美聯儲理事談 AI 與勞動力市場：17% 美企已採用 AI，變革才剛開始

美聯儲的 AI 觀察

當全球最具影響力的中央銀行之一的高級官員專門就 AI 發表演講時，這本身就是一個值得關注的信號。Michael Barr 的演講不是一般性的科技評論，而是一位負責監管全球最大金融體系的決策者，對 AI 可能如何重塑經濟基本面的系統性思考。

Barr 援引的核心數據來自美國人口普查局（Census Bureau）的「商業趨勢調查」（Business Trends Survey），這是截至 2025 年 12 月的最新數據。調查顯示，17% 的美國企業已經在業務中採用了 AI 技術。這個數字看似不大，但考慮到生成式 AI 在 2022 年底才真正進入公眾視野，僅僅三年時間就達到近五分之一的企業採用率，這一擴散速度在技術史上是相當驚人的。

作為對比，個人電腦從 1980 年代初開始商用，到達到 17% 的企業採用率花了近十年；互聯網從 1990 年代初商用化到同等採用率也花了約七年。AI 正在以比此前的通用技術更快的速度滲透到企業運營中。

消費端的加速採用

在消費端，數據更加引人注目：55% 的美國成年人現在每週都在使用生成式 AI。這意味著超過一半的美國成年人已經將 AI 工具融入了日常生活或工作流程。從 ChatGPT 在 2022 年 11 月推出，到 2026 年初超過半數美國人每週使用，這一普及速度遠超智能手機、社交媒體和任何此前的消費科技產品。

「生成式 AI 的能力正在快速提升，在越來越具有挑戰性的基準測試上已經達到甚至超越人類水平的表現。」——美聯儲理事 Michael Barr

Barr 的這一觀察呼應了 AI 研究界的共識：AI 能力的提升速度正在加速，而非放緩。每隔幾個月就有新的模型在此前被認為是「AI 難以攻克」的基準測試上取得突破性表現。從數學推理到程式編寫，從科學文獻理解到複雜的多步驟規劃，AI 的能力邊界正在快速擴張。

AI 已經改變的行業

Barr 在演講中具體列舉了幾個 AI 已經產生實質性影響的領域，這些不是未來的預測，而是正在發生的現實。

製藥與藥物研發

在製藥行業，AI 正在從根本上加速藥物發現的過程。傳統上，從靶點識別到臨床前候選藥物的確定，平均需要 4-6 年時間。AI 驅動的藥物發現平台——利用深度學習預測分子結構、模擬蛋白質交互作用、優化化合物性質——已經將這一時間線壓縮到 12-18 個月。Insilico Medicine、Recursion Pharmaceuticals 等 AI 藥物研發公司已有多個 AI 發現的候選藥物進入臨床試驗。

這對勞動力市場的影響是複合性的。一方面，AI 減少了對某些傳統實驗化學和計算化學職位的需求；另一方面，它創造了對 AI 藥物研發專家、生物信息學工程師和計算生物學家的全新需求。整體而言，AI 並沒有減少製藥行業的就業——相反，它正在改變所需技能的構成。

客戶服務

客戶服務是 AI 最早且最廣泛滲透的領域之一。AI 聊天機器人和虛擬助手已經能夠處理大部分標準化的客戶查詢，從訂單追蹤到帳戶信息變更，從常見問題解答到退貨處理。Barr 指出，AI 已經顯著提升了客戶服務的效率，使公司能夠以更低的成本服務更多的客戶。

但這一領域的勞動力影響也最為直接和顯著。客戶服務中心的人工坐席數量正在下降，被 AI 系統取代的崗位往往是入門級、低技能的職位，這些職位通常由教育程度較低和收入較低的群體擔任。這引發了一個重要的公平性問題：AI 帶來的效率提升的收益由企業和消費者分享，但成本卻不成比例地由最脆弱的勞動群體承擔。

軟體開發

AI 正在以前所未有的速度改變軟體開發的工作方式。從 GitHub Copilot 到 Cursor，從 Claude 到 GPT 系列模型的代碼生成能力，AI 編程助手已經成為專業開發者的標準工具。多項研究顯示，使用 AI 編程助手的開發者在某些類型的任務上效率提升了 30% 至 55%。

但 Barr 審慎地指出，效率提升並不自動等同於就業減少。歷史上，每一次程式設計工具的進步（從機器語言到組合語言、從組合語言到高階語言、從高階語言到視覺化開發工具），都預言了「程式設計師將被淘汰」，但實際結果是軟體行業的就業人數持續增長。原因很簡單：工具效率的提升降低了軟體開發的成本，這反過來擴大了軟體的應用範圍，創造了更多的需求。AI 是否會打破這一模式，仍是一個未知數。

歷史的回響與當下的不同

Barr 將 AI 的影響與三次歷史性的技術革命相比較：電力（1880 年代至 1920 年代）、個人電腦（1980 年代至 1990 年代）和互聯網（1990 年代至 2000 年代）。每一次技術革命都經歷了類似的模式：初期的恐慌和不確定性、中期的結構性調整和摩擦、以及長期的生產力提升和新就業機會的創造。

然而，Barr 也警告說，AI 這一波浪潮可能在三個方面與歷史不同。

貨幣政策的新維度

作為美聯儲理事，Barr 對 AI 的關注自然延伸到了貨幣政策的層面。他的分析揭示了 AI 對通脹和經濟穩定的潛在影響是雙向的、複雜的。

通縮效應

AI 驅動的生產力提升，理論上應該產生通縮效應。當企業能夠以更少的人力和資源生產同樣甚至更多的產出時，單位成本下降，這為價格下行創造了空間。在客戶服務、內容創作、軟體開發等已經深度應用 AI 的領域，成本下降的跡象已經開始顯現。

Barr 指出，生產力的提升已經開始在宏觀經濟數據中顯現。美國近幾個季度的勞動生產力增長率高於長期趨勢，雖然不能完全歸功於 AI，但 AI 很可能是推動因素之一。如果這一趨勢持續，它可能為美聯儲提供更大的降息空間——因為生產力驅動的經濟增長是不帶通脹壓力的「良性增長」。

需求衝擊

但 Barr 也提醒，AI 不僅影響供給端，也可能在需求端創造衝擊。大規模 AI 基礎設施投資（如 Meta 的 1,350 億美元年度支出）本身就是巨大的需求刺激。AI 創造的新產品和新服務類別也可能激發新的消費需求。如果 AI 引發的需求增長速度超過供給端的生產力提升，淨效果可能反而是通脹性的。

此外，AI 導致的勞動力市場結構性變化——某些職業的消失和新職業的創造——可能在轉型期創造工資壓力。高技能 AI 人才的稀缺可能推高其薪資，而被 AI 取代的勞動者短期內可能面臨失業和收入下降。這種「技能溢價」的擴大，可能在不同收入群體之間創造通脹體驗的差異。

勞動力市場的結構性轉變

Barr 在演講中特別強調，目前美國勞動力市場表現出「韌性」——失業率仍然低企，就業增長持續。但他警告說，這種韌性不應讓人忽視正在醞釀的結構性轉變。

AI 對就業的影響不是簡單的「自動化取代人工」。更準確的描述是「任務重構」——AI 不是替代整個職位，而是替代職位中的某些任務，同時增強和創造其他任務。一位律師的工作中，法律研究和文書初稿的撰寫可能被 AI 部分替代，但客戶諮詢、法庭辯護和策略制定則可能因 AI 的輔助而增強。結果不是「律師消失」，而是「律師的工作內容和所需技能改變」。

但這種「任務重構」的速度和廣度，正在為勞動力市場創造前所未有的適應壓力。工人需要在職業生涯中多次學習和適應新技能的要求，企業需要持續重新設計工作流程和組織結構，教育系統需要培養更具適應性和跨學科能力的人才。

AI 對勞動力市場的最大影響可能不是失業率的變化，而是工作本質的根本轉變。我們正在從一個「你的職位定義你的技能」的時代，走向一個「你的技能決定你如何在不斷變化的職位中創造價值」的時代。

對香港的啟示

Barr 的演講雖然聚焦於美國經濟，但其分析框架和結論對香港具有高度的相關性。

香港勞動力市場的脆弱性

香港的經濟結構以服務業為主，金融服務、專業服務、貿易物流和旅遊零售是四大支柱產業。這些行業中的許多工作——從銀行櫃員到保險理賠處理、從會計審計到法律文書、從物流調度到客戶服務——都包含大量可能被 AI 影響的標準化認知任務。

特別值得關注的是金融服務業。香港作為國際金融中心，金融業僱員約佔勞動力的 7%，但貢獻了 GDP 的約 23%。這一行業內部的 AI 採用正在加速：投資銀行利用 AI 進行金融模型構建和盡職調查，資產管理公司利用 AI 進行量化投資和風險管理，銀行利用 AI 進行信用評估和反洗錢監控。這些變化正在重塑金融業的人才需求結構——對純粹的「金融分析」技能的需求在下降，對「金融 + 科技」跨學科能力的需求在快速上升。

香港的 AI 採用率

美國 17% 的企業 AI 採用率數據，為香港提供了一個有價值的對比基準。根據香港政府統計處和各行業調查的有限數據，香港的企業 AI 採用率可能低於美國，特別是在中小企業層面。香港約 34 萬間企業中，98% 為中小企業，這些中小企業在 AI 採用方面往往面臨資金、人才和知識三重瓶頸。

如果美國 17% 的採用率已經開始對勞動力市場產生可觀察的影響，那麼香港在 AI 採用加速後面臨的調整壓力只會更大——因為起步越晚，追趕的速度往往越快，留給勞動力市場調整的時間窗口也越短。特區政府應該加快推進企業特別是中小企業的 AI 採用支援計劃，同時為可能受到 AI 影響的勞動者提供再培訓機會。

貨幣政策的連帶效應

由於香港實行聯繫匯率制度，港元與美元掛鈎，香港的貨幣政策實質上跟隨美聯儲。因此，AI 對美聯儲政策決策的任何影響，都會直接傳導到香港。如果 AI 驅動的生產力提升使美聯儲在更長時間內維持較低利率，香港也將受益於低利率環境；反之，如果 AI 投資引發的需求衝擊推高通脹，導致美聯儲收緊政策，香港也將被動承受加息壓力。

香港金融管理局應密切關注美聯儲對 AI 經濟影響的評估和政策回應。更重要的是，金管局需要開發自己的分析框架，評估 AI 對香港本地經濟（尤其是資產價格和金融穩定）的特定影響，而不是簡單地依賴美聯儲的分析——因為 AI 對一個以服務業為主的小型開放經濟體的影響，可能與對美國這樣的大型多元化經濟體的影響有顯著差異。

教育與再培訓的緊迫性

Barr 關於「變革才剛開始」的判斷，對香港的教育和培訓體系發出了明確的警示。目前 17% 的企業採用率和 55% 的個人使用率，僅僅是 AI 滲透的早期階段。隨著 AI 能力的持續提升和成本的持續下降，未來五到十年內，AI 對勞動力市場的影響將比目前的觀察深刻得多。

香港的教育系統——從中小學到大學再到持續教育——需要進行系統性的改革，將 AI 素養和 AI 協作能力融入各階段的教學中。這不僅僅是增加幾門「AI 入門」課程的問題，而是需要重新思考「在 AI 時代，人類需要什麼樣的知識和能力」這一根本性問題。批判性思維、跨學科整合能力、創意解決問題的能力、人際溝通和情感智慧——這些「不容易被 AI 替代」的人類獨特能力，應該成為教育的核心重點。