报告核心观点 - 报告提出，特朗普政府与美联储新任主席凯文·沃什共同构建了一个以“供给管理”和“脱虚向实”为核心的宏观政策设想[5] 其底层逻辑是以人工智能产业为支点，以结构性宽松和“再工业化”政策为杠杆，撬动美国劳动生产率加速增长，旨在同时解决高通胀和高债务问题[2][5] - 该设想的关键在于，通过美联储缩表与放松金融监管相结合的结构性宽松，推动金融体系扩表以强化对实体经济的信贷供给，并将信贷需求引导至人工智能等关键行业的资本开支上[2] 最终目标是实现“非通胀增长”，并在此过程中通过调整美债久期供给来管理过渡期的利率风险[2][4] 一、沃什改革美联储的核心逻辑 - 报告认为，2008年金融危机后，美联储通过不断扩表和吸纳多样资产，从“无风险利率管理者”异化为“信用风险管理者”，系统性压低了各类资产的风险溢价[12][15] 同时，以巴塞尔协议III为代表的强化监管措施，抑制了商业银行的信贷投放能力[12][19] 这导致了金融市场风险偏好上升与实体经济信贷供给受抑制的矛盾[12] - 沃什改革美联储的两个核心方向是：推动美联储资产负债表回归中性（缩表），以及放松金融监管[2][22] 其目的是在美联储缩表的同时，推动商业银行和非银机构扩表，将金融市场流动性导入实体经济，引导金融体系“脱虚向实”[24] 二、特朗普和沃什的设想 - 该设想的政策起点是美联储的结构性宽松与特朗普政府的“再工业化”政策[59] 结构性宽松的传导机制依赖于两个条件：一是美债利率曲线陡峭化（长期与短期美债利差拉大）以提升金融体系的扩表意愿[27][30] 二是通过放松金融监管（如调整G-SIB附加费计量方法、改革压力测试体系、放松杠杆率要求）来提升金融体系的扩表能力[28][33] - 设想中的信贷需求主要来自两方面：一是市场驱动的人工智能相关资本开支，二是政府支持的“再工业化”关键行业投资[2] 在人工智能领域，大型科技公司资本开支呈爆炸式增长，预计2026年Meta、谷歌、微软、亚马逊四家公司的AI相关资本开支将高达7250亿美元，明显高于2025年的3760亿美元[38] 2026年一季度，美国算力基础设施投资占GDP比重已升至1.5%，较2015-2022年平均水平高0.8个百分点[38] - 美国政府通过财税激励（如《芯片与科学法案》提供390亿美元直接补贴和35%税收抵免）、去监管、以及关税与采购（2026年AI领域政府采购意向达918亿美元）等措施支持关键行业[41] - 在从高通胀高增长向非通胀增长过渡期间，为降低美国政府利息支出压力，报告提出可借鉴1947-1959年的经验，由财政部增加短期美债供给、减少长期美债供给，以缩短未偿付美债的平均久期[48] 目前美国未偿付美债平均久期为70个月，过去40年均值为64个月，存在压缩空间[50] 三、特朗普和沃什的设想 vs “里根大循环” - “里根大循环”的核心是通过高利率吸引资本回流支撑强美元，进而将美国商品消费需求对接至劳动生产率更高的日本/德国贸易部门，以此形成通胀下行压力，但代价是“双赤字”扩大[56][58] - 相比之下，特朗普和沃什的设想旨在通过“再工业化”和人工智能投资，将美国商品消费需求尽量对接至劳动生产率更高的本国贸易部门，从供给端解决通胀问题，并期待最终收缩“双赤字”[59][64] 两者都试图从需求管理转向供给管理，但后者还需同时解决高债务问题，因此对人工智能提升劳动生产率的效率和时间有更高要求[63] 四、一切的答案都在J曲线之中 - 报告的核心疑问在于人工智能带来的算力增长能否以及多快能转化为劳动生产率增长，这关系到当前AI资本开支浪潮是泡沫还是合理投资[66] 历史上有“索洛悖论”的先例，即从个人计算机问世到显著提升劳动生产率（1995年）经历了约10-15年[66][73] - 研究显示，IT（算力）资本占全社会总资本的比重存在一个阈值区间（BEA口径约为3.4%-4%），一旦超过，算力增长推高劳动生产率增长就能够实现[72] PC/互联网时代，该比重从2.0%升至3.5%用了15年（1980-1995年），而人工智能时代仅用3年就从3.2%升至3.5%（2022-2024年）[82] - 报告认为，人工智能时代算力增长向劳动生产率增长的传导效率将高于PC/互联网时代，因为AI使人机协作效率大幅提升：机器能理解自然语言并嵌入现有工作流程，降低了个人学习与企业组织重构的成本[76][77] 因此，人工智能时代的“生产率-J曲线”前端将更线性，持续时间可能缩短至5-8年，而非PC/互联网时代的10-15年[73][85] - 即使半导体摩尔定律放缓导致算力边际成本下降速度减缓，人机协同效率的提升也能部分抵消其负面影响[83]