010-68332837
全国咨询热线
摘要：AI会让东西更贵还是更便宜？四股力量相互拉扯，答案是这个顺序——先涨，后跌；而且后劲可能比以往任何一次技术革命都强。
一、先说结论：AI对物价的影响，是先涨后跌
聊AI，大家最关心的是"会不会抢工作"。但还有个更底层的问题：它会让东西变便宜，还是变贵？
中金公司最近发布了一份研究《AI革命如何影响通胀》，给的判断很明确：短期可能推高通胀，中长期更可能形成"去通胀"压力。
翻译成大白话：AI先让一部分东西贵起来，再让大多数东西便宜下去。
这个顺序不是拍脑袋，背后有一套机制。要看懂它，得先从一百多年前说起。
二、历史给过答案：两次技术革命，东西都变便宜了
这不是第一次有人担心技术革命。回头看，两次大的技术革命，结果都指向同一个方向——去通胀。
19世纪后期，机械化、铁路和规模化生产让美国生产率快速提高，供给能力加速扩张。1870年代到1890年代中期，美国总体价格水平累计下降约三成。那段时间经济在增长，物价却在往下走。
20世纪90年代的信息革命更像。个人电脑普及、互联网扩张，美国经济出现了"高增长、低失业、低通胀"并存的罕见组合。CPI同比从1990年前后的5%到6%，一路回落到1997—1998年约1.5%。
两次经验说明一个朴素的道理：当生产能力扩张得比需求快，物价就会被压下去。
三、拆开看：影响物价的是四股力量
这份研究最有价值的地方，是把"技术革命影响物价"拆成了四股方向不同的力量。
第一股，供给效应——压低物价。生产率提高，同样的投入能产出更多。供给多了、需求跟不上，价格自然往下走。这是最容易想到的一层。
第二股，预期效应——推高物价。如果大家都相信"未来AI会很厉害"，企业就会提前加大投入、家庭也可能提前花钱。可未来的供给还没影，需求却先释放了，物价就被推上去。
第三股，替代效应——压低物价。AI替掉了人的活儿，新增的收益更多流向资本而不是劳动者。而资本方花钱的比例，通常比普通人低。钱流到不太花钱的人手里，全社会消费就偏弱，物价被压下去。
第四股，瓶颈效应——推高物价。AI投资短期内集中爆发，对芯片、存储、电力和数据中心的需求猛增，而这些供给一时半会儿扩不出来，价格就涨。比如2025年以来，部分消费类存储芯片价格从低点累计涨幅超过600%。
所以AI对物价到底是涨是跌，不取决于AI本身多强，而取决于这四股力量谁强谁弱、谁先谁后。
四、AI和以往不一样：扩散更快，替代的"层级"更高
那这一轮有什么不同？研究点了两处要害。
第一，快。ChatGPT诞生不到4年，美国成年人里已经有接近一半用过AI聊天机器人，就业人口中用AI处理工作任务的比例也接近四成。这个渗透速度，比个人电脑和互联网初期都快得多。来得快，意味着早期的投资热潮和供给瓶颈也来得更集中。
第二，替代的层级更高。过去的自动化主要抢规则明确、可程序化的活儿——流水线上的重复动作、校对、簿记，这类岗位工资不高。而生成式AI能处理语言、代码、分析和推理，它开始进入精算师、金融审查员、预算分析师这些高薪职业的核心环节。数据显示，当前AI高暴露职业的年薪约9.6万至14.4万美元，是社会工资中位数的两倍以上。
一句话：这一次，技术冲击正在往"更高处"走。
五、"总量坚挺、入口冻结"：最容易被忽略的变化
有个现象很值得注意：AI能力越来越强，就业市场却并没有出现大规模失业，失业率仍处在相对稳定的水平。
这不矛盾。研究给了两个解释。
一是"时滞"。技术能干活，不代表企业马上就会改造流程、裁掉岗位——组织架构、数据系统、法律责任、监管要求，都会拖慢这个过程。
二是"任务绑定"。一个岗位往往是几件事捆在一起的，AI能接走其中一件，不等于整个岗位就没了。就像客服的部分应答能被自动化，但需要综合判断和担责的部分，还得人来。
但真正值得注意的是另一个变化：存量的岗位还在，新增的入口却在收窄。
招聘数据已经给出信号。有研究基于6200万份简历发现，采用AI的企业，初级岗位招聘平均下降约22%；也有研究指出，AI高暴露职业里，年轻人的就业表现明显弱于其他群体。企业不急着裁人，但减少了招新人——组织金字塔的底部，开始变窄。
这件事为什么重要？因为职业早期，正是"干中学"、积累经验和人脉的关键阶段。如果初级岗位持续收缩，一部分年轻人可能长期进不了原本的职业阶梯，形成"疤痕效应"。日本的"就职冰河期世代"，就是前车之鉴。
六、中国的位置：优势在哪，功课在哪
对中国来说，这份研究给了一个既乐观又清醒的判断。
优势在供给端。截至2025年12月，中国生成式人工智能用户规模已达6.02亿，普及率升到42.8%；制造业基础雄厚，工业机器人年安装量占全球54%、在用存量达202.7万台；电力供给充裕，国产旗舰大模型的调用成本也明显低于海外同类。这些条件叠加，意味着AI一旦进入大规模应用，中国的降本增效红利可能释放得更快、更广。
要补的功课在需求端。技术红利要真正变成老百姓的收入和消费，中间还隔着就业结构、收入分配和社会保障几道关口。研究给出的政策方向也很清晰：财政上，把支持更多投向就业、培训和社会保障，让技术红利更广泛地传导到居民收入；货币上，在生产率有望提升时，别把潜在的效率改善误判成过热；同时防范"真技术+高杠杆"带来的投资泡沫风险。
总结
把这份研究读完，最值得记住的不是那些数字，而是它提醒的一件事：技术进步的好处，从来不会自动、均匀地分给每个人。
它先让一部分环节涨价，再让大多数东西变便宜；它可能让一个行业效率翻倍，也可能让另一群人暂时找不到入口。真正决定这轮AI革命最终是"皆大欢喜"还是"有人掉队"的，不是技术跑多快，而是制度有没有跟上——收入怎么分、岗位怎么转、新人怎么被接住。
技术负责把蛋糕做大，制度和每个人的准备，决定谁能分到。
对未来最好的态度，不是焦虑，也不是盲目乐观，而是看懂这个顺序：短期会有点阵痛，长期有实在红利——中间的落差，正是留给准备者的机会。
