 | 下載此報告 |
 | 回看講座中文版視頻 |
人工智慧並未席捲經濟的每個角落，卻主導了當前的經濟討論，彷彿真是如此。單一技術如此徹底地攫取一國的時代精神，雖非史無前例，卻也十分罕見。股市集中度為 AI 敘事的滲透程度提供了一項衡量。根據美國銀行全球投資策略團隊（Bank of America Global Investment Strategy）的資料，最受 AI 影響的十家公司目前約占美國股市總市值的 40%，這個占比可與 1972 年「漂亮五十」（Nifty Fifty）、1989 年日本泡沫時期的大型企業集團，以及 1999 年網路泡沫的高峰相提並論（圖1a）。
遺憾的是，更大的投資熱潮並不一定意味著更大的突破。我們將六個歷史案例中的尖峰投資占 GDP 比重，與各項技術估計的長期生產力成長貢獻相比對，所得到的關係僅呈微弱的正相關（圖1b）1。不過，這六個案例的衡量誤差都很大，我們並不建議據此得出任何強而有力的結論。
雖然熱潮規模對隨後的成長而言並非可靠的指標，但規模較大的熱潮確實往往會資助該技術最終所需的更多基礎設施。國際清算銀行（Bank for International Settlements）的一項研究，將這場技術建設描述為少數幾家公司爭奪少數主導地位的競賽。這與過去推動各項技術走向基礎設施過度建設與金融過度脆弱的競爭動態如出一轍。每家公司單獨來看都是理性的，卻為了避免被排除在可能只容得下少數贏家的市場之外而過度投入資源。該研究估計，由此造成的過度投資為有效水準的 1.5 至 3 倍。造成過度建設的同一套競爭邏輯，也為最終勝出的公司帶來不確定但可能極為豐厚的報酬，這正是即使過度建設已為競賽中的所有人所察覺，資金仍持續湧入的原因。
因此，現在需要評估人工智慧目前對美國總體經濟已經產生、以及尚未產生什麼影響。我們將討論分為兩部分，一部分評估 AI 對總體金融體系的影響，另一部分評估其對勞動市場的影響。
圍繞著 AI 的當前金融現實與幻想各是什麼？
評估股市是否被高估或低估的關鍵指標之一，是週期調整本益比（cyclically adjusted price-earnings ratio, CAPE）。CAPE 目前高於 40，接近網路泡沫高峰時的水準（圖2a）。Andrew Atkeson、Jonathan Heathcote 與 Fabrizio Perri 提出了一項結構性的解釋。他們主張，過去 30 年來估值比率之所以升至高於歷史常態的水準，是因為勞動占企業產出的比重下降，而企業投資仍相對疲弱，這在機制上拉高了企業價值相對於盈餘的倍數。由於自由現金流（定義為盈餘減去淨投資）從 1980 年到 2022 年年中與企業價值同步成長，因此在此期間，自由現金流相對於企業價值的比率保持穩定，不像標準的以盈餘為基礎的比率那樣上升。
如今，週期調整價格對自由現金流比率（CAPC）約為 54，相較之下，1961 至 2019 年的平均為 37，而在網路泡沫巔峰的 2000 年平均則超過 80。相對於各自 1961 至 2019 年的平均值，現金流倍數的升幅遠小於以盈餘為基礎的倍數，約比平均高出 50%，而 CAPE 則約為平均的兩倍；其目前水準雖然偏高，卻遠不及網路泡沫的高峰。然而，隨著最大型科技公司從輕資本轉向重資本營運，其自由現金流在 2026 年開始急劇下滑，情況正在改變。這項指標在投資熱潮期間依其計算方式必然上升，因為龐大的資本支出會壓低自由現金流，無論這些支出最終是否獲得回報。這也是網路泡沫時期的讀數如此極端的部分原因。四大超大規模雲端業者（hyperscaler）的合併自由現金流在 2025 年為 1,990 億美元，2026 年第一季降至 200 億美元，第二季降至 70 億美元，年化速率接近 300 億美元，其中亞馬遜與 Alphabe t已轉為負值（圖2b）。如果這樣的支出步調持續下去，足以讓高估值站得住腳的自由現金流緩衝將開始消失，CAPC 估值相對於 CAPE 將進一步上揚。
也有跡象顯示，金融市場至少有部分角落已不再依據經濟基本面為 AI 曝險定價。根據 Cboe 的資料，標普 500 選擇權的偏態（skew）（衡量投資人為防範急跌所願支付的價格，高出為參與同等幅度上漲所付價格多少的指標）近期降至 2024 年年中以來的最低水準。換言之，投資人押注進一步上漲的熱情，與其對衝下跌的程度大致相當，這相當不尋常，尤其是在一個估值已經偏高的市場。這可能意味著市場出現令人擔憂的自滿程度，以及缺乏審慎的風險定價。
這種自滿情緒開始瓦解的一個例證出現在 2026 年 7 月：Leopold Aschenbrenner 的 Situational Awareness 基金因高度集中押注 AI 而遭遇拋售，其損失規模目前被列為史上最大的交易虧損，高達 350 億美元。與此同時，製鞋公司 Allbirds 在 2026 年重新定位為 NewBird AI，轉向 GPU 雲端運算。其股價在消息宣布後飆升多達 600%，一天之內增加約 1.27 億美元的市值。SpaceX、Anthropic 與 OpenAI 目前的 IPO 排程，部分也是基於這股投資人的熱情。公司上市，既是掌握市場時機的問題，也是業務規模超越私人資本所能支應範圍的問題。
在南韓，散戶投資人湧入追蹤SK海力士與三星的單一個股槓桿型交易所買賣基金（ETF），因為這兩家晶片製造商受惠於 AI 帶動的記憶體晶片需求熱潮。這些槓桿型基金的合計資產在 2026 年 6 月的高峰時膨脹至約 31 兆韓元（約 200 億美元），到 7 月初，這些槓桿型基金連同兩檔標的股票約占韓國股市全部成交值的 70%（圖3a）。泡沫隨後破裂，韓國主要股價指數 KOSPI 自 6 月高點下跌 44%。在新的交易限制措施生效後約一週內，槓桿型ETF的合計交易量崩跌約 90%，槓桿型基金的資產較 6 月高峰減少約三分之二。這起事件是槓桿如何將一筆真實的交易（AI 記憶體晶片熱潮）變成泡沫的典型例證。
信用市場開始對當前的金融過度現象發出一些警訊。隨著大型科技公司舉債為建設籌資，其信用違約交換（CDS）利差已經擴大。甲骨文（Oracle）的五年期 CDS 利差是最顯著的例子，已超越 2008 至 09 年金融危機期間創下的高點（圖3b）。
這些金融指標合理嗎？
我們是正走向史無前例的榮景、崩盤，還是更平淡無奇的結局？要回答這個問題，就必須先拋開市場敘事，探究在 AI 方面，真正的總體經濟現實與幻想究竟為何。
七大 AI 建設者的合併資本支出，已從 2022 年的 1,600 億美元（2023 年維持同一水準），攀升至預計 2026 年的 8,630 億美元。這些數字意味著驚人的成長率：2024 年為 68%，2025 年為 71%，2026 年為 88%（圖4a）。這樣的成長步調既不太可能、也不被預期持續下去。大型科技公司大多已停止上調投資計畫，其財測指引顯示，2027 年成長將放緩，因為年度支出預計將突破 1 兆美元，並日益超出其自身的自由現金流。高盛的信用策略師估計，超大規模雲端業者資本支出中由債務融資的比例，2025 年為 27%，2026 年約為三分之一，並將在 2027 年達到約 35% 的高峰。他們也計算出近 5,000 億美元的 AI 相關債務發行，其中超大規模雲端業者僅占 40%，其餘由資產負債表規模小得多的借款人籌措。
這項上兆美元的建設，在營建與投資數據中不難察覺，無論是數量還是價格（圖4b）。以固定美元衡量的民間資料中心營建支出，從 2015 至 19 年間基期較小的早期榮枯循環，轉為 2023 年以來的持續攀升，在 2024 年年中達到年增率近 84% 的高峰，並在 2026 年春季降溫至約 20%。此後再度加速，以三個月平均計，6 月為 28%，僅 6 月當月則為 44%。企業在電腦及周邊設備的投資，近期的走勢更為陡峭：2025 年第四季年增 75%，2026 年第一季年增 72%，第二季年增 58%。同類設備的價格在歷史上一向隨時間下降，卻在最近幾個月急遽上漲，8 月年增 23%，這很可能反映出AI帶動的記憶體晶片短缺，正逐步傳導至成品電腦設備的價格。
軟體與資訊處理設備方面的 AI 相關投資，加上下文所述 AI 帶動的消費財富效果，占了截至 2026 年第二季為止這一年核心 GDP 成長的近一半（圖5a）2。若扣除這項貢獻，且不考慮其所造成的任何排擠效應，其餘經濟體的成長明顯比表面數字所顯示的更為緩慢。
可歸因於 AI 的營收正快速成長。根據《經濟學人》的說法，各主要 AI 供應商目前的年化營收約在 1,500 億至 2,175 億美元之間。自 2022 年以來，七大建設者的累計 AI 基礎設施資本支出約達 1.9 兆美元（圖4a）。以（寬鬆的）六年折舊期程、10% 的必要報酬率來回收這筆資本，每年成本約為 4,400 億美元。Epoch AI 估計，電力、冷卻、頻寬與人員約占一座一吉瓦（gigawatt）設施年度總擁有成本的十分之一，據此，這場建設的完整年度成本接近 5,000 億美元。摩根資產管理（J.P. Morgan Asset Management）則估計，要達到 10% 的報酬率，所需營收接近每年 6,500 億美元。因此，AI 營收的缺口為兩至四倍。不過，營收一直在快速成長。Epoch AI 發現，OpenAI 與 Anthropic 的合計營收在 2024 年成長為三倍，2025 年成長逾四倍，2026 年迄今則成長了 3.5倍。即使整體產業營收每年僅成長一倍，這道門檻也可能在數年內達成。但資本支出也在持續成長，同時墊高了門檻。
美國企業獲利強勁成長的整體格局，本身並非 AI 的故事。《華爾街日報》的報導指出，2026 年企業獲利成長中有相當比重來自關稅退款，以及亞馬遜與 Alphabet 所持股權的投資收益，而非 AI 帶動的生產力提升。AI 股票估值的上漲也提振了消費者支出，進而支撐企業獲利成長。家庭持有的企業股票與共同基金份額，從 2022 年底的 34 兆美元增至 2025 年底的 56 兆美元。若將這 22 兆美元漲幅的一半歸因於 AI，並以 4% 的財富邊際消費傾向計算，到 2025 年底，消費者支出水準將因此增加約 4,500 億美元，亦即三年間每年約增加 1,500 億美元的額外支出。這些支出約占實質消費成長的四分之一、實質 GDP 成長的五分之一，即每年約 0.5 個百分點的 GDP（圖5a）。這對整體成長是一項有意義但脆弱的貢獻。它取決於AI相關的股票估值能否持續維持，而此時個人儲蓄率一直徘徊在 3% 或以下。
Robin Brooks 分解了美國各部門的儲蓄—投資餘額，顯示企業目前是淨儲蓄者而非淨借款人。這與網路泡沫時期企業部門的處境形成鮮明對比，也反映出目前為這場建設提供大部分資金的超大規模雲端業者的獲利能力（圖5b）。截至 2025 年，這波熱潮大致仍由高獲利的公司自行籌資，而非像 1990 年代後期的電信建設那樣主要由外部債務融資。如前所述，資金來源已開始轉向債務融資（圖4a）。此外，AI 融資有很大一部分日益移到資產負債表之外，透過未來支出承諾與供應商融資安排進行，這些都不會清楚地反映在任何單一公司所公布的槓桿中。《華爾街日報》估計，九家大型科技公司約有3兆美元的表外承諾。外界擔心，金融體系中正累積著相當規模的隱藏風險。
輝達（Nvidia）處於這套融資結構的核心，因為它既是業界的主要供應商，也日益成為主要的資金提供者之一。《金融時報》估計，若將或有承諾與表外承諾計入，輝達在這些安排中的資產負債表風險敞口接近 2,000 億美元。這類循環融資本身並非不健全。資產負債表穩健的供應商向客戶提供信用，是資本密集產業的常見做法。但這確實意味著，AI需求若不如預期，可能引發規模大得多的瓦解，而目前為這波熱潮提供資金的晶片產業，向來以週期性著稱。
整體就業成長已趨緩至涓滴之勢，科技業招聘自 2022 年以來更由盛轉衰，但這兩種現象都不需要以 AI 來解釋。由Indeed追蹤的軟體開發職缺，實際上正在回升，較 2025 年的谷底上升約 20%，即使整體職缺數已逐漸下滑（圖6a）。科技公司在疫情後的榮景期間大舉招聘，此後的縮減在相當程度上是對過度招聘的修正。那波榮景部分源於當時近乎零的利率環境，而聯準會隨後的升息，在當時被普遍預期將使經濟於2023年陷入衰退。衰退始終沒有到來，但緊縮的力道已足以使勞動市場明顯降溫。
整體就業成長異常低迷，不過這似乎主要由移民與人口結構趨勢所致。當經濟處於充分就業時，若勞動力不成長，就業便無法成長。青年招聘的下滑幅度也超出一般景氣循環波動所能預期的程度。目前，美國、英國、加拿大與澳洲的新進員工中，初階人員的占比都比 2019 年的水準低 8 至 11 個百分點（圖6b）。
新創事業的成立率近期也升至較高水準，且主要由無雇員企業所帶動。自 2025 年初以來，個人獨資創業申請增加逾 20%，而有意聘僱員工的企業所提出的申請則大致持平。個人獨資申請的增幅中，近半來自科技、金融與專業服務業，這些正是 AI 採用率最高的產業。
已經有不少研究試圖評估 AI 對勞動市場的影響。整體而言，這些研究幾乎可以支持任何人想要相信的說法3。最受關注的發現，是 AI 可能減少了初階招聘，並抑制了最受 AI 影響之職業的薪資成長。個別研究中，很少有超出暗示性證據、足以指向任何一方的。目前肯定沒有確鑿證據顯示 AI 對勞動市場造成重大影響。
分歧的部分原因在於 AI 暴露度與 AI 採用程度的衡量。目前並沒有單一、公認的方式來衡量某一職業受AI影響的程度，也沒有公認的方式來判斷這種影響是增強該職業，還是取代該職業。因此，存在大量彼此不見得一致的衡量指標。Apollo 的 Torsten Sløk 彙整了一份暴露度研究的比較，顯示當暴露度估計值愈高，分歧也愈大（圖7）。
AI 採用程度的衡量方式同樣存在分歧，正如聖路易聯邦準備銀行所指出的那樣。這些指標的差異很大，取決於受訪對象為何，以及問題如何措辭。當美國人口普查局的企業趨勢與展望調查（Business Trends and Outlook Survey）於 2025 年 11 月更改問卷措辭，從詢問企業是否在生產商品或服務時使用 AI，改為詢問是否在任何業務功能中使用 AI，所測得的採用率在單月內便從約 10% 升至約 17%。大型企業的採用率升至 37%，但即使是已採用的企業，通常也只是用 AI 輔助少數幾項業務功能，而非重組企業的營運方式。企業最常給出的未採用理由，是認為 AI 不適用於自己的業務。
讓問題更加模糊的，是「AI 洗白」（AI washing）的做法，即企業基於公關考量，將裁員歸因於 AI。在 Resume.org 於2025 年 12 月對 1,000 名招聘主管進行的調查中，59% 的人承認為了讓說法更能讓利害關係人接受（相對於承認財務吃緊），而誇大 AI 在裁員與凍結招聘中的角色，而僅有 9% 的人表示 AI 確實取代了公司內的職位。Challenger, Gray & Christmas 的資料將 2025 年公布的 54,836 個裁員職缺歸因於 AI，而歸因於關稅的僅有 7,908 個，因此解讀時應將這種動機納入考量。同樣值得留意的是，單一裁員公告的規模應放在整體脈絡中看待。在美國，正常營運下每個月約有 170 萬人遭到裁員，這意味著任何單一公司的裁員公告，無論媒體報導得多麼醒目，通常都無法說明整體經濟的情況。
遠距工作與 AI 有何關係？
在家工作的趨勢在疫情期間急遽加速，早於生成式 AI 工具出現之前。遠距工作使得指導與監督初階員工更為困難，進而透過與常被歸因於 AI 的類似機制，導致初階招聘減少。與這個說法一致的是，Lambert 與 Schindler 發現，最受遠距工作影響的職業，與最受生成式 AI 影響的職業竟是同一批（圖8a）。遠距工作的轉變也比生成式 AI 的問世更吻合時間點，因為入門級職缺的下滑大約始於 2020 年。更重要的是，一旦控制了遠距工作暴露度，AI 暴露度就不再能預測入門級職缺（或招聘）的顯著下滑，而在控制 AI 之後，遠距工作的影響依然存在（圖8b）。
本校 UCLA Anderson 的 Gregor Schubert 的研究，增添了另一層細膩的觀點，使我們不必在遠距工作與 AI 何者抑制了初階招聘之間選邊站。Schubert 指出，遠距工作的採用本身會帶動企業日後採用 AI。在 2021 與 2022 年以遠距方式招聘的企業，轉向聘用技術與管理人才，而這項能力降低了 2023 與 2024 年採用生成式 AI 的成本，遠距招聘每增加 10 個百分點，預測 AI 採用率將上升 0.4 至 0.7 個百分點。如果遠距工作位於 AI 採用的上游，那麼兩者根本不是相互競爭的解釋，而是同一道階梯上的先後梯級，由同一批科技導向的企業拾級而上。如此一來，像 Lambert 與 Schindler 那樣控制遠距工作，就會吸收掉 AI 影響初階招聘的部分管道。
預期 AI 將帶來從溫和到史無前例不等的生產力提升。對照 GDP 成長與就業成長之間的歷史關係，目前這波擴張每單位就業成長所創造的產出，僅比 1948 至 2019 年平均水準所預測的略高一些（圖9a）。相對於 2010 年代低迷的生產力成長，這是一項改善，但放在戰後歷史的整體脈絡下，則更像是回歸常態。外界希望經濟正走在與 1990 年代後期生產力榮景相似的軌道上，但目前為止，它只是較為溫和的版本。目前經濟比歷史關係高出約 0.4 個百分點，而 1999 年底約為 0.8 個百分點，且當時的就業成長明顯更少。
最近的生產力上升看來也並非來自 AI。舊金山聯邦準備銀行的 Boyle、Fernald 與 Li 指出，自 2024 年初起，涵蓋 2025 與 2026 年，產能利用率的提高基本上解釋了全要素生產力成長的全部，這意味著企業是讓現有的資本與勞動力更加賣力運轉，而非在任何根本意義上更有效率地將投入轉換為產出（圖9b）。2025 與 2026 年間，經利用率調整後的全要素生產力略為負值，即使實測的生產力成長仍維持為正，這個故事遠不如表面數字所顯示的那麼令人鼓舞。
Chad Syverson 是研究生產力的最著名經濟學家之一，他在 2026 年的報告中得出類似結論，認為沒有明確證據顯示 AI 目前已推動整體生產力。他指出，對於急於把近期生產力回升歸功於 AI 的人而言，存在時間點的問題。這波加速開始時，AI 投資相對於整體經濟仍然很小，這不利於 AI 是其最初成因的說法。不過，他也指出，即使是別的因素啟動了這波加速，AI 現在仍可能有所貢獻。如果我們願意忽略零售業，則較高的 AI 採用率（以美國人口普查局的企業趨勢與展望調查衡量）確實與各產業較大的生產力提升大致相符。他自承其結果的說服力薄弱，這正突顯了本報告的主要結論之一：現在要對 AI 的影響做出任何具體論斷，仍然言之過早。然而，生產力成長維持在高檔的時間愈長，AI 有所貢獻的可能性就愈高。
這一切不應被解讀為主張 AI 將無法改變經濟，以及隨之而來的勞動市場。然而，截至本文撰寫之時，雖然 AI 的建設與融資正對總體經濟產生重大影響，但技術本身的影響仍屬輕微乃至於不存在。當更具決定性的證據出現時（UCLA Anderson Forecast 的經濟學家們預期它終將出現），我們會再加以探討。這可能不會很快發生，因為新的通用技術在歷史上都需要很長的時間，才能被經濟體有效吸收。鑑於底層工具已在快速擴散，AI 可能比其前輩推進得更快，但依目前可得的證據，我們仍處於這場經濟轉型的最初期。
在國泰銀行贊助出版的《美中經濟報告2022》中，加州大學洛杉磯分校安德森經濟預測中心（預測中心）提供他們對美中這兩大世界經濟體的當前與未來的分析及觀點。
逾65年以來，預測中心一直是分析美國和加州經濟的領先的獨立經濟預測機構。年度報告及定期更新側重於影響美中之間投資行為與資金流動的相關事件。
本報告中的預測性陳述，是來自預測中心根據當時可獲得的資訊，對美國及中國當前及未來經濟狀況的分析及觀點。這些預測乃考慮到業界趨勢與其他因素所作出的，且包含了風險、變數與不確定性。此資訊以概述方式呈現，並未宣稱資訊完整。本報告中的資訊不應被視為採取特定行動的意見或建議，且並不考慮任何特定業務目標、財務狀況或需求。
在此提醒讀者不要過度依賴前瞻性陳述。報告發表後，預測中心不負責公開發表對這些前瞻性陳述的任何修訂結果。儘管已謹慎準備預測資訊，實際結果可能會有正面或負面的實質性差異。預測與假設範例可能因預測中心控制以外的不確定性與偶發事件受到影響。
在加州大學洛杉磯分校安德森預報中心（UCLA Anderson Forecast），Bohr 負責美國全國經濟展望工作。他經常接受知名媒體（如CNBC、《富比士》和《洛杉磯時報》）的採訪，其觀點也常被這些媒體引用。在西北大學攻讀博士學位期間，Bohr 曾因在宏觀經濟學、國際金融以及貨幣與銀行學等課程中的出色教學表現，多次榮獲教學獎項。此外，他也參與了 Karlan 與 Morduch 所著教材《經濟學》（Economics）的編寫工作，負責修訂並擴充了其中的貨幣經濟學章節。
俞偉雄於 2011 年以經濟學家的身份加入加州大學洛杉磯分校安德森預報中心。他在預報中心主要負責的領域包括經濟建模、預測與洛杉磯經濟。同時也從事與中國經濟以及其與美國經濟關係的研究與預測。他的研究主要包括時間序列計量經濟學、數據分析、股票、債券、房地產與商品價格動態、人力資本與創新等廣泛的經濟金融議題。
