陈兴：AI如何重塑美国通胀？

陈兴系华福证券宏观首席分析师、中国首席经济学家论坛成员

核心观点

一、AI对物价冲击已经到来？

AI基建投入推高硬件价格。AI发展掀起了数据中心投资热潮，直接拉动了对芯片、电力设施等实物需求，而半导体产能扩张相对滞后，带动芯片价格上行。用电需求同步增长，2020-2025年间全美平均商业用电价格以年均复合增速4.8%的增速上涨。

但对软件价格还未形成显著冲击。由于AI付费模式还在调整期，尚未形成成熟的定价，也有部分公司因高成本而退缩，Token总支出波动较大。因此，AI暂时还未显著冲击软件业价格，PPI短期波动可能更多反映的是软件行业自身的定价调整。

通胀局部显现，现阶段对通胀整体影响可控。现阶段，AI对价格的主要影响仍然来自急速增长的投资，PPI的暴露度高于消费端的PCE和CPI。截至2026年6月，AI相关项目仅对PCE价格贡献了0.2%，较3.7%的整体通胀率相对较小。不过，其影响程度有所上升。

二、AI如何影响通胀前景？

短期看，硬件通胀压力或在一年后缓解。根据TrendForce7月的预期，2027年下半年存储芯片价格可能回落。电力需求将长期扩张。EIA预测，基准情形下美国数据中心电力需求在2025- 2030年的复合年增长率约11%。但随着电力基础设施逐渐到位，电力成本的中长期上涨幅度有望得到控制。AI使用成本或逐渐缓解。AI厂商不断推出更具效率的模型以维持产品竞争力，单位Token的算力消耗不断下降，使用AI的成本越来越低。

建筑业、运输公用等行业受冲击最严重。在美国，建筑业、运输公用、专业商业服务、农林牧渔、休闲酒店等行业对移民依赖度较高，随着美国加强边境管控，移民放缓使得部分行业劳动密集型行业就业增长放缓 。

中长期看，AI对通胀的影响可能从“成本推动”转向“效率拉动”。投资需求先行，生产率红利滞后。综合美联储体系近期研究，AI对通胀影响机制可总结为三个阶段。第一阶段是投资扩张期，AI的需求效应率先显现，而生产率提升尚未充分兑现，可能形成短期通胀压力。第二阶段是劳动力调整期，AI逐步从资本投入转向实际应用，企业开始自动化或重组部分工作任务，劳动力需求可能下降，并逐步缓解劳动成本压力。第三阶段是生产率红利兑现期，AI的供给效应逐渐占据主导。纽约联储进一步指出，AI还可能改变货币政策所锚定的自然基准 。

三、如何影响联储决策？

目前还未形成广泛通胀。核心CPI近两个月有所回落，而剔除价格极端波动项的截尾均值PCE仍然呈平稳走低，尚未出现抬升转折。

沃什如何看待通胀？判断是否是一次性价格冲击。按照沃什的核心理念，外部冲击会影响短期价格水平，而货币政策决定通胀能否持续。对于AI带来的通胀效应，沃什表示不应“预设单一结论” 。

AI通胀仅是考量的一部分。沃什任命的通胀工作组中，三位学者对于通胀的看法出于不同关注点，曼昆侧重于货币供应量，萨金特考虑更多财政约束和预期管理，而怀特更担忧债务风险。AI生产率提高可能带来的通缩力量，仅是通胀图景中的一部分考量。例如，怀特认为，过去长期结构性通缩力量现今已然逆转为通胀，而此前积累的债务和金融失衡很可能限制央行抗通胀能力 。

报告正文

人工智能发展掀起新一轮技术热潮，其影响正从科技产业逐步延伸至宏观经济与货币政策。2026年6月FOMC会议纪要显示，美联储已开始将AI可能带来的广泛通胀影响纳入政策考量。那么，AI究竟会推高还是压低通胀？

一、AI对物价冲击已经到来？

AI基建投入推高硬件价格。自从2022年底ChatGPT被推出后，AI投资转向规模化部署，掀起数据中心投资热潮，直接拉动了对芯片、电力设施等实物需求，而半导体产能扩张相对滞后，供需出现了缺口。自2025年年底以来，AI相关硬件价格开始飙升，随着各大AI巨头资本开支急剧上升，2026年6月半导体PPI价格同比增速达到了26%的高位。

用电需求同步增长。AI发展还伴随着用电量的大幅增加，AI算力需求打破了美国商业用电增长停滞的局面。从全美层面来看，IEA数据显示，2015年-2020年间美国商业用电量增长几乎为零，2020-2025年间数据中心用电增长约113 TWh。同时，根据EIA数据，2020-2025年间全美平均商业用电价格以年均复合增速4.8%的增速上涨。从地区来看，电价上涨在弗吉尼亚州和德克萨斯州表现显著。弗吉尼亚州和德克萨斯州是数据中心密集建设地区，自2021年以来商业用电量分别位列美国前二，其中弗吉尼亚州商业用电量年均复合增速在2020-2025年间达到9.3%。考虑到电力基础设施的扩容周期通常需要5-15年，短期内AI算力使用增加仍将持续推高电价。

对软件价格还未形成显著冲击。自2025年年底以来，衡量Token总支出的LLM Token支出指数呈现上升趋势。随着Token使用率快速提升，AI供应商的收费模式开始转向根据Token使用量定价，因此对于大多数公司而言，现在的AI价格更像是“水电费”，而非传统的软件订阅。由于AI付费模式还在调整期，尚未形成成熟的定价，也有部分公司因高成本而退缩，Token总支出波动较大。因此，AI暂时还未显著冲击软件业价格，PPI短期波动可能更多反映的是软件行业自身的定价调整。

通胀局部显现。现阶段，AI对价格的主要影响仍然来自急速增长的投资。从PPI商品价格来看，2026年6月存储装置价格同比增速已达到31.5%，远超PPI总体增速。而在PCE价格和CPI中，AI相关商品权重相对较小，对消费端通胀整体贡献有限。综合来看，AI需求首先作用于企业投资品，PPI的暴露度高于消费端的PCE和CPI。

现阶段对通胀整体影响可控。截至2026年6月，AI相关项目仅对PCE价格贡献了0.2%的通胀，与3.7%的整体通胀率相比，相对较小。不过，其影响程度有所上升，早在2025年下半年，AI相关通胀对PCE价格贡献几乎为零，自2026年年初以来逐渐转为上行压力。但未来电力、芯片等AI相关投资品投入成本的上涨是否具有持续性，还取决于硬件供需缺口的收敛节奏与技术进步的替代效应。

二、AI如何影响通胀前景?

现阶段AI投资仍然集中于基础建设和模型开发，距离应用大规模普遍落地阶段还有一定时间。短期内，AI投资品对通胀的影响趋于上行，主因硬件供给未能及时满足大幅增长的需求。

硬件通胀压力或在一年后缓解。从芯片市场来看，当前存储芯片仍然呈现结构性短缺状态。不过，从供给端来看，芯片制造商同样正在积极推进产能扩张。根据TrendForce在7月的预期，2027年下半年存储芯片供需更加平衡，芯片价格可能回落。考虑到基数效应，芯片价格同比增速或在一年后趋于下行，AI投资品推高的通胀随之缓解。

电力需求将长期扩张。AI算力发展，离不开用电。EIA在《年度能源展望2026》中预测，在基准情景下，美国数据中心电力需求将从2025年的约1050亿千瓦时增至2030年的约1780亿千瓦时，复合年增长率约11%；在高电力需求情形下，这一数字可能达到约1910亿千瓦时。不过，电力基础设施的扩容周期长，短期内AI模型发展带动的电力需求仍将推高局部电价，但随着电力基础设施逐渐到位，电力成本的中长期上涨幅度有望得到控制

AI使用成本或逐渐缓解。AI厂商竞争激烈，不断推出更具效率的模型以维持产品竞争力，大语言模型的推理效率也持续进步，因此单位Token的算力消耗不断下降，大语言模型应用程序编程接口（LLM API）成本持续降低。BenchLM追踪的主流LLM API平均价格指数显示，自2023年3月以来，LLM API价格呈现持续快速下降趋势：价格指数从100降至2026年4月的5.5，降幅达94.5%；以美元计价的平均每百万token价格从60美元降至3.3美元，使用AI的成本越来越低。同时，模型压缩、边缘计算等技术的成熟也可能降低对数据中心集中算力的依赖。若AI技术路径出现突破性进展——例如更高效的算法架构或新型芯片材料——单位AI产出所需的能源和芯片投入可能显著减少，从而从根本上缓解成本推动型通胀压力。

综合来看，芯片的供应短缺或在2028年缓解，电力基础设施的扩容周期更长，但技术效率提升可能提前部分对冲成本压力。因此，未来两年内AI相关资本支出的通胀效应或将逐步减弱。

从中长期视角看，AI对通胀的影响可能从“成本推动”转向“效率拉动”。当AI技术进入大规模应用阶段，生产率的系统性提升或将扩大经济的潜在产出水平，实现更高的总供给，从而对价格水平产生下行压力。在信息技术革命时代，1996年至1999年间美国私营非农经济的平均劳动生产率年均增长率为2.8%，是1980年至1995年间增长率的两倍多；核心PCE通胀率从1990年的约4%逐步回落至1996年的2%左右。计算机价格的下降与服务效率的显著提升，部分抵消了互联网基础设施建设带来的成本压力。当前AI发展在供给侧的传导逻辑与此类似，当生产率红利充分释放后，单位产出的成本曲线将整体下移，形成结构性的通缩力量。

投资需求先行，生产率红利滞后。综合美联储体系近期的研究，AI对经济和通胀的可能影响，可被呈现为三个阶段。第一阶段是投资扩张期，AI的需求效应率先显现。在这段时期，数据中心、芯片、电力等基础设施投资快速增长，而生产率提升尚未充分兑现，投资需求和局部供给瓶颈可能形成短期通胀压力。纽约联储指出，AI扩散初期可能出现“前置的需求扩张”（front-loaded demand）与“渐进的供给侧生产率提升”（gradual realization of cost-reducing productivity gains）之间的时间差，当需求增长快于有效生产率提升时，通胀可能暂时上升。

第二阶段是劳动力调整期，AI逐步从资本投入转向实际应用。随着AI部署深化，企业开始自动化或重组部分工作任务，劳动力需求可能下降，并逐步缓解工资和单位劳动成本压力。亚特兰大联储调查显示，过去三年AI对企业就业和生产率的实际影响仍然有限，但美国企业预计未来三年AI使生产率提高约2.3%，就业减少约1.2%；此外，英国企业的调查显示，预期就业下降约三分之二将通过减少招聘实现。这意味着AI可能逐步降低边际劳动力需求，并由此缓解工资和单位劳动成本压力。

第三阶段是生产率红利兑现期，AI的供给效应逐渐占据主导。美联储认为，若AI最终成为通用技术并持续提高生产和研发效率，潜在产出和经济供给能力将提高，从而降低单位生产成本，并形成长期通胀下行压力，这也取决于生产率红利的幅度和兑现速度。纽约联储进一步指出，AI不仅可能改变生产技术、企业定价、成本转嫁和通胀预期，重塑供需冲击向价格的传导，还可能改变货币政策所锚定的自然基准，包括潜在产出与自然利率

三、如何影响联储决策?

目前还未形成广泛通胀。考虑到AI硬件等需求推动的供给侧价格压力短期内或逐渐消退，美联储更担心需求过热带来的通胀。自去年年底以来，核心PCE价格同比增速有所回升，但核心CPI近两个月有所回落，而剔除价格极端波动项的截尾均值PCE仍然呈平稳走低，尚未出现抬升转折。

沃什如何看待通胀？判断是否是一次性价格冲击。结合沃什发言来看，其对通胀判断在于区分一次性价格冲击与持续性通胀。按照他的核心理念，较长期、广泛性的通胀主要取决于货币政策等内生因素，而能源、关税、地缘冲突等外部冲击也可能造成阶段性的价格上涨，即外部冲击会影响短期价格水平，而货币政策决定通胀能否持续。对于AI投资，沃什认为，当前特别亮眼的“人工智能投资”活动，未来可能逐渐成为经济整体投资的常态。对于AI带来的通胀效应，沃什表示不应“预设单一结论”，因为AI投资在短期内可能通过扩大资本支出、推高芯片和电力等投入品需求而增加通胀压力；长期则可能通过提高生产率、扩大供给和降低生产成本而抑制通胀。综合来看，AI对通胀的具体影响，将取决于生产率红利实现的速度何时能追上需求扩张。

AI通胀仅是考量的一部分。沃什任命了格雷格·曼昆（Greg Mankiw）、托马斯·萨金特（Thomas Sargent）和威廉·怀特（William White）三位学者负责领导通胀工作组的研究。三位学者对于通胀的看法出于不同关注点，曼昆侧重于货币供应量对通胀的作用，萨金特考虑更多财政约束和预期管理，而怀特更担忧当前通胀目标之下提高利率可能引发的债务风险。AI生产率提高可能带来的通缩力量，仅是通胀图景中的一部分考量。例如，怀特认为，曾经是长期通缩力量的因素大多已经发生逆转，现今人口结构恶化、去全球化、气候变化以及国防支出增加等因素，已然成为结构性通胀的力量，而此前积累的债务和金融失衡很可能限制央行抗通胀能力。

风险提示：

AI对生产率的影响不及预期；AI对通胀的传导存在较大不确定性 ；历史经验失效。