美联储Cook演讲：AI对经济的影响与最新经济展望

感谢 Freada 和 Mitch 的热情介绍。我很荣幸受邀在 Oakland Tech Week 上发言，也很高兴有机会重返东湾——我曾在伯克利读研究生，在那里生活并度过了人生中几个塑造自我的关键年份。¹当年的奥克兰就是一个充满活力、令人兴奋的地方，而如今它变得更加充满活力、更令人兴奋，我很高兴能有机会就一个关键话题与各位交流：人工智能（AI）及其对我们经济的影响。

事实上，我对创新经济学和人工智能的兴趣始于加州大学伯克利分校。我所修过的最引人入胜、影响深远的课程之一，是 Paul Romer 讲授的增长理论。他提出，对科学和思想的投资可以带来持续的、无上限的增长，后来也因其在推动我们对经济增长的认识方面所做出的开创性贡献而荣获诺贝尔奖。我相信，我们正身处这样一个时代：这些以及类似的思想，与二战后对基础科学的历史性投入相结合，正在当今的全球经济中开花结果并接受检验。

AI 有望成为我们这一生中最重要的技术变革。我视其为一种通用技术，与蒸汽机、电力和互联网等突破性创新并驾齐驱，甚至更胜一筹。那些创新扩散到整个经济之中，激发了下游的创新，并且随着时间推移不断改进。²AI 正在做着同样的事情。作为一名长期研究创新经济学的学者和现任货币政策制定者，我一直以浓厚的兴趣关注着这些发展。AI 影响着我在美联储职责的几乎每一个方面，包括货币政策、金融稳定、银行监管、金融市场基础设施以及我们自身的运营准备情况。³

AI 在带来无限精彩可能性的同时，也给我们留下了许多需要冷静思考的问题。从用于训练 AI 模型的数据到 AI 安全，我一直倡导负责任的 AI 发展。⁴AI 的所有有益可能性是否能实现——以及如何实现——将取决于全国的研究人员、消费者、企业和政策制定者如何应对它的机遇与挑战。要充分获得 AI 的益处，我们必须将乐观与谨慎结合起来，并认识到 AI 可能在隐私、偏见、劳动者、欺诈、网络安全和知识产权方面引发的合理担忧。就我们美联储而言，作为银行业的监管机构，我们一直并将继续鼓励金融部门以符合安全稳健做法、并遵守适用法律的方式负责任地使用 AI。除此之外，政府在 AI 发展轨迹中应扮演何种具体角色，应由民选官员来决定。在评估经济前景、适当的货币政策路径以及金融稳定状况时，我将继续密切关注 AI 发展的速度、方向和规模。

人工智能对货币政策有何影响？今天，我将提供一种思考路径，用以分析人工智能在经济层面带来的影响，特别是与我们促进物价稳定和充分就业这一双重使命相关的影响。我正在密切关注这些影响，因为我的职责就是制定货币政策，在应对近期多重压力来源的同时，营造有利于长期收益的环境，让所有美国人都能受益。

人工智能与通胀
首先，我想考察短期和长期的通胀影响。过去五年里，一系列广泛的因素导致通胀持续高于美联储 2% 的目标。在过去一年中，其中一个因素就是人工智能带动的投资。与人工智能相关的产品——如芯片、计算机和软件——价格大幅上涨。

我认为，其中一些大幅涨价反映的是需求向人工智能相关行业的转移，而不是全经济范围内需求的增加。当需求激增集中在某一行业时，该行业的商品和服务可能会被推到其供给曲线较陡的部分。如果这种需求在经济中均匀分布，整体价格指数就不会攀升得这么多。随着供应链调整和效率提升，这种压力应当会自行消退，无需政策干预。事实上，试图用货币政策来应对特定行业的通胀可能是一个错误。我们的工具过于粗放，无法针对狭窄行业，而处理相对价格变化也不是我们的职责。

尽管如此，我仍看到一些由 AI 需求带动的全经济范围压力。数据中心投资依赖于建筑劳动力和能源等投入，而这些投入在经济的许多行业中被广泛使用。因此，增加的 AI 投资可能会给其他行业带来价格压力。而且还有更多投资正在酝酿中，企业只动用了已宣布的 2 万亿美元计划中的一小部分。⁵ 此外，过去几年股价上涨的很大一部分可以归因于对 AI 的热情，而这些增加的财富似乎正在传导至家庭支出。你可以在通胀数据中看到压力可能正在扩大的迹象：过去一年电力和水费各上涨了约 5%，部分可归因于 AI，而核心商品价格在疫情前一直在下行，今年到目前为止的年增速超过了 3%。这就带来了一种风险：即使狭义的 AI 部门的通胀有所缓和，新的、更广泛的价格压力也可能取而代之。

如果适时的生产率繁荣能比其增加需求更多地提升经济的供给能力，那么它就能抵消不断扩大的价格压力。要理解这一机制，可以考虑这样一个经济：由于投入成本降低，可以以相同的成本生产更多的商品和服务。如果需求没有扩大以匹配额外的供给，你就会预期价格下跌。这种价格压力的下降可以用经典的总供给—总需求框架来描述——这是宏观经济学家的首要且重要的工具箱。

目前，我预计生产率提升将在未来几年内带来温和的去通胀效果。然而，我不认为这些效应会及时到来，以抵消今年晚些时候不断扩散的通胀压力。此外，关于这一机制可能如何及何时发挥作用的任何估计都存在不确定性，值得进一步研究和讨论。

关键在于确定在什么条件下，生产率的蓬勃发展能够通过使经济的供给潜力比需求增长得更多，从而相对当前缓解通胀。在生产率收益较为均匀地分布于整个经济的情形下，我预计这种缓解是有限但真实的。它之所以有限，是因为更高的生产率不仅提升了经济的潜在供给，还通过对未来工资上升、投资回报改善以及随之而来的财富增长的预期推高了需求。事实上，其中一部分额外需求可能已经通过 AI 数据中心投资和财富效应被计入了当今的经济。因此，展望未来，生产率提升所产生的新增供给可能超过新增需求，使供需更好地匹配，减轻当前感受到的上行价格压力。总体而言，广泛的基础性生产率提升，无论何时到来，都可能带来价格压力的适度缓解。

需要说明的是，我同样关注其他情形，包括生产率的蓬勃发展带来的去通胀效果弱于我的基准情形，以及它给通胀带来更强下行压力的情形。在我们获得更多通胀缓解的情形中，意味着需求受到不利影响，远低于经济的产能。这是可能发生的：如果生产率收益高度集中在高收入消费者身上，而他们倾向于将每额外一美元收入或财富中较少的部分花掉；如果由于劳动者议价能力低下，生产率收益没有传导到工资；或者如果一段痛苦的岗位重新配置过程使失业率居高不下、信心下降，从而增加家庭的预防性储蓄。

在我们可能获得较少通胀缓解的情形中，生产率收益没有传导到价格——例如，如果市场集中度提高导致竞争减弱、加价率上升。

归根结底，任何去通胀回报的时点都将取决于企业采用 AI 工具的速度和广度、商业实践的变化如何转化为更高的生产率，以及任何生产率收益传导至劳动力市场的速度。对于这些传导渠道的广度和时点，我非常不确定，并将根据我在数据中看到的情况调整我的看法。

AI 与劳动力市场
虽然 AI 对通胀的影响日益引人注目，但这项技术对劳动力市场的潜在影响长期以来一直受到公众关注，也值得政策制定者认真研究。回顾那些改变了人类工作方式的技术历史——比如机械织机和 PC——我们会发现在它们推出之时，人们普遍对这些进步感到焦虑。过去，技术变革的好处和代价并不一定同时到来，AI 也很可能如此。这项技术可能带来几代人以来最重大的工作重组。⁶

AI technology and its adoption are still in their early stages. At the moment, there is limited evidence that AI is yielding significant changes to the structure of the labor market. The data underscore this: Both the unemployment rate and layoffs remain low. Those readings have been relatively flat over the last two years, even as AI adoption has picked up.

So far, I have been heartened to see that the labor market has remained remarkably resilient through the early stages of AI adoption.

Nevertheless, some workers have already been affected, and I understand the hardship that joblessness creates for them and their families. There is evidence in some sectors, including coding jobs in the software industry and in simultaneous translation, that AI might be decreasing labor demand. In addition, many recent college graduates are facing more difficulty finding their first jobs. This is possibly partly related to AI's ability to take on entry-level tasks. These types of shifts could broaden as AI adoption deepens and AI technology improves. At the same time, AI is likely to lead to great innovation, with new tasks and occupations cropping up that we cannot imagine today.

In the future, I continue to expect AI to fundamentally change business practices and transform the labor market in a commensurate way. It is my hope that AI adoption will continue to occur at a pace and in a way that allows job creation to match or exceed job destruction.

Nonetheless, I am highly attentive to a scenario where AI leads to at least a temporary increase in the unemployment rate. In this scenario, the rise in the unemployment rate might not necessarily reflect an increase in slack (or a shortage of demand) but rather a "supply-side" mismatch between workers' skills and available jobs. In that case, we at the Fed would have limited tools. We could lower the federal funds rate in an attempt to bring down high unemployment, but that could risk fueling inflation.

As a policymaker, I am watching the speed and acceleration of AI adoption across sectors and noting evidence of the changing mix of jobs within firms. I also pay attention to whether new job creation is at least offsetting displacement. I am constantly evaluating the broadest possible set of data and considering the evolving outlook and the balance of risks when making policy decisions. I will also note that fiscal policy could play a role in managing AI's effects on the labor force, but that is outside of my purview at the Fed.

Diffusion of AI across Firms
One area I am studying is how AI is affecting firms of different sizes. Clearly, the leaders in AI technology are rapidly growing, high-profile companies. And this technology has also prompted considerable investment from some of the other largest and most established players in the tech industry. That has fueled the narrative that only large firms with substantial resources can deploy advanced AI. I would challenge that thinking. I see evidence that smaller firms are proving resourceful and adaptive when thinking about how to use AI to their advantage, even if they lag larger firms in overall adoption. Across the country, I have heard from both early-stage investors and founders that AI tools have made it easier and cheaper to start businesses, which could be a factor in the historic boom we observe in new business formation recently. I view this as a hopeful sign that AI could benefit smaller businesses and the workers they employ.

以今年早些时候发布的美联储小企业信贷调查（Federal Reserve Small Business Credit Survey）的调查结果为例。该研究发现，近一半的小型雇主企业正在使用 AI，其中 71% 表示因此提高了生产力。⁷ 这些数据表明，许多小企业渴望找到能帮助其管理和拓展业务的创新工具。这有助于这些企业提升竞争力，从而实现增长并创造更多就业岗位。有证据表明，AI 的采用速度在可比节点上快于 PC 或互联网的普及速度。⁸ 这对小企业来说令人鼓舞，因为我们知道，这个国家有史以来一些最重要的突破，正是源自初创企业以新颖、创新的方式运用前沿技术。

这对整体经济以及实现美联储的双重使命目标至关重要，因为雇员人数少于 500 人的小型企业占美国全部企业的 99% 以上。自 1995 年以来，这些企业贡献了 61% 的净新增就业。当它们的生产力提高时，整个经济都会因此得到强化。

当强大的工具为所有人所用——而不只是大型企业——就会释放出更多的发明家、创新者和企业家。我一直谈到 Paul Romer 的观点，即长期经济增长是由经济内部的人们通过产生新思想和新知识来驱动的。⁹ AI 能帮助我们更快地产生更多想法——这意味着我们正处于一个“Romer 时刻”。

如果 AI 的普及如我所认为的那样广泛，并且模型厂商之间存在充分竞争，那么生产力的提升就不一定会集中于少数几家企业。若果真如此，AI 将使小公司更快地扩张并创造更多就业——这虽非定数，却足以让我们对这项技术抱有希望。

我们目前可以确定的是：AI 将变革经济，其影响或许比以往任何一次通用技术革命都更为深远。然而，我们也从这些突破中得知，它们的影响可能具有漫长而多变的时滞——这个概念对我作为货币政策制定者而言再熟悉不过。归根结底，AI 带来的全部收益，将取决于企业、劳动者和政策制定者无数的决策。这些决策包括投资决策，而且不仅仅是对芯片和数据中心的投资，还包括雇主及其他主体在员工培训、组织重组以及创造新流程与新想法方面所做的配套投资。

作为一名政策制定者，我从多个时间维度来审视 AI 的前景与挑战。短期来看，AI 似乎正在给经济增添通胀压力，推迟通胀回归我们 2% 的目标。中期来看，虽然我预计生产率增长可能会适度缓解这些通胀压力，但劳动力市场将面临陷入痛苦转型的风险。长期来看，我乐观地认为，AI 驱动的生产率增长能够提升全体美国人的生活水平。只要保持适当的警惕，并对这些机遇与挑战进行审慎的应对，联邦公开市场委员会（FOMC）就能够实现其最大就业和物价稳定的双重使命。

经济展望
谈到双重使命，我将以我对经济的更广泛看法以及这对货币政策意味着什么来结束我的发言。正如各位所知，我与 FOMC 其他成员一同投票，在最近的 9 月会议上加息 25 个基点。

此次加息是为了应对通胀，通胀过高且持续太久。截至 8 月的 12 个月里，总体通胀估计上升了 3.8%，几乎是我们目标的两倍。剔除能源和食品价格的核心通胀估计上升了 3.4%。此外，在未来几个月，我预计通胀将持续受到 AI 建设热潮（正如今天所讨论的），以及与中东冲突相关的油价上涨和供应链中断的传导所带来的压力。

劳动力市场似乎完全有能力应对利率上升。今年，失业率一直在下降，最近 8 月的读数为 4.1%。其他指标也显示劳动力市场大体平衡且在逐步改善。就业人数有所增加，职位空缺小幅上升，初请失业金人数呈下降趋势。劳动力市场的强劲表现同样体现在更广泛的经济增长数据中，过去一年这些数据保持了显著的韧性。

展望未来，我将考虑需要什么样的政策利率，才能继续引导通胀降至我们的目标。当然，未来任何调整的次数和幅度，都将依据对经济迄今对我们政策行动的反应的观察，以及未来几个月的通胀和劳动力数据。

再次感谢您的邀请，以及今天向各位发表演讲的机会。

1. 此处表达的观点是我本人的观点，不一定是我在美联储理事会或联邦公开市场委员会的同事们的观点。 返回正文

2. 参见 Lisa D. Cook (2023)，"生成式 AI、生产率、劳动力市场与选择行为"，于 9 月 22 日在加拿大多伦多举行的美国国家经济研究局人工智能经济学会议上发表的演讲。 返回正文

3. 参见 Lisa D. Cook (2026)，"AI 为经济和金融体系带来的机遇与风险"，于 5 月 27 日在加利福尼亚州斯坦福市斯坦福大学经济政策研究所发表的演讲。 返回正文

4. 参见 Lisa D. Cook (2024)，"人工智能、大数据与生产率的前路"，于 10 月 1 日在佐治亚州亚特兰大举行的"技术驱动的颠覆：AI、大数据与远程办公的影响"会议上发表的演讲，该会议由亚特兰大、波士顿和里士满联邦储备银行共同组织。 返回正文

5. 参见 Eirik Eylands Brandsaas、Daniel Garcia、Robert Kurtzman、Joseph Nichols 和 Adelia Zytek (2025)，"利用项目级数据估计数据中心总体投资"，金融与经济讨论系列 2025-109（华盛顿：美联储理事会，12 月）。有关更新数据和公开结果，参见 Eirik Brandsaas (2026)，"Estimating Aggregate Data Center Investment with Project-Level Data"，DataCenterPublic，GitHub 仓库，https://github.com/eirikbrandsaas/DataCenterPublic。 返回正文

6. 参见 Lisa D. Cook（2026），〈“经济中的 AI 与生产力”分论坛开幕致辞〉，演讲发表于“The Great Realignment: Navigating AI, Demographic, and Geoeconomic Shifts”，第 42 届 NABE 年度经济政策会议，华盛顿特区，2 月 24 日。返回正文

7. 参见 Lisa D. Cook（2026），〈欢迎致辞〉，演讲发表于 State of Small Business Symposium，Federal Reserve Bank of Cleveland（通过预录视频），6 月 24 日。返回正文

8. 参见 Alexander Bick、Adam Blandin 和 David J. Deming（2024），〈生成式 AI 的快速普及〉，NBER Working Paper Series 32966（马萨诸塞州剑桥：National Bureau of Economic Research，9 月；2025 年 2 月修订）。返回正文

9. 参见 Paul M. Romer（1990），“Endogenous Technological Change”，Journal of Political Economy, 第 98 卷（10 月），第 S71–S102 页。返回正文