聯準會副主席菲利普・傑佛遜（Philip N. Jefferson）於2026年11月13日表示，生成式人工智慧正在美國經濟中迅速普及，但在可衡量的生產力方面尚未帶來明確的回報，同時他警告，由該技術驅動的資料中心投資激增，已經加劇了物價壓力。傑佛遜在加州聖地牙哥的加州大學聖地牙哥分校經濟圓桌會議上發表演說時表示：「目前的證據顯示，AI對總體生產力的貢獻有限，但具有相當大幅成長的潛力，大致與歷史上科技突破的時期一致。」他補充：「話雖如此，即將到來的生產力提升的幅度與時點仍存在高度不確定性。」

這場題為「新技術，老問題：生產力之謎與總體經濟」的演說，聽眾包括學生、教職員和企業領袖。演說全文可於聯準會官方網站查閱，內容亦提供PDF版本。傑佛遜指出，相關觀點僅代表他個人立場，不一定反映聯準會理事會或聯邦公開市場委員會（FOMC）其他同事的看法。

副主席職位是聯準會理事會中第二高的職位，這使傑佛遜成為就AI對成長、物價與就業影響提出詳細公開評估的美國最高階經濟政策制定者之一。

來自電腦時代的啟示

傑佛遜以諾貝爾經濟學獎得主羅伯・索洛（Robert Solow）1987年的著名觀察作為開場：「你可以在任何地方看到電腦時代的蹤影，唯獨生產力統計數據除外」，並表示索洛「可能是對當時他所看到的電腦期望過高」。1989年雖有32%的勞工在工作中使用電腦，但當時的機器性能並不強大：如今手機中的處理器每秒可執行的運算次數，約相當於1,000萬台1987年款個人電腦。就整體而言，全國電腦支出——如演說圖1所示——在當時幾乎難以察覺，即便個人電腦已成為時代精神的重要部分。

十年之後，電腦投資起飛，一些觀察家——尤其是時任主席艾倫・葛林斯潘（Alan Greenspan）——認為可以在生產力統計數據中看到其影響，儘管兩者之間的關聯直到後來才被確立。傑佛遜表示，對資訊科技（IT）資本——電腦、軟體與通訊設備——的投資，在1990年代後期使勞動生產力年增率提高約0.75個百分點。

這波繁榮不僅涉及資本累積。企業也圍繞電腦重組其營運，進一步支持生產力成長。技術進步改變了創造、儲存與傳遞資訊的成本，使企業得以重新思考其範疇、規模與生產函數。電子商務、全球化浪潮以及雲端軟體最終從這一過程中誕生。重組帶來顯著效益的一個跡象，是2000年代初期IT部門以外每單位投入產出的快速上升——這種成長反映的是經濟學家所稱的全要素生產力（TFP）的提升，而非純粹的資本增加。

傑佛遜指出，1990年代生產力繁榮的種子早在索洛1987年提出觀察之前便已播下。奠定現代運算基礎的基礎研究包括1947年電晶體的發明與1954年Fortran編譯器的問世，隨後數十年間企業的應用研究帶來了實際應用，並持續不斷改進資訊科技。

這段歷史揭示了一個簡單的生產力成長模型。基礎研究在沒有明確應用目標的情況下擴展人類對世界的認識。應用研究則開發出實用的產業應用，提高生產力並降低生產成本。當成本下降時，物價往往也隨之下跌，尤其在有競爭存在的情況下。隨著時間推移，企業加大使用由更高生產力所產生的低價資本財——這一過程被稱為「資本深化」——而使用該資本的企業會重新思考其生產方式，進一步提高TFP，或許還會重新啟動投資循環。傑佛遜表示，正如電腦的例子所示，這一過程需要時間才能充分顯現並被衡量，特別是對需要企業重組的技術而言。

將模型應用於AI

傑佛遜認為，同一模型也大致適用於AI的發展。如今的生成式模型可追溯至電晶體發明後不久便展開的基礎研究。實際應用在多年後才出現——例如，美國郵政服務在1990年代開始使用AI辨識手寫地址的信封。約十年後，隨著機器學習模型的出現，使用率大幅上升，尤其是在資訊與金融部門。最後，在經歷驚人的改進並在海量資料集上進行訓練之後——據某些說法，這些資料涵蓋了全球網路上的所有文字——大型語言模型如今已足以支援當今流行的聊天機器人、程式碼助理和智慧裝置，以及科學研究等眾多較不為人知的應用。

傑佛遜表示：「今日的世界與索洛當年觀察到的情況如出一轍。」生成式AI主宰新聞頭條、存在於我們的手機中，並出現在軟體與客服通話中；它可能對勞工、企業和政府機構——包括中央銀行——產生深遠影響。但老問題依然存在：企業和勞工究竟實際使用多少AI？這種使用是否正在影響生產力統計數據？

採用：上升但不均衡

近期的調查發現，正在使用生成式AI的美國企業與勞工比例顯著且持續上升。對勞工的調查發現，40%至50%的成年勞動人口在工作中使用該技術，如演說圖2中的藍線所示。然而，在确实在工作中使用AI的勞工中，每天使用者僅佔一小部分。

各行業的採用率也差異很大。雖然企業採用指標因方法而異，但人口普查局對全美代表性企業樣本的調查說明了跨產業的差異。如圖3所示，該調查顯示，截至2026年10月，約25%的美國企業在今年年中已至少在一項業務職能中使用該技術。在專業服務與資訊等知識密集型產業中，這一比例接近40%；而在光譜另一端，礦業以及休閒與住宿餐飲業的比例約為10%。

傑佛遜表示，與個人電腦等更成熟的技術相比，AI還未真正無所不在——即尚未完全融入經濟中大多數企業與勞工的工作流程。相反，經濟似乎正處於創新與部署長週期中自然而然較早的階段：新技術已展現其能力，企業與勞工正積極使用並探索其可能性，只是某些產業、企業與職業在這一過程中走得比其他更遠。

生產力統計數據：還為時過早

迄今為止的採用是否已反映在總體生產力統計數據中？近年生產力成長確實有所提升，但傑佛遜表示，現在要判斷AI在其中扮演的角色還為時過早。由於生產力指標波動劇烈，經濟學家通常透過檢視長期移動平均來忽略季度甚至年度的波動。2020年至2025年間，勞動生產力成長平均為2.2%——較上一輪商業週期1.5%的溫和平均成長率有令人欣慰的提升。然而，這波生產力激增始於2022年流行AI聊天機器人問世之前，且可能反映了多種因素，包括新創企業數量的回升。傑佛遜表示：「要釐清AI對近期生產力成長的貢獻並不容易。我們需要看到更多數據。」他指出，研究事後將1990年代的生產力繁榮歸因於IT，但當時人們並不確定這一點。

在微觀層面，越來越多的證據顯示新技術在某些特定任務上直接且顯著地提升效率，特別是在最容易取代人類的領域。例如，一項極具影響力的學術研究發現，生成式AI工具顯著改善了部分客戶支援員工解決問題的能力。

與此同時，關於任務層面的效率提升如何影響整體生產力的證據則顯得喜憂參半。一些近期研究發現企業層面的生產力成長與AI採用或應用之間存在正向關聯。另一方面，一些試圖更直接衡量因果關係的調查目前僅發現溫和的效果。例如，一項針對高階經理人的近期調查估計，過去三年AI僅使每位員工的銷售額提高了0.5%。

傑佛遜提出了兩個可能解釋任務層面與企業層面收益之間明顯脫節的原因。第一，即使在使用AI的企業中，應用範圍仍然有限，因為它們仍在試驗與學習：一項近期研究發現，在採用AI的企業中，大多數至多僅在少數業務職能中使用AI，最常見的是銷售與行銷、策略與業務發展，以及資訊科技。第二，即使在最自然的應用場景中，一個領域的效率提升往往伴隨著其他領域的抵消成本、新需求或瓶頸——例如，一些企業報告稱AI生成的程式碼錯誤較多，因此需要更多的除錯工作。

儘管如此，傑佛遜表示，更廣泛的改善很可能隨時間推移而實現。企業與勞工可能會擴大並加強AI的使用，並重組生產與工作流程；成功的企業可能獲得競爭優勢，使其得以擴張並從競爭對手中吸引勞動力與資本。

總體經濟影響

傑佛遜的基本觀點是，新技術的採用最終將大幅但逐步地提升經濟的生產能力。對經濟供給側長期收益的預期，已經顯著增加了總需求。過去幾年股價上漲的相當大部分可歸因於對新技術的熱情，而這種新增財富似乎正在推高家庭支出。企業正大規模建設並配備新資料中心以支援模型訓練與推論，推動整體企業投資快速成長。

這些支出正對資源利用率和整體物價水準構成上行壓力。此外，由於投資需求集中在一些供給難以跟上步伐的領域——例如記憶體與邏輯晶片——它也導致特定商品價格急劇上漲。傑佛遜表示，從中期來看，這些商品的供給應會趕上，而採用帶來的更廣泛總體生產力提升也應會實現；這兩項發展都應能緩解當前的物價上行壓力。

雖然新技術最終應能在總體上帶來更高的產出與收入，傑佛遜承認這一轉型對部分勞工與企業而言可能是痛苦的。採用落後的企業可能處於競爭劣勢，其長期生存能力可能面臨風險。即使是在成功採用該技術的企業中，專門從事AI能更有效率完成之任務的勞工——例如軟體開發的某些環節——也可能面臨職位被取代的風險。

傑佛遜表示：「我的基本展望面臨的一項風險是，新技術取代勞工的速度可能遠快於他們適應與接受再培訓的速度，這可能導致失業率上升。」在這種情況下，貨幣政策面臨的一個關鍵問題是，失業增加中有多少是結構性的——反映出勞工技能與企業需求之間持續的不匹配——因而即使在經濟接近充分潛能運行時仍可能持續。貨幣政策可以影響週期性狀況，例如就業與支出的暫時下滑，但無法解決決定長期就業水準的結構性因素。

傑佛遜還指出了新技術對長期中性利率（通常稱為r*）的潛在影響。若中性利率上升，則在聯邦資金利率任一給定水準下，政策實際上變得更加寬鬆；反之，若中性利率下降，政策實際上則變得更加緊縮。如果新技術導致生產力成長永久性提高，可能會增加企業的投資意願，進而增加其融資需求，推高利率水準。如前所述，更高的生產力成長也可能透過提高預期未來收入而抑制家庭儲蓄、提振消費——在這種情況下，為使投資增加與儲蓄減少相互調和，中性利率可能上升。然而，鑑於生產力成長與實質利率之間的關係在歷史上一直充滿雜訊，預測中性利率的變化極具挑戰性。他表示，政策制定者必須持續關注當前與未來可能的發展，以確保貨幣政策立場保持適當的調校。

按照傑佛遜本人的說法，關鍵觀察指標包括：企業是否會將AI的使用擴大到目前集中的少數業務職能之外、記憶體與邏輯晶片等受限環節的供給能否趕上資料中心需求，以及能否累積足夠數據以釐清AI對總體生產力的貢獻。

經濟展望與政策立場

談到整體經濟，傑佛遜表示，今年經濟動能增強，擴張速度大致符合其潛能——考量到除了技術建設之外，經濟還面臨了包括能源衝擊與貿易政策重大變化在內的一系列衝擊，這一點尤為值得注意。如演說圖4所示，第三季GDP以3.4%的速度擴張。企業投資相當強勁，消費者支出保持韌性。傑佛遜表示，他預期明年擴張將大致與潛在產出相符而持續。

近期廣泛的勞動市場數據顯示狀況已趨於穩定。如圖5所示，今年失業率大致持平，10月定格於4.1%。裁員維持低位，職位空缺略有上升。雖然就業創造有所波動，但近幾個月來薪資名單的就業增長已擴展到許多行業——傑佛遜對此感到鼓舞。他預期失業率短期內將維持在當前水準附近，他認為這一水準與最大就業相符。他的產出與就業預測風險大致平衡：與中東緊張局勢相關的不確定性上升可能拖累活動與招聘，而投資支出的進一步激增則可能支持更強的成長。

就聯準會雙重職責中的物價穩定而言，通膨仍明顯高於FOMC的2%目標。如圖6藍線所示，9月個人消費支出物價指數的12個月變動為3.6%。能源成本上升是通膨居高不下的驅動因素之一：油價波動劇烈，且在地緣政治緊張局勢加劇的背景下，全球能源供應再度承壓。傑佛遜表示，他仍然擔心能源價格上漲可能導致更廣泛的通膨持續上升的風險。

剔除波動較大的食品與能源價格的核心PCE通膨，9月的12個月變動為3.1%。間接而言，能源成本上升已反映在機票與運輸等領域，而對新技術需求的激增，也推高了依賴相同投入（如記憶體）的消費商品與服務出現異常強勁的成本上漲。迄今為止收到的10月數據仍與遠高於目標的通膨相符。

傑佛遜也在密切關注通膨預期。基於調查的短期通膨預期指標有所上升，主要反映能源價格上漲；然而，大多數長期通膨預期指標保持穩定，處於與2%通膨相符的水準。

如圖7所示，在上個月的FOMC政策會議上，傑佛遜與大多數同事一起投票決定將聯邦資金利率維持不變。會議後收到的數據顯示經濟活動與勞動市場狀況大致穩健，而通膨數據則顯示物價壓力持續存在。因此，傑佛遜表示，他認為通膨軌跡是決定適當貨幣政策立場的更重要訊號。展望未來，他認為進一步的政策調整應透過仔細審視數據趨勢、不斷演變的展望以及風險平衡來決定。

結語

傑佛遜在結語中回到他的核心主題：新技術促使我們重新審視老舊但非常重要的問題。從創新到採用、適應乃至持久生產力提升的路徑可能是不均勻且難以預測的——甚至可說是令人費解的。新技術早在影響可衡量生產力之前便已吸引眾人目光，並迫使我們重新思考經濟運作的方式，使貨幣政策制定既令人振奮又充滿挑戰。他表示：「所幸，在這一切之中，我們在聯準會的使命是明確的」：完成國會賦予聯準會的雙重職責——最大就業與物價穩定。「這是我們每一項行動的目標。」

演說註釋與參考文獻

1. 演說中表達的觀點僅為傑佛遜個人立場，不一定代表聯準會理事會或聯邦公開市場委員會其他同事的看法。
2. 演說中討論的近期技術進步有時被稱為超級智慧（super intelligence），簡稱SI。
3. Robert Solow (1987), "We'd Better Watch Out," New York Times, July 12.
4. 當時屬高端PC選項的Intel 386微處理器每秒可執行約20萬次浮點運算（FLOPS）。參見Richard Grehan、Tom Thompson、Curtis Franklin Jr.與George A. Stewart (1988), "Introducing the New BYTE Benchmarks," BYTE, June。用於iPhone 17的Apple A19晶片可執行2.07兆次FLOPS。參見Nanoreview.net (2026), "Apple iPhone 17: Specifications and Benchmarks,"
5. 電腦在資本存量中占比之低在當時被視為該悖論的解答。參見Stephen D. Oliner、Daniel E. Sichel、Jack E. Triplett與Robert J. Gordon (1994), "Computers and Output Growth Revisited: How Big is the Puzzle?" Brookings Papers on Economic Activity, no. 2, pp. 273–334。
6. Alan Greenspan (1998), "The Implications of Technological Changes," 於7月10日在北卡羅來納州夏洛特商會發表的演說。關於生產力躍升與資訊科技之間關聯的證據，參見Stephen D. Oliner與Daniel E. Sichel (2000), "The Resurgence of Growth in the Late 1990s: Is Information Technology the Story?" Journal of Economic Perspectives, vol. 14 (4), pp. 3–22。
7. Daniel E. Sichel、Stephen Oliner與Kevin J. Stiroh (2007), "Explaining a Productive Decade," Brookings Papers on Economic Activity, Spring, pp. 81–152。
8. Timothy F. Bresnahan、Erik Brynjolfsson與Lorin M. Hitt (2002), "Information Technology, Workplace Organization, and the Demand for Skilled Labor: Firm-Level Evidence," The Quarterly Journal of Economics, vol. 117 (1), pp. 339–76。
9. Sichel、Oliner與Stiroh, "Explaining a Productive Decade"（見註釋7）。
10. James Moor (2006), "The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years," AI Magazine, December 15, pp. 87–91。
11. Brian Tanton (2007), "Becoming More Clear," Mailing Systems Technology, January 29。
12. Alexander Bick、Adam Blandin、David J. Deming與Tyler R. Schumacher (2026), "What Work Does Generative AI Do?" NBER Working Paper Series 35677（麻薩諸塞州劍橋：全國經濟研究局，8月）。
13. 由於大型企業占總就業的比例不成比例地高，按就業加權的採用率甚至高於此處討論的人口普查數據。參見Ivan Yotzov、Jose Maria Barrero、Nicholas Bloom、Philip Bunn、Chanya Chawla、Steven J. Davis、Kevin M. Foster、Aaron Jalca、Brent H. Meyer、Paul Mizen、Michael A. Navarrete、Samil Oh、Katia Garcia Loredo、Monique Reid、Pawel Smietanka、Gregory Thwaites與Ben Zhe Wang (2026), "Firm Data on AI," NBER Working Paper Series 34836（麻薩諸塞州劍橋：全國經濟研究局，2月；2026年10月修訂）。該研究發現，按就業加權的美國企業AI採用率為95%。
14. Erik Brynjolfsson、Danielle Li與Lindsey Raymond (2025), "Generative AI at Work," The Quarterly Journal of Economics, vol. 140 (2), pp. 889–942。
15. Tania Babina、Alex X. He與Renhao Jiang (2026), "Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital," NBER Working Paper Series 35684（麻薩諸塞州劍橋：全國經濟研究局，8月）。
16. Yotzov等人 (2026), "Firm Data on AI"（見註釋13）。此估計為受訪者的就業加權平均值。
17. Kathryn Bonney、Cory Breaux、Emin Dinlersoz、Lucia Foster、John Haltiwanger與Aditya Pande (2026), "The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks," 經濟研究中心工作論文No. CES-26-25（華盛頓：美國人口普查局，4月）。
18. 這些投資需求中相當大的部分，尤其是IT設備，透過進口滿足，從而降低了對GDP的直接影響。話雖如此，無論資本是否為進口，資本深化都會提高勞動生產力。
19. 特別是記憶體晶片製造商已宣布大幅增加產能，這將在未來幾年緩解使用DRAM產品的價格壓力。

資料來源：聯準會理事會，副主席菲利普・傑佛遜演說「New Technology, Old Questions: Productivity Puzzles and the Macroeconomy」，2026年11月13日，https://www.federalreserve.gov/newsevents/speech/jefferson20261113a.htm