舊金山聯儲：AI開支下全要素生產率仍弱，互聯網繁榮時期勞動與資本投入帶來的增長明顯更好

彭博援引舊金山聯邦儲備銀行更新後的全要素生產率估計稱，結果不佳；相比之下，互聯網繁榮時期勞動與資本投入帶來的增長明顯更好。該對比在宏觀賬戶間流傳，並把ChatGPT發佈後的路徑與當年瀏覽器帶動的信息技術週期並置。

舊金山聯儲2026年5月經濟信函指出，近年勞動生產率（每小時產出）出現較紮實升幅，但剔除設備與技術投入後的全要素生產率只錄得相對溫和增長。截至2025年四季度，模型給出處於高生產率增長狀態的概率約爲：勞動生產率口徑57%，全要素生產率口徑21%。兩者均未強到足以判定經濟已進入持續高生產率體制。

該信函把當前勞動生產率快於全要素生產率的分叉，比作1990年代中後期信息技術繁榮的早期：當時投資已起、官方效率數字尚未完全跟上。作者寫道，人工智能相關投資可能通過新軟件和算力讓工人使用更好的工具，但更廣泛的效率增益目前仍未實現。有分析引用截至2026年二季度的四個季度：普通全要素生產率約升1.1%，利用率調整後的全要素生產率約降0.44%，同期資本投入按年率約增3.2%。

需求側數字先於供給側出現。聖路易斯聯儲跟蹤顯示，生成式人工智能已通過硬件、軟件、研發與數據中心投資進入國內生產總值；到2025年8月，約55%的美國人和37%的工人用過此類工具。穆迪分析的Mark Zandi稱，廣義科技約佔國內生產總值10%，卻佔標普500市值約一半，並貢獻ChatGPT出現以來股價升幅的約三分之二；增長更多來自需求端建設，生產率尚未同步顯現。

企業調查給出微觀對照：美國典型企業的人工智能採用已經鋪開但淺，多數採用者向下遊租用上游的無形資本，而非自建；高管感知到的生產率高於可測量增益，近期就業淨影響偏小，裁減更集中在大企業常規文職，崗位向技術工種偏移。聯儲背景論文同時稱，生成式人工智能具有通用技術與“發明方法的發明”特徵，但擴散到可測勞動生產率需要長時間。

市場機制上，買方是把資本開支當成未來效率的雲廠商、模型實驗室與主題股票資金，賣方是出售加速器、機房和電力的上游。事件由全要素生產率更新與互聯網對照圖驅動。資金從軟件訂閱、企業人力預算和風險投資進入芯片與數據中心。受益的是能開出賬單的上游與估值賬戶，承壓的是用全要素生產率衡量蛋糕是否變大的宏觀賬戶。

來源：公開信息