图：鉴于AI目前仍然处于播种期，对劳动生产率的提振仍然需要时间。

　　美国人工智能（AI）产业周期起飞吸引了全球经济学家和投资者的关注，同时美国10年期实际利率维持在2%以上超过两年时间。外界猜测美国中性利率是否会因为AI提振劳动生产率而回升，笔者认为，AI产业周期仍处于早期阶段，对劳动生产率的直接提振尚不明显；近期劳动生产率上升更多是来自财政扩张、移民流入等因素。　　

　　2024年2月Pew Research Center调查显示，美国居民对ChatGPT的使用率从2023年6月的18%升至2024年2月的23%。其中，年轻群体使用过ChatGPT的占比从33%大幅提升至43%，而50岁至64岁（17%）及65岁以上（6%）的群体的使用率明显低于年轻群体。就使用场景而言，工作场景的使用率提升最快，从2023年3月的8%提升至2024年2月的20%，而同期知识学习和娱乐场景的使用率分别提升7个百分点和6个百分点至17%。

　　渗透比例不及预期

　　AI在企业层面的使用率从疫情前的3.2%左右回升至2024年2月的5.4%，未来有望进一步回升。AI使用率与企业规模呈现U型关系，小企业和大企业的使用率相对较高；目前AI的主要应用场景是营销自动化、聊天机器人、自然语言处理等。

　　现有研究通常发现，AI能够提高单个企业劳动生产率，特别是对低技能员工。对美国企业的抽样调查显示，近期使用AI、或者未来准备使用AI的企业所汇报的当前和未来的状况要好于其他企业。企业层面的证据也证实，在市场营销、软件开发等领域，AI对劳动生产率可能有10%至20%的提振。另有一些研究显示，AI相关工具对低技能职工效率提升更加明显，这可能因为AI能够补足高技能劳动者和低技能劳动者之间的隐性知识。

　　去年二季度至四季度，美国劳动生产率折年增速分别为3.1%、4.5%和3.6%。一些评论将劳动生产率的上升归结于AI，虽然有提高劳动生产率的潜力，但AI在企业层面的渗透率仅为5%左右，暂不足以解释如此大幅度劳动生产率的回升。

　　笔者认为，劳动生产率的加速可能是由于企业“活力”修复及移民大量流入。一方面，疫情前美国劳动生产率整体偏弱，企业新增数量放缓，但疫情后美国企业申请数大幅增加，提高企业活力，提振劳动生产率。2021年中以来的月均商业申请数比2019年高50%左右，也大幅高于2004年至2019年的趋势。另一方面，2022年以来移民大幅流入美国，就业调查或低估了经济中实际的劳动投入，从而导致劳动生产率被高估。

　　根据Census Bureau的调查，虽然一些企业使用AI来替代员工的工作任务和现有的设备／软件，但对企业就业的影响有限，且偏向增加就业。在2024年2月使用AI的企业中，仅5.4%的企业表示过去六个月中就业受到影响，并且增加就业的比率为2.8%，超过减少就业的比率（2.6%）。此外，招聘网站数据也显示AI对就业市场影响有限。Lightcast招聘数据显示，虽然近年来AI相关招聘需求整体上升，但2023年美国AI招聘需求在总需求中的占比仅为1.6%，欧盟国家在0.8%至1.4%之间。

　　AI可能是一种通用技术，有提振美国劳动生产率的潜力。在普适性和创新互补性上，AI重构了人类知识检索、创造、运用的基本方式，降低了知识传播的成本、提高了知识共享水平、推动了人力资本水平的提高，同时AI能够与各行各业广泛结合，提升生产的自动化水平、优化生产的工艺流程。

　　近期一些机构基于对AI的乐观预期提高了对美国未来潜在增速的预测。例如，高盛估计，到2034年人工智能对美国GDP的提振将达到0.4个百分点，对其他发达市场提振为0.3个百分点；麦肯锡全球研究院（2023）预计，生成式AI对全球经济所带来的每年收益将高达4.4万亿美元，相当于全球GDP的4%左右。但也有研究指出，不应过高估计AI对劳动生产率和全要素生产率（TFP）的提振作用。

　　历史经验显示，新技术从诞生到明显提振劳动生产率存在时滞，AI对劳动生产率的提振仍需要较长时间。新技术需要时间才能够在社会中广泛扩散和应用，同时原有的组织形式也需要一定程度变革。例如，电力革命开始于1890年代，但劳动生产率加速发生在三十年后的1920年代。类似的，计算机最早于1943年问世，但宏观上长期看不到信息技术革命对劳动生产率的明显提振。著名经济学家索罗在1987年提出生产率悖论：“我们到处都看得见计算机，除了生产率统计中。”而直到1995年，美国劳动生产率数据才开始出现明显上行。

　　Helpman and Trajtenberg（1994）提出通用技术对经济增长的影响可以分为播种和收获两个阶段，两者可能间隔数十年。播种阶段产出和生产率增长缓慢甚至下降，出现所谓的“创造性破坏”，只有在收获阶段劳动生产率才真正开始增长。如果参考电力技术的历史经验，AI目前仍然处于播种阶段，对劳动生产率的提振需要二十年以上的时间。

　　历史经验显示，不同技术从发明到在社会中逐渐普及所需要的时间存在较大差异。对上述技术普及速度的分析可以发现，新技术普及的速度在加快，例如汽车（1880年代发明）普及率达到50%花费了四十年左右的时间，而互联网（1990年代发明）则只用了二十年左右。这背后可能是因为全球化的加速、信息技术普及等因素导致技术传播不断加速。而ChatGPT等AI应用更快投入使用对居民硬件和固定投入的要求更低，叠加疫情后居家办公加速全球数字化进程，AI播种期或更短。

　　由于全球潜在增速回落，且储蓄投资偏好对中性利率的推升有限，预计全球中性利率维持低位，或小幅回升。但AI产业革命或在中长期推高全球中性利率。这是因为：首先，AI提振劳动生产率，能够对冲人口老龄化等结构性因素对中性利率的拖累。根据HLW（2017）模型，潜在增速回落1个百分点，中性利率也会回落1个百分点左右。若AI产业革命推动美国劳动生产率回升，则美国中性利率有望回升。其次，AI推高企业投资偏好，也有助于推动中性利率回升。再次，若AI能够降低社会财富不平等，也有助于推动中性利率回升。

　　但鉴于AI目前仍然处于播种期，对劳动生产率的提振仍然需要时间，因此对中性利率的提振也需要较长时间才能显现。

　　料限制美降息空间

　　疫情后美国财政转向“大财政”，白宫更主动利用财政政策来应对所面临的挑战，拜登政府任上推出大规模产业政策。AI提振股市，间接带来金融条件宽松，对冲加息影响，移民大规模流入则从供给侧提振经济增长。“大财政”、AI间接提振，以及移民等因素均可能导致中性利率有所上升，这将限制联储未来的降息空间。

　　回溯1994年加息周期，联邦基金利率从3%上升至6%；但由于信息技术革命提振劳动生产率及中性利率，虽然美联储在1995年开启降息周期，但仅降息75个基点至5.25%，1996年至2000年政策利率整体维持在较高水平，显著高于1993年加息开启时的利率（3%）。也因此，笔者预计联储本轮降息的次数或少于当前点阵图所指示的水平，即降息偏慢且幅度偏少。

　　此外，中性利率及期限溢价上升可能导致长端收益率居高不下。1980年代以来，增长、通胀波动性下降的“大缓和”时代导致期限溢价持续回落，而2008年后主要央行大规模购债进一步压低了期限溢价。近年来，随着增长、通胀的波动性上升及央行缩表，期限溢价相对低点有所回升，但绝对水平仍低于2008年以前。

　　往前看，“大财政”意味着增长、通胀韧性偏强，且可能导致美国政府债务风险上升，不排除期限溢价进一步回升。短期中性利率回升叠加期限溢价上升，这意味着美国长端收益率未来或居高不下，难以回到疫情前的中枢水平。