特约评论员吴金铎
7月下旬以来，美股科技巨头相继公布了2026年第二季度财报 ，部分已公开中报显示AI投资大幅扩张 ，且正在不断消耗这些公司的自由现金流。
例如，谷歌母公司（ALPHABET）2026年第二季度资本支出449亿美元 ，其中约60%投向服务器 ，40%投向数据中心和网络设备 。财报显示二季度自由现金流-58.6亿美元，是2004年上市以来首次出现季度现金流为负数 。此外 ，谷歌表示上调全年资本开支预期 ，资本开支从一季度的1800—1900亿美元上调至1950—2050亿美元。
几乎同期公布中报的特斯拉，2026年第二季度资本支出57.89亿美元 ，同比大幅增长142% ，主要投向人形机器人生产线、自动驾驶 、AI算力芯片 、半导体工厂、太阳能制造 、AI训练算力 、电池与材料、储能和光伏等，特斯拉预计2026年全年资本开支将超过250亿美元（约为去年85亿美元的3倍） 。财报显示特斯拉二季度自由现金流-10.92亿美元 ，同样存在资本开支大幅扩张且自由现金流大幅减少的现象 。
此外 ，7月24日，高通正式向客户发出自9月起相关存储产品涨价的通知。如果高科技公司AI相关资本开支大幅增加是共性，那么AI投资将如何影响通胀？
按照弗农（Raymond Vernon）的产品生命周期理论 ，人工智能产业分为产品创新阶段 、成熟产品阶段和标准化产品阶段 。当前AI部分产品处于创新成长阶段 ，如算力和模型训练等；部分产品处于成熟产品阶段，如硬件和存储；还有部分处于标准化产品阶段 ，如半导体芯片等 。不同阶段AI的投资与资本开支也呈现不同的周期性特点 ，AI对通胀的影响原理有所不同。
一方面，随着资本开支不断扩大 ，投资扩张使得AI产业链费用 上涨 ，比如部分数据中心 、算力芯片、电力基础设施投资，推高了相关资源品费用 如铜和稀有金属 ，以及存储芯片等费用 ，带来结构性通胀，这属于成本推动型通胀 。此外 ，AI投资带来营业收入大幅提升 ，使得相关行业或企业的工资和收入提高，进而推升社会通胀水平，这是AI的收入效应带来的需求拉动型通胀 。比如韩国近年由于电子半导体行业的繁荣使得韩国相关龙头企业收入大幅提高 ，推升了韩国部分地区的房价。
另一方面 ，AI通过优化供应链 、降低生产与制造的成本，进而提升全要素生产率（TFP） ，逐渐实现相关产业的边际成本趋零 ，长期而言又会全面降低全社会的通胀水平 。比如，电力和IT革命都带来生产效率提升 ，并最终带来通缩性红利 。不过技术革命带来的通缩效应需要的时间较长 ，以电力和IT的渗透时间为例，大约需要10—15年。同样的道理 ，AI的全要素生产率（TFP）红利带来的降成本大概率存在滞后效应 ，不会快速反映在CPI和PPI等数据中。
但中长期看，人工智能还将对传统的增长理论和通胀理论带来一些挑战 。
首先 ，随着人工智能内部梯度升级 ，成熟的AI领域技术壁垒和垄断性都将降低，而自由竞争将加快去通胀 。比如，AI模型训练领域闭源模式将加大模型的垄断性 ，从而提高应用费用 ；而深度搜索等开源模式 ，将降低AI搜索的垄断性，使得人工智能搜索的边际成本为零 ，这将提升全社会TFP。
其次 ，AI在提升TFP降低成本的同时，也会提升潜在产出 ，这或使“通胀缺口”和“产出缺口”出现中和 。“通胀缺口 ”为负而“产出缺口 ”为正（或相反） ，导致人工智能对经济的总体影响可能偏中性 。
再次，随着技术的升级和迭代 ，人工智能将不再是一种稀缺资源 ，这将对以往的增长理论假设带来很大挑战。未来人工智能可能成为一种低价且无处不在的商品，这将打破经济学商品稀缺性的前提假设 ，改写生产/产出函数 。
此外 ，随着人工智能算法迭代加快，通胀的黏性特点将逐渐趋于淡化 。AI将加速技术迭代，加上信息传播速度不断加快 ，费用 水平将会随冲击迅速调整 ，而不再呈现缓慢变化的特性，AI可能改变通胀的黏性特征。此外 ，某些数据的迭代速度非常快 ，但人们常用的通胀等数据周期并非高频，这也会影响人工指标对经济运行情况反映的精准性 。
综上所述 ，短期内 ，AI基础设施投资和研发投入将拉动上游通胀，产品创新初期AI总体上会导致通胀黏性加剧；但另一些非AI领域将会面临增长挑战 ，形成通胀的“K型分化” 。
对宏观调控而言 ，应在K型右上端通胀上行的领域加大供给，以供给侧结构性改革来应对“K型通胀 ”。中期维度 ，随着AI红利逐步释放 ，生产端垄断程度降低，通胀中枢将总体下降；但AI红利带来的收入效应会使人们的可支配收入提高，消费增加带来消费费用 上涨 。该阶段的宏观调控 ，可适度降低AI领域的税率 ，有效市场和有为政府相结合，加快AI红利释放 。
长期而言 ，若AI技术不断迭代升级 ，AI革命可能使产出扩大，同时全社会费用 普遍下行 ，呈现“高增长+低通胀 ”的繁荣组合 ，该阶段是宏观调控的理想模式。
（文章来源：21世纪经济报道）
