预测人工智能的经济效应

2026年5月，美联储理事Lisa D Cook在斯坦福大学经济政策研究所发表专题演讲，系统阐述了人工智能对美国经济与金融系统的双重影响。该演讲结合当下宏观经济形势，围绕人工智能（AI）展开论述，阐述了AI投资热潮对通胀、就业、增长的传导作用，剖析了金融领域的创新价值与各类潜在风险，同时介绍了美联储落地AI开展监管分析的实践案例，秉持乐观审慎的态度提出创新与风控并行的发展思路，内容兼具宏观视野与行业实操参考价值。中国人民大学金融科技研究所对研究核心部分进行了编译。

宏观经济现状与人工智能的传导影响

Lisa在演讲中首先结合当下美国经济运行态势，围绕美联储双重政策目标（dual mandate）分析人工智能带来的多重影响，并以此为基础解读当前货币政策的实施逻辑。

（一）通胀：短期冲击与持久压力

当前美国通货膨胀问题突出，截至2026年4月的十二个月里，个人消费支出价格指数（PCE, Personal Consumption Expenditures price index）同比上涨3.8%，这一数值明显高于美联储设定的2%通胀目标。剔除波动较大的食品和能源品类后，核心个人消费支出价格指数（core PCE）同比涨幅达到3.3%，创下2023年以来的新高。此轮通胀上行的直接诱因是伊朗局势引发的成品油价格攀升，从理论层面来看，关税冲突、地缘政治带来的冲击都属于短期扰动，原油期货市场的交易预期也普遍认为，国际油价在今年年底将会出现回落。

Lisa在演讲中强调，短期价格冲击依旧存在向中长期通胀演化的隐患。企业很容易将阶段性的物价上涨纳入常态化定价体系，劳动者也会在薪酬谈判中参考当下的物价水平，进而催生工资-物价螺旋（wage-price spiral）风险。与此同时，AI大规模投资热潮进一步加剧了市场的供需失衡，目前全球企业公布的数据中心建设规划总金额已经突破1.5万亿美元，而大部分项目仍处在筹备阶段，持续释放的投资需求不断推高芯片、高端软硬件等上游产品价格。过去一年里，建筑专项工种的薪资明显上涨，电力、用水价格也分别有约5%的增幅。除数据中心之外，机器人等AI相关固定资产投资还会持续扩张，中长期的需求压力将持续对物价形成支撑。

**

（二）劳动力市场：表面稳定与深层风险

**

劳动力市场目前整体保持平稳状态，2026年4月美国失业率为4.3%，自去年夏季以来基本没有出现大幅波动，该数值与自然失业率（natural rate）相匹配，意味着劳动力供需大体处于均衡状态。尽管市场上频频出现企业裁员的相关消息，但失业保险初次申领人数始终维持在低位，就业基本面暂时保持稳定。不过，Lisa指出，劳动力市场的下行风险正在逐步积累，中东地缘冲突带来的经济不确定性会压制市场总需求，企业也会出于观望心态放缓招聘节奏，让当下就业市场呈现招聘意愿低迷的特征。从长期发展角度判断，人工智能或将引发数代人以来规模最大的就业结构重构，现阶段虽然还没有出现大规模失业的现象，但AI带来岗位缩减的速度，大概率会快于新增就业岗位的诞生速度，劳动力市场人员流动加剧将成为必然趋势。结合美联储2025年小企业信贷调查数据，绝大多数小微企业目前尚未因人工智能改变用工成本，但多数企业都预判，未来会依托AI彻底调整经营模式，就业格局的变革只是时间问题。

**

（三）增长：生产率乐观与知识经济红利

**

在经济增长层面，Lisa持乐观态度。过去一年美国国内生产总值（GDP, Gross Domestic Product）增长势头强劲，劳动生产率（labor productivity）也超过疫情前的平均水平，市场创业活力始终保持高位。她结合内生增长理论提出，人工智能是具备划时代价值的通用技术，二战以来全球在知识经济领域的长期投入，正在借助AI实现创新成果的集中爆发。当人工智能被系统性融入企业生产流程后，劳动生产率会得到进一步提振，为美国中短期经济稳健增长提供有力支撑。

**

（四）货币政策：稳态观望、偏向紧缩

**

基于对宏观经济的综合判断，Lisa阐述了现阶段货币政策的核心思路。从风险管理的角度出发，当前最优选择是维持基准利率不变。目前经济运行的风险结构并不均衡，通胀上行风险依旧是最主要的矛盾。按照基准预测，未来数月通胀会逐步回落，劳动力市场也将保持平稳，暂时无需调整利率。但美国已经连续五年处于通胀高于目标区间的状态，高物价一旦固化在定价与薪酬机制中，将会形成长期隐患。对此，Lisa明确表态，如果通胀回落不及预期，美联储将会采取加息举措；倘若劳动力市场出现明显恶化，也会适时下调利率，政策调整将完全依托经济数据灵活变动。

人工智能为金融体系带来的发展机遇

谈及人工智能对金融体系的价值，Lisa表示，AI能够全面提升生产效率、加快创新成果的迭代速度，助力新兴企业诞生和新增岗位创造，从宏观层面缓解通胀压力。美联储内部十分推崇实验探索的创新模式，借鉴硅谷的发展经验，牵头搭建新兴技术经济研究网络，在整个美联储体系内共享AI的研究成果与落地经验，鼓励工作人员探索人工智能的全新应用方向，同时包容创新过程中的试错行为。现阶段，金融行业已经率先将AI应用在人工密集、资源消耗型传统业务板块，合规审核、客户呼叫中心、后台运营等场景都实现了智能化升级，工作效率得到显著提升。AI工具也让数据分析工作变得更加高效灵活，借助智能编码技术，金融机构得以解决遗留系统代码（legacy code）更新、多系统对接等长期难题。大型科技企业和金融机构还利用AI主动排查各类网络安全隐患（cyber vulnerabilities），筑牢系统防护屏障。放眼长远，人工智能对金融行业的改造空间十分广阔：依托AI可以打造定制化金融产品，根据不同客户的需求设计差异化服务，让复杂金融产品覆盖更多群体；面向零售投资者，AI分析工具能够帮助使用者更早捕捉市场趋势、识别潜在风险；行业运行效率提升后，更多资金可以流向信贷与投资领域，进一步激活实体经济，形成良性的经济循环。

人工智能引发的金融风险与体系脆弱点

Lisa同时客观指出，技术创新必然伴随各类风险，若缺少有效的监管与约束，人工智能会放大金融体系原本存在的薄弱环节，还会催生全新风险。AI相关金融风险主要体现在四个方面。

第一类风险是AI算法交易（AI-driven algorithmic trading）带来的市场风险，传统算法依托固定代码和简单规则开展高频交易，运行模式较为僵化，而生成式AI（GenerativeAI）与机器学习具备自主学习能力，可以结合历史数据、实时行情以及文本等非结构化信息动态调整交易策略。这类新型交易模式容易造成市场交易行为趋同，引发内生合谋（endogenous model collusion）问题，降低市场操纵的实施门槛，还会进一步推高市场集中度（market concentration），扰乱正常的市场秩序，威胁金融稳定。

第二类风险是行业变革传导至信贷市场的风险。AI技术对部分传统行业形成颠覆冲击，这一趋势已经在债券市场有所体现。受行业重构预期影响，科技板块投机级债券（speculative-grade bonds）的信用利差（spread）持续走阔；某头部AI企业推出针对性产品冲击软件行业后，市场对相关信贷资产的担忧加剧，引发大规模资金赎回，对场内交易型债券以及场外永续型商业发展公司都造成了明显冲击。

第三类风险来自AI基础设施建设催生的债务杠杆问题。为布局数据中心等AI硬件设施，大量科技企业纷纷通过债务市场融资，头部科技公司频繁发行投资级债券（investment-grade bond），中小型数据中心运营商则依靠私募信贷、资产支持市场获取资金。新兴技术领域的举债规模不断扩张，杠杆率持续攀升，逐步积累系统性风险。Lisa补充道，虽然当前整体杠杆水平尚未达到全球金融危机爆发前的峰值，但持续无序发债的趋势依旧需要高度警惕。

第四类风险为网络安全风险，也是当下最受关注的领域。大语言模型（LLM, Large Language Models）和智能体AI的能力飞速提升，这类技术既可以用于防护系统漏洞，也可能被不法分子利用。以Anthropic公司的Mythos模型为例，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大幅降低了代码编写的门槛，代码数量快速增长，间接加重了现有安全审核体系的负担，软件故障等非恶意网络问题，也更容易造成金融服务中断。当然AI并非只有负面作用，先进的智能工具同样可以搭建防御体系，抵御网络攻击，行业整体呈现出攻防技术同步升级的博弈格局。

美联储的人工智能应用实践

Lisa详细介绍了美联储内部的AI应用实践，联邦公开市场委员会（FOMC）目前并未使用人工智能制定货币政策，但美联储各部门已经广泛将AI运用在金融稳定监测、风险分析等工作中。通过自主研发和落地智能工具，监管机构能够更精准识别AI衍生的新型风险，也可以排查传统监管模式下容易遗漏的隐患。

美联储的AI实践分为两大板块。第一板块是组建专业技术团队，研究网络安全、AI、量子计算等技术带来的机遇与风险。团队依托大语言模型开展模拟实验，探究生成式AI对投资者行为的影响，实验结果显示，AI智能体更倾向于依靠数据和逻辑做出判断，能够有效弱化动物精神（animal spirits）引发的盲目跟风行为，减少资产泡沫的出现概率。研究团队还运用主动知识蒸馏（active knowledge distillation）技术，研发轻量化AI模型，在保证分类准确率不变的前提下，将计算成本降低80%，可高效处理监管文件、财报、新闻等海量非结构化文本。此外，工作人员利用自然语言处理（Natural Language Processing） 技术，分析数十年间的《褐皮书（Beige Book）》文本，证实文本情绪数据能够有效预判经济衰退，大幅提升宏观风险预警能力。

第二板块是组织美联储理事会与12家地区储备银行的工作人员，开展智能体AI实操演练，探索该技术在金融稳定分析中的应用。智能体AI具备自主推理、选择分析方法、独立完成复杂任务的能力，在网络关联风险（network-based risks）识别方面，表现远优于传统人工分析模式。受人力和算力限制，传统方式很难全面梳理复杂的金融网络结构，而智能体AI可以完成系统性排查。同时，这类工具能够批量设定、运行各类金融稳定情景模拟，完成以往需要耗费大量人力和时间的工作。为规避算法判断失误的问题，美联储在系统中设置多重校验机制，要求多个AI智能交叉论证、主动纳入反向观点，最终结果再交由研究人员复核，这套运行逻辑借鉴了人类思辨与学术研究的模式，兼顾效率与准确性。

总结与发展立场

最后，Lisa表示，人工智能的发展必须以实验探索、治理规则与风险管控作为三大根基。当前金融机构与科技企业都在加速落地AI技术，技术迭代速度不断加快，监管者只有亲身实践、深入理解系统运行逻辑，才能精准识别风险、引导行业良性发展。

AI拥有强大的分析能力，可以拓展人类的工作边界，但技术优势必须建立在完善的治理框架之上。现阶段最优应用模式为人机协同，利用AI增强人类判断能力，同时在系统底层嵌入核验机制，规避算法偏差与决策失误。身处技术变革的关键时期，美联储对人工智能的发展保持乐观态度，同时坚守审慎原则，在鼓励创新活力的基础上，牢牢守住宏观经济与金融稳定的底线。