谢谢尼尔，感谢您热情的介绍。能回到斯坦福校园总是莫大的荣幸，也勾起了我许多美好的回忆。我在这里度过了几段成长的岁月——最初是作为美国经济协会(AEA)暑期项目的学生，该项目旨在培养学生攻读经济学研究生；之后，我作为胡佛研究所的国家研究员在此工作。说这些在斯坦福的经历具有变革性，实在是轻描淡写。暑期项目为我开启了新的知识和职业生涯之旅，并指引我前行；而在此做博士后的三年，则开辟了一个全新的研究领域。事实上，我关于专利与创新或创新经济学的研究正是始于这里，并且极大地受益于与斯坦福经济政策研究所(SIEPR)、经济系、商学院、法学院以及胡佛研究所的经济学家们的交流，其中包括肯尼斯·阿罗、蒂姆·布雷斯纳汉、杰里米·布洛、米尔顿·弗里德曼、阿夫纳·格里夫、米奇·波林斯基、保罗·罗默和加文·赖特。在湾区（这里和伯克利）度过的十年里，我亲眼目睹了新的想法是如何被认真对待、审视、实践和传播的。能回到这样一个创新中心，总是令人振奋。
我赞赏斯坦福经济政策研究所举办此次活动，探讨人工智能(AI)及其影响经济轨迹和变革金融体系的力量。我知道在座的许多人都在思考如何利用这项技术显然具有的多方面前景，同时关注其重大风险。自2018年担任美国经济协会(AEA)暑期项目主任时，我便采用了机器学习，并且在加入美联储之前，我已将其应用于我的研究。因此，在2022年加入理事会时，我就提出质疑并敦促对人工智能进行研究和采用。所以请放心，美联储的政策制定者们也在深入参与其中。
今天，我首先要谈谈我对最新经济前景的看法，重点探讨人工智能对我们双重使命（实现最大就业和价格稳定）两方面的影响。然后，基于我一直以来对负责任创新的支持，在讨论该技术给金融稳定带来的一些风险和脆弱性之前，我将阐述人工智能可能为金融体系带来的益处。最后，我将分享美联储自身如何拥抱人工智能的力量，以帮助确保金融体系保持稳健和具有韧性。
经济前景
作为开场，我将先阐述我对经济前景的看法。
首先谈谈通胀。通胀显然正朝着错误的方向发展。根据最新数据，截至4月份的12个月中，个人消费支出(PCE)价格指数估计上涨了3.8%。该读数远高于我们2%的目标。近期因伊朗冲突导致的汽油价格上涨是主要推手。但即使剔除波动较大的食品和能源成分，截至4月份的12个月中，核心PCE通胀率估计也上涨了3.3%——这是自2023年以来的最高水平。
通胀是由理论上应是暂时且短期的冲击所推高的。关税应仅导致价格水平一次性上移，其影响应很快开始减弱。能源价格的走势与持续的冲突挂钩，其结果高度不确定。尽管如此，正如石油期货所反映的那样，大多数预测者和市场参与者预计，石油和汽油价格应在年底前有所下降。
然而，即使是暂时和短期的冲击，也可能在中期影响通胀。企业可能会将这些冲击纳入其定价决策，工人也可能将其纳入工资谈判。此外，人工智能带来的投资需求高涨可能会叠加另一轮价格冲击。迄今为止，公司已宣布了超过1.5万亿美元的数据中心计划，但其中仅有少部分已实现。这些数字表明，仅数据中心一项，就有大量与人工智能相关的投资仍在酝酿中。这种需求对价格的影响显而易见。芯片、其他高科技设备和软件的价格大幅上涨。建筑行业专业技工的工资显著上涨。过去一年，电力和水价分别上涨了约5%。此外，在未来几年，企业可能会在集约边际上扩张，但也可能在粗放边际上扩张，并进行新的与人工智能相关的资本支出，例如在机器人领域。
与通胀形成对比的是，劳动力市场似乎基本稳定。4月份的失业率为4.3%，自去年夏天以来基本保持不变。该比率与自然失业率估算值相符，表明劳动力的供需大致平衡。尽管出现了一些引人注目的裁员公告，但首次申请失业救济金的人数仍维持在低位且稳定。然而，我认为劳动力市场的下行风险正在增加。其中一个因素是中东冲突导致产出的不确定性加剧。需求疲软可能导致劳动力市场疲软。不确定性也可能影响企业的招聘计划，这可能是当前低招聘环境的原因之一。
此外，我一直并将继续高度关注人工智能的发展及其对劳动力市场的影响。我们可能正面临数代人以来最重要的工作重组。即使从长远来看会创造新的就业机会，我也意识到人工智能的成本和效益在时间上可能存在差异。具体来说，人工智能导致的失业可能先于就业增长出现。尽管我们目前尚无确凿证据表明这种情况已经发生，但它可能仍在眼前，并且可以预期劳动力市场将出现更高的流动率。
企业采用人工智能的速度越来越快，但许多企业尚未利用它来改变组织工作的方式。事实上，在美联储2025年小企业信贷调查中，绝大多数小企业受访者表示，其劳动力成本并未因人工智能而改变。然而，我接触到的许多企业预计，人工智能未来将引导他们从根本上改变其业务实践。
最后，我将谈谈经济增长。在这方面，我持乐观态度。过去一年，国内生产总值(GDP)增长依然强劲。劳动生产率增长已超过疫情前的平均水平。我无需在硅谷中心地带报告这一点，但企业的创立数量依然很高。在来美联储之前的20年里，我一直在研究创新及其对宏观经济的影响，我相信人工智能是我一生中前所未见的技术。但作为保罗·罗默的学生以及更广泛的内生增长理论的研究者，我一直在等待这个时刻——二战后对知识经济的投资将提高创意的产生速度。随着企业更系统地将人工智能纳入其生产过程，我预计人工智能将进一步提高生产率增长，这支撑了我对GDP在短期至中期内强劲增长的预期。
这对货币政策意味着什么？我认为我们双重使命两个方面的风险都在上升，从风险管理的角度来看，我目前认为正确的做法是维持利率不变。但是，我想明确我的风险评估：风险仍然倾向于通胀走高。在我的基线预测中，未来几个月通缩应该会恢复，而无需加息。同样，我预计劳动力市场将保持稳定，而无需降息。
在经历了五年高于目标的通胀之后，我特别关注通胀上升会嵌入价格和工资制定行为的风险。因此，如果预期的通缩未能及时出现，我准备加息。同样，我也会继续监控劳动力市场的发展，如果劳动力市场恶化，我也准备下调我的政策立场。
负责任地支持创新
现在，我将转向本次会议的主题：人工智能对金融体系创新、韧性和风险的影响。我很高兴讨论这个话题，至少有两个原因。首先，作为一个不久前在斯坦福校园开始认真研究创新经济学的经济学家，我看到了人工智能可能给金融体系带来的巨大好处。其次，我担任美联储理事会金融稳定委员会主席。作为政策制定者，如何鼓励创新，同时确保风险可控且体系保持韧性，是我主要关注的问题。
总体而言，我想强调我相信实验。这种方法在硅谷蓬勃发展，我们也在美联储内部加以推广。正因如此，我共同创立了新兴技术经济研究网络，这是一项系统性的努力，旨在共享人工智能研究和实验结果，这也是为什么我看到美联储工作人员在过去几年中一直在寻找以新颖和富有想象力的方式采用人工智能技术而受到鼓舞。并非每次努力都会成功，正如我在斯坦福和伯克利所接受的教育告诉我的那样，这没关系。我们正看到这种实验驱动思维带来的成果，我将在讨论金融体系中人工智能驱动创新的更广泛益处之后，稍后谈谈这些成果。
人工智能对金融体系的益处
我对人工智能有望提高生产率并加速创意产生感到乐观，这将支持增长，导致新公司诞生并创造新的就业机会，并对通胀施加下行压力。具体在金融领域，我对我们开始看到的人工智能所带来的益处感到兴奋。
金融部门正在适应并增加对当前一代人工智能工具的使用，最初是在高度人工或资源密集型领域。这种转变包括合规职能、呼叫中心和后台运营。生成新颖的分析也变得更快速、更灵活。将人工智能用作编码工具正在帮助金融部门解决一些长期存在的问题，例如更新遗留代码和集成系统。下一代模型应更广泛地采用并集成到面向客户和市场的应用中。大型科技和金融服务公司，那些提供支撑全球经济大部分领域的硬件、软件和系统的公司，正在使用先进的人工智能工具来扫描可能被利用的潜在网络漏洞。此外，采用人工智能为改善我们的金融体系提供了许多机会。这些工具可以使公司改善信贷获取渠道、更有效地配置资本并加快流程。例如，人工智能可以使公司实现以下目标：
与人工智能相关的风险和脆弱性
广义上讲，我认为人工智能会刺激经济增长，在其他条件相同的情况下，这应该有利于金融稳定。然而，作为政策制定者，我明白如果监管不当，创新可能导致风险增加。我同时从人工智能与长期存在的脆弱性相互作用的角度，以及假设性的人工智能冲击对系统构成风险的角度来思考这种可能性。
人工智能可能通过多种渠道给金融体系引入脆弱性。最常被提及的之一是人工智能驱动的算法交易的日益普及。传统算法是快速、简单、以纳秒频率运行的规则，但它们相对僵化且是硬编码的。生成式人工智能和机器学习则增加了基于历史经验的自学习、基于当前市场条件的适应以及非结构化数据（如文本）的分析。政策制定者和学者们注意到，越来越多由人工智能驱动的算法交易可能产生金融稳定风险，例如更相关的交易、内生模型合谋、潜在的市场操纵以及更大的市场集中度。
另一个潜在风险来自人工智能可能取代或颠覆整个行业的可能性。例如，对人工智能颠覆风险的担忧已经影响了科技行业的投机级债券，正如我们本月早些时候的《金融稳定报告》所指出的那样，这些债券的利差已经扩大。这些趋势反映了软件行业对人工智能颠覆的担忧，并在某大型人工智能公司推出针对该行业的产品后出现。对软件行业信贷敞口的担忧也导致了近几个月来对交易和非交易永续型商业发展公司的赎回潮，给它们带来了巨大压力。
另一个可能对金融稳定产生影响的新兴趋势与以下事实有关：公司越来越多地利用债务市场为与人工智能基础设施相关的资本投资融资。许多超大规模企业近几个月来执行了大笔投资级债券交易，以资助人工智能资本支出。此外，较小的数据中心开发商正在从私人债务基金以及资产支持信贷市场筹集债务，以资助其投资。虽然许多最大的投资者同时也是强大的借款人，但利用杠杆为新兴技术投资融资的风险不断增加，持续高涨的债券发行最终可能成为一个金融稳定问题。我要指出的是，即使在非常雄心勃勃的投资和债券发行预测下，我们也不太可能回到全球金融危机前观察到的峰值杠杆水平。
网络风险
当然，在讨论风险时不能没有网络风险。大型语言模型(LLM)和智能体AI系统在检测、利用和创造新漏洞方面的最新进展，为保障金融机构、基础设施和第三方服务提供商的系统安全带来了新的挑战。非常强大的人工智能工具，如Anthropic的Mythos Preview模型，已经展示出能够检测支撑重要且广泛使用的计算机系统的软件应用程序中先前无法检测到的漏洞的能力。
非恶意的网络事件，如软件故障，也已导致金融服务提供的中断。人工智能可以使软件开发——特别是编写代码——更快、更容易。然而，通过促进代码的快速扩散，对人工智能的过度使用可能会间接给当前的安全审查流程带来压力。
人工智能对网络安全的最终影响仍不明确。先进的人工智能编码代理可用于增强许多重要计算机系统的安全性，以防止未来与人工智能相关的网络攻击。人工智能仍有可能使金融机构在网络攻击脆弱性方面更具韧性。
美联储内部的人工智能
正如经济中的金融公司和其他实体一样，美联储也在努力负责任地部署人工智能，以推进我们的使命并改进我们自身的工作。明确地说，正如我去年在美国国家经济研究局(NBER)暑期研究所所说的，联邦公开市场委员会并未使用人工智能来制定或设定政策。但美联储系统的许多部门正在将人工智能用于各种其他任务，特别是在金融稳定领域，并且我们已经看到了切实的好处。通过自身使用人工智能，我们可以改进对金融部门的分析，并能够更好地发现脆弱性——无论是人工智能引入的新脆弱性，还是我们可能遗漏的旧脆弱性。使用人工智能可以通过加强监控和改进分析，使我们更好地完成工作。我想分享两个具体方式，我们正利用人工智能来推进我们监控金融稳定的关键使命。
首先，金融稳定司内新成立的专家团队正在分析技术风险对金融稳定的影响。这些协作小组评估网络、人工智能和量子计算如何同时创造脆弱性和机遇。例如，里士满联储的经济学家Anne Lundgaard Hansen和理事会的Seung Jung Lee通过使用大型语言模型(LLM)进行实验室式实验，研究了生成式人工智能采用对金融稳定的影响。他们关于典型实验室环境中投资决策的羊群行为的研究发现，人工智能代理做出的决策比人类更理性。该研究表明，代理更可能基于数据和分析做出决策，而不是简单地跟随市场总体趋势。这一结果可能会减少由动物精神引发的资产价格泡沫。
这些创新团队还为我们的使命开发了实用工具。一个团队设计了一种方法，使用一种称为“主动知识蒸馏”的技术，构建一个小型、经济高效的AI模型，该模型可以像大型模型一样准确地分类大量文本。该方法在保持准确性的同时，最高可将计算成本降低80%。这种效率很重要，因为金融稳定分析越来越需要处理大量的非结构化文本数据，包括监管文件、财报电话会议记录和新闻文章。另一个有趣的项目将自然语言处理应用于数十年的褐皮书数据，发现即使控制了传统指标，这些轶事汇编中的情感在预测衰退方面也提供了有意义的解释力。
其次，来自理事会和所有12家储备银行的工作人员最近参加了一次智能体AI冲刺活动。该活动鼓励实验，并探索智能体AI能为金融稳定分析做些什么。很高兴看到所有能够推理问题、决定使用哪种分析方法、并以最少的人为干预完成复杂任务的AI系统。我们在其中一个项目中获得的一个宝贵见解是，智能体AI系统在识别基于网络的风险方面可能比我们标准的方法更为系统化。这种结果不是因为我们不了解其理论重要性，而是因为在许多情况下，我们缺乏大规模全面分析网络复杂经验结构模式的能力。
这种系统化能力可以转化为金融稳定工作潜在的有意义的效率增益。例如，其他原型展示出它们能够选择、运行和分析许多与金融稳定相关的场景，而使用传统方法完成这些场景将极其耗时。这使得能够在人类难以在合理时间范围内完成的，那种深入细致的分析成为可能。然而——这是关键——没有准确性的系统性覆盖将不如选择性方法。最有前途的方法是在系统架构本身中构建验证机制。这些方法让多个代理在达成共识之前进行商议，并包含迫使代理考虑对立观点的机制。然后，研究人员可以对此过程进行交叉核对。如果在像斯坦福这样的地方听起来耳熟，那应该没错。我刚才对AI代理所描述的方法，正是数百年来为人类带来突破性思维的同类方法。
结论
我们与人工智能打交道的全部经验使我们得出结论：在探索实验的同时，强健的治理和风险管理必须是我们的基础。最有前途的方法是将人类判断与人工智能能力相结合，同时在架构本身中构建验证机制。
紧迫性是真实存在的。人工智能发展迅速，金融机构正在快速采用这些技术。作为政策制定者，我们必须通过亲身实践来理解这些系统。通过构建我们自己的人工智能能力，我们能够深入了解这些技术给金融体系带来的前景和风险。在适当的治理框架下，自主智能有可能扩展我们的分析能力。这些工具可以增强我们识别和应对不断演变的威胁的能力。但我们将既怀乐观也持谨慎前行，这在当前这个技术转折点是恰如其分的。
再次感谢有机会回到斯坦福，并在这次及时且重要的会议上发言。我期待我们的讨论。
1. 此处表达的观点仅代表我个人，不一定代表我在美联储理事会或联邦公开市场委员会的同僚的意见。返回正文
2. 参见Eirik Eylands Brandsaas, Daniel Garcia, Robert Kurtzman, Joseph Nichols, and Adelia Zytek (2025), "Estimating Aggregate Data Center Investment with Project-Level Data," Finance and Economics Discussion Series 2025-109 (Washington: Board of Governors of the Federal Reserve System, December). 有关更新数据和公开结果，请参见Eirik Brandsaas (2026), "Estimating Aggregate Data Center Investment with Project-Level Data," DataCenterPublic, GitHub repository, https://github.com/eirikbrandsaas/DataCenterPublic. 返回正文
3. 参见Federal Reserve Banks (2026), "2026 Main Street Metrics: Trends over Time from the Small Business Credit Survey," March 23. 返回正文
4. 参见Lisa D. Cook (2026), "Economic Outlook," speech delivered at the Economic Club of Miami, Miami, Florida, February 4. 返回正文
5. 关于新兴技术经济研究网络的更多信息，请访问旧金山联邦储备银行网站：https://www.frbsf.org/research-and-insights/emerging-tech-economic-research-network. 返回正文
6. 参见Board of Governors of the Federal Reserve System (2026), Financial Stability Report (PDF) (Washington: Board of Governors, May). 返回正文
7. 参见Paula Seligson, Olivia Fishlow, Rene Ismail, Davide Scigliuzzo, and Laura Benitez (2026), "Private Credit's Gate-Crashers Are Forcing Funds into a Brutal Spot," Bloomberg, March 8. 返回正文
8. 参见Anhata Rooprai, Zaheer Kachwala, and Johann M. Cherian (2025), "Tech Companies Tap Debt Markets to Fund AI and Cloud Expansion," Reuters, November 24 (updated May 11, 2026), https://www.reuters.com/business/media-telecom/tech-companies-tap-debt-markets-fund-ai-cloud-expansion-2026-05-11. 返回正文
9. 参见Paula Seligson (2026), "The $3 Trillion AI Data Center Build-Out Spurs a Debt Market Boom," Bloomberg, February 2. 返回正文
10. 参见Saeed Azhar, Tatiana Bautzer, Michelle Price, and Francesco Canepa (2026), "Anthropic's Mythos Sends U.S. Banks Rushing to Plug Cyber Holes," Reuters, May 12, https://www.reuters.com/business/finance/anthropics-mythos-sends-us-banks-rushing-plug-cyber-holes-2026-05-12. 返回正文
11. 参见Lisa D. Cook (2025), "AI: A Fed Policymaker's View," speech delivered at the National Bureau of Economic Research, Summer Institute 2025: Digital Economics and Artificial Intelligence, Cambridge, Mass., July 17. 返回正文
12. 参见Anne Lundgaard Hansen and Seung Jung Lee (2025), "Financial Stability Implications of Generative AI: Taming the Animal Spirits," Finance and Economics Discussion Series 2025-090 (Washington: Board of Governors of the Federal Reserve System, September). 返回正文
13. 参见Viviana Luccioli, Rithika Iyengar, Ryan Panley, Flora Haberkorn, Xiaoyu Ge, Leland Crane, Nitish Sinha, and Seung Jung Lee (2025), "LLM on a Budget: Active Knowledge Distillation for Efficient Classification of Large Text Corpora," Finance and Economics Discussion Series 2025-108 (Washington: Board of Governors of the Federal Reserve System, December). 返回正文
14. 参见Shengwu Du, Flora Haberkorn, Isabel Kitschelt, Seung Jung Lee, Anderson Monken, Dylan Saez, Kelsey Shipman, and Sandeep Thakur (2026), "Do Anecdotes Matter? Exploring the Beige Book through Textual Analysis from 1970 to 2025," Finance and Economics Discussion Series 2026-004 (Washington: Board of Governors of the Federal Reserve System, January). 返回正文