AI热潮与美联储政策困境 - 当前围绕AI的狂热叙事将美联储推向无解困局：效仿格林斯潘降息是"死路"，不降息是"绝路"[1] - AI对经济影响路径尚无定论：可能像90年代带来通缩性生产力繁荣，也可能因巨大资本支出推高均衡利率（r*），导致截然相反的货币政策路径[1] 格林斯潘政策范本的双面性 - 1996年格林斯潘因坚信生产力被低估而暂缓加息，事后证明正确：90年代生产力年均增长贡献约1.5个百分点[3][4] - 2000年格林斯潘态度转变，认为生产力繁荣推高均衡利率，需加息防止政策过度宽松，最终加息50个基点加速互联网泡沫破裂[5] - 简单主张"学格林斯潘降息"属选择性解读历史，其经历揭示美联储面对技术革命的两难：拥抱通缩效应或警惕利率推升潜力[5] AI对经济三大关键影响 - 科技行业大规模资本支出通胀性有限：设备进口掩盖部分通胀，数据中心非劳动密集型，主要通胀风险在能源领域，美国数据中心用电占比从2005年约2%预计2030年升至12%[8] - AI生产力提升幅度存争议：实验显示特定任务效率提升40%，但仅30%经济任务可部署该技术，整体经济生产率提升约12%，麦肯锡预测AI年度生产率贡献达4%，麻省理工学者预测仅0.5%，重现90年代年均1.5个百分点增幅难度大[10] - 生产力提升收益分配偏向工人：90年代工资增长超生产率增长，企业利润占GDP比重见顶后收窄，AI可能帮助中产阶级推动工资更快增长，低能力工人受益最大[6][11][13] 美联储政策倾向与潜在风险 - 格林斯潘"事后清理、不事前阻止"策略成美联储传统，认为央行无法实时识别泡沫，加息遏制泡沫会造成不必要附带损害[14] - 特朗普任命的新主席不会主动刺破资产泡沫，但若2026年通胀重燃，美联储可能被迫紧缩，加息或无意成为压垮泡沫的最后一根稻草[1][14] - 当前通胀环境远不如90年代有利（当时核心PCE通胀率持续低于2%），复制格林斯潘策略风险更高，可能意外引爆科技泡沫[14][15]