ARTICLE · 984484
AI 越成功,利率反而越难降?沃什把 AI 写进了美联储框架
这次杰克逊霍尔最值得注意的，是凯文·沃什首先拿出来讨论的长期变量。会议主题是金融创新，沃什的长期讨论从 AI 切入。他把当下称为“历史的转折点”，并将 AI 定义为可能影响经济与货币政策的“新生产要素”。
这句话的意义在于，AI 已经进入美联储理解生产率、就业、通胀和自然利率的宏观框架。其实，这也呼应了笔者过去的判断，AI 资本开支早已从产业链叙事升维为宏观变量。如今，沃什在杰克逊霍尔将这一逻辑放到演讲开篇集中讨论，进一步确认了 AI 在美联储长期政策研究中的核心地位。
过去市场更多把 AI 看作科技股的产业叙事，但现在，AI 资本开支已经开始越来越明显地进入宏观经济数据之中。它不仅推动科技企业自身增长，也正在通过制造业、数据中心建设、就业和财富效应，对美国整体经济产生更广泛的二阶影响。
梦四维，公众号：第四维的梦想AI 资本开支，正在从科技叙事变成宏观经济增长变量
由此产生了一个更重要的问题，AI 会把经济带向资本更加密集、生产率更高的世界，还是走向投入很大、回报不足的过度建设？
一、沃什真正提出的，是四个尚未有答案的问题
沃什没有直接宣布 AI 将把经济带向哪里，但是他又抛出了四组问题。AI 能否持续提高全社会生产率？Token 与劳动究竟是互补还是替代？下一代模型需要更多资本，还是会找到更轻的资本方案？AI 创造的经济剩余最终又会流向谁。
前三个问题决定 AI 会不会改变美国经济的生产函数，第四个问题则决定这场技术革命的回报如何分配。
沃什特别点到了 AI 实验室、芯片制造商、能源生产商和云服务商，并把它们称为“稀缺资产的所有者”。翻译成投资者熟悉的语言，就是谁掌握瓶颈，谁更可能在早期拿走超额回报。
过去一个简单的思考框架是，哪里出现稀缺，回报就流向哪里。算力不足时，回报流向 GPU。内存不足时，回报流向 DRAM 与 HBM。带宽不足时，回报流向网络与光通信。电力受限时，价值又会迁向电网、发电、散热和数据中心。这正是笔者此前提出 AI 能量公式，并从“算力—存力—运力—电力”四个维度持续追踪的原因。如今，这四种力量之间的瓶颈迁移，已经超出半导体产业内部轮动，演变为一场更大规模的资本重新配置。
资本配置发生变化，首先受到影响的就是资本需求和资金价格。这也是 AI 与自然利率建立联系的起点。
二、从长期停滞到资本饥渴，AI 改变了利率的底层条件
2008 年金融危机之后，全球长期停滞叙事的核心是，储蓄很多，但足够有吸引力的生产性投资机会太少。资本需求不足，增长、投资和自然利率长期偏低。
AI 正在把这个逻辑反过来。沃什在演讲中提到，美国设备与无形资产投资的四季度增速约为 9%，达到 2021 年以来最高水平。今年资本开支增量的一半以上，与 AI 建设有关。数据中心、芯片、内存、网络、电力和软件共同争夺资本，意味着经济正从钱多、项目少，转向项目多、需要不断找钱。
但这里最容易犯的错误，是把 AI 对利率的影响理解成一条直线，进行简单的线性外推。
在建设阶段，AI 首先带来数据中心、设备、电力与人才的集中投资，生产率则需要更长时间兑现。投资需求和融资需求上升，可能推高总需求与自然利率。美联储理事 Lisa Cook 此前也明确讨论过这种可能，AI 投资热潮可能令当前自然利率高于疫情前。
等到技术真正广泛进入企业流程，第二阶段才可能出现。生产率提高、单位成本下降、供给能力上升，通胀压力随之减弱。此时，AI 又会释放压低通胀和利率的力量。换句话说，AI 可能先让资本更贵，再让生产更便宜。
这也改变了市场最重要的问题。过去大家反复追问美联储何时降息，未来更重要的是，在利率未必回到旧时代低位的环境里，哪些企业的利润、现金流与资本回报率能够跑赢资本成本？
三、就业、消费、能源与长端利率，为什么必须放在一起看
自然利率决定长期背景，就业、消费与能源决定当下的政策节奏，长端利率则直接影响 AI 建设的融资成本。四组变量共同决定“降息”和“AI 景气”能否同时成立。
沃什在演讲中强调一个原则，政策不能被单个数据点牵着走，趋势比孤立数字更重要。当前美国经济恰好说明了这一点。
先看就业。7 月非农就业减少 2.3 万人，失业率维持在 4.1%。单看新增就业，经济似乎正在快速转弱。结合劳动供给、失业率和初请失业金数据，画面又没有那么悲观。Michael Barr 此前把这种状态概括为低招聘、低解雇，沃什则强调当前劳动流动率偏低、劳动供给几乎没有增长，因此月度新增就业自然会下降。
就业风险依然存在。低招聘持续时间越长，劳动力市场就越缺少缓冲。一旦低解雇转为高解雇，失业率可能迅速抬升。接下来需要一起观察新增与持续申领失业金人数、失业率、解雇率和就业率，单月非农只负责发出信号。
消费也存在同样的分化。沃什提到，过去四个季度实际消费仍增长 2%以上，消费与私人投资合计的私人国内最终购买今年以来接近 3%。总量数据仍有韧性，住房、农业、小企业以及信贷敏感型家庭承受的压力却在增加。
这就是 K 型经济的现实含义。AI 资本开支、资产价格和高收入群体支撑上半部分，住房成本、信贷成本与能源价格继续挤压下半部分。总量经济保持增长和普通家庭体感偏弱，可以同时成立。
能源又给这组矛盾增加了一层复杂性。美国能源信息署 8 月报告认为，近期炼油利润上升主要来自全球成品油市场趋紧，背后包括俄罗斯成品油出口下降、中东供应受扰和中国炼厂开工下降。供应冲击会先推高燃料、运输和通胀预期，随后通过压缩实际可支配收入与企业利润，转化为需求压力。因此，能源价格上涨既可能延后降息，也可能在更晚阶段加剧消费放缓。它对 K 型经济下半部分的冲击尤其明显。
最后看长端利率。当前长端利率同时受到通胀、财政赤字与国债供给、期限溢价、AI 相关企业债发行以及潜在增长预期影响。美国财政部扩大长端国债的流动性支持回购规模，官方目标是改善市场流动性，不能直接理解为压低长期利率的量化宽松。
这些力量叠加后，可能出现一种过去并不常见的组合。就业、消费、住房和小企业走弱，推动美联储下调政策利率。与此同时，AI 建设带来的融资需求、持续增加的国债供给以及较高的期限溢价，仍将长期利率维持在高位。这意味着，美联储降息未必能同步降低企业的长期融资成本和股票的贴现率。过去那种降息推动多数资产一起上涨的交易逻辑会明显弱化，市场将更加看重企业的盈利增长、现金流和融资能力。
这组宏观组合也解释了近期市场轮动。宽松预期抬高长久期板块的相对吸引力，仍处高位的长期利率又压缩高估值硬件的定价空间。价格变化因此值得重视，能否上升为产业趋势判断，还要交给基本面验证。
四、市场最容易混淆的，是战术轮动与结构变化
近期 AI 硬件的相对强势有所松动，资金转向此前被压低的软件及其他板块。这种轮动从博弈维度讲其实不奇怪，硬件交易拥挤、预期超高，在行业叙事拐点到来时，获利回吐一定是又快又狠的。
价格轮动其实很容易被进一步解释成 AI 资本开支见顶，甚至硬件领导力结束。这两个结论仍需要基本面证据，价格本身只能提供预警。当然，价格有时确实会领先产业变化。许多行业都是价格先跌，随后订单、价格和盈利逐步恶化，最终确认基本面走弱。因此，价格回撤不能被忽略，但真正的确认信号仍然来自订单、收入、毛利率和资本开支。
过去两年的 AI 硬件也出现过类似阶段，尤其是在需求从训练主导向推理扩散的衔接期。以中际旭创为例，复盘其股价、业绩与产业预期的变化，便能更清楚地看到，什么是估值和仓位调整，什么才是产业逻辑真正转弱。
截至目前，能够确认的数字仍未指向资本开支周期已经结束。沃什称，今年资本开支增量的一半以上可能来自 AI。英伟达最新季度收入达到 962 亿美元，同比增长 106%，下一季度收入指引中值为 1080 亿美元。至少从资本开支和上游收入看，市场还没有拿到 AI 需求转负的证据。
AI 硬件要持续获得更高估值，还需要订单、利润和股东回报共同兑现。资本开支增长、订单兑现和股东回报是三件不同的事。需求可以继续扩张，估值仍可能因为利率上升、融资成本提高或预期过度拥挤而承压。
因此，一次价格轮动无法概括 AI 周期的方向。更有效的办法，是把后续演化放进三条可以持续验证的路径。
五、AI 的成败，至少有三条完全不同的路径
第一条路径，是 AI 成功，而且继续高度资本密集。Token 使用量持续增长，模型迭代仍需要更多算力、内存、网络和电力，同时企业生产率开始提高。在这条路径下，资本开支和自然利率可能维持高位，但盈利增长也更强。早期回报仍主要留在拥有稀缺资产的环节，近期板块轮动更接近战术再平衡，尚未构成结构终结。
第二条路径，是 AI 成功，但逐步转向资本轻型。模型效率提升，单位任务需要的算力、内存和电力增速下降，硬件供给的稀缺性随之减弱。AI 革命仍然成功，回报则从基础设施向应用、软件和企业采用扩散。此时，硬件资本开支增速放缓反映的是价值分配位置变化，AI 需求依然存在。
第三条路径，是投资先发生，生产率与现金流却没有跟上。如果云厂商收入、利润和自由现金流无法覆盖不断上升的折旧、利息与后续建设，资本开支就会被迫下修，订单、积压订单和上游收入随后转弱。利率可能因此下降，但盈利下滑可能比贴现率下降更快，这类降息对 AI 硬件并不友好。
因此，真正需要判断的是，AI 需求增长需要多少新增资本，这些资本最终又能否变成生产率和现金流。
K 型分化会横跨前两条成功路径。AI 可以在总量上提高生产率，同时让部分工作岗位、家庭和行业承受更大压力。它属于收益分配与政策传导问题，因此无需再单列成第四种产业路径。三条路径尚未分出胜负时，市场最容易把价格当成答案，再用价格反过来强化叙事。由此就进入了沃什警告的“镜厅”。
六、沃什警告的“镜厅”，正在市场里发生
沃什批评了美联储与市场之间可能形成的“镜厅效应”。市场盯着美联储，美联储又观察市场价格，价格再反过来制造叙事。最后，彼此的预期可能压过经济本身，成为交易的主要依据。
这套机制也适用于当前轮动。就业数据放缓，市场开始交易宽松。长久期资产上涨，又强化经济即将转弱的叙事。AI 硬件相对走弱，随后被解释成资本开支周期结束。价格、叙事和政策预期彼此验证，基本面反而被放到后面。
沃什在演讲结尾强调，他承诺一套政策纪律，没有承诺某次具体决定。意思很明确，美联储不会提前锁定下一次加息或降息，只会根据政策原则与最新数据逐次决策。
对我们而言，与其反复猜测加息/降息时点，不如持续检查可以验证的数字。判断 AI 周期是否健康，其实变得非常简单，资本开支 → 实际订单 → 积压订单 → 收入 → 毛利率 → 自由现金流 → 下一轮资本开支。
只看资本开支，无法证明投资有效。只看收入，也无法回答资本回报。只看股价轮动，更不能宣布产业周期结束。真正健康的循环，是订单能够转成收入，收入能够转成利润和现金流，现金流又能支持下一轮建设。
目前仍不能确定的是，下一代模型会继续吞噬更多资本，还是率先找到资本轻型方案。巨额投资又能否在折旧和融资成本上升之前，兑现足够的生产率与现金流。所以，判断 AI 能否成为这个时代的超级趋势，关键在于它能否真正改变经济的生产函数。
如果答案是肯定的，我们可能正在从低投资、低资本需求的旧时代，走向高投资、高生产率、也可能伴随更高均衡利率的新阶段。这一变化的跨度远大于一轮科技公司行情。
届时，市场会在利率什么时候降之外继续追问。在利率未必足够低的世界里，谁还能持续增长，谁能把收入变成现金，谁又真正掌握了稀缺资产。截至目前，这个答案还没有完全离开 AI 行业。
但我们也可以由此推断出，未来一定不会再有鸡犬升天的时期，而是进入产业分化加速期。无法兑现收入、现金流和资本回报的企业将更快出清。真正具备增长能力、现金流和稀缺资产的企业，菜刚刚进入新一轮扩张。
当银行扩表、信用供给改善时，资金也更容易流向这批能够证明自身回报的企业。关于这套流动性机制，建议结合《美联储缩表，银行扩表：美国正在切换一套新的流动性制度》一起理解，注意保存。
趁着周末，建议把置顶文与近期推文连起来读一遍，将宏观流动性、产业趋势和企业现金流放进同一个框架。我们无法消除不确定性，但可以通过持续验证，尽可能降低判断的不确定性。这才是我们真正应该努力的方向，加油，各位。
《沃什杰克逊霍尔演讲全文与解读：美联储正式进入“少说话、重纪律”的时代》
专注分享财经信息的专业社区，喜欢请点击下方名片添加关注。
免责声明：本文材料整理于公司公告、新闻、机构公开研报及社交媒体网络等，对文中所涉专业及个股均不构成投资建议。市场有风险，投资需谨慎。图文如有侵权或违反信批规则请后台留言联系删除。