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]

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]

AI革命对美联储政策的两难困境 - AI革命使美联储陷入政策困境：若因预期生产力提升而降息将面临通胀风险 若不降息则可能在2026年通胀回升时被迫加息并刺破资产泡沫 [1][3] - AI对经济存在双重影响：既可能带来通缩性的生产力繁荣 也可能因巨额资本支出推高均衡利率 导致货币政策路径截然相反 [3][6][11] 格林斯潘政策范本的历史启示 - 格林斯潘1996年因坚信生产力被低估而暂停加息 最新数据修正证实其判断正确 90年代生产力年均增长贡献约1.5个百分点 [5] - 格林斯潘在2000年态度转变 认为生产力繁荣已推高均衡利率 需要加息50个基点防止政策过度宽松 此举加速互联网泡沫破裂 [5] - 简单地效仿格林斯潘降息是选择性解读历史 其经历揭示美联储面对技术革命时需权衡通缩效应与均衡利率推升潜力 [5][6] AI对经济影响的关键争议 - 科技行业资本支出通胀性有限：设备进口掩盖部分通胀影响 数据中心非劳动密集型 主要通胀风险在能源领域 用电占比预计从2005年2%升至2030年12% [8] - AI对生产率提升幅度存在巨大分歧：麦肯锡预测年度贡献达4% 麻省理工学者阿西莫格鲁仅预测0.5% 重现90年代年均1.5个百分点增幅难度很大 [10] - 工资与收益分配模式显示：90年代工资增长超过生产率增长 工人而非企业获得主要收益 AI更可能帮助中产阶级并推动工资更快增长 [7][12] 美联储应对资产泡沫的传统与风险 - 格林斯潘"事后清理 不事前阻止"策略已成为美联储传统 认为央行无法实时识别泡沫且加息遏制会造成不必要附带损害 [4][13] - 美联储不会主动刺破泡沫 但在对抗通胀时可能无意为之 当前通胀环境远不如90年代有利 复制格林斯潘策略面临更高风险 [1][3][13]

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生产力提升而降息是“死路”，因当前通胀环境不利且忽视历史教训；若不降息则是“绝路”，因未来通胀若卷土重来将迫使紧缩，可能无意中刺破资产泡沫 [1] - AI对经济的影响路径（是带来通缩性生产力繁荣还是推高均衡利率）尚无定论，这将导致截然相反的货币政策路径，是美联储当前面临的核心困境 [1] 美联储的政策困境与历史参照 - 美联储面临两难选择：若仅因预期AI提升生产力而效仿1996年格林斯潘降息将极度危险，因当前通胀环境远不如90年代有利（当时核心PCE通胀率趋势性低于2%），且忽视了格林斯潘在2000年因同样因素转向鹰派的历史教训 [1] - 若不降息，美联储可能在无意中将市场推向绝境，风险在于若通胀在2026年卷土重来成为首要问题，美联储将被迫紧缩，届时加息本身可能成为压垮骆驼的最后一根稻草 [1] - 格林斯潘的策略是“清理，而非干预”，即不主动刺破泡沫，只在泡沫破裂后收拾残局，预计其继任者，尤其是可能由特朗普任命的、对科技持鼓励态度的主席，将继续遵循这一信条 [2] - 简单地喊出“学格林斯潘降息”是选择性解读历史，格林斯潘的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 [4] 格林斯潘的“双面遗产”与政策范本 - 1996年，格林斯潘坚信官方数据低估了生产力增长，并以此说服鹰派同僚暂缓加息，事后证明其判断正确，最新数据修正显示90年代生产力增速远超当时统计，互联网泡沫时期生产力年均增长贡献了约1.5个百分点 [3] - 但到2000年，格林斯潘态度发生180度大转弯，指出持续的生产力繁荣已推高了均衡利率（r*），美联储需要加息以防止货币政策变得过度宽松，他认为由供给侧因素驱动的强劲需求必须通过更高的实际长期利率来平衡 [3] - 美联储在2000年5月的FOMC会议上加息50个基点，加速紧缩步伐，此举连同内部人士开始抛售股票的信号，共同导致了互联网泡沫的最终破裂 [3] AI对经济的潜在影响路径 - **AI作为通缩力量**：若生产力加速增长而工资增长保持稳定，单位劳动力成本会下降，企业可将成本节省通过降低价格转移给消费者，若新技术加剧市场竞争，企业将被迫这样做 [7] - **AI作为通胀推手**：AI引发的资本支出热潮可能推高均衡利率，新技术提高了资本的预期回报率，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（r*）将会上升，若央行此时不加息，货币政策就会在无形中变得过于宽松 [7] 决定美联储政策路径的三大关键问题 - **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；数据中心非劳动密集型，难以导致劳动力市场过热；最明显的通胀风险在能源领域，数据中心因冷却系统消耗惊人电力 [6] - 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% [6] - 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 [6] - **第二，AI能否带来1990年代式的生产率大幅提升**：研究人员实验发现，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 [10] - 关键问题在于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） [10] - 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%，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 [10] - **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，尽管格林斯潘和耶伦认为工人被数字化“创伤化”，但实际上工资快速增长，工人并未大规模失业 [11] - 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，当时劳动者要么“技能升级”进入金融等互补行业，要么进入低技能劳动密集型岗位，AI更可能帮助中产阶级，推动工资更快增长 [11] - 1990年代的实际情况是：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，即便股市继续飙升，这说明是工人而非企业获得了生产率提升的收益 [5] 美联储的潜在行动与市场风险 - 格林斯潘的“事后清理、不事前阻止”策略已成为美联储传统，他认为央行无法实时识别泡沫，且试图通过加息遏制泡沫只会对更广泛经济造成不必要的附带损害（额外加息100个基点不会阻止追逐巨额回报的投资者，却会伤害未出现泡沫的经济部门） [12] - 可以确定的是，特朗普任命的美联储新任主席不会主动刺破资产泡沫，但如果通胀在2026年重新成为首要问题，情况将变得微妙 [12] - 央行有刺破泡沫的习惯，即便通常是无意的，当前通胀动态远不如1990年代有利——1990年代核心PCE通胀率持续低于2%，为格林斯潘式的宽松政策提供了空间 [12] - 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，这正是投资者需要警惕的最大风险 [12]