AI对TFP拉动影响自然利率的视角：美联储还要加息几次？-自然利率系列（一）

（以下内容从中国银河《AI对TFP拉动影响自然利率的视角：美联储还要加息几次？-自然利率系列（一）》研报附件原文摘录）
美联储于2026年9月开启加息，点阵图也表明年内预计仍有一次加息。美联储主席沃什对于AI的经济影响非常关注的同时，官员们也在逐渐调高中性利率的预期。本文是美国“自然利率”系列的第一篇，主要讨论了研究自然利率的意义、如何观测自然利率、以及主要影响自然利率的因素，进而结合AI发展对美联储货币政策做出分析。全要素生产率（TFP）是影响自然利率和货币政策的核心因素，我们认为AI发展通过TFP加速，对未来10年的自然利率水平有温和的拉动作用，但不宜低估其他因素对自然利率的拖累。即使在较乐观的AI拉动TFP假设下，包括2026年9月加息在内的2-3次加息足以使联邦基金利率高于中性水平。
什么是自然利率？“自然利率”（thenaturalrateofinterest，r*）最直接的定义是“总产出达到潜在水平且通胀稳定下的实际利率”，也就是一个不能直接观测的长期实际利率。或者说，在长期均衡中，该利率使储蓄的供给与需求相等，且不受任何短期冲击的影响。自然利率有时也与“中性利率”这一概念混用，但中性利率会受到更多短期冲击的影响，因此也可以把自然利率理解为中性利率的长期趋势。对于货币政策来说，“名义政策利率=自然利率通胀中枢（预期）货币政策立场”。在AI对美国经济影响明显的当下，评估AI投资与其他因素在长期形成的合力能否改变自然利率的现有趋势，有助于投资者估量政策利率未来的方向和中枢水平。
如何观测与估计自然利率？关于自然利率，常见的估测方式有（1）纽约联储的Houlston-Laubach-Williams（HLW）滤波模型、（2）里士满联储的Lubik-Matthes（LM）向量自回归模型、（3）10年期美债的实际收益率。从研究角度，我们倾向于以纽约联储的HLW模型作为分析影响自然利率的长期因素的基础，这是因为其尝试分离了经济增长趋势和投资-储蓄因素，更易列出导致自然利率趋势变动的重点变量。相比之下，LM自然利率模型没有对r*做出结构性分解，仅是对未来的实际利率进行无条件远期预测以剥离短周期冲击，从而刻画r*。10年期美债实际收益率是由市场定价，虽然内嵌了交易者对于长期利率的预期，但也会反映短期经济冲击和潜在财政问题带来的溢价变动。
哪些主要因素会影响自然利率水平？我们将主要影响自然利率的因素分解为两类。第一部分因素是传统的、影响经济增长趋势g的因素，主要包括（1）全要素生产率TFP的增速，（2）人口因素，包括劳动人口增速、人力资本质量等。这一部分主要体现经济体中持久的、供给侧趋势的成分；在外生增长的模型中，稳定增长率主要由技术进步和人口决定，如果财政政策不主要应用于通过基建、教育等提升全要素生产率，那么财政支出也不被视为影响长期经济增长趋势的主因。
第二部分因素则更加复杂，也是导致1980年代以来自然利率持续走低的重要原因，主要包括：（3）债务和财政因素，包括政府与私人部门债务和财政支出（而这本身又与老龄化相关，例如社保和医保）、（4）人口老龄化对于储蓄和安全资产需求的影响、（5）不平等，包括居民收入分化、劳动份额和企业利润间的分配、（6）全球资本市场变化，主要是安全资产供需和全球储备过剩效果。最后，上述的六大因素的基础原理依然是凯恩斯的IS曲线，即自然利率本身就是储蓄和投资供需平衡的结果。
AI和全要素生产率（TFP）如何影响自然利率？哪些因素影响TFP？全要素生产率（TFP）是影响自然利率的核心因素。生产效率会显著影响资本边际回报率，直接影响企业长期投资意愿。各类进步增长导致的产出效率越高，投资生产的回报就越高，进而通过实体投资需求的上升拉动资金需求，最终在资金供给稳定的情况下拉动自然利率上行。TFP增长和自然利率的正相关性在历史上较为明显。
影响TFP的常见因素包括：（1）通用技术提升、（2）创新投入、（3）要素配置、（4）人力资本和（5）制度因素等，我们认为最应该关注的是“通用技术的进步”。通用技术（GPT）主要包括蒸汽机、电气化、内燃机、化工、计算机与互联网等历史上的重大技术进步，当前AI浪潮也有相当高的概率会成为这类技术革命。测算TFP的方法主要是将其视为经济增长中由资本和劳动两个要素之外剩余效率增长，常见的美国TFP测算主要来自于PennWorldTable、美国劳工数据局（BLS）和Fernald在旧金山联储公布的季度序列。后文主要采用Fernald的季度序列。
美国TFP增长的主要阶段和经验？二战以来，美国的TFP增长大致可以分为五个阶段：（1）二战后至1973年石油危机以前，平均TFP增速约2.08%；（2）石油危机至1995年互联网浪潮爆发前，平均TFP增速降至0.6%；（3）1995年至2006年全球金融危机爆发前，随着计算机和互联网的发展TFP平均增速回升至1.56%；（4）全球金融危机至2020年疫情前，由于资产负债表衰退和人口趋势等因素，TFP增速降低至0.39%；（5）2020年疫情以及AI浪潮，在疫情冲击和AI浪潮的提振下，2020-2024年的TFP增速均值回升至0.79%左右。
总结来看：（1）历史上TFP高增长的阶段都依赖于通用技术（GPT）的全面扩散；（2）通用技术发展的早期并不会导致生产率显著进步，可能存在时滞；（3）通用技术形成的工业革命之间，广度存在明显不同，扩散广度越低的通用技术对整体TFP的贡献越低；（4）除了疫情后的AI周期，二战后两轮TFP的扩张都伴随着工业产出能力的显著提升。本轮AI浪潮对TPF的自然利率的影响可能依然面临“索罗悖论”，即虽然AI在相关人员的使用体感上带来明显改善，但TFP的提升可能并达不到体感的强度。
AI对TFP增长的潜在拉动？目前常见文献估计的年度TFP额外增长约为0.07%-1.24%之间，中间水平大约在0.6%左右；这就意味着如果我们参照疫情前的TFP增长率水平，AI时代TFP增速可以重新回到1%上方，但难有更强的增长。我们目前倾向于，AI对TFP增速存在正面贡献，但不宜过度高估，AI浪潮是带动TFP和自然利率回升的核心因素，但不能忽视美国经济结构、工业能力、人口、债务和其他因素对增长与利率上行的限制。
AI带来的TFP增长如何影响自然利率？采用相对合理的、介于Acemoglu的0.066%和Aghion等的0.68%之间的数值作为TFP进步的范围，对应2025-2034年的TFP增速中枢可以提升至0.87%-1.48%左右。作为对比，上一轮互联网浪潮时期（1995年-2006年）的TFP同比增速均值约1.56%左右；在乐观假设下，本轮AI浪潮带来的TFP增长可以媲美互联网革命期间，尽管我们由于当前AI扩散的局限性，对乐观假设持怀疑态度。如果取乐观和谨慎假设的均值，则2025-2034年的TFP增速中枢约为1.13%。
AI影响下的自然利率对货币政策的启示？可以简单将美联储的政策利率理解为自然利率与通胀中枢的总和。如果货币政策参考双侧自然利率，那么在乐观的AI影响下，27年或更远的中性联邦基金利率水平应该在3.5%-3.75%的范围内；如果通胀中枢升至2.5%，则中性联邦基金利率应在4.0%-4.25%的范围。假定AI影响不明显，则中性联邦基金利率应在3.0%-3.25%区间，如果通胀中枢2.5%，则在3.5%-3.75%的范围内。我们也假设了单侧自然利率和不同通胀中枢的情况。
考虑到2024年Fernald估计的TFP的5年均值增速大约不到0.8%，即使2025至2027年TFP增速显著回升至2%以上，对应的5年均值增速应略高于1.2%，这大致对应HLW双侧估计的自然利率均值。对AI假设非常乐观的情况下，27年联邦基金利率的中性水平大约在3.75%-4.0%左右；如果进一步考虑到通胀中枢短期高于预期，则27年联邦基金利率的中性水平大约在4.25%-4.5%左右，对应大约自26年9月以来1-3次的加息。如果AI对TFP的提振没有前文那么乐观，则即使在通胀中枢2.5%的情况下，美联储9月FOMC点阵图预设的2次的加息足以使联邦基金利率超过中性水平，这也是我们的基准假设。
为什么我们不建议对AI带来的TFP增长和自然利率上升使用最乐观的假设？目前AI显著拉动TFP和自然利率的证据不足，且AI浪潮对TFP的拉动可能低于此前的互联网浪潮，更明显低于二战后电力和其他工业革命技术的全面普及。Gordon和其他TFP相关的研究指出，扩散广度低的通用技术对整体TFP的贡献就更低，而AI目前正面临扩散广度低于此前工业革命的问题。（1）从在制造业和工业扩散的角度来看，美国面临的问题是，本轮AI浪潮时美国制造业占GDP的比例和工业产出能力增速都显著低于互联网浪潮时期，更低于二战后工业革命技术扩散的时段。（2）从提升服务业GDP和TFP的角度来看，服务业的TFP扩张天然更缓慢，且直接受AI明显影响的服务业（金融和信息业）占整体服务就业的比例较低。AI采用率绝对水平低、行业集中度偏高、共同发明成本高等，都是制约AI显著拉动TFP增长和自然利率的问题。