感谢Freada和Mitch的热情介绍。我很感激受邀在奥克兰科技周这里发言，也很高兴有机会回到东湾——我曾在那里生活，并在伯克利攻读研究生期间度过了几个重要的成长年份。1 那时的奥克兰是一个充满活力、令人兴奋的地方，如今它更加充满活力、更加令人兴奋。我很高兴有机会与你们探讨一个关键话题：人工智能(AI)及其对我们经济的影响。
事实上，我对创新经济学和人工智能的兴趣始于加州大学伯克利分校。我修过的最引人入胜、最具影响力的课程之一，是Paul Romer讲授的增长理论。他提出，投资于科学和思想可以带来持续、无边界的经济增长，并后来因其在推动我们对经济增长思考方面的开创性贡献而获得诺贝尔奖。我相信，我们正生活在一个时代：再加上二战后对基础科学的历史性投资，这些以及类似的思想正在全球经济中结出硕果并接受检验。
人工智能有望成为我们一生中最重要的技术变革。我将其视为一种通用技术，其地位与蒸汽机、电力和互联网等突破相当，甚至超过它们。那些创新扩散到整个经济中，激发了下游创新，并随着时间的推移不断改进。2 人工智能也在做同样的事情。作为长期研究创新经济学的学者和现任货币政策制定者，我一直以浓厚兴趣观察这些发展。人工智能几乎影响我在美联储职责的各个方面，包括货币政策、金融稳定、银行监管、金融市场基础设施以及我们自身的运营准备。3
尽管人工智能带来了无限令人兴奋的可能性，它也给我们提供了许多需要冷静思考的问题。从人工智能模型训练所依赖的数据到人工智能安全，我一直倡导负责任地开发人工智能。4 人工智能所有有益的可能性是否能够实现——以及如何实现——将取决于全国的研究人员、消费者、企业和政策制定者如何迎接其机遇和挑战。要充分认识人工智能的好处，我们必须将乐观与谨慎相结合，并认识到人工智能可能在隐私、偏见、劳动者、欺诈、网络安全和知识产权方面引发的合理担忧。就美联储而言，作为银行组织的监管者，我们鼓励并将继续鼓励金融部门以符合安全稳健实践和适用法律的方式负责任地使用人工智能。除此之外，政府在人工智能发展轨迹中是否应扮演任何具体角色，应由民选官员决定。在我评估经济前景、适当的货币政策路径和金融稳定时，我将继续密切关注人工智能发展的速度、方向和规模。
人工智能对货币政策意味着什么？今天，我将提出一种思路，用于思考人工智能与我们促进价格稳定和充分就业双重使命相关的经济影响。我正在密切研究这些影响，因为我的职责是以一种能够应对近期多重压力来源、同时为惠及所有美国人的长期收益创造条件的方式来制定货币政策。
人工智能与通胀
首先，我想考虑短期和较长期的通胀影响。过去五年，广泛的多种因素导致通胀一直高于美联储2%的目标。过去一年，其中一个因素是人工智能驱动的投资。与人工智能相关的商品——如芯片、计算机和软件——价格大幅上涨。
我认为，其中一些急剧的价格上涨反映的是需求向人工智能相关部门的转移，而不是经济整体需求的增加。当需求激增集中在某一个部门时，该部门的商品和服务可能被推到其供给曲线中陡峭的部分。如果这些需求均匀分布在整个经济中，整体价格指数的上升幅度就不会那么大。随着供应链调整和效率提升逐步实现，这类压力应会在没有政策干预的情况下自行缓解。事实上，试图用货币政策对抗特定部门的通胀可能是一个错误。我们的工具过于粗糙，无法针对狭窄的部门，而且处理相对价格变化并不是我们的职责。
尽管如此，我看到人工智能推动的需求带来了一些经济范围内的压力。数据中心投资依赖于建筑劳动力和能源等投入，而这些投入在经济中的许多部门被广泛使用。因此，人工智能投资增加可能给这些其他部门带来价格压力。而且还有更多投资正在筹备中，企业宣布的2万亿美元计划中仅支出了很小一部分。5 此外，过去几年股价上涨的很大一部分可归因于对人工智能的热情，而这种增加的财富似乎正在传导至家庭支出。你可以从通胀数据中看到压力可能正在扩大的迹象：过去一年电力和水费各上涨约5%，部分可能归因于人工智能；而核心商品价格在疫情前原本呈下降趋势，今年迄今却以超过3%的年率上涨。这带来了一种风险：即使狭窄的人工智能部门通胀放缓，新的、更广泛的价格压力也可能取而代之。
如果生产率繁荣提高经济供给能力的速度超过其提高需求的速度，那么一场时机恰当的生产率繁荣可能抵消不断扩大的价格压力。要理解这一机制，可以设想一个经济体：由于投入成本降低，以相同成本生产更多商品和服务成为可能。如果需求没有扩张以匹配额外供给，你预计价格会下降。这种价格压力的减轻可以用经典的总供给—总需求框架来描述——这是宏观经济学家的首要且主要工具之一。
目前，我预计生产率提升将在未来几年内带来温和的去通胀。然而，我并不预期这些效应会及时到来，以抵消今年晚些时候不断扩大的通胀压力。此外，有关这一机制可能如何以及何时运作的任何估计都存在不确定性，值得进一步研究和讨论。
关键在于确定在何种条件下，生产率繁荣会通过使经济供给潜力增加超过需求，从而相对于当前水平提供通胀缓解。在生产率提升均匀分布在整个经济中的情景下，我预计缓解有限但真实存在。之所以有限，是因为更高的生产率不仅提高经济潜在供给，还通过未来更高工资、更好投资回报以及随之而来的财富增长的预期提高需求。事实上，其中一些额外需求可能已经通过人工智能数据中心投资和财富效应体现在今天的经济中。因此，展望未来，生产率上升带来的新增供给可能超过新增需求，使供给和需求更好地匹配，并减少当今感受到的价格上行压力。总体而言，生产率广泛提升——如果实现的话——可能带来价格压力的温和缓解。
需要明确的是，我也关注其他情景，包括生产率繁荣带来的去通胀低于我基准情景的情景，以及导致通胀面临更大下行压力的情景。我们获得更多通胀缓解的情景意味着需求受到不利影响，并远低于经济产能。这种情况可能发生，如果生产率提升高度集中在收入较高的消费者中，而他们通常每增加一美元收入或财富的支出较少；如果由于劳动者议价能力低，生产率提升没有传导至工资；或者如果一段痛苦的岗位重新配置期导致失业率上升、信心下降，从而增加家庭的预防性储蓄。
我们可能获得较少通胀缓解的情景，是生产率提升没有传导至价格——例如，如果市场集中导致竞争减少和加价上升。
归根结底，任何去通胀回报的时机将取决于企业采用人工智能工具的速度和广度、商业实践变化如何转化为更高生产率，以及任何生产率提升传导至劳动力市场的速度。我对这些渠道的广度和时机非常不确定，并将根据数据中看到的情况调整我的观点。
人工智能与劳动力市场
尽管人工智能对通胀的影响日益显著，但该技术对劳动力市场的潜在影响长期以来一直吸引公众关注，也值得政策制定者深入研究。回顾改变人类工作方式的技术历史——例如机械织机和个人电脑——我们看到这些进步在推出时引发了广泛焦虑。过去，技术变革的好处和成本不一定同时到来，人工智能很可能也是如此。这项技术可能带来几代人以来最重要的劳动组织重组。6
人工智能技术及其采用仍处于早期阶段。目前，证据有限，表明人工智能正在对劳动力市场结构产生重大变化。数据强调了这一点：失业率和裁员都仍然较低。在过去两年中，即使人工智能采用加快，这些读数也相对平稳。
到目前为止，我很欣慰地看到，在人工智能采用的早期阶段，劳动力市场仍保持了显著韧性。
尽管如此，一些劳动者已经受到影响，我理解失业给他们及其家庭带来的困难。有证据表明，在一些部门，包括软件行业的编程岗位和同声传译中，人工智能可能正在减少劳动力需求。此外，许多应届大学毕业生在寻找第一份工作方面面临更多困难。这可能部分与人工智能承担入门级任务的能力有关。随着人工智能采用加深和人工智能技术改进，这类转变可能扩大。与此同时，人工智能很可能带来巨大创新，催生我们今天无法想象的新任务和职业。
未来，我继续预计人工智能将从根本上改变商业实践，并以相应方式重塑劳动力市场。我希望人工智能的采用将继续以这样一种速度和方式发生，使岗位创造能够匹配或超过岗位消失。
尽管如此，我高度关注一种情景：人工智能至少导致失业率暂时上升。在这种情景下，失业率上升可能不一定反映经济闲置增加（或需求不足），而是劳动者技能与可用岗位之间的“供给侧”错配。在这种情况下，我们美联储的工具有限。我们可以降低联邦基金利率以试图降低高失业率，但这可能带来推升通胀的风险。
作为政策制定者，我正在观察人工智能在各行业采用的速度和加速度，并注意企业内部岗位构成变化的证据。我也关注新岗位创造是否至少抵消了岗位 displaced。我在做出政策决定时不断评估尽可能广泛的数据，并考虑不断变化的前景和风险平衡。我还要指出，财政政策可能在管理人工智能对劳动力的影响方面发挥作用，但这不在我在美联储的职责范围内。
人工智能在企业间的扩散
我正在研究的一个领域是人工智能如何影响不同规模的企业。显然，人工智能技术的领导者是快速成长、高知名度的公司。这项技术也促使科技行业其他一些规模最大、最成熟的企业进行大量投资。这助长了一种叙事，即只有拥有雄厚资源的大企业才能部署先进人工智能。我对这种想法提出质疑。我看到证据表明，较小的企业在思考如何利用人工智能为自身谋利方面表现出足智多谋和适应能力，即使它们在整体采用方面落后于大企业。在全国各地，我从早期投资者和创始人那里听说，人工智能工具使创办企业更容易、更便宜，这可能是我们最近观察到的历史性新企业成立热潮的一个因素。我认为这是一个充满希望的迹象，表明人工智能可能惠及较小企业及其雇佣的劳动者。
以今年早些时候发布的《美联储小企业信贷调查》中的发现为例。该研究发现，近一半的小型雇主企业正在使用人工智能，其中71%报告因此提高了生产率。7 这些数据表明，许多小企业渴望找到创新工具来帮助其管理和增长业务。这可能帮助这些企业更有效地竞争，使其能够成长并创造更多就业。有证据表明，人工智能的采用速度快于个人电脑或互联网在可比阶段的采用速度。8 这对小企业而言令人鼓舞，因为我们知道，这个国家见证过的一些最重要突破，来自初创企业以新的创新方式使用前沿技术。
这对整体经济以及实现美联储双重使命目标至关重要，因为员工少于500人的小企业占美国所有企业的99%以上。自1995年以来，这些企业占净新增就业创造的61%。当它们变得更有生产率时，就会增强整个经济。
当强大工具可供所有人——而不仅仅是大型企业——使用时，就会释放出更多发明家、创新者和企业家。我长期以来一直谈论Paul Romer的观点，即长期经济增长由经济内部的人们通过产生新思想和知识来驱动。9 人工智能可以帮助我们更快地产生更多思想——这表明我们正处于一个Romer时刻。
如果人工智能的采用像我相信可能的那样广泛，并且模型生产者之间存在强有力竞争，那么生产率提升就不一定会集中在少数企业手中。如果是这样，人工智能可能使小公司更快扩张并创造更多就业——这不是保证，但却是对这项技术抱有希望的理由。
以下是我们确实知道的：人工智能将改变经济，也许比以往的通用技术影响更大。然而，我们也从那些突破中知道，其影响可能有漫长且多变的滞后——作为一个货币政策制定者，这个概念对我来说非常熟悉。归根结底，人工智能带来的全部好处将取决于企业、劳动者和政策制定者无数决策。这些决策包括投资决策，而且不仅仅是在芯片和数据中心方面的投资。它们还包括雇主和其他方在劳动者培训、重组以及产生新流程和新思想方面的互补性投资。
作为政策制定者，我从多个时间跨度考虑人工智能的前景和挑战。短期内，人工智能似乎正在给经济增加通胀压力，推迟通胀回归我们2%目标。中期内，虽然我预计生产率增长可能温和缓解这些通胀压力，但劳动力市场将面临进入痛苦转型的风险。长期内，我乐观地认为，人工智能推动的生产率增长可以提高所有美国人的生活水平。通过适当的警惕和对这些机遇与挑战的审慎把握，联邦公开市场委员会(FOMC)将能够实现其充分就业和价格稳定的双重使命。
经济展望
说到双重使命，我将以几句话总结我对经济更广泛看法及其对货币政策意味着什么。如你们所知，在最近9月会议上，我与联邦公开市场委员会其他成员一起投票，将利率上调25个基点。
这次加息是为了应对通胀，通胀已经过高太久。截至8月的12个月中，总体通胀估计上升3.8%，几乎是我们目标的两倍。剔除能源和食品价格的核心通胀估计上升3.4%。此外，未来几个月，我预计通胀将继续受到今天所讨论的人工智能建设，以及中东冲突相关的高油价和供应链中断传导带来的压力。
劳动力市场似乎处于良好位置，能够应对利率上升。今年全年，失业率一直呈下降趋势，最新读数为8月的4.1%。其他指标也显示劳动力市场大致平衡并逐步改善。就业人数增加，职位空缺略有上升，首次申请失业救济人数趋于下降。劳动力市场展现出的强劲也体现在更广泛的经济增长数据中，过去一年经济增长保持了显著韧性。
展望未来，我将考虑可能需要什么样的政策利率来继续引导通胀降至我们的目标。当然，未来任何调整的次数和幅度都将取决于对经济迄今对我们政策行动反应的观察，以及未来几个月的通胀和劳动力数据。
再次感谢邀请，并感谢今天有机会向你们发言。
1. 此处表达的观点是我个人的，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事。返回文本
2. 参见Lisa D. Cook(2023)，“生成式人工智能、生产率、劳动力市场和选择行为”，在加拿大全国经济研究局人工智能经济学会议上发表的演讲，加拿大多伦多，9月22日。返回文本
3. 参见Lisa D. Cook(2026)，“人工智能为经济和金融系统带来的机遇与风险”，在斯坦福大学斯坦福经济政策研究所发表的演讲，加利福尼亚州斯坦福，5月27日。返回文本
4. 参见Lisa D. Cook(2024)，“人工智能、大数据以及生产率的前进道路”，在“技术驱动的颠覆：人工智能、大数据和远程工作的影响”会议上发表的演讲，该会议由亚特兰大、波士顿和里士满联邦储备银行组织，于佐治亚州亚特兰大举行，10月1日。返回文本
5. 参见Eirik Eylands Brandsaas、Daniel Garcia、Robert Kurtzman、Joseph Nichols和Adelia Zytek(2025)，“使用项目级数据估算总体数据中心投资”，《金融与经济讨论系列》2025-109(华盛顿：联邦储备系统理事会，12月)。有关更新数据和公开可得结果，参见Eirik Brandsaas(2026)，“使用项目级数据估算总体数据中心投资”，DataCenterPublic，GitHub存储库，https://github.com/eirikbrandsaas/DataCenterPublic。返回文本
6. 参见Lisa D. Cook(2026)，“‘人工智能与整个经济的生产率’小组开场发言”，在“大调整：驾驭人工智能、人口结构和地缘经济转变”第42届NABE年度经济政策会议上发表的演讲，华盛顿特区，2月24日。返回文本
7. 参见Lisa D. Cook(2026)，“欢迎辞”，在小企业状况研讨会上发表的演讲，克利夫兰联邦储备银行(通过预先录制视频)，6月24日。返回文本
8. 参见Alexander Bick、Adam Blandin和David J. Deming(2024)，“生成式人工智能的快速采用”，NBER工作论文系列32966(马萨诸塞州剑桥：全国经济研究局，9月；2025年2月修订)。返回文本
9. 参见Paul M. Romer(1990)，“内生技术变革”，《政治经济学杂志》，第98卷(10月)，第S71–S102页。返回文本