AI算力擴張推高通膨，聯準會決策面臨兩難
Nashnova编辑部
美國今年AI基建資本開支預計達5,810億美元，佔GDP的1.8%，但僅17%–20%的企業真正在用AI——成本先到、回報未至，這一錯位正令美聯儲的通脹判斷更加棘手。
矽谷大佬說AI會壓低物價——為何反而在漲？
奧爾特曼說「觸手可及的廉價智能」，馬斯克說AI會壓低成本，孫正義預期價格跌40%——但據CNBC報道，上述願景均未接近實現。
現實恰恰相反：高盛估算美國今年AI算力資本開支達5,810億美元，全球規模最高可達1萬億美元。
這意味著→ 數據中心與AI基礎設施的建設熱潮正在擾亂供應鏈、推高電價——錢已花出去，降本的回報尚未到來。
花了這麼多錢，企業到底用上AI了嗎？
美國人口普查局今年5月調查：僅17%–20%的美企報告使用了AI，而大型企業普及率遠高於中小企。
OpenAI首席經濟學家查特吉坦言，AI要影響經濟必須被廣泛採用，「還需要一段時間才能在生產率數據中清晰體現」。
簡單來說＝ 大部分企業還未開始用，用了的也未深入——離「AI拉低物價」的那天還很遠。
生產率能升多少？互聯網時代的前車之鑑說了甚麼？
分析師布克瓦爾將AI與上一輪技術紅利——互聯網時代——作比較：30年間美國生產率增幅僅1.5%，50年平均值2.5%。
他直言：「要認為生成式AI能帶來遠超互聯網的提升，這很難說。」
這反映出一個冷靜的判斷：技術確實提高生產力，但多個數量級的躍升目前缺乏歷史先例。
技術夠了，卡在哪裡？
Lululemon前CIO阿弗里爾指出難點不在技術本身，而在組織內部推廣——「讓人們改變行為、信任模型，這很難。」
史丹福教授瓊斯提出「弱鏈接」（weak links，指工作中難以被自動化的環節）概念：崗位是一堆任務的集合，部分任務遠比其他任務更難自動化，這是AI紅利遲遲不能全面釋放的結構性原因。
查特吉援引OpenAI數據：AI深度用戶的使用率是普通企業的8倍，且三個月內差距從2倍擴大到8倍——頭部與普通企業的鴻溝在加速拉大。
對美聯儲來說，這意味著甚麼？
一邊是AI基建已經在推高電力等行業價格——通脹效應可觀測、正在發生。
另一邊是生產率回報的時間表仍然不確定——降本效應尚在遠方。
這意味著→ 成本先行、紅利滯後的錯位，令美聯儲無法將「AI通縮」計入近期政策判斷——通脹壓力是眼前的，通縮承諾是遠期的。
Content is for reference only, not financial advice.