AI进入利率模型：生产率兑现之前，资本冲击已经先到了

信源：Bloomberg Tech｜Jackson Hole、AI资本开支与Anthropic监管争议｜2026-08-28

这期节目最重要的一句话，不来自英伟达，也不来自机器人创业者，而来自美联储主席Kevin Warsh：AI可能成为一种新的生产要素。央行一旦把AI放进生产函数，讨论就不再局限于模型能力、芯片销量或科技股估值，而会直接进入增长、通胀、就业与利率框架。

问题在于，这场技术革命的两种力量并不同步：AI带来的投资需求已经清晰可见，生产率供给却仍在等待宏观数据确认。未来一段时间，AI未必先表现为“降本工具”，更可能先表现为一场资本、能源和稀缺硬件的需求冲击。

所谓AI需求冲击，是企业为了获得未来的智能能力，先购买GPU、HBM、网络设备、电力、数据中心和土地，并为这些资产安排融资。AI供给冲击则发生在另一端：模型真正嵌入业务流程，提高单位工时产出，降低完成同一任务所需的人力、时间和资本。

前者在订单、资本开支和资产价格上立即显现；后者必须经过数据治理、流程重构、权限配置、结果审计和组织学习，兑现通常更慢。两者的先后顺序，决定AI在宏观上究竟先推高通胀压力，还是先释放生产率红利。

当前数据明显偏向需求一侧。Warsh在正式演讲中指出⁠，美国设备与无形资产投资的四季度增速约为9%，为2021年以来最高；今年资本开支增量中，超过一半可能来自AI建设。

英伟达最新季度进一步给出了产业端的尺度：2027财年第二季度营收达到962亿美元，同比增长106%，其中数据中心收入890亿美元，同比增长117%；下一季度收入指引已到1080亿美元。更值得留意的是，英伟达同时宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR筹建算力融资平台，计划逐步动员超过5000亿美元的第三方资本。

这组数据⁠说明，AI扩张正在从科技巨头用自由现金流采购设备，走向更广泛的资产融资阶段。

融资方式的变化，比单季芯片收入更能定义周期位置。当边际算力开始依赖债务、私募信贷和专门融资载体，AI基础设施就不再只受技术路线约束，也开始受利率、信用利差、利用率和折旧周期约束。

节目援引SK海力士管理层判断，内存紧张可能延续到2030年。这属于供应商口径，不能直接当作中立预测，却准确揭示了早期利润池的方向：在生产率尚未广泛扩散时，新增收益首先流向GPU、HBM、先进封装、电力、云资源与其他稀缺资产。Warsh本人也把“早期有多少剩余价值归于AI实验室、芯片商、能源商和云厂商”列为核心问题。

生产率一侧的证据则更碎片化。Franklin Templeton的Max Gokhman描述了一个能参与研究、整理数据和辅助决策的Agent同事；至少在该机构的自述中，局部岗位已经出现可感知的提效，但这仍是内部案例，不能直接外推为全社会生产率。

Spirit AI CEO预计机器人将在三年内迎来“ChatGPT时刻”，可该公司在节目中给出的销量仍是数百台量级，商业化处于工业和物流试验阶段。模型能完成任务，与企业能稳定、合规、低成本地重构整套工作流，是两个不同的门槛。AI能力提升得很快，组织吸收能力却不会自动按照同一条Scaling Law增长。

Anthropic诉政府案看似是另一条新闻，实际上补上了AI供给侧经常被忽略的一块：制度许可。法院否定的是缺乏充分依据的供应链风险标签⁠，并不要求国防部门继续采购Anthropic。

模型厂商对大规模监控和自主武器设置的使用边界，与政府要求的部署自由之间仍有冲突。由此可见，当基础模型进入公共部门和关键行业后，可用供给不只取决于算力，还取决于合同、责任、审计和用途边界。技术上能够部署，不等于制度上可以无摩擦部署。

英国央行行长Andrew Bailey在节目结尾给出了理解这一阶段最精确的宏观框架：AI会同时制造需求冲击与供给冲击；如果需求先到，通胀压力可能先经由投资和资产市场出现，如果供给先到，经济才更容易获得非通胀式增长。

这也解释了为什么“AI长期提升生产率”与“利率短期维持高位”并不矛盾。央行不能因为相信技术终将降本，就提前忽略建设期的资本拥挤、能源约束与财富效应。

对产业研究而言，下一阶段最关键的问题也应随之改变。仅追踪CSP资本开支是否继续上调已经不够，还要观察这些投入能否转化为应用收入、客户现金流与可验证的单位经济性；同时要看新增建设究竟由经营现金流承担，还是越来越依赖外部融资。

前一阶段的赢家由稀缺供给决定，后一阶段的赢家则由谁能把算力转化为持续利润决定。行业需求增长可以让整条基础设施链受益，却不会保证每家公司的资本回报率同步上升。

最强的反驳也很明确：英伟达的爆发式增长、企业Agent的实际提效，或许意味着供给红利正在比历史上的通用技术更快到来。要验证这一点，接下来应盯住三个变量——非科技行业的劳动生产率是否持续抬升，AI应用与企业现金流能否追上基础设施投资，以及边际算力建设对债务和第三方资本的依赖是否下降。

如果这三项同步改善，“需求先行、生产率滞后”的判断就需要收窄；如果没有，AI越成功地吸引资本，利率、融资成本和基础设施利用率反而越会成为下一阶段的硬约束。