感谢今天受邀发表演讲。在进入正题之前，我想先谈谈我对当前经济和货币政策的看法。
上周我们收到了最新的就业报告，报告进一步表明，尽管劳动力市场在去年夏天有所放缓，但目前正趋于稳定。这种稳定发生时，失业率大致与许多机构估计的、经济处于均衡状态下的长期水平相符。尽管如此，去年全年新增就业人数接近零，劳动力规模增长也同样如此。在新增就业岗位极少、裁员率也较低的情况下，劳动力供需似乎形成了试探性的平衡。但这种平衡十分脆弱，意味着劳动力市场可能尤其容易受到负面冲击。
转向我们政策使命的另一项核心目标：基于个人消费支出（PCE）衡量的通胀仍处于3%的高位，与一年前基本持平。2022年年中开始的通货紧缩进程在去年有所放缓，主要因为商品价格通胀回升，这在很大程度上是关税导致的。上周公布的通胀数据显示，这一趋势似乎仍在延续。展望未来，可以合理预测，关税对通胀的影响将在今年晚些时候开始减弱，但仍有诸多理由担心通胀会持续偏高。我认为，通胀持续高于2%目标的风险显著存在，这意味着我们必须保持警惕。
当前货币政策的审慎做法是，留出必要时间，根据形势变化评估状况。在考虑进一步下调政策利率之前，我希望看到商品价格通胀持续回落的证据，前提是劳动力市场保持稳定。基于当前状况和现有数据，在我们评估数据、不断变化的前景以及风险平衡的过程中，在一段时间内维持利率不变可能是合适的。
接下来，我将进入今天的主题。
人工智能（AI）
我这里所说的AI，特别是近期爆发式增长的生成式人工智能，看起来越来越有可能成为技术专家口中的通用目的技术。蒸汽机、电力、个人电脑等通用目的技术的特点是：广泛应用、持续改进，并在新商品服务、生产流程和商业结构中引发一系列下游创新。
除了可能成为通用目的技术，AI还可能成为一种“发明方法上的发明”——即提高研发效率，进而推动更多创新及相应收益。个人电脑就属于这一类：过去50多年里，其广泛普及、持续改进和众多应用呈指数级提升了人类的发明能力。就像计算机从根本上改进了医学、工程、物理等领域的探索过程一样，生成式AI以及机器学习等早期AI形式，已被用于研发，并在药物发现、材料科学等领域取得突破。
技术快速变革时期，往往伴随着对自动化带来的经济和社会后果的焦虑。尽管新技术短期内会产生赢家和输家，但历史表明，长期来看，创新会带来生产率和生活水平的普遍提升，从而支撑经济增长和健康的劳动力市场。与其他通用目的技术一样，AI的长期影响很可能是深刻且积极的。但短期内，AI可能严重扰乱劳动力市场，损害部分劳动者的利益。对劳动者的最终影响，不仅取决于冲击的程度、长期红利显现所需的时间，更重要的是，取决于我们整个社会如何应对这一转型。
过去，最容易被自动化（无论是机器还是软件）替代的工作，都是遵循明确、可编码规则的常规性任务——这些规则由人编写。而AI模型则是通过示例学习：不需要精确告诉它如何完成某项任务，只需提供合适的训练数据，它就能推断规律。因此，AI能够学会完成那些需要人类难以或无法编码的知识的复杂、非常规任务。
与必须遵循人类指令、反复给汽车安装挡泥板的机器人不同，这种完成复杂任务的能力，可能极大拓展AI潜在可执行的任务范围。如果将AI与机器人、汽车等其他技术结合，这一点尤为明显。此外，自主智能体AI可以在有限人类监督下实现更广泛的目标，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（或很快）都可以用AI实现。
AI应用进展
生成式AI模型的能力提升非常迅速。短短几年内，AI模型已在越来越具挑战性的基准测试中达到或超越人类水平，包括竞赛级数学和博士水平的科学问题。现实世界应用比比皆是。AI已经在改变新药研发速度、客服效率和编程进度，尤其是在大型科技公司内部。
AI的普及速度可能远快于以往的通用目的技术，这会提振生产率增长，但也会让劳动者、企业和经济适应变化的时间更少。
截至2025年12月，美国人口普查局《商业趋势与展望调查》（BTOS）显示，17%的企业在业务中使用AI。表面看这一比例不高，但在大型企业和信息、金融保险、专业技术服务等技术密集型行业中，这一比例要高得多。在BTOS调查中，员工超过250人的企业约有30%使用AI。麦肯锡近期针对以大企业为主的调查发现，88%的企业至少在一个业务部门使用了AI。专门使用生成式AI的比例从2023年的33%升至2025年的79%。
从历史标准看，个人和企业对生成式AI的采用速度非常快。2024年圣路易斯联储的一篇论文估算，2022年底ChatGPT发布后，职场中生成式AI的普及速度，堪比1984年IBM PC推出后计算机在职场的普及速度。职场中生成式AI的实际使用比例可能高于企业报告水平，因为有证据显示，部分员工在管理者不知情的情况下使用AI工具。
尽管如此，目前AI应用的深度仍不明确。麦肯锡发现，大多数使用AI的企业仍处于试验或试点阶段。一些尝试过AI的企业已经放弃了试点。与以往的技术突破一样，有效使用AI很可能需要商业模式和组织架构的根本性变革。员工需要再培训，管理者需要形成最佳实践。而要从新技术中充分获得生产率提升，可能需要成本高昂的试验和进一步创新。20世纪初电气化带来的生产率提升，不仅体现在工厂供电方式上，还体现在工厂设计的变革上，这一过程历时数十年。
企业内部，制造业的证据显示，采用技术后生产率呈现J型曲线：调整成本导致短期损失，坚持下来的企业最终才能实现更大、更长期的收益。
在美联储体系内部，我们也在探索AI在自身运营中的应用，并已建立AI项目和AI技术治理框架。生成式AI在内部一个很有前景的应用是技术现代化。在明确的安全边界内，我们使用生成式AI工具转换遗留代码、生成单元测试、加速云迁移。到目前为止，效果是交付更快、质量更高、开发者体验更好。在最近一个更新数百个数据库的项目中，AI工具将完成时间缩短了50%，测试阶段发现并解决的问题比以往迁移多30%，并让团队更专注于高价值编码工作。我感觉，许多企业正在经历类似的应用效果和成功规模。
对劳动力市场的影响
关于生成式AI将如何发展，尤其是如何影响劳动力市场，预测从乌托邦式到世界末日式应有尽有。在之前的演讲中，我曾列出几种情景，用以思考AI对经济（包括劳动力市场）的潜在影响。但与AI技术进步一样，关于其可能影响的讨论发展迅速，因此我将简要回顾这些情景，然后讨论新研究如何开始清晰揭示AI对劳动力市场的初期和潜在影响。
情景一：逐步普及
第一种情景下，AI与其他通用目的技术一样推进，扩散速度可能稍快一些。这将带来强劲的生产率增长，堪比20世纪90年代末和21世纪初，甚至更强。与以往技术进步一样，部分职业被替代，同时新职业出现，AI越来越多地融入现有岗位。但AI普及速度足够渐进，避免了大规模、广泛的失业。短期内，由于技能错配，失业率可能略有上升，但随着时间推移，教育和培训选择会调整，许多劳动者成功再培训，保住工作或找到新工作。强劲的生产率增长使经济能够维持更快的产出增长，实际工资上升。
情景二：AI能力与普及快速增长
第二种情景下，AI能力呈指数级增长，普及速度极快，迎来“无就业繁荣”。AI智能体替代或取代一系列专业和服务类职业。自动驾驶汽车和机器人自动化了大量制造业和运输业岗位，劳动力越来越集中在少数体力或高技能行业，或是消费者重视人际互动的岗位。以AI为核心、商业模式全新的初创企业淘汰无法适应的企业，裁员激增，短期内导致大范围失业，长期劳动力参与率下降，因为很大一部分人口基本无法就业。
很多人担心这样的未来是可以理解的，这将带来深刻的社会和分配挑战。经济生产率大幅提升，但劳动力需求大幅减少，社会将不得不重新思考社会保障网，确保前所未有的经济增长成果被广泛共享，而不是集中在少数资本持有者和AI超级精英手中。教育、培训和劳动力发展也需要深刻变革。我们必须清醒认识到，这些变化对受影响劳动者可能带来的痛苦，以及政府和私营部门成功应对后果的难度。
这两种情景的共同点是：AI的初期潜力得到兑现，并重塑经济——要么渐进、可控，要么突然、影响巨大。
情景三：AI能力与普及增长停滞
第三种可能是，AI能力提升陷入停滞，原因可能是训练数据耗尽、电力供应或分配无法满足数据中心的巨大需求，或是建设新基础设施所需的资本短缺。有估算称，未来五年AI投资需要发行1万亿美元新债，其他估算甚至更高。由于需求能否足够增长以消化这些投资存在疑问，有人将其与互联网泡沫时期的过度投资相提并论。投资与业务整合过程中的时间错配，可能导致AI潜力无法充分实现。业务流程转型的艰苦工作需要时间，这也是我之前提到的J型曲线的部分原因。未能立即看到生产率提升的企业可能失去兴趣。
在这种情景下，AI仅在简单易学的任务中带来部分生产率提升，却无法完成难学任务或复杂项目，或是AI泡沫破裂，急需的投资突然停止。结果是，AI对整体生产率增长的提振有限且逐渐消退。
在这种情景下，AI仍有可能被广泛采用。就像社交媒体或智能手机一样，AI应用仍可能为消费者和许多企业创造巨大价值。在职场中，它可能看起来与现在的电子邮件或搜索引擎差不多——无处不在、甚至不可或缺，但本身未必具有革命性。如果AI表现不及预期，风险重心将从劳动力市场转向金融部门。当预期需求不及现实时，金融压力风险上升，就像19世纪末美国铁路网扩张后发生的情况。更近一些，21世纪初光纤电信过度建设也在较小范围内出现过类似情况，加剧了债券市场压力。
当然，这些都是典型化情景，现实情况可能不同。或者，不同情景可能以不同方式、不同速度在经济不同部门发生。但基于情景的分析有助于我们聚焦对这些潜在结果的思考。
目前我们对AI影响的认知
判断这些情景或其他合理情景的前景，我们可以从目前对AI影响的研究入手。当然，ChatGPT发布仅三年多，生成式AI仍处于极早期扩散阶段。但到目前为止，研究更符合情景一：AI作为一种正常的早期通用目的技术，尽管这并不排除未来出现更极端情景的可能。
生产率
过去五年，我们处于生产率增长较高的时期。这一时期始于疫情和随后紧张的劳动力市场，推动了对节约劳动力技术的投资。此外，新企业数量激增并保持强劲。存活下来的新企业往往比现有企业生产率更高，新企业的竞争也刺激了现有企业的创新。虽然AI可能在近期对这一强劲势头有所贡献，但生成式AI目前的渗透率仍相对有限。
但长期来看，AI极有可能对生产率增长产生深远积极影响。微观层面，越来越多证据表明，使用AI助手能提升劳动者在各类任务中的效率、速度和准确性。综合上述任务层面证据，近期一项研究估算，未来十年AI每年可能为全要素生产率增长贡献0.3至0.9个百分点。上限估算将使AI带来的生产率提升堪比20世纪90年代末的互联网通信技术——那是生产率强劲增长的时期。其他研究的估算结果或高或低，突显了这些预测高度依赖对技术进步速度和企业AI采用率的假设。
但这些创新将以何种形式出现，以及红利需要多久才能累积，仍难以确定。例如，1987年经济学家罗伯特·索洛有句名言：“你到处都能看到计算机时代，唯独在生产率统计中看不到。”事实证明，企业必须学会将这项技术整合到业务实践中，才能充分实现个人电脑的经济潜力。
当然，AI对生产率增长的贡献，不仅在于提高现有任务的效率，还在于提高研发效率。AI提升创新速度、成为“发明方法上的发明”的潜力，可能带来更大的经济收益，尽管这些收益可能需要一段时间才能显现。
就业
迄今为止，文献表明，尽管AI尚未对整体就业或失业率产生实质性影响，但可能已开始对部分群体产生不利影响，尤其是刚进入部分行业职业生涯的年轻人。总体而言，现有证据与我之前描述的逐步普及情景相符。一项使用ADP薪资数据的研究发现，在软件开发、客服等高度暴露于AI的职业中，初入职场者的就业率，低于低暴露行业的初入职场者和同行业资深员工。其他一些研究使用简历和招聘数据也得出类似结论。
AI对近期年轻劳动者群体的长期影响尚不确定，但研究表明，进入疲软劳动力市场可能对劳动者收入产生持久不利影响。因此，对这些劳动者而言，短期影响可能转化为长期后果。
更广泛地说，有证据表明，到目前为止，企业采用AI并未裁员，而是导致内部岗位重新配置。一篇论文发现，尽管AI在任务层面替代劳动力，但整体就业影响很小，因为劳动者将时间转向互补性任务，企业在其他领域扩大就业。与这种内部再配置一致，纽约联储近期调查发现，虽然部分使用AI的企业确实表示减少招聘计划、少量裁员，但更多企业计划对现有员工进行再培训。
与此同时，我们应做好准备，即便社会长期收益可观，劳动力市场仍可能出现严重短期冲击。冲击程度部分取决于社会是否进行必要投资，创造新就业、培训劳动者、对接劳动者与新岗位，以及采取其他措施缓解劳动力市场不利影响。在帮助劳动者应对此类转型方面，历史上的有效努力并不令人鼓舞。在我看来，现在正是社会开始考虑如何应对这些潜在冲击的时候，此时AI普及仍处于早期阶段。
收入与不平等
与就业一样，至少到目前为止，几乎没有证据表明AI对工资增长或收入分配产生了显著影响。未来，AI对工资和收入分配的影响将取决于多种因素，包括AI是补充还是替代现有岗位中的专业技能、AI如何改变高工资职业的相对需求，以及谁拥有AI资本。
一方面，针对职场AI助手效果的研究往往发现，经验最少的劳动者生产率提升最大。这表明AI可能缩小生产率和工资差距。如果AI如部分研究所示能促进劳动者学习，也可能帮助被替代劳动者掌握新技能，降低失业成本。
另一方面，近期研究发现，年轻人、高学历、高收入人群更常使用生成式AI。如果高收入者更有条件利用AI，我们可能看到工资不平等加剧，最高产劳动者进一步甩开同行。
AI还可以通过改变对不同职业的需求影响工资结构。历史上，技术进步更有利于高工资、高学历要求的职业，但一篇论文显示，AI可能逆转这一模式：自动化高收入信息类工作，同时增加对低收入、低学历工作的相对需求，从而降低整体工资不平等。
与我们对劳动力市场冲击的讨论一样，AI对不平等的影响部分取决于社会是否进行必要投资以缓解不利影响。我们现在就必须开始思考这些重要问题。
AI对货币政策的意义
我也在思考AI对货币政策的意义。如果AI导致劳动者大规模、长期失业，永久性降低多种岗位需求，可能意味着自然失业率上升，即便经济健康、接近潜在运行水平。货币政策能够应对周期性状况（如经济周期下行），但无法解决决定长期就业水平的结构性因素。
虽然货币政策不适合应对经济结构性变化，但政策制定者很难实时判断变化是结构性还是周期性的。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，社会必须应对AI带来的任何经济结构性变化后果，应对自然失业率结构性上升，无疑需要央行职权范围之外的政策。
作为央行官员，我认为，努力理解AI如何发展并影响劳动力市场，是我们未来工作的关键组成部分。我基准情景预测是，劳动力市场冲击相对短期，即便痛苦。长期来看，劳动力市场将通过创造新岗位、提升现有岗位生产率来调整，推高实际工资。但密切监测这些发展并按需调整至关重要。
如果生成式AI带来长期持续的生产率增长提振，工资和经济活动可以在不推升通胀的情况下实现更高增长。同时，利用该技术所需的强劲企业投资将推升资本需求，给利率带来上行压力；而家庭因预期实际工资增长更强、终身收入更高，可能减少储蓄，也会推升利率。所有这些都意味着，经济处于均衡状态时，政策利率水平将更高，即货币经济学家所说的均衡实际利率r*。事实上，去年我因生产率提升，小幅上调了对长期r*的估计。
此外，短期内，AI投资可能具有通胀性——例如，电网低效导致电力供应约束，与数据中心建设带来的强劲能源需求相冲突。基于所有这些原因，我预计AI热潮不太可能成为下调政策利率的理由。
结论
总而言之，我预计AI将对经济产生变革性影响，并影响大量劳动者，挑战私营部门和公共部门适应这一调整的能力。长期来看，我预计AI将提升生产率和生活水平，甚至可能带来新发现。社会需要灵活果敢，减轻劳动者短期冲击的痛苦，确保收益广泛共享。AI的广泛普及极有可能给我们许多人的工作和生活带来巨大且有时艰难的变化，但长期收益可能更加巨大。