控、电商推荐系统等。

对于投资者而言，这意味着两类资产可能间接受益于“AI通缩”叙事：一是具备强大数据资产与算法护城河的平台型企业，其单位经济模型（unit economics）有望因AI而显著优化；二是传统行业中率先实现AI深度整合的龙头企业，其毛利率与现金流稳定性可能获得重估。相反，高度依赖人工交付、难以标准化的服务提供商，若无法有效利用AI提效，则可能面临市场份额流失与定价权削弱的双重压力。

值得注意的是，中国在AI应用落地方面展现出独特优势。庞大的数字生态、相对宽松的数据使用环境（尽管近年监管趋严）以及政府主导的“人工智能+”行动方案，使得AI在制造业质检、城市治理、农业监测等场景快速商业化。若这些实践确实带来系统性效率提升，中国CPI中的服务分项或工业品出厂价格（PPI）可能较早显现温和化趋势，进而影响全球制造业成本基准。

监管与分配效应：通缩未必是福音

然而，将AI简单等同于“抗通胀良药”存在明显盲区。首先，技术红利的分配极不均衡。AI可能加剧资本与劳动之间的收入分化——资本所有者（股东、技术精英）获益，而中低技能劳动者面临岗位替代风险。若工资增长停滞甚至下降，虽短期压制服务通胀，但长期可能抑制消费需求，导致“需求不足型通缩”，这与健康的技术驱动型通缩有本质区别。

其次，监管环境构成关键变量。欧美正加速推进AI治理框架（如欧盟《人工智能法案》、美国行政令），强调透明度、公平性与人类监督。这些合规成本可能部分抵消效率收益。此外，若各国在AI基础设施（如芯片出口管制、云服务本地化）上采取保护主义措施，全球技术扩散速度将放缓，削弱其对全球通胀的协同压制作用。

更微妙的是，央行自身对AI的态度也存在张力。一方面，AI提升经济韧性，为货币政策提供更大操作空间；另一方面，若AI导致就业市场剧烈震荡或金融系统算法同质化（如量化交易趋同），反而可能放大市场波动，迫使央行在稳定物价之外承担更多金融稳定职能。戴利的表态或许反映了美联储内部对技术乐观主义的某种倾向，但这并不意味着政策制定会忽视转型阵痛。

市场情绪与跨资产传导

在当前宏观环境下，任何关于“长期通胀预期锚定”的信号都可能影响资产定价。美股科技板块（尤其是AI基础设施与大模型公司）或进一步获得估值溢价，因其不仅代表增长故事，还被赋予“宏观对冲”属性——即在通胀反复的环境中提供结构性通缩对冲。港股市场中，具备AI赋能能力的中国互联网平台也可能受益于这一叙事切换，尤其当投资者重新评估其盈利可持续性与自由现金流生成能力。

数字资产市场则呈现复杂反应。一方面，若AI推动生产力跃升、降低实际利率预期，可能利好风险资产整体，包括比特币等被视为“数字黄金”的加密货币；另一方面，若AI强化中心化科技巨头的垄断地位，去中心化叙事的吸引力可能被削弱。此外，AI训练对算力的巨大需求已催生“AI挖矿”新概念，部分GPU密集型加密项目或借势炒作，但其基本面关联仍显牵强。

关键变量与观察窗口

戴利的言论虽属前瞻性判断，但投资者需关注几个可验证的先行指标：一是企业财报中AI相关资本开支与运营效率改善的披露细节；二是各国生产率统计数据是否出现拐点（尤其服务业劳动生产率）；三是央行调查（如美联储的SLOOS或欧央行的银行 lending survey）是否显示贷款标准因AI风控而放松，从而影响信贷传导。

更重要的是，AI对通胀的影响存在显著时滞。从技术部署到全经济渗透，往往需要5–10年。这恰好与戴利所提的时间框架吻合。因此，短期通胀走势仍将由能源价格、工资谈判、财政赤字等传统因素主导，而AI的作用更可能在下一个经济周期显现。

综上所述，美联储官员将AI纳入长期通胀预期框架，标志着主流宏观思维正逐步接纳技术变革的结构性力量。这一观点虽非定论，却为市场提供了一个新的分析透镜：在评估通胀路径时，不仅要盯住CPI数据与就业报告，还需追踪AI在真实经济中的渗透深度与分配效应。对于全球投资者而言，这意味着在构建跨市场、跨资产组合时，应将“技术通缩潜力”纳入长期情景分析，而非仅视其为短期主题炒作。