ICE's Tech Stack

Appearance

AI 承诺带来通缩，为什么它现在首先推高了电价 ​

封面

AI 最诱人的宏观叙事，是把智力变成廉价商品。

代码、设计、客服和分析的边际成本持续下降，企业用更少投入生产更多产品，供给能力提高，价格随之下降。从这个终点看，AI 应该是一种通缩技术。

但经济不会从模型发布直接跳到生产率提升。中间还隔着芯片、数据中心、变电站、输电线路、冷却设备和企业流程重组。

今天真正发生的是：企业生产率仍在缓慢兑现，基础设施建设却已经全速启动。AI 的供给效应还在未来，它的投资需求已经进入当期。

这形成了一段容易被忽视的时间差：

AI 可能长期降低价格，却会在安装期首先制造一轮资本密集型通胀。

一、生产率和建设成本走在两只时钟上 ​

2026 年 3 月，亚特兰大联储发布了一份覆盖美国、英国、德国和澳大利亚近 6000 名企业高管的调查。约 70% 的企业已经使用 AI，但超过 80% 的企业表示，过去三年 AI 尚未明显改变本公司的生产率或就业。

同一批企业却预计，未来三年 AI 将使生产率提高 1.4%、产出提高 0.8%。

生产率仍然是一项预期。建设需求已经是一张订单。

指标已经发生的建设端尚待兑现的生产端
企业 AI 使用率约 70% 已在使用—
过去三年生产率没有明显变化—超过 80% 的企业
企业预计未来三年生产率提升—1.4%
全球数据中心用电2024 年约 415 TWh2030 年约 945 TWh
美国 AI 相关基础设施投资已接近 GDP 的 0.8%回报仍取决于采用与流程重组

国际能源署预计，全球数据中心用电将从 2024 年的约 415 TWh 增至 2030 年的约 945 TWh，增长速度是其他用电需求的四倍以上。到 2030 年，美国新增电力需求中接近一半将来自数据中心。

国际清算银行则估计，美国数据中心及 IT 制造设施投资已经升至 GDP 的约 0.8%；在 AI 暴露最高的经济体，相关投资接近 GDP 的 1%。

图 1：AI 基础设施建设立即形成需求和价格压力，企业采用、流程重组与生产率提升则需要更长时间。

两只时钟的速度不同：建设端按季度花钱，生产率端按组织学习周期兑现。两者之间的空档，就是 AI 的通胀窗口。

二、AI 不是一次纯软件升级 ​

把 AI 想成普通软件，就会误判它的宏观影响。普通软件复制一份的成本接近于零，AI 的推理请求却持续消耗芯片、电力、网络和冷却资源。

更重要的是，企业不是在已有设施上平滑增加一点负载，而是在同时争夺同一批稀缺投入：

  • 芯片制造与先进封装；
  • 数据中心土地、机房和冷却设备；
  • 变压器、开关设备和输电容量；
  • 电气工程师与专业施工队伍；
  • 天然气发电、可再生能源和储能项目。

这是一场由未来生产率预期驱动的当期投资潮。只要所有企业都担心“算力买少了会输”，它们就会在收益尚未证明前同时下单。

需求可以在一个财年内翻倍，电网和设备工厂却需要数年扩产。于是，AI 投资先推高设备、建设和电力的影子价格，再等待这些资本变成真实产能。

这与十九世纪铁路、二十世纪电气化和互联网早期并无本质不同：通用技术的社会回报来自广泛采用，但安装阶段首先表现为资本开支、瓶颈和资产重估。

不同之处在于，AI 建设更集中。少数公司可以在一年内决定数千亿美元资本开支，却没有任何一家企业能够以同样速度制造新的电网。

三、电价上涨了，但关键是下一轮成本由谁承担 ​

美国劳工统计局数据显示，电力 CPI 从 2024 年 7 月的 283.415 升至 2026 年 7 月的 311.672，两年上涨约 10%。同期整体 CPI 从 314.540 升至 333.918，涨幅约 6.2%。

电价已经跑在整体物价前面。

但过去两年的全国电价涨幅不能全部记在 AI 账上。老化电网改造、燃料成本、极端天气、火灾与保险、发电厂退役和监管安排都在影响居民账单。2026 年一项美国因果研究甚至估计，2015—2024 年的数据中心扩张平均降低了零售电价，因为新增负荷提高了既有电网利用率，把固定成本分摊到更多用电量上。

这个结果并没有终结争论，反而指出了真正的分界线：

当电网还有余量时，大客户可以摊薄固定成本；当新增负荷迫使电网新建电厂、输电线和变电站时，价格取决于增量成本由谁承担。

美国国会研究处给出的机制同样直接：如果公用事业公司必须为数据中心建设新设施，电价可能上升；如果现有设施足以承载新增需求，更多售电反而可能降低单位价格。

所以，下一阶段最重要的不是争论“数据中心是否天然推高电价”，而是确定三件事：

  1. 新数据中心是否需要专门建设发电与输配电资产；
  2. 它承诺的负荷能否持续到足以回收投资；
  3. 项目取消或用电不及预期时，闲置资产由科技公司还是居民买单。

没有专门的大负荷费率、最低购电承诺和退出补偿机制，AI 公司获得算力，居民却可能接手电网资产的长期折旧。

四、央行不能用未来的生产率抵扣今天的通胀 ​

AI 同时推动需求和供给，但两者并不同时发生。

投资、财富效应和电力需求先推高总需求；企业采用、流程重组和劳动生产率随后才扩张总供给。国际清算银行把这个顺序概括得很清楚：AI 的需求效应已经可以观察，供给效应更大，却仍然难以确定规模和时间。

这让央行面对一个棘手选择。

如果预先相信 AI 会带来高生产率，就可能把当下的投资和能源价格压力视为暂时现象，过早放松金融条件；如果只看当前通胀并持续紧缩，又会提高电网、发电和设备扩产的融资成本，延迟真正能够缓解瓶颈的供给建设。

欧洲央行执行委员会成员 Philip Lane 在 2026 年 7 月的讲话中也指出：AI 计算基础设施需要大量前期资本开支，在能源供给追上之前会推高能源价格；AI 对自然利率和通胀的最终方向，则取决于采用速度、收入预期和技术究竟增强劳动还是替代劳动。

图 2：央行必须同时面对当期投资需求和未来供给扩张，过早宽松与持续紧缩都会放大另一侧风险。

政策分工因此必须清楚：

  • 央行处理扩散。 电价和设备价格一旦传导到服务价格、工资与通胀预期，货币政策就不能假装未来生产率会自动解决。
  • 监管处理分摊。 大负荷用户应承担其引发的增量发电、输电与备用容量成本，而不是把建设风险转给居民。
  • 产业政策处理供给。 加快电网审批、变压器和开关设备扩产，比用高利率压低所有行业需求更接近问题本身。
  • 企业处理回报。 算力采购不等于生产率。只有流程重组、员工采用和可计量产出发生后，资本开支才真正变成供给能力。

货币政策可以为未来生产率保留空间，却不能提前把它记入今天的资产负债表。

结论 ​

AI 的通缩承诺并没有错，只是它省略了安装成本。

廉价智能出现之前，经济必须先建设昂贵的物理系统。芯片、数据中心、电网和专业施工的需求集中到来，生产率却要等待企业重新组织工作以后才能兑现。

因此，AI 对价格的影响不是“通胀还是通缩”的二选一，而是一条有先后顺序的路径：

先用资本密集型建设推高需求，再用生产率扩张供给。

真正的政治经济问题也由此出现：未来的软件通缩可能属于所有人，但抵达未来之前，谁来支付今天的电网、设备和融资账单？

参考资料 ​

  1. Ivan Yotzov 等，《Firm Data on AI》，Federal Reserve Bank of Atlanta Working Paper 2026-3，2026 年 3 月。https://www.atlantafed.org/research-and-data/publications/working-papers/2026/03/24/03-firm-data-on-ai
  2. International Energy Agency，《Energy demand from AI》，2025 年。https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
  3. Bank for International Settlements，《AI and the global economy: implications for central banks》，BIS Bulletin No. 130，2026 年。https://www.bis.org/publ/bisbull130.pdf
  4. U.S. Bureau of Labor Statistics，《Consumer Price Index — July 2024》与《Consumer Price Index — July 2026》。https://www.bls.gov/news.release/archives/cpi_08142024.htm；https://www.bls.gov/news.release/archives/cpi_08122026.htm
  5. U.S. Energy Information Administration，《Short-Term Energy Outlook: Electricity, Coal and Renewables》，2026 年。https://www.eia.gov/outlooks/steo/report/elec_coal_renew.php
  6. Andrew Watten、James B. Bushnell 等，《Have Data Centers Raised Your Electric Bill? Causal Evidence from the United States》，arXiv:2606.19777，2026 年。https://arxiv.org/abs/2606.19777
  7. Congressional Research Service，《Data Centers and Their Energy Consumption: Frequently Asked Questions》，2026 年。https://www.congress.gov/crs-product/R48646
  8. Philip R. Lane，《AI and monetary policy》，European Central Bank，2026 年 7 月。https://www.ecb.europa.eu/press/key/date/2026/html/ecb.sp260706~b81aa4e329.en.html

本文部分内容由 AI 辅助生成，经人工审校和补充后发布。