炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：华泰证券研究所）

AI快速发展推动全球经济进入智能经济时代，对价格的影响也更具复杂性。传统通胀分析框架因此面临新的拓展。

通胀理论方面，从古典数量论、凯恩斯主义、货币主义与理性预期，到新凯恩斯主义、低通胀范式和后疫情综合框架，现代研究已形成供需、预期、价格黏性与政策协同的多层次体系。AI时代带来新挑战：总量供需框架适配性下降，传导链条重构，传统价格指标出现测量盲区，政策有效性需重新评估，价格内涵与长期均衡也可能发生变化。

当前市场针对AI对全球通胀影响的方向，核心在于不同力量的方向、时序与结构并不一致。短期资本开支、转型摩擦及财富效应偏向通胀；长期生产率提升、信息与交易成本下降、质量改善及新供给扩张偏向降价；市场竞争格局与收入分配则方向不定。

具体还有如下几方面关注点：

一是时间维度，智能经济对净通胀的影响可能呈现“先胀后缩”的演绎路径。短期需求先行，中期相对价格重构，长期随着生产率释放，供给压价力量逐步增强。通胀拐点可能领先于增长拐点，且对局部供给瓶颈更加敏感。

二是结构维度，智能经济对价格的影响在不同品类中存在差异化特征。整体形成“智能投入品通胀＞碳基最终品偏胀＞碳硅融合品震荡＞智能产出品降价”的分层格局；稀缺性并未消失，而会从电力、数据中心逐步迁移至数据、网络、系统可靠性、组织改造、复合型人才和有效需求。

三是国别维度，各国会呈现差异化的通胀组合。技术生产、资本品供给、能源投入、应用扩散和就业分配的位置不同，决定出口景气型、输入型、内需驱动型和生产率输入型等不同组合。

此外，生产率提升并不必然对应持续通缩。“生产率→成本→价格→通胀”的链条可能受到技术扩散、企业定价、新增需求、收入分配等因素阻滞；部分旧经济还会受到部分就业替代、实际利率上升、政策节奏及成本挤出等影响，最终方向取决于供给扩张与收入、财富和需求扩张的相对强弱。

回归现实，当前美国AI更多带来结构性再通胀：1）涨价集中于上游，PPI先行、CPI滞后；2）后续仍有传导，但总量CPI拉动或有限；3）景气向居民端传导分化，部分就业替代、高利率及成本挤出压制旧经济需求。

智能经济时代还需要进一步重构通胀分析框架。

首先，我们建立新的通胀跟踪与度量框架。传统CPI、PPI面临交易难观测、质量不可比和固定篮子代表性下降三重失真，需要通过权重修正、质量调整、相对价格指数和AI投入链观测完善传统体系，并补充硅基服务价格、数字福利账户及AI投入与瓶颈价格等卫星指标。

其次，我们需重新思考经典通胀理论的变化。菲利普斯曲线可能趋于扁平化、非线性和部门分化；政策反应函数或需从单一通胀管理转向增长、就业、通胀与金融稳定的多目标权衡；货币流通速度、理性预期和价格黏性也出现新的内涵。

正文

AI的快速发展推动全球进入智能经济时代，传统经济分析框架需要迭代更新。我们此前已在《AI重构经济增长函数》（2026年7月22日）、《传导机制与跟踪框架》（2026年7月23日）中对AI驱动下的增长模式与传导机制进行系统梳理，而其对价格的影响更具双向性。一方面，大额资本开支持续推升算力、芯片、电力、设备及关键零部件等瓶颈环节价格，并通过全球产业链形成局部再通胀；另一方面，AI又通过自动化、降本增效与生产率提升压低单位成本，部分数字服务及高渗透行业已呈现结构性通缩特征。与此同时，AI还在改变价格发现与调整机制、劳动与资本相对价格以及货币政策传导。

AI最终将推升还是压低通胀？传统价格指标能否准确捕捉这一变化？智能经济时代的通胀理论与分析框架又应如何拓展？本文尝试回答上述问题，并从理论框架、净通胀效应、价格度量与宏观象限等多个层面构建智能经济时代的通胀分析体系。

一、通胀理论演进与新挑战

从历史来看，通胀理论已经历多轮演进，但这一过程并非“新理论推翻旧理论”，而是在不同历史冲击中不断补充解释层次。研究重点从早期的“价格水平由什么决定”，逐步转向通胀为何启动、为何持续、如何扩散。

主流范式大致经历了六次重心迁移，每一阶段回答不同的问题：

1）古典数量论（19世纪~1930s）：货币数量决定长期价格水平。核心问题是“长期价格由什么决定？”Fisher（1911）以“MV=PY”方程解释货币与价格关系。局限是难以解释流通速度波动、信贷内生性及供给冲击。

2）凯恩斯主义与早期菲利普斯曲线（1930s至1960s）：短期通胀主要由总需求和就业缺口决定。核心问题是“为何货币与需求有时拉动产出，有时推升通胀？”Keynes（1936）指出，闲置产能较多时，需求扩张主要提高产出；接近充分就业后，则更多转化为涨价。Phillips（1958）等提出通胀与失业的短期权衡，但1970年代美国滞胀表明该框架低估了预期和供给冲击。

3）货币主义与理性预期（1960s末至1980s）：预期决定通胀能否持续。核心问题是“通胀能否长期换取就业？”Friedman（1968）和Phelps（1967）提出自然失业率，认为政策只能短期以意外通胀换取更低失业，长期菲利普斯曲线趋于垂直。Lucas（1972）等进一步指出，可预见的政策难以持续刺激就业。局限是理性预期假设偏强，难以解释价格黏性和通胀惯性。

4）新凯恩斯主义（1980s末至2008年）：预期、经济缺口与价格黏性共同决定通胀。核心问题是“理性预期下，货币政策为何还能影响经济？”Taylor（1980）、Calvo（1983）等引入“价格黏性”修补理性预期学派；Clarida、Galí和Gertler（1999）指出，通胀由未来预期、实际边际成本或经济缺口，以及供给冲击共同决定。由此形成通胀目标制、利率规则与央行信誉框架；2008年后又延伸至QE、负利率和前瞻指引。

5）低通胀范式（2008—2019年）：全球化与结构性力量共同压低通胀。核心问题是“低失业为何未带来高通胀？”Borio和Filardo（2007）、Blanchard（2016）强调全球产能扩张和菲利普斯曲线趋平。局限是将低通胀线性外推，低估财政扩张和产能约束下通胀反弹的风险。

6）后疫情综合范式（2020年以来）：供需、预期与政策共同作用。核心问题是“供给冲击为何会演变为持续通胀？”Shapiro（2022）、Bernanke和Blanchard（2023）指出，需求和货币不能充分解释疫后通胀，需要关注供给冲击；Benigno和Eggertsson（2023）强调菲利普斯曲线具有非线性，经济接近产能极限时，价格对需求的反应显著放大。政策层面，央行进一步强化预期管理，美联储于2020年转向平均通胀目标制，欧央行于2021年确立对称的2%通胀目标。

在此背景下，现代通胀研究也从最早的单一变量决定论，转向多层次、非线性和异质性的综合框架。具体可总结为如下几点：

一是，从定价机制看，供需仍是底层框架，但需要区分“短期初始冲击”与“长期持续机制”。供需缺口解释通胀为何启动，背后是供给端（劳动、资本与产能等）与需求端（收入、财政等）均衡的变化，但通胀能否持续，取决于货币环境、需求承接与预期等多种因素。长期通胀中枢主要由货币财政纪律、政策信誉与预期锚定决定，潜在增速和生产效率影响其波动幅度。

二是，从传导机制看，内部主要沿“就业—工资—消费—价格”与“成本—利润—定价”两条链条传导，强度取决于供给弹性、劳动议价能力、消费倾向及企业定价权；国际层面则通过外需、大宗商品、汇率及供应链传导。

三是，从度量方式看，各国普遍采用“总量指标（CPI/PPI/GDP平减指数）+结构指标（核心CPI/分项价格指数）+持续性指标（工资/通胀预期/价格扩散度等）”的体系。

四是，从政策视角看，现代框架强调政策分工与协同。货币政策管理总需求和预期；财政政策既可扩张需求，也可通过投资和补贴改善供给；能源、产业、贸易及竞争政策则缓解具体瓶颈。

但在AI发展过程中，上述传统通胀理论逻辑均面临一定程度的“拓展”。具体来看：

1）传统总量供需框架的适配性下降。AI同时拉动投资需求、扩大潜在供给，且影响经济循环、预期与国际分工，通胀走势取决于各效应兑现的先后顺序，“J型”拐点判断是新难题；各国因AI能力、产业结构、禀赋与分工等差异形成差异化通胀格局。

2）传导链条重构。就业与分配格局重塑影响“工资-消费循环”；企业AI能力与市场竞争影响“成本-定价-利润”循环；AI改变价格黏性假设，加速价格发现与预期形成。

3）传统通胀度量指标难以覆盖智能经济的价格变化。个性化定价改变“一物一价”逻辑，免费服务与质量提升难以充分计入价格指数，商品/服务边界趋于模糊……

4）政策的有效性需重新评估。财政、货币政策的传导机制重构（2026年7月23日《智能经济学：传导机制与跟踪框架》），“央行管通胀”的职责或需重新划分；影子银行/AI金融/跨境数字服务等领域存在监管不足。

5）价格内涵与长期均衡转变。传统菲利普斯曲线、自然失业率、规模效应与边际成本定价理论均需重新检验；作为价格起点的稀缺性发生转变；长期或形成“高生产率+低通胀+低利率”的新形态。

针对上述新挑战，我们将在后文研究中展开分析。

二、智能经济到底对通胀影响方向如何？

我们最关注的首要话题为“智能经济对通胀影响方向如何？”为了回答这个问题，我们首先要对智能经济的净通胀影响进行系统拆分，结合当前学术与市场的研究，我们将其划分为如下九个渠道：

首先，偏通胀方向的渠道包括：

1）资本开支需求拉动，为短期最主要的通胀力量。数据中心产业链投资直接提振总需求。Richmond Fed（2026）指出，美国多类设备与服务已呈现明显的AI投资印记，电力、资源品及芯片等供给受限环节价格弹性更高。

2）转型期摩擦成本。Brynjolfsson、Rock和Syverson（2021）指出，企业部署AI所需的培训、系统改造与资产折旧等前期投入将推升成本，部分企业或通过提价转嫁。

3）预期、财富与消费渠道。资本开支扩张与资产价格上涨，可能通过财富效应、政府税收及预期改善强化需求。ECB（2026）指出，对永久性生产率提升的预期可能在转型初期推升通胀。

其次，偏通缩方向的渠道包括：

4）生产率与单位成本渠道，为长期最核心的降通胀力量。智能劳动扩张与生产流程优化推动生产率提升。Aldasoro et al.（2024）、Gebauer et al.（2024）指出，生产率改善可通过扩大供给、降低成本缓解通胀，但其扩散与组织适配仍需时间（BIS，2026）。

5）信息与交易成本下降。Grassi et al.（2022）、Dinerstein et al.（2018）指出，AI可降低信息不对称，改善市场竞争，并压降比价、匹配与合规成本。OECD（2025）指出，最终降价幅度取决于成本节约能否传导至消费者。

6）质量调整后的隐性降价。AI加快产品升级迭代。Goolsbee和Klenow（2018）指出，新产品扩张与质量提升可能使传统价格指数高估实际通胀。

7）新供给扩张效应。WTO（2025）指出，AI催生大量新型认知服务，并可通过模型和Agent实现跨境交付，提高数字服务的可贸易性。供给品类扩张由此形成降价效应。

此外，以下渠道的影响方向尚不明确：

8）市场竞争格局的潜在影响。模型创新、行业竞争与推理成本下降长期具有降价效应；但若算力、数据和模型等环节高度集中，成本下降向终端价格的传导可能受阻。OECD（2025、2026）指出，AI产业集中度较高，并强化个性化定价能力，因此成本下降既可能转化为降价，也可能被头部企业转化为更高利润率。

9）劳动力市场与分配渠道的潜在影响。AI推动长期增长，原则上有利于收入与消费；但若收益过度集中于资本及高收入群体，劳动替代与技能错配可能压低一些群体的工资和消费。IMF（2026）、BIS（2024）及Rockall、Tavares和Pizzinelli（2025）指出，AI可能扩大收入与财富差距，削弱收入增长向消费和总需求的传导。

多种效应综合影响方向究竟怎样？当前市场争论较多，不同阶段、不同部门和不同主体受到的影响可能相对复杂。我们在此区分三个维度，论述智能经济对通胀的影响。

一是时间维度，智能经济对净通胀的直接影响可能呈现“先胀后缩”的演绎路径。

AI发展对通胀的影响并非静态，而是存在主导力量的切换，整体可能呈现“先胀后缩”的路径。建设数据中心、扩充电网等发生在当下，金融市场财富效应与预期随之改善；中期扩散存在差异，更多体现为不同环节与部门相对价格的重构；而流程改造、组织调整和生产率释放发生在未来，新服务产生、质量提升与新就业平衡等逐步实现，价格压降力量才逐步体现，进而形成“短期需求拉动→中期相对价格重构→长期供给压价”的时序格局。

我们此前在《智能经济：AI重构经济增长函数》（2026年7月22日）报告中论述过经济增长的“J型曲线”，AI对通胀的影响路径是其镜像体现，本质为不同效应在时间线上作用的交替。但两者存在如下几方面不同：

1）通胀转向的拐点或领先于增长的拐点。通胀同时反映边际供需缺口与未来预期，随着扩产计划的明确，囤积需求和涨价预期等可能率先回落，拐点在建设阶段就可出现，而增长拐点需要依赖生产率的实际兑现。通胀和增长“先脱钩、后汇合”。

2）通胀曲线波幅或明显大于增长曲线。其一，前期通胀主要定价稀缺性，供给约束导致价格快速攀升，而增长曲线扰动源自互补投资、统计口径与折旧等，下滑幅度可控，且若技术能够较快普及，增长曲线或根本没有下行段；其二，中后期通胀存在过剩性定价风险，即供给集中释放导致部分部门产能错配、价格战和资产减值等，海外铁路、运河、电信光纤等基础设施周期都曾在扩张后出现显著资本冗余。

3）通胀曲线对局部扰动更敏感。通胀具有“短板效应”，局部瓶颈短缺即可显著抬升整体投资成本（例如当前的存储涨价）；增长则具有“广度效应”，关注广谱性扩散和落地。

二是结构维度，智能经济对价格的影响在不同品类中存在差异化特征。

首先是部门视角下的差异性。我们此前在《智能经济学：从基本假设到分析范式》（2026年6月30日）就提出了“碳基部门内部异质化+硅基部门”的框架思路，沿用到通胀分析中，将产品分为智能投入品（算力、电力和基础设施等）、智能产出品（模型、标准化认知服务等）、碳硅融合品（金融、教育、医疗等）、碳基最终品（住房、土地、餐饮等）。

我们认为，智能经济影响并非统一方向，而是形成“智能投入品通胀＞碳基最终品偏胀＞碳硅融合品震荡＞智能产出品降价”的分层格局。具体来看，智能投入品虽服务于数字经济，但本质受到物理供给约束，需求增长推动价格快速上升；智能产出品具有低边际成本和可复制特征，长期价格趋于下降，但短期受到头部企业定价节奏的影响；碳硅融合品价格方向不确定，AI降低生产成本，但新增需求、质量提升与个性化定价等或抬升价格；纯碳基最终品难以被完全数字化，供给受产能约束，增长与收入改善后推动价格相对抬升。

值得关注的是，通胀还会随着“瓶颈迁移”产生结构性通胀轮动曲线。“初期的电力和数据中心→中期的数据、网络、系统可靠性→长期的组织改造、复合型人才和有效需求”，稀缺性并未消失，而是在环节间迁移，各部分形成“短缺—扩产—缓解”的错位周期，形成总量降温与结构轮动并存的格局。

其次是任务视角下的差异性。我们可以从AI渗透度与市场供需弹性两维度出发对任务价格弹性进行分象限分析。具体可分为：低渗透+供给受限（资源品、护理等现场服务）>高渗透+供给受限（前沿模型、垄断性服务）>低渗透+供给充分（可贸易商品）>高渗透+供给充分（翻译、编程等）。

三是国别维度，各国会呈现差异化的通胀组合。

AI对各国的通胀影响，并非简单取决于是否拥有前沿模型，而是“技术生产—资本品供给—能源投入—应用扩散—就业分配”链条所处位置。对应需求拉动、成本输入和生产率压价力量不同，最终形成差异化的通胀组合。

1）短期资本开支通过全球产业链输出通胀，并形成跨国受益分工。例如，美国投资需从韩、日、欧、中进口相关零件设备，东南亚与加墨存在组装环节外溢，相关核心国家收益改善，表现为“出口景气型通胀”。与此同时，高度依赖进口算力、芯片与能源等国家出现“输入型通胀”；

2）技术生产国同时具备“内需驱动型通胀”与“生产率兑现型通缩”。掌握头部模型、芯片和平台，能够获取全球技术租金，利好内需增长，但较强的AI应用能力又意味着更快的生产率兑现；

3）从传统国际分工视角来看，资源国方面，长期通过能源出口获得收入红利，内需对通胀有带动；消费国方面，通过进口持续降价的智能服务与商品，获得“生产率输入型通缩”；生产国方面，短期制造业景气与价格上升，长期自动化生产实现向全球输出商品降价，以价换量或改善总需求。

4）低应用能力国家既无法分享技术、产业链和资源收益，又需进口芯片、云服务和能源，更容易陷入“输入性通胀＋生产率停滞＋内需不足”。

5）劳动力结构决定AI主要表现为供给改善还是需求冲击。人口老龄化的发达经济体，受益于AI填补岗位空缺，工资和服务价格压力有所缓解；而依赖人口优势与外包服务的经济体工资与需求承压。

综合来看，短期AI资本开支带动产业链出口国（韩日中欧等）、组装承接国（越墨等）和资源国（加澳海湾国）率先获得订单与收入红利，出口景气传导带动通胀；其余进口依赖国面临输入性通胀。

中长期通胀受影响梯度或大致为：资源收入国（海湾/澳大利亚）> 全链AI生产国（美国、中国）> 低应用能力国家（部分新兴经济体）>AI赋能型制造国（韩国、德国） >AI消费国（日本、新加坡、北欧）。

另一个关键问题是：“AI生产率能否真正兑现，并进一步转化为通缩？”

首先，从理论角度来看，AI中长期的通缩效应通过“生产率→成本→价格→通胀”传导链条呈现，任一环节受阻就可能导致“生产率提升，但通缩有限”的现象。

关键关注如下几方面制约因素：

1）技术效率能否从少数任务扩散至全经济。若大量传统企业面临部署成本和能力约束，导致经济内部出现“K型生产率分化”，少数AI领先企业生产率快速提升，但整体经济生产率兑现较慢。

2）企业成本下降能否有效转化为终端产品价格下降。市场竞争结构影响企业定价机制，AI可能催生一系列垄断性龙头企业，且强化企业动态定价能力，成本下降更多转化为利润率提升，而非降低价格。

3）生产率红利是否会被新增需求和新成本吸收。类似“杰文斯悖论”，AI降低单位生产成本的同时，又创造新的需求和投入，产生的价格上涨可能抵消部分生产率收益。

4）收入分配变化是否削弱降价传导。若收益集中于少数群体，普通劳动者收入与购买力增长有限，从购买力视角来看，相对价格反而上行。

5）AI是否会改变经济中的稀缺性，反而形成新的结构性通胀。类似于“新鲍莫尔成本病”，标准化知识趋于便宜的同时，但责任、信任和人类服务等稀缺性推动其余环节相对价格持续上涨。

其次，考虑到经济的另外一端——旧经济的部分，AI对通胀的影响可能会更为复杂。

短期来看，AI的涨价可能被传统经济的挤出所对冲。一是，AI链本身非劳动密集、又部分替代劳动；二是，投资拉动和结构性通胀修复抬升实际利率，抑制传统需求；三是，强结构降低总量政策必要性；四是，成本端涨价或挤出部分传统行业供需；五是，新经济带动汇率升值后，传统行业出口或受到部分影响，对就业和传统需求的影响在一定程度压低通胀上限。

长期来看，即便生产率提振的通缩效应能有效传导，AI也并不必然对应持续通缩。若经济需求及时跟进，财富、预期与消费渠道又会成为通胀的推升力量，过往旧经济内部反而或会跟随稀缺性的转变产生新的通胀来源。

互联网革命提供了一定的历史参照。美国私人商业部门劳动生产率年均增速由1990—1995年的1.5%升至1995—2000年的2.7%，2000—2007年仍维持2.6%，但同期CPI仍年均上涨约2.6%，并未形成持续降价。内部更多体现为价格结构分化：信息处理设备价格年均下降约20%，而服务、医疗和教育价格分别年均上涨约3.2%、4.2%和5.7%。其背后是技术进步压低可复制产品成本，而劳动密集型服务生产率提升较慢、工资仍随全社会上涨，形成典型的“鲍莫尔成本病”。

因此，不宜简单地用单向的通胀和通缩方向来概括AI的真实影响，更需关注的是复杂的结构性价格分化，最终方向取决于供给扩张与财富需求扩张的相对强弱。一方面，AI有望压低软件、内容及专业服务等可数字化环节成本，削弱部分传统通胀；另一方面，稀缺性或向电力、算力、数据、人才及线下服务等环节迁移，形成新的涨价压力。

回到当下，AI对当前通胀的影响同样呈现出明显的结构分化，整体上是小幅、有上限的通胀拉动作用。我们聚焦几个问题：

第一，当前AI涨价链对通胀的拉动幅度如何？

当前各国更多呈现“局部再通胀”，尚未演变为广谱性通胀。AI资本开支已推动数据中心产业链部分关键环节价格上涨，但压力主要集中于上游和B端，对总量通胀指数的拉动仍有限，整体呈现“PPI先行、CPI滞后”的特征。

1）产品方面，芯片、存储等价格连续上升，英伟达等公司CPU/DRAM代表性产品2026年年内涨幅超过40%/90%，价格抬升在出口链相关分项同步体现，我国出口集成电路、稀土、手机上半年同比增速较上年增速分别提升71pct、50pct、20pct。

2）PPI方面，影响相对显性化。中国（电气机械、计算机通信）、中国台湾（电子产品、电子零件）、美国（计算机电子）、韩国（信息科技、电气电子设备）PPI相关分项同比读数较上年同期均明显提升。

从贡献率来看，中国2026年5-7月PPI电气机械、计算机通信分项对PPI拉动率分别为0.39pct、0.47pct，贡献率合计25%。

3）CPI方面，仅有电子用品等因芯片涨价有所上涨，更广谱传导尚未出现。美国（电脑软件及配件、信息技术设备）、中国（通信工具）、韩国（信息处理设备）、日本（通信）CPI相关分项同比读数修复，美国信息技术产品分项价格仍在下行，但分项占比较低，对整体读数影响有限。例如，中国通信工具CPI权重约0.8%，拉动仅0.06pct；美国电脑软件及配件占CPI比重0.03%，拉动仅0.01pct；信息技术设备权重1.5%，拉动PCE 0.15pct。铜、电力等对下游更具广谱性影响的传导尚未出现。

第二，后续会不会存在继续传导的风险？后续仍有一定的传导潜力，但传导存在上限。

1）部分核心商品如手机、电脑等具有明显的“菜单”成本，可能需要在新品发布、更新换代后才呈现出更高的通胀拉动。

2）影响更为广谱的电力价格更多受到实际运营的数据中心负荷的影响，目前仍在快速建设过程之中，这一传导可能仍在进行之中。

3）中国PPI对美国核心商品价格的传导也有一定的滞后性。

不过，考虑到AI相关链条在价格指数中的权重，以及质量调整口径等原因，我们认为目前AI涨价对整体价格指数尤其是CPI的影响可能存在上限。短期内地缘、油价等因素可能更为关键。

第三，更需要关注的是当前对旧经济价格的溢出影响。基于前文和此前研究，新经济的传导更偏点状，而对就业和旧经济同时存在“拉动”和“挤出”影响，影响因各国对冲机制（AI链占比、财富效应、消费倾向等）的不同而有所差异。

一方面来看，对旧经济的拉动效应通过“利润→收入→信心→消费”与“股市财富效应”两个渠道进行，传导整体尚在进程中，格局分化：

1）“传导最快”的为中国台湾地区与韩国，AI链经济占比较高，企业景气已较明显向居民收入、信心与消费端扩散。

2)“传导居中”的为美国，财富效应或已向居民端传导，但劳动收入、就业与消费表现分化，尚未形成全面共振。

3）“传导偏慢”的为中国与日本，但日本已开始由收入端向消费端延伸，中国可能更多停留在企业盈利或居民收入初步改善阶段，尚待形成广泛的信心与消费修复。

另一方面来看，短期内对全球就业和旧经济挤出效应反而在“主导地位”。正如前文论述，短期内新经济会通过替代部分劳动、提升利率压制传统需求、影响政策节奏等渠道影响旧经济，当前已呈现多方面反映，例如：

1）就业：美国AI投资强劲，但劳动力市场反而降温，程序员等AI高暴露岗位已出现相对走弱迹象；

2）融资与利率敏感性挤出：美国AI融资激增和长期利率形成边际压力，住宅投资、汽车等利率敏感需求更受制约；

3）政策节奏：AI链带动中国强出口，一定程度降低了刺激传统需求的紧迫性；

4）产能与成本挤出：AI芯片对先进制程等占用，压缩汽车、工业控制等传统半导体应用的产能空间；上游涨价存储与铜价上涨压制消费电子需求。

综合来看，AI景气当前更多体现为“局部再通胀+旧经济需求受压”的结构组合，新经济拉动更多仍在点状，对旧经济广谱性的需求和价格的带动效应尚不明显。部分挤出效应亦有所体现，美国高利率对地产和耐用品需求的约束、抢出口导致中国总量政策加码必要性下降，以及美国劳动力市场的调整，均形成阶段性的降价力量。

三、新时代通胀框架的构建

基于以上分析，AI发展之下，传统的通胀理论和通胀跟踪框架也需要“拓展”，我们在此谈几点我们的思考：

首先，过去的通胀跟踪与度量框架存在优化空间。

传统CPI、PPI 体系构建于工业经济与标准化商品时代，其基本假设包括市场交易可观测、价格在时间维度可比与固定篮子具有代表性。AI时代的价格会侵蚀这三个前提，形成长期“看不见AI”的测量盲区。具体来看，度量可能存在如下三方面失真：

第一重失真来自交易环节。一方面，搜索、翻译等服务免费提供，无独立成交价格，无法进入CPI，且后续若转向收费，指数反而记录为“涨价”，与“居民福利”改善方向相悖；另一方面，企业内部化使用难以观测，AI推动成本节约体现在利润端而非价格端，PPI无法捕捉。

第二重失真来自可比性。一方面，质量提升难以度量，虽然订阅价格未变，但模型能力、速度等提高后单位价格下降，传统指数难以追踪。另一方面，AI节约时间等亦无统一交易价格。

第三重失真来自代表性。一方面，CPI篮子更新以年计，当前模型、软件和数字服务权重较低甚至缺位，且电力、数据中心等上游成本在PPI亦缺乏单独识别，结构性冲击或被其余分项“掩盖”；另一方面，未来个性化定价的可能，导致传统抽样依赖的“代表性价格”概念失效。

面对这些挑战，可能存在两方面优化方向。

一方面，完善传统CPI、PPI数据跟踪体系。

1）权重修正。CPI权重主要来自居民消费支出，现有CPI交通通信等分项已可跟踪部分AI链的变化；当前美国CPI涉及互联网接入、通信服务、软件及数字订阅等细项，占比约2.5%，PCE给予的权重更大，国内细分项不足。Fed（2026）研究指出，美国CPI与PCE针对计算机软件分项权重、分类错配与统计差异明显，对读数的扰动达到1/4~1/2，且后续需要对AI相关分项进行权重调整与细化。

2）质量调整。部分服务分项需要进行质量调整，即将模型能力、速度与数量等纳入实际价格测算，美国BLS已通过享乐回归等方法控制通信套餐的质量变化。Fed（2026）研究指出，目前不少分项没有进行质量调整，过去依靠旧版本降价捕捉质量改善的方法，在SaaS持续更新和生成式AI迭代背景下，有效性明显下降。基于模型能力提升速度与传导进行调整后，美国“计算机软件及配件”2026年4-7月涨幅由73.1%降至22.0%。

3）相对价格指数。基于CPI现有基本分类，关注AI渗透度不同行业未来相对价格变动，例如将医疗、护理、住房、餐饮、维修等依赖人力的服务作为分子，将通信、信息、教育、文化娱乐等数字化程度较高的服务作为分母。

4）AI投入链观测指数。可利用PPI现有行业分类，通信电子、有色金属等行业属于AI链高敏感行业，可基于敏感度构建AI链投入观测。

另一方面，补充传统CPI、PPI无法覆盖的卫星跟踪指数。

1）硅基服务价格指数。关注三个层次的价格指标，单位任务价格、单位有效Token价格（剔除重复输出）、单位成功结果价格（结合返工与失败概率，Erol，2025）；Epoch AI等已采用固定能力方法，在多个基准上测算达到同一性能门槛所需的最低推理成本；

2）数字福利账户。作为CPI福利折价项，主要测算免费服务、时间节约等价值，免费服务价值可通过付费意愿估算、时间节约价值按不同群体的机会成本核算；Brynjolfsson、Collis和Eggers（2019）通过接受补偿意愿测算数字产品的消费者福利；

3）AI投入与瓶颈价格指数。按照实际成本结构赋权，覆盖芯片、服务器、电力、算力租赁、配件等；

此外，还可以从产业视角出发，从AI需求（开支、订单等）、AI供给兑现（生产率、渗透率等）、成本传导（企业利润率等）、需求承接（不同群体工资、消费倾向等）四方面跟踪通胀的影响。

其次，重新思考经典通胀理论的变化。

一是，菲利普斯曲线是否失效？菲利普斯曲线“就业-工资-通胀”的关系仍在，但趋于扁平化与非线性。具体来看，一方面，AI提高劳动供给弹性，削弱就业、工资与通胀之间的传统传导，高需求未必意味着高招聘；另一方面，又可能推升算法人才、电力、算力等稀缺要素价格，加大高技术岗位工资与成本压力。

因此，总量失业率对通胀的解释力下降，部门异质性明显，中高渗透部门曲线"平坦化"，低渗透部门则相对陡峭化。且线性关系转为阈值特征，芯片、算法等关键行业出现瓶颈时，需求、就业和价格敏感性上升。

二是，政策目标与反应函数如何调整？政策框架更为复杂，政策应对难度上升。

1）AI增长、就业和通胀不再沿传统方向同步变化，短期投资扩张与长期生产率兑现、需求改善与供给瓶颈、部分就业替代与创造等关系并存。政策时点权衡、需求与供给政策组合等更为关键；

2）潜在产出、自然失业率和中性利率的估计难度将明显上升；

3）货币政策传导主体分化，AI大厂利率敏感性较低，紧缩难以抑制投资，或反而压制地产、消费和传统制造（参见《智能经济学：传导机制与跟踪框架》2026年7月23日）

4）AI资产具有高预期、长久期和高集中度特征，金融稳定目标的重要性上升，需求逆转时易出现信用风险与资产减值等问题，政策反应函数可能需要强化“尾部风险管理”；

三是，货币流通速度、理性预期、通胀黏性等出现新内涵。其一，AI降低搜索、交易和匹配成本，也可能提高部分领域的货币流通速度；且新增流动性更多流向科技投资，进一步削弱货币供给与消费通胀之间的联系；其二，信息获取与价格比较效率提升有利于价格发现与预期形成，但亦会导致周期波动放大；其三，价格黏性假设仍在，来源或由“调价困难”转向“选择性、差异化调价”。BIS（2024）指出，AI算法定价能够使企业更快响应成本和需求变化。

总之，AI对通胀的影响是一个复杂的问题，在时间、结构、国别等维度均存在系统性差异。一方面是AI涨价的传导，另一方面是旧传导机制的扰动；一方面是投入品短缺，另一方面是生产率拉动；同时，新经济对旧经济还存在拉动与挤出并存、成本下降与新稀缺性并存等多重作用。

因此，不宜简单以单一的通胀或通缩方向概括AI的影响，仍需继续观测各个维度博弈力量的相对强弱。

后续的跟踪锚如下：

1）直接影响：观察“涨价—传导—生产率”的力量切换。跟踪AI投入品价格与供给瓶颈、PPI向终端价格的传导，以及AI渗透率、单位任务成本和劳动生产率变化。

2）间接影响：关注景气扩散与旧经济挤出。跟踪利润、就业、工资、财富效应与消费，同时观察AI投资对实际利率、汇率及政策节奏的影响，以及传统需求与生产是否承压。

3）分化差异：关注部门与国别的相对价格变化。部门层面观察不同AI渗透行业的价格分化与瓶颈迁移；国别层面关注技术、资本品、能源、应用及就业分配差异带来的通胀分化。

4）理论与政策：关注传统框架的失真与调整。度量层面关注CPI/PPI权重、质量调整与AI卫星指标；理论与政策层面关注菲利普斯曲线、潜在产出、中性利率及政策反应函数的变化。

风险提示

1）AI 对就业的影响超预期：生成式AI渗透速度快于前期研判，冲击范围由基础文职延伸至创意、初级研发等中等技能岗位，劳动力市场结构性调整节奏加快，岗位替代、技能迭代带来的转型阵痛显著超出市场原有预期。

2）AI对通胀的影响超预期：AI投资扩张推升算力、电力及关键零部件价格，而降本增效与生产率提升又带来降价效应，若两者演化节奏偏离预期，通胀方向与幅度均可能超出市场判断。