旧金山联储：AI开支下全要素生产率仍弱，互联网繁荣时期劳动与资本投入带来的增长明显更好

彭博援引旧金山联邦储备银行更新后的全要素生产率估计称，结果不佳；相比之下，互联网繁荣时期劳动与资本投入带来的增长明显更好。该对比在宏观账户间流传，并把ChatGPT发布后的路径与当年浏览器带动的信息技术周期并置。

旧金山联储2026年5月经济信函指出，近年劳动生产率（每小时产出）出现较扎实升幅，但剔除设备与技术投入后的全要素生产率只录得相对温和增长。截至2025年四季度，模型给出处于高生产率增长状态的概率约为：劳动生产率口径57%，全要素生产率口径21%。两者均未强到足以判定经济已进入持续高生产率体制。

该信函把当前劳动生产率快于全要素生产率的分叉，比作1990年代中后期信息技术繁荣的早期：当时投资已起、官方效率数字尚未完全跟上。作者写道，人工智能相关投资可能通过新软件和算力让工人使用更好的工具，但更广泛的效率增益目前仍未实现。有分析引用截至2026年二季度的四个季度：普通全要素生产率约升1.1%，利用率调整后的全要素生产率约降0.44%，同期资本投入按年率约增3.2%。

需求侧数字先于供给侧出现。圣路易斯联储跟踪显示，生成式人工智能已通过硬件、软件、研发与数据中心投资进入国内生产总值；到2025年8月，约55%的美国人和37%的工人用过此类工具。穆迪分析的Mark Zandi称，广义科技约占国内生产总值10%，却占标普500市值约一半，并贡献ChatGPT出现以来股价升幅的约三分之二；增长更多来自需求端建设，生产率尚未同步显现。

企业调查给出微观对照：美国典型企业的人工智能采用已经铺开但浅，多数采用者向下游租用上游的无形资本，而非自建；高管感知到的生产率高于可测量增益，近期就业净影响偏小，裁减更集中在大企业常规文职，岗位向技术工种偏移。联储背景论文同时称，生成式人工智能具有通用技术与“发明方法的发明”特征，但扩散到可测劳动生产率需要长时间。

市场机制上，买方是把资本开支当成未来效率的云厂商、模型实验室与主题股票资金，卖方是出售加速器、机房和电力的上游。事件由全要素生产率更新与互联网对照图驱动。资金从软件订阅、企业人力预算和风险投资进入芯片与数据中心。受益的是能开出账单的上游与估值账户，承压的是用全要素生产率衡量蛋糕是否变大的宏观账户。

来源：公开信息