AI可能同时抬升增长与中性利率

人工智能、长期增长与中性利率

这张图的第一课是谦逊。一个半多世纪以来，美国实际人均GDP经历了内战、世界大战、大萧条、石油冲击、通胀制度变化、金融危机、疫情、人口结构转型和多轮技术革命。可是长期线条却异常稳定。实际人均产出往往回归到接近每年1.9%的趋势增长率。这个数字并不神秘，也不是政策目标。它只是对一个经济体的历史总结：这个经济体反复吸收冲击、重新配置资本、采用新技术，并回到复利增长路径。

这个背景对人工智能辩论至关重要。AI叙事中最诱人的版本认为，更高生产率会给央行提供更宽松政策空间：如果企业能用同样劳动和资本生产更多，通胀压力应当下降，增长应当改善，利率也应当可以更低。这个说法在周期层面有时成立。有利的供给冲击可以降低单位成本，让实际增长更强而不立刻引发通胀。但长期版本更复杂。如果AI永久提高预期增长，提高资本预期回报，并在芯片、数据中心、电力、软件、自动化、机器人和配套基础设施中创造一轮庞大投资周期，那么经济的中性实际利率可能上升，而不是下降。

这就是核心问题。AI可以利好增长和盈利，却不一定利好结构性低利率。生产率革命可以提高实际收入、改善企业利润率，但也可能提高资本需求，并抬升用于平衡储蓄和投资的均衡实际回报。在这种世界里，AI不是给债券投资者的一份简单反通胀礼物，而是一个改变整个跨期价格体系的实体经济冲击。

这一区分很重要，因为市场常把AI辩论压缩成一个问题：AI是否降低通胀？更好的问题是：AI是否改变经济的可持续增长路径和资本均衡价格？如果答案是肯定的，含义就更深。经济或许能够更快增长，公司或许能够产生更高利润，家庭或许享有更高实际收入。但长期利率环境可能稳定在AI前基准之上，而不是之下。

图表更深层的信息

长期约1.9%的实际人均GDP趋势，是关于制度与技术韧性的陈述。它说明美国反复找到方式，把创新、资本深化、教育、移民、企业家精神和组织变革转化为更高生活水平。经济并非平滑增长；它是在不连续中增长。铁路、电气化、内燃机、大规模生产、抗生素、计算机、互联网、页岩能源、云软件和移动平台，都改变了生产函数的某些部分。但多数创新并没有把全经济测得的增长趋势永久提高几个百分点。它们很强大，但最终被吸收到广泛的历史均值中。

因此，这张图应该让投资者对英雄式AI外推保持谨慎。一项技术可以改变企业、行业和日常生活，却不一定永久使全经济增长翻倍。Solow生产率悖论并不是否认计算机重要；它是在提醒我们，通用目的技术需要配套投资、组织变革、扩散和统计测量，之后才会体现在总量生产率中。AI可能遵循同样模式。技术可以非凡，而宏观效果可能缓慢到来。

与此同时，这张图也应该让投资者不要轻易否定AI。长期趋势稳定并不证明趋势永远不能改变；它证明真正的趋势转移罕见且重要。如果AI最终成为可与电气化或计算机相比的通用目的技术，它可能不仅影响软件生产率，也影响科研、药物发现、物流、制造、能源管理、教育、编程、设计、金融、客户服务和管理决策。总量效果取决于扩散，但潜在范围异常宽广。

正确解读既不是炒作，也不是犬儒。历史趋势是锚。AI是对这个锚的潜在冲击。多数冲击会回归，少数冲击会改写路径。投资者应把AI视为围绕长期增长的概率分布，而不是口号。

生产率不等于反通胀

生产率冲击会降低生产给定单位产出的成本。如果企业能用同样投入生产更多，单位劳动成本可以下降，利润率可以上升，价格可以低于原本路径，或者三者组合出现。这是人们把AI与低通胀联系起来的直觉原因。如果AI让律所、软件公司、银行、医院、制造商或物流网络每名员工完成更多工作，供给侧就会改善。

但更低单位成本并不等于更低均衡利率。通胀是价格变化率。中性实际利率是在充分就业和稳定通胀下，政策既不刺激也不限制经济时的实际回报。生产率会影响二者，但通过不同渠道。

短期内，如果供给扩张快于需求，生产率改善可以是反通胀的。然而长期看，更强生产率可能提高预期收入增长、增加期望投资，并提高资本边际产出。如果家庭预期未来收入更高，今天可能减少储蓄，因为未来资源看起来更强。如果企业预期AI相关资本拥有更高回报，就会要求更多资金用于投资。更低期望储蓄和更高期望投资指向同一方向：需要更高实际利率来清算资本市场。

一个简单框架是：

`当期望投资相对期望储蓄上升时，r* 上升。`

AI可以同时移动两边。它可以通过数据中心、半导体、电力基础设施、企业软件、安全、自动化设备和生产重组来增加投资需求。它也可能在家庭和企业预期未来收入更高时降低储蓄动机。这种组合不是结构性低实际利率的配方，而是更高资本均衡价格的配方。

这就是为什么AI利率辩论必须区分周期性通胀缓解与结构性中性利率压力。正向供给冲击可以在衰退中给央行降息空间。但如果这个供给冲击同时提高经济长期增长和投资机会集，长期中性利率可能上行。

储蓄—投资渠道

中性实际利率并不是单由央行偏好决定。央行设定政策利率，但中性利率由更深层力量塑造：生产率、人口结构、财政政策、风险偏好、全球资本流动、不平等、期望储蓄、期望投资和安全资产供给。AI之所以重要，是因为它可能同时改变生产率和投资组成部分。

先看投资。广泛AI转型非常消耗资本。它需要先进芯片、半导体制造能力、冷却系统、云基础设施、数据中心、高压电力连接、电网扩张、备用发电、模型训练集群、推理能力、企业集成、网络安全、专有数据集和人力资本。如果AI扩散到机器人、工业自动化、医疗、金融、国防和科学，配套资本存量会更大。经济必须建设使AI有用所需的物理和无形基础设施。

这不同于纯软件生产率冲击。当前AI堆栈有沉重物理足迹。数据中心消耗土地、电力、水、芯片、网络设备、变压器和建筑劳动力。半导体供应链需要长周期投资。电网需要许可和资本。AI越成为关键任务，企业越会投资冗余、安全和专有能力。这会提高投资需求。

再看储蓄。如果AI提高预期未来收入，家庭可能觉得没有必要从当前收入中储蓄那么多。这是标准永久收入逻辑。一个预期工资增长或资产回报更强的家庭，可以理性地今天消费更多。如果预期投资回报很高且外部融资可得，企业也可能少持有现金。政府若认为预期增长改善债务可持续性，也可能更愿意运行赤字，尽管这本身会提高资本需求。

均衡效果取决于幅度，但方向并不显然是更低。一个投资需求更高、期望储蓄更低的世界，需要更高实际利率来平衡体系。这就是强AI冲击可能与更高 `r*` 相关的核心原因。

这一点也解释了为什么债券市场对AI的反应未必像股票投资者所期待的那样。股票投资者看到更高生产率、更高利润率和更大可服务市场。债券投资者必须问，同样力量是否提高实际利率、抬升期限结构、增加电力和基础设施需求，或使财政与私人资本开支持续高企。技术可以对股票是好消息，同时对久期是复杂消息。

历史类比：技术可以提高资本需求

技术革命通常需要巨大的配套投资。铁路需要钢铁、土地、金融、劳动力、车站、桥梁和通行权。电气化需要发电、输电、电机、工厂和生产流程重布线。汽车需要道路、石油分销、装配线、郊区、物流网络和消费金融。互联网需要光纤、服务器、数据中心、设备、软件，最终还需要云基础设施。这些技术并不只是让生产更便宜；它们创造了新的投资前沿。

AI在这方面看起来相似。模型可能是软件，但系统不只是软件。系统是一张资本网络。它是芯片、能源、冷却、数据、算力、人才、安全和工作流重设计。如果技术真是通用目的技术，资本周期就不会局限于少数云巨头。它会扩散到公用事业、工业设备、房地产、半导体设备、企业软件、咨询、网络安全、教育、医疗、国防和制造。

这个历史模式对利率重要。一项只降低成本、却不需要新资本的技术，可能强烈反通胀。一项既降低成本、又开启巨大新投资前沿的技术，对利率含义更混合。供给曲线改善，但资本需求也上升。实际利率就是平衡这些力量的价格。

这里还有时点问题。资本需求可能先于生产率收益充分实现而到来。数据中心可能在每家企业完成工作流转型之前建成。芯片订单可能早于应用赚取资本成本。电力基础设施可能在利用率优化之前融资。在这个阶段，AI可能先是资本密集，然后才充分提高生产率。这个顺序可能在后续生产率回报真实的情况下，仍先对实际投资需求施加上行压力。

这就是为什么投资者应谨慎看待简单的软件通缩类比。AI或许降低认知成本，但它可能通过非常昂贵的工业基础来实现。宏观效果不只是更便宜的任务，而是建设一个新的生产层。

为什么更高增长可能意味着更高利率

理解利率逻辑最简单的方法，是思考预期增长。在许多宏观模型中，更高预期增长会提高实际利率，因为家庭偏好跨期平滑消费。如果未来消费预期显著更高，家庭会更愿意今天消费，也不愿以低回报储蓄。为了说服他们储蓄足够资金来支持投资，实际利率必须上升。

在生产经济中，更快生产率增长也可能提高资本边际产出。如果每一单位资本因与AI工具结合而更高产，企业就愿意支付更高融资成本。一个制造商若能结合机器人、预测性维护、AI设计和自动化质检，可能发现新设备比以前更有价值。一个制药公司若能加速研发，可能发现研究基础设施更有价值。一个银行若能自动化合规、承销、客户服务和风险分析，可能发现软件和数据投资更有价值。

这是故事的正面版本：更高利率并不总是坏事。由更强生产率导致的更高 `r*`，与由通胀信用问题或财政压力导致的更高利率完全不同。前者反映更好的投资机会；后者反映宏观风险。如果AI提高中性利率是因为经济能够高效吸收更多资本，那么更高实际利率会与更强增长和更好盈利共存。

但市场仍可能在转型中遇到困难。股票估值同时取决于现金流和折现率。如果AI提高预期利润，也提高实际折现率，净估值影响取决于久期、竞争优势、利润捕获和再投资需求。拥有真实AI生产率收益的公司或许能够用更高盈利证明估值合理，但那些只依赖遥远可选性的公司可能受到更高折现率伤害。

这就是为什么AI交易不应被视为对所有长久期资产一律利好。技术可以改善基本面，同时提高门槛利率。这会创造离散度。能够把AI转化为近期现金流增长的公司会胜出。需要无尽资本、只承诺遥远回报的公司，若实际利率保持高位，就会承压。

美联储的问题

对央行而言，AI首先带来测量问题，然后才带来政策结论。生产率很难实时测量。潜在产出不可观察。中性利率不可观察。AI采用不均衡。一些企业会快速提高效率；另一些会大量投入却没有立刻回报。有些收益体现为更低价格；有些体现为更高利润率、更好质量、更快服务或统计难以捕捉的新产品。

如果政策制定者高估生产率冲击，可能会过度宽松，使需求超过供给。如果低估冲击，可能会让政策过紧，压制真正的供给侧改善。因此正确回应不是机械规则：AI意味着更低利率或更高利率。它应是贝叶斯过程：随着证据到来，不断更新对潜在增长、单位劳动成本、投资需求、劳动市场闲置、通胀预期和金融条件的估计。

在特定环境中，近期政策含义仍可能偏鸽派。如果通胀下降、劳动市场走软，而AI帮助企业控制成本，央行可以降息而不重新点燃通胀。但这是周期陈述。结构陈述不同。如果AI提高趋势生产率和投资需求，与中性相一致的长期政策利率可能高于AI前的长期停滞基准。

这一区分也影响投资者如何解读央行语言。一个政策制定者说AI改善生产率，并不一定是在说利率应永久更低。同一前提根据期限不同可以支持相反结论。未来几个季度，更好生产率可以降低通胀压力。未来十年，更好生产率可以提高增长、资本需求和 `r*`。

央行还需要区分更高利率的好原因和坏原因。如果长期实际收益率上升是因为生产率预期改善，这与收益率因通胀预期失锚而上升不同。政策不应自动对抗每一次实际收益率上行。它应问金融条件是在相对于更高生产能力收紧，还是仅仅反映更健康的经济。

企业盈利与市场结构

AI可以通过几个渠道支撑企业盈利。它可以降低常规认知任务的劳动强度，改善定价、个性化、欺诈识别、客户服务、物流、库存管理、编程、营销和研究。它可以加速产品开发，降低错误率，让更小团队更快扩张。如果这些收益真实，利润率可以扩大，投入资本回报可以上升。

但收益分布会不均衡。一些企业会捕获AI租金，因为它们拥有数据、分发、算力、客户关系、专业工作流或监管信任。另一些企业会看到AI商品化它们曾以高利润率出售的服务。在竞争市场中，生产率收益通常传导给客户。在集中市场中，企业可能保留更多剩余。宏观生产率效果可以很广，而利润效果可以很集中。

资本开支侧同样不均衡。云巨头、半导体公司、公用事业、设备供应商和数据中心开发商可能看到巨大需求。但采用AI的客户可能在看到节约之前，先面对更高软件账单、集成成本、安全成本和组织扰动。市场需要区分真正生产率采用和昂贵试验。

更高中性利率的世界会强化这种区分。廉价资本可以让投机性AI项目存活更久。更高实际利率要求证明。企业需要证明AI支出带来可测量的收入增长、成本节约或战略控制。“AI投资”这个词本身不够。投资者会问这项投资是否高于新门槛利率。

这是健康纪律。如果AI真的提高生产率，它最终应提高足够现金流来证明资本合理。如果不能，更高利率会暴露弱项目。结果更可能是更有选择性的市场，而不是普遍AI熔涨。

什么会确认更高 r* 的AI论点

第一个确认信号，是生产率改善持续扩散到少数AI相邻行业之外。投资者应关注非农商业生产率、单位劳动成本、服务业每小时产出、软件开发生产率、研究效率、医疗行政、金融运营和制造质量指标。真正的宏观冲击必须扩散到销售工具的公司之外。

第二个信号，是AI相关资本需求持续存在。数据中心建设、半导体资本开支、电网投资、电气设备积压订单、云基础设施支出和企业软件实施，应在第一轮炒作周期之后仍保持强劲。如果AI资本开支很快崩塌，更高 `r*` 论点就会变弱。

第三个信号，是预期收入和投资行为增强。如果家庭、企业和市场上调长期增长预期，储蓄和投资行为应当变化。消费者对未来收入的信心、企业资本开支计划、创业形成、劳动力再配置和股票市场盈利修正都很重要。

第四个信号，是通胀预期保持锚定时实际收益率仍然坚挺。这种组合表明市场定价的是更强实际增长或更高资本需求，而不是通胀恐惧。实际收益率上升且盈亏平衡通胀稳定，比由通胀补偿主导的名义收益率上升更符合生产率—`r*` 渠道。

第五个信号，是盈利增长扩散。如果AI只让一小群基础设施供应商受益，而经济其他部分没有改善生产率，宏观论点较弱。如果AI跨行业提高利润率和产出，论点就更强。

什么会证伪这个论点

如果生产率收益保持狭窄、AI支出被证明冗余，或企业无法把AI工具转化为可测量产出，更高 `r*` 的AI论点会被削弱。大量资本开支可以被浪费。历史上充满过度建设的基础设施周期，这些周期最终可能创造价值，但一开始毁灭资本。如果AI投资跑在有用采用之前，短期效果可能是更低回报，而不是更高中性利率。

如果AI主要以压低家庭收入的方式替代劳动，却没有创造足够新需求，这个论点也会变弱。在这种情景中，家庭因不安全感上升而增加期望储蓄，消费可能走弱，初始建设之后投资也可能更谨慎。那看起来不像生产率繁荣，而更像分配冲击。

另一个证伪因素是强全球储蓄响应。如果世界其他地区提供充裕资本来融资美国AI投资，国内利率未必上升太多。全球资本流动很重要。美国中性利率与全球储蓄、储备需求、财政位置和跨境投资偏好相连。

最后，如果监管、能源、数据或组织约束阻止广泛扩散，论点也会变弱。AI模型可能快速改进，但经济生产率需要实施。如果电力瓶颈、法律限制、数据质量、网络安全、工人抵触或管理失败拖慢采用，经济可能经历高资本开支，却没有持续趋势增长转移。

正确方法是概率化。AI有潜力提高长期增长和 `r*`，但潜力不是现实。证据必须被持续跟踪。

劳动市场传导

劳动市场渠道尤其重要，因为生产率冲击不会同时影响所有工人。AI可能提高某些职业的每名工人产出，同时替代另一些任务。如果主要效果是增强，工资可以上升，利润率可以改善，需求可以扩张。如果主要效果是替代且没有足够新岗位创造，家庭收入预期可能走弱，储蓄—投资逻辑也会变化。

这就是为什么投资者不应只看总量生产率，还应观察劳动力再配置。健康的AI繁荣应表现为产出上升、新企业形成、新任务出现、互补岗位实际工资提高，以及可管理的转型成本。不健康版本则表现为利润捕获狭窄、劳动收入疲弱和社会压力上升，最终引发监管或再分配。AI同时提高生产率以及互补人力和物理资本预期回报时，中性利率含义最强。

投资组合含义

第一个含义是，投资者应区分AI盈利赢家和久期赢家。AI可以提高预期现金流，同时提高实际折现率。这有利于拥有近期盈利上修和持久竞争优势的公司，但不利于价值主要依赖遥远可选性的资产。

第二个含义是，AI基础设施应被作为资本周期分析。半导体、数据中心、公用事业、电力设备、冷却、网络和建筑，不只是科技主题。它们是宏观投资渠道。如果AI建设持续，它可以支撑工业需求、商品需求、电网投资和区域房地产市场。它也可能在特定投入中创造瓶颈和成本通胀。

第三个含义是，债券需要细分判断。AI驱动的生产率可以在单位成本层面反通胀，但更高趋势增长和更强投资需求可能使实际收益率保持高位。长久期债券可能受益于更低通胀风险，但如果 `r*` 上升，它们未必受益。关键在于名义收益率是否因为通胀补偿下降幅度超过实际利率上升而下行。

第四个含义是，股票市场广度很重要。集中在少数基础设施供应商中的狭窄AI繁荣，不等于广泛生产率繁荣。如果使用AI的行业也出现盈利上修，而不只是销售AI的行业受益，更高 `r*` 论点会更可信。

第五个含义是，投资者应关注AI与财政政策的互动。如果政策制定者把更高预期增长解读为扩大赤字的许可，公共借款会放大实际利率上行压力。生产率可以改善债务可持续性，但也可能鼓励财政自满。中性利率效果取决于私人和公共资本需求之和。

结论：AI可以利好增长，但不一定意味着低利率

美国长期增长图提醒我们，经济具有韧性、适应性，并在历史上围绕稳定的实际人均GDP趋势运行。这段历史应约束AI辩论。多数冲击不会永久改变趋势。但少数真正改变趋势的冲击极其重要。

AI可能是其中之一。如果它广泛提高生产率，就能支持更强增长、更高实际收入、更好利润率和改善的企业盈利。它也可能通过降低单位成本而减轻部分通胀压力。但这些都不自动意味着结构性低利率世界。

如果AI提高预期收入增长、降低储蓄动机、提高资本回报，并触发基础设施和配套资产的大投资周期，它就可能提高中性实际利率。在这种情景中，即使经济变得更高产，长期均衡利率水平也会更高，而不是更低。

这正是辩论需要的细节。AI可以对增长有利，却对债券复杂。它可以改善供给，同时增加资本需求。它可以提高企业盈利，同时抬高投机资产门槛利率。它可以在某些时期给政策制定者周期性宽松空间，同时随着时间推移抬升结构性中性利率。

图表的信息不是未来必须像过去一样，而是改变长期路径很难。如果AI真的做到这一点，结果不会只是更便宜的钱，而会是一个不同的增长制度：更强生产率、更大投资需求、更高实际收入，以及可能更高的均衡实际利率。