雷火竞技首页

美联储副主席:人工智能对劳动力市场和经济意味着什么?
发布时间:2026-04-09
 感谢各位的邀请。在进入我的主要话题之前,我想先分享一下我目前对经济和货币政策的看法。上周,我们收到了最新的就业报告,它进一步证明,虽然劳动力市场正趋于稳定,失业率与许多人估计的经济平衡状态下的长期水平大体一致。但过去一年的就业创造近乎为零,劳动力增长也是如此。在就业创造水平非常低且裁员率也很低的情况下,劳动力供需似乎达成了一种暂时的平衡。但这是一种脆弱的平衡,这意味着劳动力市场可能特别容易受到

  感谢各位的邀请。在进入我的主要话题之前,我想先分享一下我目前对经济和货币政策的看法。上周,我们收到了最新的就业报告,它进一步证明,虽然劳动力市场正趋于稳定,失业率与许多人估计的经济平衡状态下的长期水平大体一致。但过去一年的就业创造近乎为零,劳动力增长也是如此。在就业创造水平非常低且裁员率也很低的情况下,劳动力供需似乎达成了一种暂时的平衡。但这是一种脆弱的平衡,这意味着劳动力市场可能特别容易受到负面冲击的影响。

  谈到我们使命的另一个组成部分,基于个人消费支出的通胀率仍处于 3% 的高位,与一年前水平相当。始于 2022 年中的去通胀(disinflation)进程在去年放缓,原因是商品价格通胀抬头,这在很大程度上是由于关税(tariffs)造成的。上周公布的通胀数据似乎延续了这种模式。展望未来,有理由预测关税对通胀的影响将在今年晚些时候开始减弱,但仍有诸多理由担忧通胀将保持高位。我认为通胀持续高于我们 2% 目标的风险很大,这意味着我们需要保持警惕。

  目前,对货币政策而言,审慎的做法是花必要的时间来评估不断变化的情况。在劳动力市场条件保持稳定的前提下,我希望看到商品价格通胀持续回落的证据,然后才会考虑进一步降低政策利率。根据目前的情况和手头的数据,在我们评估未来数据、不断变化的前景以及风险平衡之际,在一段时间内保持利率稳定可能是合适的。

  现在,人工智能(artificial intelligence, AI)——我特指近期生成式人工智能(generative AI)的爆炸性增长——看起来越来越有可能成为技术专家所称的通用目的技术(general-purpose technology)。像蒸汽机、电力和个人电脑这样的通用目的技术,其特点是广泛采用、持续改进,以及在新商品或服务、生产流程和商业结构中引发一系列下游创新。

  除了人工智能可能成为一种通用目的技术之外,它还可能成为一种发明方法的发明,即提高研发(research and development, R&D)效率,从而推动进一步创新并带来随之而来的好处。个人电脑符合这一点,因为在过去 50 年左右的时间里,它们的广泛采用、持续改进和众多应用呈指数级地扩展了我们发明创造的能力。就像计算机被用来从根本上改进例如医学、工程和物理科学等领域的发现过程一样,生成式人工智能和早期的人工智能技术已经被用于研发,如机器学习(machine learning)已经在药物发现和材料科学等领域产生了成果。

  快速技术变革时期常常伴随着对自动化(automation)带来的经济和社会后果的焦虑。尽管新技术在短期内常常造就赢家和输家,但历史表明,从长远来看,创新会带来生产率和生活水平的广泛提升,这往往有助于支持经济增长和健康的劳动力市场。与其他通用目的技术一样,人工智能的长期影响很可能是极其积极的。但在短期内,人工智能可能会深刻扰乱劳动力市场并伤害一些工人。对工人的最终影响不仅取决于这种扰乱的程度以及长期利益显现所需的时间,更重要的是取决于我们作为一个社会如何驾驭这一转型。

  过去,最适合自动化的工作类型,无论是通过机器还是计算机软件,都是那些遵循明确的、可编码规则的常规性任务——这些规则是由人编写的。另一方面,人工智能模型通过示例学习:人工智能模型不需要被告知如何精确完成某项任务,只需提供正确的训练数据让其推断模式。因此,人工智能可以学习如何完成复杂的、非常规的任务,这些任务需要人类难以甚至无法编码的知识。这与必须遵循人类指令(例如,反复拧紧汽车挡泥板上的螺栓)的机器人不同,这种执行复杂任务的能力可能会极大地扩展人工智能潜在能够执行的任务范围。如果考虑到人工智能与机器人或汽车等其他技术的集成,这一点尤其正确。此外,代理式人工智能(agentic AI)可以在有限的人类监督下完成更广泛的目标,模仿人类的决策、推理和执行。许多具有经济价值的任务现在使用人工智能来完成是可行的。

  生成式人工智能模型的能力迅速提升。在短短几年内,我们已经看到人工智能在日益严峻的基准测试中达到或超越人类的表现,包括竞赛级数学和博士级科学问题。现实世界的应用比比皆是。人工智能已经在改变药物发现的速率、客户服务的效率以及计算机编程的速度,尤其是在大型科技公司内部。

  人工智能的应用速度可能比以往的通用目的技术快得多,这促进了生产率增长,但也让工人、企业和经济适应这些变化的时间更少了。

  截至 2025 年 12 月,在美国人口普查局(U.S. Census Bureau)的商业趋势和展望调查(Business Trends and Outlook Survey, BTOS)中,有 17% 的企业报告在其业务职能中使用了人工智能。虽然这表面上看起来可能不多,但在大型企业和技术密集型行业(如信息业、金融和保险业以及专业和技术服务业)中,这一比例要高得多。在 BTOS 中,约有 30% 的员工超过 250 人的企业报告使用了人工智能。麦肯锡(McKinsey)最近一项主要针对大型企业的调查发现,88% 的企业报告称,人工智能已在至少一个业务职能中得到使用。其中,专门使用生成式人工智能的比例从 2023 年的 33% 上升到 2025 年的 79%。

  从历史标准来看,个人和企业在采用生成式人工智能方面都非常迅速。圣路易斯联邦储备银行(St. Louis Fed)2024 年的一份论文估计,在 2022 年底 ChatGPT 发布后,工作场所中生成式人工智能的应用速度与 1984 年 IBM PC 发布后工作场所计算机的应用速度一样快。工作场所中生成式人工智能的实际使用率可能甚至高于企业报告的水平,因为有一些证据表明,工人在经理不知情的情况下使用人工智能工具。

  尽管如此,目前人工智能的应用深度仍不清楚。麦肯锡发现,大多数使用人工智能的企业仍处于应用的试验或试点阶段。一些尝试过人工智能的公司放弃了这些试验。与以往的技术突破一样,有效利用人工智能可能需要业务流程和组织的根本性变革。工人必须接受再培训。管理者必须开发最佳实践。要从新技术中获得全方位的生产率提升,可能需要昂贵的试验和进一步的创新。20 世纪初电气化带来的生产率提升不仅反映了工厂的驱动方式,也反映了其设计方式的变化。这个过程花了数十年才完成。在企业内部,来自制造业的证据表明,技术采用后的生产率呈 J 型曲线:调整成本导致短期损失,然后那些坚持下来的企业才能实现更大的长期收益。

  在美联储(Federal Reserve System)内部,我们也在探索在我们自己的运营中使用人工智能,并建立了一个人工智能项目和管理框架来使用人工智能技术。生成式人工智能一个显示出巨大潜力的内部应用是技术现代化。在明确的指导原则下,我们正在使用生成式人工智能工具来翻译遗留代码、生成单元测试并加速云迁移。到目前为止,这种使用的结果是交付速度加快、质量提高以及开发者体验增强。在最近一个更新数百个数据库的项目中,人工智能工具有助于将完成此类工作的时间缩短 50%,与之前的迁移相比,在测试期间检测和解决了多 30% 的问题,并增强了团队对更高价值编码工作的关注。我感觉这正是许多企业正在经历的那种用途和成功规模。

  关于生成式人工智能将如何演变,特别是它将如何影响劳动力市场的预测,目前众说纷纭,从乌托邦式的到世界末日式的都有。在之前的演讲中,我概述了几种情景,用以思考人工智能对经济(包括劳动力市场)的潜在影响。但正如人工智能的技术进步一样,关于人工智能可能影响的辩论也在迅速演变,所以我将简要回顾这些情景,然后讨论新研究如何开始聚焦人工智能对劳动力市场的初步和潜在影响。

  在第一种情景下,人工智能像其他通用目的技术一样发展,也许传播得稍快一些。这将导致强劲的生产率增长,与我们 1990 年代末和 2000 年代初所见相当,甚至可能更强。与早期技术进步时期一样,随着人工智能日益融入许多现有岗位,一些职业被取代,而新的职业出现。但人工智能的应用足够渐进,避免了大规模和广泛的失业。由于技能不匹配,失业率可能在短期内有所上升,但教育和培训选择会随着时间的推移而调整,许多工人成功接受再培训并保住工作或找到新工作。随着生产率强劲增长,经济可以维持更快的产出增长,实际工资也会上涨。

  在第二种情景下,人工智能能力呈指数级增长,应用极其迅速,迎来无就业增长(jobless boom)。人工智能代理(AI agents)取代或替代一系列专业和服务性职业。自动驾驶汽车和机器人技术使许多制造业和运输业工作自动化,劳动力日益集中在少数体力或高技能行业,或者消费者高度重视人际互动(human interaction)的岗位上。以人工智能为核心、拥有全新商业模式的初创企业取代了无法适应的企业,裁员激增,导致短期内普遍失业,并随着时间推移,劳动力参与率下降,因为很大一部分人口基本上无法就业。可以理解为什么许多人会害怕这样的未来,这将带来深刻的社会和分配挑战。在经济生产率大大提高,但对劳动力需求却大大减少的情况下,社会将不得不重新思考社会安全网(social safety net),以确保前所未有的经济增长带来的收益得到共享,而不是集中在少数资本持有者和人工智能超级明星手中。并且需要在教育、培训和劳动力发展方面进行深刻变革。我们应该清醒地认识到这些变化对受影响的工人来说可能有多么痛苦,以及政府和私营部门成功应对这些后果将有多么困难。

  这两种情景有一个共同点:人工智能最初的承诺得以实现,并改变了经济——要么是渐进的、更可控的方式,要么是突然的、程度大得多的方式。

  第三种选择是,人工智能能力的改进停滞不前,也许是由于训练数据耗尽、电力供应或分配不足以满足数据中心的巨大需求,或者缺乏建设所有这些新基础设施所需的资本。一项估计是,人工智能投资需要在未来五年内发行 1 万亿美元的新债务,其他估计甚至更高。由于对需求是否能充分增长以利用这些投资存在疑问,一些人将其与互联网泡沫(dot-com)时代的过度投资相提并论。投资和业务整合过程中的时间错配可能导致人工智能潜力的实现程度降低。业务流程转型的艰苦工作需要时间,这在一定程度上解释了我之前提到的 J 型曲线动态。那些没有看到即时生产率提高的企业可能会失去兴趣。在人工智能能力和应用增长停滞的情景下,一些易于学习的任务会出现生产率提升,但事实证明人工智能无法完成难学任务或复杂项目,或者人工智能泡沫破裂,突然终止了必要的投资。结果,人工智能为总体生产率增长带来的任何提振都是温和的,并会随时间推移而消失。

  在这种情景下,人工智能最终仍有可能被广泛采用。就像社交媒体或智能手机一样,人工智能应用可能仍然为消费者和许多企业创造巨大价值。在工作场所,它可能看起来很像现在的电子邮件或搜索引擎——无处不在,甚至不可或缺,但本身不一定具有革命性。在人工智能令人失望的情景下,风险平衡从劳动力市场转向金融部门。当预期需求落空时,金融压力的风险就会增加,就像 19 世纪末美国铁路网络扩张后发生的那样。更近一些,我们在 2000 年代初光纤电信的过度建设中以更有限的方式看到了这种动态,这加剧了债券市场的压力。

  当然,这些都是典型情景,实际情况可能会有所不同。或者不同的情景可能以不同的方式和速度在经济的不同部门发生。但基于情景的方法有助于我们脚踏实地地思考这些潜在结果。

  在判断这些情景或其他可能情景所反映的一系列结果的前景时,我们可以从我们目前对人工智能影响的了解开始。当然,ChatGPT 发布仅三年多一点,我们仍处于生成式人工智能传播的非常早期阶段。然而,到目前为止,研究似乎更符合情景 1:人工智能是一种正常的早期阶段通用目的技术,尽管这并不一定排除未来出现更极端的情景。

  让我重点谈谈人工智能早期经济影响的几个方面,从生产率开始。过去五年,我们一直处于生产率增长较高的时期。这段较高的生产率增长时期始于大流行(pandemic)以及随之而来的劳动力市场紧张,这导致了对节省劳动力技术的投资。此外,新企业成立数量激增并一直保持强劲势头。存活下来的新企业往往比现有企业生产率更高,而来自新企业的竞争也刺激了现有企业的创新。虽然人工智能最近可能对这股强劲势头有所贡献,但迄今为止,生成式人工智能的渗透率相对温和。

  然而,人工智能极有可能对长期生产率增长产生深远的积极影响。在微观层面,越来越多的证据表明,使用人工智能助手可以提高工人在各种任务中的效率、速度和准确性。汇总上述任务层面的证据,最近一项研究估计,在未来十年内,人工智能可能为年度全要素生产率(total factor productivity)增长贡献 0.3 到 0.9 个百分点。这些估计的上限将使人工智能带来的生产率提升与 1990 年代末(一个生产率强劲增长的时期)的互联网通信技术相当。其他研究则指出收益要小得多或大得多,这突显了这些预测在多大程度上取决于对技术进步速度和企业采用人工智能的假设。

  但是,这些创新将采取何种形式,以及收益需要多长时间才能实现,很难说。例如,1987 年,经济学家罗伯特·索洛(Robert Solow)有句著名的俏皮话:你可以在任何地方看到计算机时代,除了在生产率统计数据中。事实证明,企业必须学会如何将这项技术融入其业务实践,才能充分实现个人计算的经济潜力。

  当然,人工智能不仅可以通过提高现有任务的效率,还可以通过提高研发效率来促进生产率增长。人工智能有可能提高创新速度——成为一种发明方法的发明——这是我们可以看到的更大经济效益的地方,尽管它们可能需要一些时间才能实现。

  迄今为止,文献表明,虽然人工智能尚未对总就业或失业产生实质性影响,但它可能开始对某些群体产生不利影响,特别是在某些行业刚刚开始职业生涯的年轻人。总的来说,到目前为止,这些证据与我之前描述的逐步应用情景下我们所预期的相符。一项研究使用薪资提供商 ADP 的数据发现,在高度接触人工智能的职业中——如软件开发人员和客户服务代表——的早期职业工人,其就业率相对于接触较少领域的其他早期职业工人以及同一行业的经验丰富的工人有所下降。其他一些研究使用简历和职位发布数据得出了类似的结论。人工智能对近期年轻工人群体的长期后果尚不确定,但研究表明,进入疲软的劳动力市场可能对工人的收入产生持续的不利影响。因此,对这些工人来说,短期可能会有长期的后果。

  更广泛地说,有证据表明,迄今为止,人工智能的应用并未导致裁员,而是导致企业内部重新分配。一篇论文发现,尽管人工智能确实在任务层面替代了劳动力,但总体就业影响很小,因为工人将时间转移到互补性任务上,而企业在其他地方扩大了就业。与这种内部重新分配相一致,纽约联邦储备银行(New York Fed)最近的一项调查发现,虽然一些使用人工智能的企业确实报告减少了招聘计划并进行了有限的裁员,但更大比例的企业计划对其现有劳动力进行再培训。

  与此同时,我们应该为劳动力市场可能出现的严重短期中断做好准备,即使对社会的长期收益可能相当有利。中断的程度部分取决于社会是否进行必要的投资,用于创造新的就业机会、工人培训、帮助工人找到新工作以及其他减轻不利劳动力市场影响的努力。历史上,在这种转型中帮助工人的有意义的努力记录并不令人鼓舞。在我看来,现在是社会开始考虑如何应对这些潜在中断的时候了,因为人工智能的应用尚处于早期阶段。

  与就业一样,几乎没有证据表明人工智能对工资增长或收入分配产生了有意义的影响,至少到目前为止是这样。展望未来,人工智能对工资和收入分配的影响将取决于多种因素,包括人工智能是对现有工作中专业知识(expertise)的补充还是替代,人工智能如何改变对高薪职业的相对需求,以及谁拥有人工智能资本。一方面,评估工作场所人工智能助手影响的研究倾向于发现,经验最少的工人获得的生产率提升最大。这表明人工智能可以缩小生产率和工资差距。如果人工智能如一些研究表明的那样有助于工人学习,它也可能帮助被取代的工人学习新工作的技能,降低失业成本。另一方面,最近的研究发现,生成式人工智能更常被年轻、受过高等教育和高收入的个人使用。如果高收入者更有能力利用人工智能,我们可能会看到工资不平等加剧,因为生产率最高的工人将其同龄人远远甩在后面。

  人工智能还可以通过改变对不同职业的需求来影响工资结构。尽管技术进步历来有利于工资和教育要求较高的职业,但一篇论文表明,人工智能有可能逆转这种模式,使高薪的信息型工作自动化,同时增加对低薪和教育要求较低工作的相对需求,从而减少总体工资不平等。

  正如我们讨论劳动力市场中断一样,人工智能对不平等的影响部分取决于社会是否进行必要的投资以减轻不利的劳动力市场影响。我们现在就有责任开始思考这些重要问题。

  我也在思考人工智能对货币政策的影响。如果人工智能导致大规模和长期的工人失业,永久性地减少对许多类型工作的需求,这可能意味着更高的失业率,即使经济健康且接近其潜在产出水平运行。货币政策能够应对周期性(cyclical)状况,比如商业周期的下行,但它无法解决决定长期就业率的结构性(structural)因素。虽然货币政策不适合处理经济中的结构性变化,但政策制定者可能很难实时判断这些变化是结构性的还是周期性的。此外,劳动力市场的某些部分可能面临结构性变化,而其他部分则不会。正如我之前指出的,社会处理人工智能引起的任何经济结构性变化的后果将非常重要,并且肯定需要中央银行职权范围之外的政策来解决自然失业率(natural rate of unemployment)的结构性上升。作为一名央行行长,我将努力理解人工智能如何演变并影响劳动力市场,视为我们未来工作的关键组成部分。我已经指出,我的基本情景预测劳动力市场中断是相对短期的,即使会很痛苦。从长远来看,劳动力市场会以创造新就业岗位和提高现有岗位生产率的方式进行调整,从而提高实际工资。但密切监控这些发展并根据需要调整,将是至关重要的。

  如果生成式人工智能导致生产率增长持续提升,那么工资和经济活动的增长速度可能会超过原本的水平,而不会给通胀带来上行压力。同时,由于利用该技术需要大量的商业投资,资本需求将会上升,给利率带来上行压力;而由于预期实际工资增长更强劲,进而终身收入更高,家庭储蓄可能会下降,这也会给利率带来上行压力。所有这些都意味着,当经济处于均衡状态时,政策利率的设定水平会更高。事实上,去年我因为生产率提高而温和上调了我对政策利率的长期估计。此外,在短期内,人工智能投资可能会引发通胀——例如,如果电网效率低下导致的电力供应限制与建设数据中心带来的强劲能源需求相冲突。出于所有这些原因,我预计人工智能热潮不太可能成为降低政策利率的理由。

  总之,我预计人工智能将对经济产生变革性影响,并以挑战私营和公共部门适应这种调整的能力的方式影响大量工人。从长远来看,我预计人工智能将提高生产率和生活水平,甚至可能带来新的发现。社会需要灵活而大胆,以减少工人短期失业的痛苦,并确保收益得到广泛分享。广泛采用人工智能很可能会导致我们许多人和工作生活方式发生巨大而有时是困难的改变,但长期收益可能会更加巨大。