AI更像1996还是1999？6月FOMC及后续观察

Wed, 17 Jun 2026 18:00:00 +0900

背景
本文是AI生产率、利率风险和6月宏观事件系列的后续。核心问题是：当前AI更像1996年那种生产率推动的通缩力量，还是更像1999年那种预期和资本开支先行的周期？

TL;DR

当前AI并不完全像1996式生产率通缩，更像是带有1996式生产率期权的1999式预期与CapEx先行周期。
微观层面的生产率证据是真实的。Generative AI at Work显示，AI辅助工具让客服人员平均生产率提升约15%。
但宏观层面的广泛通缩证据还不充分。
相比之下，数据中心、芯片、电力、冷却、土地、人才和融资需求已经是当前事实。
因此，6月FOMC大概率是按兵不动，但并非鸽派暂停，而更像鹰派暂停。

核心判断

对美联储而言，AI生产率仍是一个期权。CapEx、电力需求、半导体和金融条件则是已经发生的事实。

1996与1999的区别

1996式叙事是正向供给冲击。生产率提高，单位劳动成本下降，通胀压力减弱，美联储可以保持耐心。

1999式叙事则不同。生产率故事可能是真的，但资产价格、企业投资和市场预期会先于实际扩散。此时美联储不仅要看未来生产率，还要看需求、信用、估值和金融条件。

AI同时包含这两种因素。生产率期权是真实存在的。但现在可以观察到的宏观冲击更像1999：基础设施、电力、半导体、数据中心和融资已经先动起来。

为什么这对FOMC重要

6月FOMC定于2026年6月16日至17日召开。决议将在6月17日美东时间下午2点公布，记者会在下午2点半举行。会议纪要预计在7月8日发布。

近期数据并不支持美联储轻松转向降息：

指标	最新数据	宏观解读
5月CPI	+0.5% MoM, +4.2% YoY	总体通胀仍不舒服
5月核心CPI	+0.2% MoM, +2.9% YoY	环比改善，但同比仍高
4月PCE	+3.8% YoY	美联储偏好的通胀指标仍高
4月核心PCE	+3.3% YoY	核心通胀仍明显高于目标
5月非农	+172k	劳动力市场没有明显走弱
5月失业率	4.3%	稳定

市场已经预期暂停。真正的问题是暂停的性质。

基本情景

我的基本情景是鹰派暂停。

项目	基本情景
政策利率	维持3.50-3.75%
声明	数据依赖，通胀仍高
降息倾向	弱化或删除
2026点阵图	转向2026年不降息
长期点位	3.1%或略高
记者会	AI生产率是可能性，但不是当前政策依据
会议纪要	可能比声明更鹰派

3月SEP显示2026年底联邦基金利率中位数为3.4%，大致意味着一次降息。如果中位数上移至**3.625%**附近，市场会解读为2026年不再降息。

宏观含义

AI可以提高长期增长和未来利润。但如果它同时推高中性利率和实际利率，同样的未来利润可能需要更低的估值倍数。

AI是好事，并不等于利率会下降。 在生产率广泛体现在单位劳动成本和核心服务通胀之前，美联储更可能把AI视为投资需求和中性利率问题，而不是降息理由。

Sources: Fed calendar, FOMC minutes, March SEP, BLS CPI, BLS jobs, BEA PCE, Generative AI at Work, Fed FEDS Notes, Kansas City Fed, San Francisco Fed.

AI生产率真实吗：从工作现场15%提升到宏观扩散

Wed, 17 Jun 2026 10:30:00 +0900

摘要

简短结论是：微观层面已经是Yes，宏观层面还不是完全确认。

Brynjolfsson、Li、Raymond的Generative AI at Work研究了5,172名客户支持员工。生成式AI助手使按每小时解决问题数量衡量的生产率平均提高约15%。收益最大的是经验较少、初始技能较低的员工。

美联储FEDS Notes显示，AI采用已经不是边缘现象。到2025年底，约18%的企业采用了AI；个人层面的工作相关GenAI使用率约为41%；按就业加权估算，约**78%的劳动者在采用AI的企业工作，约54%**在使用LLM的企业工作。

堪萨斯城联储则给出谨慎结论。2022年底以来，美国劳动生产率已经高于疫情前趋势，但改善还不够广泛。AI采用率较高的行业生产率增长更快，但AI目前还不能解释总体生产率变化的大部分。

四份资料如何拼在一起

资料	层级	问题	结论
Generative AI at Work	工作任务	AI是否提高实际生产率	在特定流程中提高
FEDS Notes	采用率	AI使用是否广泛	已经有意义，但不均衡
堪萨斯城联储	行业生产率	宏观改善是否来自AI	有相关性，但证据不足
旧金山联储	政策	应看什么数据	不能只等总量数据

工作现场的证据

AI并不只是让人打字更快。它更重要的作用是帮助低经验员工更接近高绩效员工。这是技能差距压缩。

AI把组织中部分隐性知识系统化，帮助新人培训、客户支持、文档写作、技术支持和中等复杂度问题处理。

采用率已经重要

18%、41%、78%、54%并不矛盾。它们的单位不同：企业数量、个人、就业加权企业。大企业更早采用AI，因此企业数量占比看起来不高，但劳动者覆盖率可以很高。

采用率最高的是金融和专业服务。这说明AI首先进入的是高价值认知工作，而不是单纯低工资劳动。

宏观生产率仍未完全扩散

美国生产率已经改善，但改善集中在少数行业。这并不意味着AI失败。它更像通用技术早期扩散阶段。

任务层面改善
→ 企业流程重组
→ 行业扩散
→ 宏观生产率数据体现

当前经济仍在这条链条的中间。

投资含义

AI基础设施投资仍可以被证明合理，但理由不应只是模型更强，而应该是企业实际工作流程中的生产率提升。

对韩国市场而言，这支持HBM、服务器DRAM、eSSD、网络、电力设备、数据中心、AI云和企业软件的长期逻辑。但门槛也更高：市场应奖励能把AI转化为可重复生产率提升的企业，而不是只贴AI标签的企业。

结论

AI生产率在任务层面是真实的。采用率也已经足够重要。但宏观生产率革命尚未完全证明。

下一阶段AI周期的关键不是演示效果，而是扩散：AI是否真正改变工作流、利润率、每名劳动者产出，并最终进入国家生产率统计。

AI on Korea Invest Insights