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： 政策与市场机制研究。
引子：速度上限被抬高了吗
货币政策日常争论的是利率升还是降。真正决定“利率该对什么作出反应”的，往往是更上游的判断：经济的速度上限在哪里，以及劳动力市场还有没有可持续的松弛。前者对应潜在产出（记为 y*），后者对应自然失业率（记为 u*）。二者都不可直接观测，却几乎嵌进每一套政策规则、每一轮 SEP 叙事和每一次“过热／衰退”辩论。
人工智能把这个问题从学术角落推到了主席议程中央。凯文·沃什（Kevin Warsh）就任后，既公开强调 AI 可能带来“实质性”的生产率提升，又把“生产率与就业”任务组写进制度安排。市场因此迅速形成一条捷径推理：若 AI 抬高潜在增速、压低单位成本，联储就可以更早、更宽地降息。
捷径是否成立，取决于三个可拆开的问题：第一，AI 目前主要扩张的是需求还是供给；第二，即便供给最终兑现，y*／u* 的实时估计是否可靠到足以改写反应函数；第三，沃什本人与委员会其他声音，是否把“长期愿景”与“当下利率”绑在同一根绳子上。本篇按这一顺序展开。
一、沃什把什么问题制度化了
2026 年 5 月 22 日宣誓就职后，沃什将改革议程拆为五支任务组。2026 年 7 月 9 日，联储正式公布各组成立目标与外部牵头人。其中 Productivity and Jobs（生产率与就业） 的任务表述是：评估包括人工智能在内的新型通用技术对经济的影响，以服务美联储的政策判断。外部领导为 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 休假任职）、Asha Sharma（微软公司执行副总裁兼 Xbox CEO）。
这不是“请科技圈来讲故事”的公关安排，而是把一个原本分散在研究部门、地区联储演讲与市场叙事中的问题，升格为对 FOMC 有输入义务的制度管道。沃什同日强调：美国经济过去一代变化显著，“当下尤甚”，任务组要审视政策工具、分析方法与政策路径是否仍合用。
他在公开场合的口径，比市场捷径推理更审慎。2026 年 7 月 14 日众议院金融服务委员会听证上，沃什称 AI 对美国经济是“巨大机遇”，联储正关注其对就业与通胀的含义；同时承认“还不清楚经济将从中获益到何种程度”。他给出的近况判断是：过去几个月数据显示 AI“尚未造成工人失业”，看起来“让工人略有更有效率”；长期看生产率可能有“实质性”改善，并最终体现在工资与经济实力上——但“长期可能相当遥远”，必须“按月、按季”监测。他还抛出未来 12–18 个月的关键不确定式：这些“智能代币”到底是在补充劳动力，还是会让劳动力暂时受冲击？
换言之，沃什把 AI 放进改革议程的方式，是制度化地承认不确定性，而不是把某一条乐观生产率路径直接写成降息脚本。任务组的价值，不在于替委员会预测“AI 会有多大”，而在于缩短“世界已变”与“委员会察觉”之间的时滞，并提示哪些旧锚点在过渡期最不可靠。
二、潜在产出：误判 y* 的两种相反风险
潜在产出上升，意味着同样的就业与资本投入可以支撑更高的非通胀产出。若联储低估了这一上升，就会把供给扩张误读成过热，从而在应当宽松（或至少不应更紧）时继续收紧。若联储高估了这一上升——资本开支与股价已先行、生产率统计却迟迟兑现不了——则会在本应警惕需求过热时过度宽松。两种错误方向相反，但在 AI 叙事下会同时变得更诱人。
历史提醒的是第二种错误有多昂贵。Athanasios Orphanides 对 1970s 大通胀的经典复盘指出：当时政策层相信存在实际上并不存在的松弛，根源是未识别的潜在产出增速放缓。更近的证据同样刺耳：对产出缺口实时估计的修订幅度很大——有研究汇总显示，在超过一百个季度样本中，平均绝对修订约 1.2 个百分点；更麻烦的是修订误差常呈同号连续多年，不是偶发噪声。模型标准误假设“结构正确”，对“结构正在被通用技术改写”几乎没有防御力；而滤波类趋势估计偏偏在样本末端——也就是政策最需要它的时点——最不可靠。
AI 若只带来一次性产能跳升，统计过滤器迟早会追上。真正危险的是趋势增速本身被改写：那时 y* 会被追赶多年。专家情景调查也显示，到 2050 年，不同 AI 能力路径下年生产率增速中位数可拉开到约 2%／3%／4% 量级的差异——这是增长率分叉，不是水平一次性平移。与此同时，更保守的量化模型给出另一端：宾夕法尼亚大学沃顿预算模型估计，生成式 AI 到 2035 年大约抬高生产率与 GDP 1.5%，到 2055 年近 3%，到 2075 年约 3.7%；其对年度生产率增速的永久抬升最终可能不足 0.04 个百分点（部门再配置会冲销部分增益）。两端都说明同一件事：“重写潜在产出”在长期叙事上可能成立，但在可操作的中期政策窗口里，幅度与节奏仍高度不确定。
因此，问题不是 AI 会不会改变 y*，而是：改变发生时，联储能不能及时、对称地识别它。 在识别完成之前，把利率路径押在一条尚未写入统计的潜在增速上，等于把反应函数建立在最易修订的变量上。
三、就业判断：失业率可能滞后于真实冲击
最大就业目标同样受 AI 扰动。若技术主要“增强既有工作”而非替代岗位，失业率可能长期平稳，甚至在产出加速时也不发出过热警报；若技术主要改写岗位内部任务结构，职业分类统计可能看起来“稳定”，而岗位内涵、匹配效率与劳动份额已在变化。
沃什在听证会上的近况表述偏向前一种：劳动力“看似稳定”，就业创造“跟得上劳动力供给”，AI“尚未造成失业”。这与部分微观研究一致——有追踪显示，迄今多数影响发生在“岗位内活动变化”，而非大规模跨职业迁移。但相反证据也已出现：斯坦福相关研究发现，在 AI 暴露度最高的职业中，22–25 岁年轻工人就业相对下降约 13%；耶鲁预算实验室等研究则认为职业结构大体稳定。争议本身就是信号：用单一失业率判断“最大就业是否实现”，在技术扩散早期可能系统性地太钝。
更棘手的是情景层面的钝化。面向 2030 年的经济学家情景调查显示：即便 AI 能力路径从“助手”拉到“协作者”再到“急速进步”，受访者对失业率、就业与劳动参与率的中位数响应差异往往不大；劳动份额的变化更明显，但那是更慢变量。若失业与参与对情景不敏感，FOMC 就很难靠传统劳工仪表盘分辨自己处在哪条 AI 世界。此时更有信息量的，可能是：AI 辅助工时占比、AI 相关电力消耗、按暴露度拆分的雇佣流、以及职位内部任务的再配置——而不是等待失业率“最终说话”。
对政策含义是双向的。一方面，不能因为失业率未升，就断言 AI“对就业无害”、潜在产出可大胆上修；另一方面，也不能因为个别科技裁员新闻，就把周期性疲软与结构性替代混为一谈。沃什把“12–18 个月后会否出现暂时性劳动力扰动”列为焦点，恰恰承认：就业判断的时间尺度，可能短于生产率趋势被统计确认的时间尺度。
四、眼前看到的是需求，还是供给
在区分需求冲击与供给冲击之前先谈降息，几乎必然走偏。需求扩张推高产出与价格同向；供给扩张推高产出、抑制价格。把后者误判为前者，会收紧过度；把前者误判为后者，会宽松过度。
截至目前，宏观上更醒目的是需求侧痕迹。数据中心、芯片、信息处理设备、软件与研发相关投资，对实际 GDP 增长的贡献在 2024 年后抬升，有分析指到 2026 年初已接近约 1 个百分点——量级接近上世纪末科技投资高峰附近。股价财富效应与电力、存储等瓶颈价格，也强化了“AI 正在花真金白银”的图景。这是新闻冲击（news shock）的典型形态：对未来供给的预期，先抬升当期投资与需求。
供给侧——以劳动生产率增速衡量——自 2023 年以来确有回升，但节奏并不支持“已进入可持续高增长体制”的定论。圣路易斯联储总裁 Alberto Musalem 在 2026 年雷克雅未克经济会议演讲中指出：劳动生产率与全要素生产率已从疫情低谷恢复到接近二战后均值；但其员工用制度转换方法估计，2026 年一季度美国处于高生产率增长体制的概率仅约 25%，显著低于掷硬币。他还给出近况减速：劳动生产率增速在 2025 年二三季度强劲后，四季度回落到约 1.6%，2026 年一季度约 0.8%。他的政策结论直白：在实际政策利率仍低于委员会长期中性概念、通胀明显高于目标、长期通胀预期上漂、劳动力市场仍稳的背景下，依赖“未来生产率更高”来解决当下通胀问题是有风险的；若证据清楚显示更高生产率正在把通胀压向目标，他准备调整立场——但现在还不是那个时点。
这也呼应了罗伯特·索洛 1987 年的那句老话在 AI 时代的回声：计算机（今天是 AI）到处可见，生产率统计里却未必同步可见。 通用技术早期常走“生产率 J 曲线”：互补性软件、流程与培训投入在前，可测产出在后，测量还可能低估质量改进。因此，“统计尚未确认”既不能证伪 AI，也不能授权联储把未兑现的供给当成交割完毕的宽松理由。
五、政策含义：何时才谈得上“重写”反应函数
把上面四节收束为可操作标准，比押注某一条 AI 叙事更有用。
第一，愿景与利率路径必须解耦。 沃什可以同时相信“AI 是成年以来最重要的经济变化之一”、相信长期生产率与工资改善，并坚持按月监测、拒绝自满。市场若把主席的长期乐观自动翻译成“更低政策利率已获授权”，是在替他完成他并未在听证会上签发的跃迁。委员会内部本来就存在相反提醒：更高的真实增长往往要求更高的真实利率；持久的生产率趋势上行，也可能抬升自然利率 r*，使“生产率↑ → 利率↓”的捷径在教科书里并不必然成立。
第二，改写 y*／u* 需要可证伪的证据清单，而不是情绪投票。 较硬的信号包括：AI 相关投资贡献是否开始让位于单位劳动成本下行与更广的价格缓和；职业／年龄层就业流是否出现与 AI 暴露一致的结构性位移；AI 辅助工时与企业采用率是否与产出、定价同步改善；产出缺口与 u* 的实时估计是否停止出现长时间同号修订。任务组若只输出更响亮的叙事、不输出“哪条证据会让我们改概率”，对 FOMC 的边际价值有限。
第三，过渡期的稳健做法，是降低对“星号变量”水平值的依赖。 在 y*、u*、r* 估计最不可靠时，过度精细地“对准缺口”会把噪声写成政策。更稳健的方向是：对通胀与名义锚定保持更高权重；更多响应活动的变化而非精确水平；在证据终于分清情景时再果断调整——用当下的克制，换取未来的选项价值。这与沃什改革的其他支线（更好的数据、更干净的通胀度量）是同一逻辑：先修尺子与仪表，再谈大幅度改写反应函数。
第四，对就业目标要准备“双速世界”。 宏观失业率平稳，与年轻队列、高暴露职业或岗位内涵的剧烈重组，可以并存。最大就业若只被读成一个失业率小数点，联储可能在社会成本已经累积时仍宣称“劳动力市场健康”。生产率与就业任务组的外部构成横跨风投、增长理论与大型科技运营，恰恰暗示委员会需要同时听供给侧叙事与劳动力再配置的微观噪音。
六、结论：会重写，但还不是现在
回到标题的问句：AI 生产率会否重写潜在产出与就业判断？
中长期答案偏“会”——通用技术若真正扩散，y* 的趋势与就业的可持续含义很难原样不动。近中期更负责任的答案是：正在争夺解释权，尚未获得改写权。 沃什已经把问题制度化，并在听证会上把乐观与监测并置；宏观上 AI 投资的需求脉冲清晰，而可持续高生产率体制的统计确认仍弱；就业仪表盘可能对情景迟钝，产出缺口与自然率估计在结构变迁期又最不可靠。把这三者捏成一句交易口号——“AI 抬高潜在 → 联储该降息”——省略了太多中间条件。
对本系列而言，本篇的位置也因此清楚：沟通改革改变的是市场如何听联储；资产负债表改革改变的是工具分工；通胀度量改革改变的是“2%”如何被测量；而 AI／生产率议题改变的是联储据以判断过热与松弛的参照系本身。参照系可以、也应该被重估——但重估的门票，是证据，不是叙事。
（本文为政策与市场机制研究，不构成投资建议。）
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。