文章核心观点 - 当前围绕AI的狂热叙事使美联储陷入政策困境：效仿格林斯潘因预期AI提升生产力而降息是危险的“死路”，但若因通胀风险而不降息则可能将市场推向“绝路” [2] - AI对经济的影响路径存在不确定性，它既可能是通缩力量，也可能通过推高均衡利率成为通胀推手，这导致美联储面临两难抉择 [2][8] - 美联储的传统策略是“事后清理、不事前阻止”泡沫，但若通胀在2026年卷土重来，其被迫采取的紧缩政策可能无意中刺破科技泡沫，这是投资者需警惕的最大风险 [2][15] 格林斯潘的“双面遗产”：一个复杂的政策范本 - 1996年，格林斯潘坚信官方数据低估了生产力增长，并以此说服同僚暂缓加息，事后证明其判断正确：90年代的生产力增速远超当时统计，互联网泡沫时期的生产力年均增长贡献了约1.5个百分点 [5] - 但到了2000年，格林斯潘态度转变，认为持续的生产力繁荣已推高均衡利率（r*），美联储需要加息以防止政策过度宽松，最终在FOMC会议上加息50个基点，此举加速了互联网泡沫的破裂 [5][6] - 简单地喊出“学格林斯潘降息”是选择性解读历史，其经历揭示了美联储面对技术革命时的两难：究竟是拥抱其带来的通缩效应，还是警惕其推高均衡利率的潜力 [6] AI是通缩良药还是通胀推手？ - 通缩可能：若AI推动生产力加速增长而工资增长保持稳定，单位劳动力成本下降，企业可将成本节省通过降价转移给消费者，尤其在新技术加剧市场竞争时 [8] - 通胀可能：AI引发的资本支出热潮可能推高均衡利率（r*），新技术提高了资本预期回报率，鼓励企业大规模投资，在储蓄不变的情况下，更多投资需求意味着均衡利率上升，若央行不加息，货币政策会变得过于宽松 [8] - 历史参考：1990年代实际情况是工资增长超过了生产率增长，企业利润占GDP比重在1990年代中期见顶后持续收窄，说明是工人而非企业获得了生产率提升的收益 [8] 三大关键问题决定美联储政策路径 - 第一，科技行业大规模资本支出是否具有通胀性 - 尽管英伟达等公司创造价值，但大量设备从海外进口，更大的贸易逆差会掩盖部分通胀影响 [10] - 数据中心并非劳动密集型，难以导致劳动力市场过热，最明显的通胀风险在能源领域——数据中心冷却系统消耗惊人电力 [10] - 美国数据中心用电占比从2005年的约2%预计将在2030年升至12% [10] - 总体而言，AI资本支出对均衡利率的推升作用有限，只是美国经济能够承受比2010年代更高利率的又一个理由 [10] - 第二，AI能否带来1990年代式的生产率大幅提升 - 实验发现AI能让编程等特定任务效率提升40%，但只有约30%的经济任务能部署该技术，这意味着整体经济生产率提升约12%，并分散在采用期内 [12] - 关键限制：只有小部分就业基于认知或知识密集型活动（建筑、制造和专业服务仍有很强物理成分） [12] - 各方对AI年度生产率贡献的估计差异巨大：麦肯锡预测达4%，而麻省理工学者阿西莫格鲁仅预测0.5% [12] - 重现1990年代生产率增幅（年均增加1.5个百分点）的难度很大 [12] - 第三，生产率提升的收益由谁获得 - 历史经验表明，工人而非企业会获得主要收益，1990年代中期工人并未大规模失业，工资快速增长 [13] - AI的“拉平效应”数据显示，低能力工人受益最大，这与1980-1990年代的劳动力市场两极化不同，AI更可能帮助中产阶级，推动工资更快增长 [14] 美联储不会主动刺破泡沫，但可能无意为之 - 格林斯潘的“事后清理、不事前阻止”策略已成为美联储传统，其认为央行无法实时识别泡沫，且试图通过加息遏制泡沫会对更广泛经济造成不必要的附带损害 [15] - 可以确定，特朗普任命的美联储新任主席不会主动刺破资产泡沫 [3][15] - 但如果通胀在2026年重新成为首要问题，美联储将被迫采取紧缩政策，届时即使无意刺破泡沫，加息本身也可能成为压垮骆驼的最后一根稻草 [2][15] - 当前通胀动态远不如1990年代有利（当时核心PCE通胀率持续低于2%），这意味着试图“复制格林斯潘”的做法面临更高风险，可能在抗击通胀的同时意外引爆科技泡沫 [15]