The Fed's AI Predicament: Learning from Greenspan is a "Dead End," Not Lowering Interest Rates is a "Dead End"

當前圍繞 AI 的狂熱敍事正將美聯儲推向一個無解的困局：學格林斯潘是 “死路”，不降息是 “絕路”。

11 月 28 日，據追風交易台消息，全球知名獨立研究機構 TS Lombard 在最新研報中稱，AI 究竟是像 90 年代那樣帶來通縮性的生產力繁榮，還是會因巨大的資本支出推高均衡利率（r*），目前尚無定論。這兩種可能性將導致截然相反的貨幣政策路徑，也是美聯儲當前面臨的核心困境。

學格林斯潘降息是 “死路”：如果僅僅因為預期 AI 能提升生產力，就效仿 1996 年的格林斯潘而降息，將是極度危險的。因為今天的通脹環境遠不如 90 年代有利（當時核心 PCE 通脹率趨勢性地低於 2%），且這種做法完全忽視了格林斯潘在 2000 年因同樣因素而轉向鷹派的歷史教訓。

如果不降息，則是 “絕路”：美聯儲可能在無意中將市場推向絕境。因為真正的風險在於：如果通脹在 2026 年捲土重來，成為首要問題，美聯儲將被迫採取緊縮政策。屆時，即使他們無意刺破泡沫，加息本身也可能成為壓垮駱駝的最後一根稻草。

面對 AI 引發的資產泡沫，美聯儲會怎麼做？研報指出，格林斯潘的著名策略是“清理，而非干預”（clean, don’t lean），即不主動刺破泡沫，只在泡沫破裂後收拾殘局。可以預見，他的繼任者們，尤其是可能由特朗普任命的、對科技持鼓勵態度的主席，將繼續遵循這一信條。

格林斯潘的 “雙面遺產”：一個複雜的政策範本

報告稱，當前，所有潛在的美聯儲主席候選人都試圖將自己包裝成格林斯潘的繼承者，聲稱 AI 革命是降息的絕佳理由。他們援引的正是格林斯潘在 1990 年代中期的著名決策：

儘管失業率已跌破所謂的 “自然失業率”（NAIRU），格林斯潘堅信官方數據低估了生產力的增長，並以此説服了鷹派同僚暫緩加息。

報告指出，1996 年秋天，格林斯潘委託美聯儲員工進行的一項研究 “證明” 了生產力被嚴重低估，尤其是在服務業。事後來看，格林斯潘當時的判斷是正確的——最新的數據修正顯示，90 年代的生產力增速確實遠超當時的統計。互聯網泡沫時期的生產力年均增長貢獻了大約 1.5 個百分點。

但這只是故事的一半。到了 2000 年，格林斯潘的態度發生了 180 度大轉彎。他在 2000 年 5 月的 FOMC 會議上明確指出，持續的生產力繁榮已經推高了均衡利率（r*），美聯儲需要加息才能防止貨幣政策變得過度寬鬆。

他認為，這種由供給側因素驅動的強勁需求，必須通過更高的實際長期利率來平衡。最終，美聯儲在那次會議上加息了 50 個基點，加速了緊縮步伐。此舉，連同內部人士開始拋售股票的信號，共同導致了互聯網泡沫的最終破裂。

因此，簡單地喊出 “學格林斯潘降息” 是在選擇性地解讀歷史。這位 “大師” 的經歷恰恰揭示了美聯儲面對技術革命時的兩難：究竟是擁抱其帶來的通縮效應，還是警惕其推高均衡利率的潛力？

AI 是通縮良藥還是通脹推手？

報告稱，AI 對經濟的影響路徑，是決定美聯儲政策的關鍵，但其方向至今仍爭論不休。

• 一方面，AI 可能成為一股強大的通縮力量。如果生產力加速增長而工資增長保持穩定，單位勞動力成本就會下降。企業可以將成本的節省通過降低價格轉移給消費者。如果新技術加劇了市場競爭，企業將被迫這樣做。
• 另一方面，AI 引發的資本支出熱潮可能推高均衡利率。新技術提高了資本的預期回報率，從而鼓勵企業進行大規模投資。在儲蓄不變的情況下，更多的投資需求意味着均衡利率（r*）將會上升。如果央行此時不加息，貨幣政策就會在無形中變得過於寬鬆。

值得注意的是，1990 年代的實際情況是：工資增長超過了生產率增長，企業利潤佔 GDP 比重在 1990 年代中期見頂後持續收窄，即便股市繼續飆升。這説明是工人而非企業獲得了生產率提升的收益。

三大關鍵問題決定美聯儲政策路徑

報告指出，TS Lombard 認為，以下三大關鍵問題將決定美聯儲的政策路徑，具體來看：

第一，科技行業的大規模資本支出是否具有通脹性？

儘管英偉達等公司創造價值，但大量設備從海外進口，更大的貿易逆差會掩蓋部分通脹影響。數據中心並非勞動密集型，難以導致勞動力市場過熱。最明顯的通脹風險在能源領域——數據中心因冷卻系統需要消耗驚人電力。

美國數據中心用電佔比從 2005 年的約 2% 預計將在 2030 年升至 12%。但總體而言，AI 資本支出對均衡利率的推升作用有限，只是美國經濟能夠承受比 2010 年代更高利率的又一個理由。

第二，AI 能否帶來 1990 年代式的生產率大幅提升？

研究人員通過實驗發現，AI 能讓編程等特定任務效率提升 40%，但只有約 30% 的經濟任務能部署該技術。這意味着整體經濟生產率提升約 12%，並分散在採用期內。

關鍵問題是：只有小部分就業基於認知或知識密集型活動（建築、製造和專業服務仍有很強物理成分）。各方對 AI 年度生產率貢獻的估計差異巨大：麥肯錫預測達 4%，而麻省理工學者阿西莫格魯僅預測 0.5%。重現 1990 年代生產率增幅（年均增加 1.5 個百分點）的難度很大。

第三，生產率提升的收益由誰獲得？

歷史經驗表明，工人而非企業會獲得主要收益。1990 年代中期，儘管格林斯潘和耶倫認為工人被數字化"創傷化"，但實際上工資快速增長，工人並未大規模失業。

AI 的"拉平效應"數據顯示，低能力工人受益最大——這與 1980-1990 年代的勞動力市場兩極化不同。當時勞動者要麼"技能升級"進入金融等互補行業，要麼進入低技能勞動密集型崗位。AI 更可能幫助中產階級，推動工資更快增長。

美聯儲不會主動刺破泡沫，但可能無意為之

報告稱，格林斯潘的"事後清理、不事前阻止"策略已成為美聯儲傳統。他認為央行無法實時識別泡沫，且試圖通過加息遏制泡沫只會對更廣泛經濟造成不必要的附帶損害（額外加息 100 個基點不會阻止追逐鉅額回報的投資者，卻會傷害未出現泡沫的經濟部門）。

可以確定的是，特朗普任命的美聯儲新任主席不會主動刺破資產泡沫。但如果通脹在 2026 年重新成為首要問題，情況將變得微妙。市場聚焦於 K 型經濟，但如果 K 型底部復甦，頂部可能出現問題。

TS Lombard 認為，央行有刺破泡沫的習慣，即便通常是無意的。當前通脹動態遠不如 1990 年代有利——1990 年代核心 PCE 通脹率持續低於 2%，為格林斯潘式的寬鬆政策提供了空間。

這意味着試圖"複製格林斯潘"的做法面臨更高風險，可能在抗擊通脹的同時意外引爆科技泡沫，這正是投資者需要警惕的最大風險。