新任美联储主席为何说话像创业公司
“数字还没出来，但快了”，这种话术已经开始撬动利率了
开篇
上个月的7月14日，新任美联储主席凯文·沃什（Kevin Warsh）在就任后首场国会听证会上这样说道：“AI恐怕是我成年以后我们的经济中发生的最重大的变化。”并许下承诺，要把通胀这个“税”变成过去式。
订阅者朋友，如果您在这里感到似曾相识，那您的直觉是对的。投资以千万亿韩元为单位，经济指标却波澜不惊——这个话题，本简报已经讲过两次了。在《砸下2,500亿美元，为什么经济指标上看不见？》里，我们讲了通用技术的时滞；在《47年前的办公自动化时代》里，我们剖析了“体感是3倍，测量是1.8%”这种落差的本质。当时还在说2,500亿美元的投资统计，如今按FT的口径已经累计到7,250亿美元了。
所以今天，我不打算重复同一个问题，而是要把问题反过来问。不是“生产率在哪里”，而是“还没到货的生产率，已经在购买什么了”。先说结论：AI生产率目前还没有成为经济指标，却已经先作为政策叙事流通开来。而这套叙事的第一个买单方，就是美国的货币政策。
三条不利于“等等就来”的证据
上两篇文章的结论，某种意义上是一种乐观的延期：通用技术本来就要吃时滞，那就等组织重新设计工作方式吧。可就在最近一个月里，“等等就来”这个假说，从三个方向上遭遇了不利证据。
第一，扩散的深度停滞了。圣路易斯联储经济学家运营的实时人口调查（RPS）显示，截至2026年第二季度，美国劳动年龄人口中有45%在工作中每周至少使用一次生成式AI。但“每天”使用的人，一年多来一直徘徊在十分之一左右，没有明显增长。使用时长方面，以使用者为基准，平均每天也就30分钟出头，由此计算出的时间节省大约是每天10分钟。时滞假说的前提是扩散会持续加深，可现在的情况是，广度在增加，深度却停滞不前。偶尔用一用的工具，充其量只是替代搜索；只有每天都用的工具，才谈得上改变工作方式。
第二，即便是已经出现的生产率改善，也未必是AI的功劳。沃什主席把最近四个季度处于2%区间后段（接近3%）的结构性生产率1增长率，当作乐观的依据。但巴克莱的经济学家们调整了景气周期带来的产能利用率之后，这个数字降到了1%出头。疫情之后，企业即便需求降温也不裁员、抱着员工不放的“劳动力囤积”2时期（2022至24年），生产率的统计数字比实际水平被压低了；而最近这些人力被清理出去后，统计数字出现了机械性反弹。换句话说，这不是技术的飞跃，而是周期的回摆。
第三点最扎心。已经出现了比“还没显现”更进一步的积极证据——“即便是最早采用的行业，情况也没什么不同”。如果AI真的在提升生产率，那金融、IT、咨询这些采用较早的行业理应率先显现出来。可巴克莱用多种方式回归了各行业AI采用率与生产率改善之间的相关性后，得到的结论是“在统计学上与零没有区别”。7月17日美联储经济学家们发布的分析报告，得出的也是同一幅图景。他们把各行业按AI采用程度分成高、中、低三组，结果发现，这三组的生产率走势在很长一段时间里一直是并行的。
这并不意味着时滞假说是错的。只是，“还没”这个词的有效期，第一次开始接受数据的质询。
生产率还没到货，买单已经开始了
然而，与这种悬而未决的状态无关，那份生产率其实已经被花掉了。而买单的地方，正是货币政策。
让我们按时间顺序把沃什主席的发言排一遍。就任前，去年11月他在《华尔街日报》撰文写道，“AI将成为相当大的反通胀动力”，并且“年生产率增长率每提高1个百分点，一代人之内生活水平就能翻倍”。本月初在欧洲央行论坛上，他以处于2%区间后段（接近3%）的结构性生产率为依据，说“有理由保持乐观”。而在这次听证会上，他表示AI似乎在没有取代劳动者的情况下提升了生产率，并把终结通胀的承诺和降息的方向，绑在了同一句话里。
其逻辑结构很简单：如果生产率上升，就能在没有物价压力的情况下实现增长，那么降息也是安全的。如果生产率真的上升了，这套说法在教科书意义上是成立的。问题在于，正如我们刚才看到的，这个前提目前还没有出现在数据里。
FT有趣地梳理了这套叙事的谱系。一种不刺激劳动者议价能力、却能让经济壮大的魔力——这个承诺听起来是不是很耳熟？没错，就是量化宽松3。唯一不同的是，QE会以万亿级别的数字记在美联储的资产负债表上，而AI生产率叙事却是账外的。可以说，这是一种看不见成本的刺激手段。在公开希望降息的白宫，和以承诺“政策体制转换”上任的新主席之间，再没有比这更方便的桥梁了。
这里有一个值得留意的对比——同一栋楼里的温差。美联储内部经济学家7月17日发布的报告谨慎地留有余地，表示“各行业之间的生产率趋势看不出差异”；而该机构的掌门人，却在听证会上以乐观为前提谈论政策方向。研究部门的时态是“还没”，政策发言的时态却已经是“已经”了。
这套叙事的另一个特点是，从设计上就很难被证伪。“统计里虽然还没显现，但很快就会来”这句话，无论出现什么样的数据都能存活下去。据FT报道，媒体引用索洛生产率悖论的频率正在连续两年刷新纪录，而在我看来，这个数字是“还没”这个词的需求指标。四十年前的一句话如今重新畅销，说明有足够多的人，现在需要这种延期的语言。
当叙事跑在数据前面时，会发生什么
首先是顺序问题。确认生产率上升之后再降息，和假定生产率会上升就先降息——前者是政策，后者是赌注。假设成立，就成了英雄；假设落空，账单就会以物价的形式回来。这也是为什么巴克莱在报告结论中，特意加了一句“反对以此为依据放松货币政策”。
还有期限错配的问题。按沃什主席的说法，如果AI是“最重大的变化”，那么历史告诉我们，这类转型的时间表通常是几十年。而这样的果实，往往落到新参与者手里，而不是既有强者手里——制造业自动化是如此，线上零售也是如此。相比之下，美联储主席的任期只有4年。如果把几十年才能结出的转型果实，提前折算进4年的政策时钟里，那这中间的差额，总得由某个人在某处补上。而且，即便叙事仍在维系，成本也在不断累积——资产价格正因为这份乐观而上涨，数据中心正因此而兴建，招聘和预算正因此而重新分配。叙事被修正的那一天，被调整的不是句子，而是这些实体。
而且，这不只是美国的故事。“因为AI会提升生产率”这样的句式，在韩国的政策发言和企业公告中也在迅速增多。这句话本身没有罪。要看的是这句话背后跟着的决定：这套叙事正在通过怎样的预算、怎样的组织重组、怎样的利率和投资；以及假设一旦错了，账单会寄给谁。
Oswarld视角
坦白说，我对这种话术并不陌生。这是创业公司的语言。
做GTM战略咨询的时候，我不知遇到过多少次“指标还没出来，但快了”这样的句子。没有牵引力（traction）的融资轮，本来就是靠叙事来募集资金的，而那句话正是这套叙事的标准语法。有意思的是，这套语法如今出现在了世界上本应最谨慎的机构里。创业公司赌输了，损失由投资人自己承担；中央银行赌输了同样的赌注，账单会以物价的形式，分摊给全体国民。
从我做数据的经验再补充一点：叙事越是强化，数字就越倾向于被测量得符合叙事。美国人口普查局的调查在放宽了询问AI使用情况的问题措辞之后，指数跳升了将近10个百分点；韩国一项调查把样本设定为企业的AI/IT负责人，得出了55.7%的使用率。代表全体企业的美国调查得出21%，只问负责人的韩国调查得出55.7%，这两个数字都不假。只是哪个数字被摆上台前展示，恰恰说明了现在谁需要什么样的叙事。
为了平衡，我也要留一句话：数据里看不见，并不能证明没有效果。预测方向对了，只是时机和路径错了——这种模式我在科技市场里见过无数次，AI生产率最终也会到来。今天的重点不是它不会来，而是中央银行现在正在下这样一个赌注：“它会在这一轮降息周期之内到来”。这才是问题的核心。
结语
今天的内容，用三句话总结一下。曾被认为“等等就来”的AI生产率面前，扩散停滞、产能利用率噪音、相关性为零——这三条不利证据第一次开始累积。而与此同时，那份尚未确定的生产率，已经开始以降息依据的形式流通了。所以现在真正值得关注的，已经不是生产率统计数据本身，而是谁正在借这套叙事买单，买的又是什么。
下次您再听到“AI生产率”这样的发言时，不妨确认两件事：说话人正在用这套叙事为当下的什么行为正名？他是否给出了“出现什么数据就会放弃这个预测”的可证伪条件？没有可证伪条件的预测，不是分析，而是销售。
您所在的组织，是否也出现过“数字还没出来，但快了”战胜实测数据的时刻？那套叙事让什么样的决定得以通过，结果又如何？欢迎在评论区分享。如果案例足够多，我会在下一期专门讨论“叙事战胜数据的时刻”。
💬 如果您目睹过“快了”这套叙事战胜实测数据的时刻，欢迎在评论区分享。我会在下一期中反映。 📨 如果您身边有同事，正需要在AI投资与政策发言之间做判断，请把这篇文章分享给他们。
参考资料与延伸阅读
核心来源
- FT Alphaville，《Is AI productivity growth in the room with us right now?》，Financial Times，2026年7月。 链接 ··· 这是今天这篇文章的出发点。巴克莱那份未公开报告的核心图表和论证，都整理在这里。
- Soto, P., Thieu, M. & Allen, J.，《The AI Buildout and the Economy: Publicly Available Data to Assess AI’s Impact》，FEDS Notes，Federal Reserve Board，2026年7月17日。 链接 ··· 按采用程度高、中、低分组的行业生产率趋势比较，是这份报告的核心。因为只使用了公开数据，读者也可以自己动手复现。
- Bick, A., Blandin, A. & Deming, D.，《The Rapid Adoption of Generative AI》，NBER Working Paper 32966，2024年（按季度更新）。 链接 ··· 这是采用率与使用时长数字的来源——实时人口调查（RPS）的方法论论文。
- Warsh, K.，《The Federal Reserve’s Broken Leadership》，The Wall Street Journal，2025年11月。 链接 ··· 这是沃什就任前思路最清晰的一篇专栏文章。“反通胀动力”的引用出自这里。
- FedScoop，《Fed chair says AI ‘hasn’t displaced workers’ so far, has boosted productivity》，2026年7月。 链接 ··· 整理了7月14日众议院听证会发言内容的报道。
- U.S. Census Bureau，《Business Trends and Outlook Survey》，2026年。 链接 ··· 企业采用率21%以及问题措辞变更这一说法的来源。
- CIO Korea，《2026年韩国企业85%已采用生成式AI……十家中八家扩大预算》，2026年。 链接 ··· 这是Megazone Cloud与Foundry在韩国国内对749人进行的调查。建议与美国统计数据并列参照，用来确认测量设计上的差异。
背景知识
- 《Productivity paradox》，Wikipedia。 链接 ··· 整理了围绕索洛悖论长达40年的争论史。看看20世纪90年代最终得出了怎样的结论，会让人对“还没”这个词的分量有不同的体会。
推荐一并阅读的往期
- 《砸下2,500亿美元，为什么经济指标上看不见？》 ··· 相当于今天这篇的第一部分。通用技术的时滞假说，就是在这里建立的。
- 《历史会重演吗？47年前，📠 办公自动化时代》 ··· 这篇文章把“体感是3倍，测量是1.8%”这种落差诊断为组织问题。与今天的新证据对照着读会更有收获。
📝 术语说明
