别以为 AI 只会让东西变便宜,它正在推高全社会的生产成本

很多人理所当然地认为，AI 会像过去的互联网与自动化流水线一样，迅速压低一切边际成本。但在生产率红利全面兑现之前，一场由算力军备竞赛引发的真实通胀压力正在悄然蔓延。从芯片产能挤压、变压器供需断层，到美国电网负荷连创历史新高，甚至连美联储高层都开始将 AI 基础设施列为未来几年的重要通胀风险。决定下一阶段 AI 落地天花板的，从来不是模型的参数量，而是物理世界的真实资源瓶颈。

过去这两年，关于生成式 AI 的叙事几乎都在围绕“降本”和“提效”打转。 程序员用它补全代码，设计团队用它秒级出图，客服中心靠它接管基础会话。在很多人的直觉认知里，数字技术的突破天然自带通缩属性——比特的边际成本趋近于零，商品和服务理应越变越便宜。

但一个反常识的现象正在实体产业链快速发酵：在 AI 真正把全社会的生产成本打下来之前，它可能先把底层最关键的几样生产要素价格推上高位。 这不是科技发烧友的抽象推演，连一向对技术炒作保持克制的美联储，都开始在公开讲话中将其列入宏观通胀模型。

10月初，美联储理事 Lisa Cook 在公开演讲中抛出了一个极其尖锐的观点。她直接把 AI 基础设施投资带来的持续压力，列为自己对 2027 年宏观经济的核心担忧之一。她的疑问很朴素，却切中要害：技术长期确实能提升生产率，但生产率带来的降价何时兑现？在此之前，供应链的下一个断层会卡在哪里？

紧接着，旧金山联储主席 Mary Daly 进一步强调，AI 对算力芯片的渴求正在蔓延到数据中心之外，进而挤占汽车、白色家电等行业所依赖的通用半导体产能。随后，纽约联储主席 John Williams 与美联储副主席 Philip Jefferson 接连发声，Jefferson 更是把当前的经济环境定性为能源冲击、AI 基础设施大规模投资以及贸易政策调整的三重叠加。

央行决策层很少对某种具体技术如此敏感。当一群掌控全球流动性闸门的人开始紧盯数据中心时，说明这件事已经跳出了单纯的风险投资逻辑，演变成了对实体经济核心资源的强劲虹吸。

普通用户聊起 AI，总觉得那是一串跑在云端的虚拟字符。但如果跟负责算力集群落地交付的工程团队交流，你会发现一个骨感的现实：今天决定机房能不能点亮的，很多时候已经不是显卡够不够，而是电网能不能批复足够的负荷。

一个吉瓦（GW）级的大型智算中心，单体用电量足以匹敌数十万人口的中型城市。美国能源信息署（EIA）的官方预测显示，全美用电需求将在 2026 年和 2027 年连续创下历史新高，总用电量预计从 2025 年的约 4.19 万亿度，急速攀升至 2027 年的 4.35 万亿度以上。推动这一陡峭上扬曲线的核心推手，正是 AI 数据中心。

更深层的危机在电网硬件端。写几万行模型推理代码只需几个小时，但扩建高压变电站、定制大型电力变压器，目前的交付周期已经从过去的数月被硬生生拉长到 3 至 4 年。与此同时，AI 芯片对晶圆制造与先进封装产能的倾斜，正在挤占成熟制程生产线。正如美联储所警告的，算力扩张不是真空里的狂欢，它正在悄悄抬高全工业门类的物料采购成本。

这里出现了一个在经济学史上屡见不鲜、却经常被技术乐观派忽视的经典规律：杰文斯悖论（Jevons Paradox）。

19世纪中叶，英国经济学家威廉·杰文斯观察到一个令人困惑的现象：随着瓦特改良蒸汽机，煤炭的燃烧利用效率大幅提升。当时许多人乐观地认为英国的煤炭消耗会随之减少，然而实际结果却截然相反——煤炭总消耗量发生了爆炸式增长。因为效率的跃升极大拉低了动力成本，反而催生了成千上万原本无法想象的工业应用场景。

今天的大模型正在完美复刻这个剧本。一两年前，调用一次前沿模型的 API 成本较高，开发者用得精打细算；如今 Token 价格缩减了 90% 以上，轻量模型层出不穷，企业反而不再克制。我们让模型写更多代码、挂载数十个 Agent 自动循环推演、24 小时不间断监控业务流程。

单次推理的成本确实降低了，但整体调用量却以百倍规模狂飙。 单位成本的下降并未减轻物理世界的能源负担，反而让数据中心和电网的总体负荷呈指数级扩张。达拉斯联储在专题量化模型中指出：在基准情景下，仅数据中心新增负荷推升的电价，就可能使美国到 2030 年的核心 PCE 通胀率每年额外增加 0.04 到 0.13 个百分点。若绿色新能源扩建不及预期，这一影响甚至将接近翻倍。

那么归结到底，AI 到底是通胀源头，还是通缩力量？最理性的研判是：短期承受通胀压力，长期释放通缩红利。 这是一场极其典型、但也极其漫长的宏观时间错配。

在阶段一（当前至2027年前后），AI 处于高强度的重资产基建扩张期。数据中心开工、高精尖硬件争抢、电网扩容，需求在极短窗口期内集中爆发，而重资产扩建周期漫长，供给跟不上需求，直接导致生产要素价格被推高。

只有当基础设施逐步就绪，进入第二阶段时，AI 才能真正深入实体产业的毛细血管。研发流程大幅缩短、自动化流水线效率倍增、跨部门组织摩擦被消解，此时全要素生产率的大幅释放，才会转化成强大的宏观通缩力量。美联储真正担忧的症结恰恰在于：需求冲击是瞬间落地的，而生产率红利释放是漫长滞后的。

回顾近两年的 AI 演进，我们经历了太多的参数狂欢、多模态奇迹和模型竞技场排位赛。但在屏幕背后，决定这些智能能否真正化作生产力的，是变压器的铜线圈、高压输电塔以及发电机组的持续轰鸣。

这场技术浪潮正在从一场软件程序员与算法科学家的脑力角逐，演变成对能源、电网与供应链制造的综合重工业大考。决定下一轮技术竞争胜负手的，未必是模型在榜单上高出几分，而是谁能以更高的能效把电能转化为持续的算力吞吐。

物理世界没有无限缓存，代码终究要向电网交租。