说明： 本文为「沃什美联储改革」专题系列第四篇。之一讨论沟通改革，之二讨论缩表与资产负债表路径，之三讨论通胀度量与框架；本篇专论 AI、生产率与潜在产出／就业判断。后续将覆盖议息频率与委员会治理等议题。

性质： 宏观政策与央行反应机制深度研究。

引子：经济的“速度上限”真的被抬高了吗？

速度上限三问

金融市场围绕货币政策的日常论战，往往高度聚焦于利率究竟该升还是该降。然而，真正决定“政策利率应当对什么做出反应”的底层锚点，始终来自宏观经济学中更为根本的两个先验判断：经济运行的速度上限究竟在何处，以及劳动力市场内部是否依然存在可持续吸纳的闲置空间。

在央行的分析范式中，前者对应着潜在产出（记为 y*），后者则对应着自然失业率（记为 u*）。这两个变量皆无法在现实中被直接观测，却如同隐形的地基，嵌进了每一套政策规则、每一期经济预测摘要（SEP）的核心叙事，以及每一次关于“经济过热还是陷入衰退”的激烈辩论之中。

生成式人工智能的爆发，正将这对长期停留在象牙塔模型与计量黑箱中的概念，推至美联储主席决策日程的正中央。凯文·沃什（Kevin Warsh）宣誓就任美联储主席后，不仅公开强调 AI 有望带来“实质性”的全要素生产率飞跃，更打破惯例，将“生产率与就业”专门任务组直接嵌入联储的顶层制度设计。

面对这一转向，华尔街与固收交易台迅速拼凑出一条极度顺滑的单向逻辑：只要 AI 能有效抬高潜在增速、平抑单位用工成本，美联储便获得了更早启动宽松、并在更长时间内维持低利率的通行证。

然而，这套看似完美的宏观叙事，恰恰建立在极其脆弱的假设链条之上。要厘清 AI 究竟能否重写央行的反应函数，必须在操作层面拆解三个环环相扣的现实命题：

  1. 在当前的宏观读数中，AI 释放的究竟是先行透支的需求脉冲，还是已经落地的供给红利？
  2. 即便供给端的生产率红利最终得以兑现，统计模型对 y* 与 u* 的实时滤波估算，其稳健性是否足以支撑委员会大刀阔斧地改写利率规则？
  3. 沃什本人的制度化布局与 FOMC 票委内部的审慎声音，究竟是在为长期生产力变革建立监测通道，还是真打算将“远期愿景”直接折现进“当下利率”？

本文将依循这一逻辑链条逐层展开。

一、破除叙事迷雾：沃什究竟把什么问题“制度化”了

生产率与就业任务组

2026 年 5 月 22 日宣誓就职后，沃什迅速将全盘改革议程细化拆解为五支专项任务组。2026 年 7 月 9 日，美联储正式公布各组的核心工作目标与外部牵头人阵容。其中，Productivity and Jobs（生产率与就业） 任务组的设立宗旨明确表述为：全面评估包括人工智能在内的新型通用目的技术对宏观经济的系统性影响，直接服务于美联储的货币政策审议与前瞻判断。外部联合牵头人由硅谷与学术界重磅人物共同担纲：Marc Andreessen（Andreessen Horowitz 联合创始人）、Charles I. Jones（斯坦福大学经济学教授，当时在 Anthropic 驻场学术休假）以及 Asha Sharma（微软公司执行副总裁兼 Xbox CEO）。

这一架构绝非邀请科技圈名流装点门面的公关姿态，而是将此前分散于各地区联储学术论文、闭门研讨会与市场碎片化叙事中的前沿议题，正式升格为对联邦公开市场委员会（FOMC）负有法定输入义务的制度化信息管道。沃什在任务组成立当日明确指出：过去一代人时间里，美国经济运行机制发生了深远蜕变，“当下尤甚”，任务组必须全面审视现行政策工具、分析框架与利率路径是否依然合用。

但在公开发声中，沃什展现出的定力远比金融市场的狂热解读更为审慎。在 2026 年 7 月 14 日举行的众议院金融服务委员会听证会上，沃什一方面坦陈 AI 对美国经济而言是“不可多得的巨大历史机遇”，美联储正高度关注其对就业吸纳与通胀轨迹的深层含义；但另一方面，他也明确承认“目前尚不清楚实体经济能在多大程度上将这一技术转化为真实的产出红利”。

针对眼下的劳动力市场，沃什给出的基线评估相当克制：过去数月的实证数据表明，AI“尚未引发广泛的结构性失业”，整体上更显现出“让现有工人的生产效率略有提升”的特征；中长期来看，全要素生产率确有可能迎来“实质性”跃升，并最终具象化为实际工资与宏观竞争力的增长——然而，“长期愿景可能相当遥远”，美联储必须立足当下，“按月度、按季度”展开严密的实证追踪。

更具穿透力的是，沃什在听证会上向委员会抛出了一道未来 12–18 个月必须直面的核心不确定性方程：这些正在海量生成的“智能代币”（intelligence tokens），究竟是在有效补充人类劳动力，还是会对传统劳动要素造成阶段性的剧烈替代与阵痛？

显而易见，沃什将 AI 纳入核心议程的底层逻辑，是制度化地承认技术变革的高度不确定性，而不是盲目预设一条乐观的生产率飙升曲线，并以此作为降息的预设脚本。该任务组的真实价值，不在于越俎代庖地预测“AI 的经济天花板有多高”，而在于最大限度压缩“技术现实已变”与“委员会认知察觉”之间的认知时滞，并在范式转换的关键过渡期，及时向决策层敲响警钟：哪些沿用数十年的宏观锚点正变得极度失真。

二、潜在产出陷阱：误判 y* 的两类昂贵代价

潜在产出两种误判风险

潜在产出（y*）的扩张，意味着在不引发通胀失控的前提下，现有的资本与劳动力要素组合能够支撑起更高的无通胀经济增速。

如果美联储系统性低估了这一增速上限，就会把供给侧自发扩张带来的产出放量，误诊为需求侧的总量过热，从而在理应维持宽松或至少不必额外收紧的窗口期，错误地踩下刹车；反之，若决策层被乐观的科技叙事所裹挟，高估了这一上限——在巨额资本开支与科技巨头估值已提前透支、而实体生产率统计迟迟未能兑现的背景下——便会在本应警惕过热需求外溢的当口，开出过于宽松的货币药方。

两类政策误判的方向截然相反，但在波澜壮阔的 AI 叙事浪潮中，它们对决策者构成的诱惑却同时呈指数级上升。

经济史早已给出了极其昂贵的历史教训：第二种错误的破坏力尤为惊人。Athanasios Orphanides 对 1970 年代大通胀时期的开创性复盘显示：当时政策制定者之所以深信经济中仍存在巨大的产出松弛，根本症结在于未能实时察觉生产率增长中枢的隐性断崖式放缓。

现代计量研究提供的警示同样尖锐：宏观经济学对产出缺口的实时滤波估算，向来存在极大的事后修订幅度。实证统计表明，在跨度超过 100 个季度的历史样本中，产出缺口的平均绝对修订幅度高达 1.2 个百分点；更致命的是，这类估算偏差往往表现出持续数年同向偏离的系统性特征，绝非均值为零的随机白噪声。经典的滤波算法（如 HP 滤波）在样本序列末端——即货币政策最需要依赖其提供前瞻指引的“当下时点”——恰恰存在最严重的端点估计失效。面对通用技术的突变式冲击，假设“经济底层结构稳态不变”的计量模型近乎完全丧失了防御能力。

如果 AI 带来的只是一次性的要素使用效率脉冲，统计滤波算法终究会在数个季度后完成校准收敛。然而，真正令央行感到棘手的是长期趋势增长率本身的潜在重塑：一旦中枢漂移，y* 的统计失真将持续数年之久。

前沿专家情景调查表明，展望 2050 年，在不同的 AI 能力演进路径下，全要素生产率年化增速的中位数预测跨度巨大，拉开了 2%／3%／4% 的量级分化——这是内生增长路径的永久性发散，绝非生产函数水平值的简单平移。

与此同时，更为严谨保守的量化宏观模型给出了截然相反的冷峻测算：宾夕法尼亚大学沃顿预算模型（PWBM）估计，生成式 AI 到 2035 年对美国整体生产率与 GDP 的累计推升仅约 1.5%，到 2055 年接近 3%，直至 2075 年方能达到 3.7% 左右；在跨部门资源重新错配与摩擦成本的抵消下，其对年度生产率潜在增速的永久性抬升最终可能不足 0.04 个百分点。

两种截然不同的预测模型共同揭示了一个残酷的现实：“AI 重写潜在产出”在长周期叙事与技术哲学上或许完全成立，但在央行 1–3 年的可操作政策窗口内，其兑现幅度与释放节奏仍处于高度未知的黑箱状态。

因此，核心矛盾并不在于 AI 未来究竟会不会重构 y*，而在于：当这种结构性跃迁正在发生时，身处迷雾之中的美联储是否具备及时、对称地识别并剥离它的能力？ 在实证数据完成统计确权之前，若贸然将基准利率路径强行锚定在尚未经受检验的潜在产出假设上，无异于将央行的信誉押注在整套宏观指标中最脆弱的沙滩之上。

三、就业判断悖论：总量失业率对底层结构重构的长期迟钝

就业判断可能滞后

在双重使命的另一端，美联储对“充分就业”的界定同样面临着 AI 扩散带来的深刻扰动。

如果通用技术在扩散初期的主导形态是“技能增强”（Augmentation）而非直接的“岗位毁灭”（Automation），总量失业率便可能在较长周期内维持超乎寻常的平稳，即便整体产出显著提速，也未必会触发菲利普斯曲线预警中的劳动力过热信号；反之，若技术变革主要表现为岗位内部工作任务（tasks）的剧烈洗牌，传统的宏观就业大类分类便会呈现出极具欺骗性的“稳态假象”——表面上看就业总量风平浪静，但劳动力市场底层的技能匹配效率、议价机制以及要素分配份额早已暗流涌动。

沃什在国会听证会上的基准定调明显倾向于前一种经验观察：美国劳动力供给“看似大体稳固”，新增非农就业“基本能够跟得上移民与劳动力总量的自然增长”，AI“尚未对总量就业构成系统性冲击”。这与诸多微观层面的企业实地调研互为印证：迄今为止，AI 带来的绝大多数边际变化发生在既有岗位内部工作流程的数字化再造，尚未掀起广泛的跨行业失业潮。

然而，微观层面的结构性裂痕已经开始显现。斯坦福大学针对人机协同的最新追踪研究发现，在 AI 技术暴露度最高的白领与技术密集型职业中，22–25 岁年轻群体的初级岗位就业吸纳率相对下降了约 13%，显示出技术对入门级劳动力存在实质性的招聘挤压；与之相对，耶鲁大学预算实验室（Yale Budget Lab）等机构的跟踪则指出，整体劳动力市场的岗位转换与离职流动率并未脱离历史均衡范畴。

这种微观经验的剧烈分歧本身就是最关键的信号：在颠覆性技术扩散的导入期，如果继续依赖传统的单一失业率指标去丈量“最大就业的实现程度”，央行的反应机制很可能会陷入系统性的迟钝。

在宏观前瞻的情景推演中，这种指标钝化现象尤为显著。面向 2030 年的权威经济学家宏观情景问卷显示：即便研究者将未来 AI 的演化路径人为拉宽为“初级助手”、“高级协作者”直至“超指数进化”等极端分化的梯队，受访专家对总量失业率、总就业人数与劳动参与率的中位数预测极差依然极小；相反，国民收入分配中劳动要素份额（Labor Share）的趋势性萎缩表现得尤为剧烈，但那属于以数十年为计量单位的超慢变量。

如果总量失业率和劳动参与率对 AI 冲击极不敏感，FOMC 依靠现有的劳工部仪表盘，根本无从分辨当下经济究竟行驶在哪一条技术演化路径之上。

在这一过渡期，比单一失业率读数更有信息含量的观察维度应当是：企业日常运营中 AI 辅助工时的真实渗透率、算力基础设施的工业电力消耗强度、按技术暴露度高低精细切片的青年群体就业流向，以及传统白领职位内部核心任务的解构与再分配——而非被动等待失业率曲线最终出现断崖式突变。

这一现实对货币政策的推演构成了双向约束：一方面，决不能因为短期失业率未见攀升，就草率断定 AI“对就业生态毫无破坏性”，进而激进上修中长期潜在增长率；另一方面，也绝不能将个别科技龙头的降本裁员新闻，盲目放大为经济周期的断崖式衰退。

沃什将“12–18 个月后是否会出现阶段性劳动力扰动”定为核心观察点，这深刻表明：微观层面就业结构的裂变周期，往往远比宏观生产率被国民经济核算体系（NBER）最终确认的时间尺度要短促得多。

四、宏观验真：眼前轰鸣的究竟是需求脉冲，还是供给红利？

需求脉冲与供给确认

在严谨区分当前的经济驱动究竟属于需求冲击（Demand Shock）还是供给冲击（Supply Shock）之前，任何关于降息空间的美好遐想都极易沦为危险的误判。

从基础宏观逻辑来看：总需求扩张会驱动产出与价格同向上行；而纯粹的总供给扩张，则会在拉升潜在产出的同时对通胀形成自上而下的自然抑制。将需求过热误诊为供给红利，会导致货币政策在不知不觉中过度宽松并埋下再通胀恶果；将供给释放误读为需求过载，则会诱发不必要的紧缩踩踏。

审视当前的宏观数据，最为清晰、可量化的证据几乎全部集中在需求侧的剧烈脉冲。

超大规模数据中心的新建、先进算力芯片的抢购、信息处理硬件的密集更替，以及企业在私有化大模型研发上的天量资本开支（CapEx），自 2024 年以来对美国实际 GDP 增长构成了持续的强劲拉动。据权威分析测算，截至 2026 年初，这一科技资本开支链条对实际经济增速的边际贡献率已接近 1 个百分点——其强度与体量，已无限逼近 1990 年代末互联网基建投资高峰期的狂热水平。

与此同时，科技巨头市值膨胀带来的资产负债表财富效应，叠加局部电力并网约束、高带宽存储器（HBM）产能瓶颈所催生的溢价通胀，都在全方位强化一个事实：AI 当下首先表现为实体产业真金白银的巨额资本消耗。 这是宏观经济学中经典的“新闻冲击”（News Shock）机制：市场对远期全要素生产率飞跃的乐观预期，率先折现为眼下极其亢奋的现实总投资与即期总需求。

反观供给侧的表现——以非农部门劳动生产率增速这一核心标尺来度量——自 2023 年以来的反弹虽然可圈可点，但其内在节奏与构成，根本无法支撑“美国经济已步入可持续高生产率增长新体制”的断言。

圣路易斯联储行长 Alberto Musalem 在 2026 年雷克雅未克经济会议的专题演讲中，给出了极其扎实的实证拆解：尽管劳动生产率与全要素生产率（TFP）已从大流行时期的低谷逐渐修复至接近二战后的长期均值水平，但圣路易斯联储通过马尔可夫体制转换模型（Regime-Switching Model）的最新测算表明，2026 年一季度美国经济真正运行在“高生产率增长体制”的后验概率仅约 25%，显著低于掷硬币的随机概率。

高频增速的放缓迹象同样明显：在经历 2025 年第二、三季度短暂的高增后，美国非农劳动生产率年化环比增速在四季度迅速回落至约 1.6%，进入 2026 年一季度更进一步钝化至约 0.8% 的偏弱区间。

Musalem 给出的政策结论极其清晰且具代表性：在实际政策利率依然低于委员会设想的长期中性水准、名义核心通胀仍明确运行在 2% 目标上方、长期通胀预期存在向上漂移隐患、且就业总量仍具韧性的复杂环境下，将抗击通胀的希望建立在“预期未来生产率更高”的假设之上，在央行操作中具有极高的政策失控风险。他明确表态：只有当确凿无疑的微观与宏观数据一致显示更高的生产率正在自发将物价平抑至目标区间时，他才会转变立场——但当下绝非那一刻。

这构成了著名经济学诺奖得主罗伯特·索洛（Robert Solow）在 1987 年发出的经典悖论在当今时代的历史回响：“计算机（今天则是人工智能）随处可见，唯独在生产率统计数据中缺席。”

任何通用目的技术在产业落地初期，都必须经历痛苦漫长的“生产率 J 曲线”（Productivity J-Curve）：早期的巨额软硬件重组、业务工作流改造与组织学习成本均作为无形资产投入在先，而真正可标准度量的产出增益滞后于后，初期的统计体系甚至可能因无法精准度量产品质量与时间节约的改善而系统性低估增长。

正因如此，“官方统计尚未捕捉到生产率起飞”并不能在学术上证伪 AI 的长期潜力；但对于必须对物价稳定承担绝对法定责任的美联储而言，它绝不能成为授权委员会在当下提前透支宽松额度的政策借口。

五、政策审视：美联储何时才能真正“重写”反应函数？

何时重写反应函数

将上述理论机制收敛至现实货币政策的操作准则，要远比单方面押注某种宏观叙事具有实践价值。在沃什主导的改革语境下，美联储若要真正重构其反应函数，必须迈过四道硬性门槛：

第一，将远景预期与基准利率路径彻底解耦。
沃什完全可以同时秉持两套看似对立却逻辑自洽的认知：在理念上，坚信 AI 是其“成年以来所见证的最具颠覆性的宏观经济变革”，坚信长期的全要素生产率与实际工资终将迎来改善；但在操作上，依然保持对月度、季度通胀与就业硬数据的敬畏，坚决拒绝在数据印证前盲目自满。

交易员若将联储主席对技术前景的长期乐观，机械地翻译为“更低的中枢政策利率已获批复”，是在替委员会预支一张他们从未签署过的空头支票。事实上，FOMC 内部的学术警示十分严谨：更高的长期稳态经济增速，在代际储蓄与资本回报率的平衡中，往往内生要求着更高的实际均衡利率（r*）。长期生产率潜力的上行，极有可能推升经济的中性利率锚位，使得金融教科书中那条“生产率提高必将带来降息”的粗暴捷径从底层失效。

第二，改写 y* 与 u* 必须基于可证伪的硬实证清单，绝非情绪化的主观押注。
若要促使 FOMC 真正启动对潜在产出与自然率基准的系统性重估，市场必须在宏观仪表盘中观察到一组经得起推敲的实证勾稽关系：

  • 资本开支驱动的设备投资拉动率，是否开始被单位劳动力成本（ULC）的持续实质性下行、以及大范围商品与服务终端价格的自发平抑所接替；
  • 跨行业与跨年龄段的劳动力雇佣流，是否出现了与 AI 暴露度高度吻合、且摩擦成本已被有效吸收的结构性再配置；
  • 企业全员的 AI 辅助工时渗透率，是否与微观企业利润率扩张、终端不涨价实现同步共振；
  • 计量模型对产出缺口与 u* 的历史滤波估计，是否彻底摆脱了长达数年连续同号修正的统计异相。
    沃什设立的任务组如果仅仅输出几篇宏大壮阔的技术展望，而不能为委员会梳理出一套“当哪项硬数据触发何种阈值时、委员会方可调整概率权重”的实证度量衡，其对货币政策决策的边际贡献将极其有限。

第三，在范式过渡期，稳健的做法是主动降低对“不可观测的星号变量”的过度依赖。
当潜伏在暗处的潜在产出（y*）、自然失业率（u*）与中性实际利率（r*）处于历史估计误差最大的极端阶段时，继续拘泥于泰勒规则框架下对“绝对缺口”的精准对齐，无异于将计量噪音直接固化为政策失误。

真正审慎而稳健的政策路径，是降低反应函数中各星号指标绝对水平的灵敏度权重，转而提升对通胀名义锚定与实际通胀预期的锚定权重；更深度地响应产出与就业的边际变化率（二阶变动导数），而非其不可捉摸的绝对位置缺口。在纷繁复杂的技术分叉尘埃落定之前，以当期审慎的政策克制，换取应对未来不可逆政策偏差的最高期权价值。这与沃什在其他支线上的改革（如打造更高频真实的数据底座、引入更干净纯粹的通胀中枢度量）同气连枝：先校准度量衡与仪表盘，再谈大幅重构油门与刹车。

第四，对就业双重使命做好应对“双速世界”的推演准备。
宏观总量失业率的波澜不惊，与青年就业阶梯的隐性断裂、高暴露职业的底层重构以及工作任务的快速流转，完全可以同时并存。如果联储对最大就业的审视仅仅停留在非农失业率小数点后的微弱波动上，极有可能在深层结构性撕裂与代际社会成本已大幅淤积时，依然机械地向市场宣告“劳动力市场整体健康”。

沃什在“生产率与就业”任务组中，同时引入风险投资巨擘、前沿增长理论宗师与全球顶级科技运营领袖的跨界组合，其深层用意恰恰在此：迫使 FOMC 在审议货币政策时，不仅要听取来自华尔街与地区联储宏观研究部门的供给侧叙事，更要直面来自劳动力市场微观要素再分配的真实噪音。

六、结论：会重写，但绝非当下

会重写但还不是现在

回到最初的核心叩问：AI 生产率会否重写美联储对潜在产出与就业的判断基准？

若将视野放宽至未来五到十年的中长周期，答案无疑偏向于肯定的“会”——一场真正意义上的通用目的技术革命一旦穿透产业毛细血管，经济潜在增长率的中枢抬升与劳动力要素匹配的内涵重构，绝不可能容忍央行的旧参照系岿然不动。

但在当下极具现实约束力的一到两个政策推演年份内，更为严谨的答案只能是：AI 正在全力争夺对宏观经济的叙事解释权，但它尚未在美联储的决策账本中赢得利率反应函数的改写权。

沃什所完成的开创性工作，是以前瞻性的制度设计确立了这一议题的合法性，并以高度务实的态度在国会听证上将宏大愿景与严密监测并置；在现实数据中，科技投资引发的需求脉冲清晰可辨，但通向长期高生产率体制的宏观统计确认依然微弱；传统就业仪表盘对结构性震荡表现得过度钝化，而潜在产出与自然率估算在剧变期正处于信噪比最低的失效边缘。

将这三重复杂的宏观摩擦，粗暴压缩为一句交易台上的单向口号——“AI 抬高潜在产出，因此美联储理应即刻大幅降息”——显然跳过了过于漫长且严苛的验证逻辑。

通盘审视整个“沃什美联储改革”系列，本篇的坐标体系已然清晰定型：

  • 沟通改革，重塑的是市场倾听与理解联储的前瞻机制；
  • 资产负债表与缩表改革，理顺的是基础货币、流动性与非常规政策工具的权责边界；
  • 通胀度量体系改革，校准的是央行丈量物价中枢与 2% 目标的标尺精度；
  • 而以 AI 生产率为核心的潜在变量论战，触碰的则是美联储据以权衡经济过热与萧条松弛的最底层的绝对参照系本身。

央行的宏观参照系确实可以、也必须随时代脉搏被重新评估——但叩开重写之门的唯一硬通货，始终是扎实经得起检验的实证数据，而绝非廉价的科技叙事。

主要依据（当次检索）：
Federal Reserve（2026-07-09）任务组新闻稿与 task-forces 页面；FedScoop 对沃什 2026-07-14 众议院听证的报道；St. Louis Fed President Alberto Musalem，Reykjavík Economic Conference 2026 演讲；Stephen Cecchetti & Kermit Schoenholtz，Productivity and Employment: AI’s Promise and Pitfalls（2026-08-02）；Penn Wharton Budget Model（2025-09-08）生成式 AI 生产率估计；Charles Schwab《Fed Watch: Can AI Productivity Gain Cut Inflation?》对沃什公开表述与委员会分歧的梳理；Orphanides（1999）关于潜在产出误判与大通胀的研究传统。