推動 AI 投資加速升溫
過去一年，產業領導者推出的新模型持續提升 AI 的能力。根據各種能力測試，包括在阻止或支援網路攻擊的能力，Anthropic 的 Mythos 模型已超越其他 AI 模型。隨著地緣政治（包括伊朗戰爭）同步升溫，許多組織與政府的討論似乎正從「以 AI 提升效率與生產力」，轉向將 AI 視為應對國家安全威脅（包括大規模網路攻擊）的必要技術。
另一方面，儘管目前的全球能源供給衝擊是數十年來規模最大的，市場對 AI 所帶動的生產力提升預期持續支撐資產價格，美國在 AI 導入與基礎建設上的投資也加速進行。目前多項因素的交匯，似乎形成了一種新的迫切感，提前帶動了晶片、記憶卡與其他元件的需求，而其價格正如政府數據所示大幅飆升（見圖 1）。
圖 1：2026 年電腦元件價格大幅上升
AI 在短期內推升美國需求，電腦、記憶體、遊戲元件及其他與 AI 相關產品的價格均上漲。由於這些項目在聯準會偏好的通膨指標——個人消費支出（PCE）物價指數中的權重較高，因此我們看到 PCE 通膨面臨升溫壓力。這使聯準會的政策操作更為複雜，因為其同時還需處理能源價格飆升對核心部門（如旅遊服務）的外溢影響（見經濟路線圖《美國通膨指標呈現兩種不同訊號》）。確實，市場如今已開始反映聯準會將於 2027 年升息的預期，儘管這並非我們的基期情境。
市場與聯準會正在因應 AI 對經濟的短期影響，我們也不應忽視中期影響。AI 帶來更多可能性，但其帶來的收益未必能平均分配於整體經濟；獲益最多的可能會是資本，以及部分高技術勞動力。
當更有效率、更具生產力，甚至更富裕的美國經濟，其收益只有少一部分流向勞工，且實質工資落後時，其長期影響可能更偏向通縮（儘管政策可能帶來價格波動）。
為何失業率不一定是最佳指標
為何失業率不一定是最佳指標 即使未出現結構性的失業現象（部分業內人士認為這是 AI 的必然結果），AI 所帶來的收益仍可能不成比例地流向資本持有者。
回顧歷史：技術變革導致大規模失業也曾經出現過。約翰・梅納德・凱因斯 (John Maynard Keynes) 便曾在1930年提出「技術性失業」的警告；而在每一次重大技術進步之際，類似預測也不斷出現。
然而，歷史的實證顯示，科技進步並不會在長期內結構性地提高失業。自 1960 年以來，美國勞動生產力成長近四倍，而總勞動時數約增加 2.3 倍——大致與勞動供給成長一致（根據美國勞工統計局數據）。在數十年的重大創新與轉型之中，美國並未經歷持續且廣泛的失業現象。
這並不代表技術變革沒有成本：它可能淘汰了整個產業的工作，但也會將勞動重新分配到其他領域。例如，2000 年代美國經濟出現了從製造業轉向服務業的重大勞動重新配置。網際網路革命透過商品追蹤、即時庫存系統以及跨供應鏈溝通改善等創新，使企業更容易將生產外包至中國及其他國家。科技讓實體生產與設計、管理得以分離——貿易經濟學家 Richard Baldwin 將此稱為「第二次解構」。
這種變化對勞工的影響是真實的。在美國，除了製造業就業下降，同時也伴隨著工會式微與勞工議價能力下降。麻省理工學院 David Autor 的研究顯示，部分族群，特別是壯年男性，甚至完全退出勞動市場。
美國勞動所得占比長期衰退
數十年來，用來衡量技術變革影響的一項更具資訊性的指標，是勞動所得占比。
從 1940 年代至約 1980 年，美國生產力提升與相對穩定的勞動所得占比大致同步。政府對研究、基礎建設、產業產能以及核能與太空科技的投資，帶動了實體經濟發展，特別是在 1960 年代提升了生產力成長。在此期間，技術進步與更高的生產力雖使製造業受益，但整體上仍屬於與國內勞動力互補的關係。換言之，美國勞工所得占比能維持穩定。
然而，自 1980 年代以來，這種關係逐漸減弱。隨著科技帶來全球化生產與供應鏈，並釋放出大量低成本勞動供給，勞動所得占比呈下降趨勢，特別是自 2000 年代以來（見圖 2）。這一趨勢不僅出現在美國，也出現在全球各地，無論是淨值還是總值的勞動份額指標皆然。
圖 2：美國勞動所得占比長期衰退
在此期間，技術進步帶來的收益整體而言偏向資本多於勞動，也偏向高技術勞工多於低技術勞工。根據美國勞工統計局資料，美國低技術勞工的實質工資自 2000 年代以來持續停滯或下降——這種現象通常被稱為「技能偏向的科技改變」。
類似於我們在 2000 年代看到的情況，AI 很可能對部分產業與職業造成較大衝擊，但隨時間推移，經濟體系將把勞動重新配置至 AI 無法執行的任務。例如，醫療、教育與建築等產業已在吸納勞動力，反映了技術限制與人口結構需求。關鍵問題在於，這種重新配置是否能使實質工資跟上生產力。
為何勞動占比特別脆弱
AI 的兩項結構性特徵，增加了勞動占比面臨的風險。
第一，替代性與可擴展性：AI 具有高度可擴展性，相較於過去的技術創新，更可能取代勞動或僅局部與其互補，而非全面提升勞動效能。換言之，AI 在取代過去屬於勞力密集型的任務時，可能降低投資的相對成本。此外，技術進步與擴散速度遠快於以往，可能在創造出同等薪資水平的新勞動密集型工作之前，就已造成大量職位流失。Eloundou 等人的研究1將 AI 相關的任務與職業進行了比較。根據該研究，我們估計約有 4%–7% 的美國整體勞動市場面臨高度被取代的風險，而更大比例的勞工在其現有工作中至少會面臨部分任務被取代。資訊科技、專業服務與金融等，過去薪資相對較高的產業，受到的影響最大；相對而言，如醫療、個人服務、餐飲與建築等受影響較小的產業，通常薪資較低。
第二，超大型雲端業者的市場力量上升：隨著 AI 採用率提高，超大型雲端業者正累積龐大且不對稱的知識基礎。這可能進一步提升其市場力量，並使其能取得更大的市場價值。一篇由 AI 開發商撰寫的最新研究2顯示，其模型可輕易整合終端用戶使用行為的資訊。透過工作流程的運作情況，該開發商能將目前實際被取代的任務，反映到未來有潛力自動化與被取代的任務（如 Eloundou 等人所述）。這種資訊集中的現象，讓少數企業更能提高其加價能力與利潤。
勞動占比衰退的影響
更高的生產力與下降的勞動所得占比，意味著平均生活水準提升，可能伴隨著收入與財富不均持續擴大。若以歷史為鑑，這可能同時引發中間選民偏好轉向更民粹化的政策；同時，自由放任的監管方式也可能逐步被更積極的政府干預所取代，以支持面臨嚴峻挑戰的族群。
政府如何介入 AI，是另一個議題。AI 現今可被視為一項國家安全的核心要素，類似於 20 世紀中葉的核武競賽。領先的 AI 公司被視為「國家冠軍」。然而，隨時間推移，政策制定者可能需要在國家安全優先事項，與市場集中化、勞動重新配置以及勞動所得占比下降所帶來的風險與成本之間取得平衡——特別是在選民壓力下。我們在民調與對資料中心的反對聲浪中，已觀察到對 AI 的反彈跡象。
對投資人而言，在不確定性升高的環境下，應著重於韌性——更高程度的多元分散配置、更大的靈活性、降低集中度，以及主動式管理。部分觀點認為，由於投資需求與生產力上升，AI 正（且將持續）提升自然利率或中性利率，也就是聯準會所謂的 r*。
然而，我們並不那麼確定。隨著勞動市場重新配置帶來的不確定性提高，儲蓄需求增加，可能抵銷 AI 基礎建設與其他投資所帶來的更高投資需求。正如紐約聯準銀行總裁 John Williams（2003 年衡量自然利率重要論文的作者）近期指出：歷史上，壓低勞動所得占比的因素，往往同時伴隨較低的 r*。研究也顯示，更高的不平等與較低的 r* 之間存在關聯。
1 Tyna Eloundou, Sam Manning, Pamela Mishkin, and Daniel Rock. “GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models.” arXiv .org paper 2303.10130 (revised August 2023). ↩
2 Maxim Massenkoff and Peter McCrory. “Labor market impacts of AI: A new measure and early evidence.” Anthropic Economic Research (March 2026). ↩
