📑 目录
【东吴宏观】2026年Jackson Hole沃什演讲稿.pdf
美联储2026年Jackson Hole演讲结构化分析
1. 研报核心观点摘要
发言人：Kevin Warsh，美联储主席，任内第100天。
会议：Jackson Hole经济政策研讨会，主题为“金融创新：对支付与政策的影响”。
文件性质：货币政策演讲，非股票研报；无评级、无目标价。
核心结论：Warsh认为，AI正在改变历史增长判断，可能成为新的生产要素，并对货币政策与就业使命产生深远影响。同时，他主张改变美联储主席“前瞻指引”的形式与功能，因为沟通必须服务于“把货币政策做对”，而不是为透明而透明。
支撑该结论的主要数据与定性证据：
| 关键点 | 具体内容 | 来源 |
|---|---|---|
| AI商业化速度 | 两家头部AI实验室的token年化销售额合计超过1000亿美元，同比增长500%以上 | PDF原文引用Reports |
| AI技术历史长度 | AI作为技术名称已有80年，但当前进展快于数年前预期 | PDF原文 |
| 资本投入强度 | 大量资本涌入各类AI基础设施，出现“超摩尔定律”式变化 | PDF原文 |
| 美联储内部准备 | 设立5个任务小组，其中包括“生产力与就业”任务小组 | PDF原文 |
| 政策沟通转向 | Warsh明确表示长期不认同过早预告未来政策决定，将改变前瞻指引形式 | PDF原文 |
最重要的正面支撑证据：AI技术进展快于预期，资本与劳动已共同创造出核心的大语言模型，用户通过购买token获取模型使用权，商业化正在快速形成。这为“潜在更高增长”提供了需求端和供给端的早期证据。但需注意，原文摘录止于前瞻指引讨论，未给出其本人对当前经济的量化评估。
2. 关键财务与业务拆解
由于美联储不是营利性主体，传统营收、净利润、EPS、利润率、现金流、CAPEX、负债率等企业财务指标均不适用；外部数据接口也未返回有效市场数据。以下仅列示原文可验证的项目。
| 指标 | 数据/状态 | 来源 |
|---|---|---|
| AI token年化销售额 | 超过1000亿美元，同比+500%以上 | PDF原文引用Reports；FinGPT建议以Stanford AI Index 2026核验 |
| 美联储营收/净利润/EPS/利润率 | 不适用，未披露 | PDF原文未涉及；外部数据为空 |
| 美联储现金流/CAPEX/负债率 | 不适用，未披露 | PDF原文未涉及；外部数据为空 |
| 当前联邦基金利率、通胀、失业率 | 未披露 | PDF原文未涉及；外部数据为空 |
| 主席任期 | 第100天 | PDF原文 |
| 任务小组数量 | 5个，含生产力与就业任务小组 | PDF原文 |
业务议题拆解方面，演讲重点关注AI对货币政策传导的潜在影响，包括：AI是否会显著、持续提升全经济生产率；token使用对劳动力是互补还是替代；下一代AI模型是否要求更高资本密集度；资本回报最终落在哪里；token均衡价格如何形成；更远期价值如何流向企业与消费者。
3. 研报逻辑链条与前提假设
| 推理步骤 | 核心逻辑 | 前提假设 | 假设脆弱性 |
|---|---|---|---|
| 1. 从长期停滞到历史铰点 | 2008年后“长期停滞/全球储蓄过剩”共识正在被AI资本开支打破，增长可能重新加速 | AI不是短期主题，能形成广泛的持续投资机会 | 中 |
| 2. AI商业化明显加速 | 两家头部实验室token年化销售超1000亿美元、同比+500%以上，说明需求真实存在 | 第三方Reports数据可靠，且能代表行业趋势 | 中 |
| 3. AI可能成为新生产要素 | AI可能同时影响生产率、就业、资本回报与货币政策 | AI能力可从头部实验室扩散到更广泛经济部门 | 高 |
| 4. 美联储需要提前研究AI | 当前投资未来政策准备，有助于应对未来政策难题 | AI对宏观变量的传导路径可被识别和监测 | 中 |
| 5. 改变前瞻指引形式 | 沟通必须服务于正确决策，而非单纯追求透明 | 市场能准确区分“表述调整”与“政策意图变化”，且美联储信誉能吸收理解误差 | 高 |
第1至第4步的证据来自PDF原文；第5步的前提假设部分由FinGPT多智能体分析补充。整体逻辑链的核心前提是：AI生产率兑现是政策路径与市场定价的关键分叉点。
4. 主要风险与不确定性
| 风险类别 | 风险描述 | 来源 | 可能性 | 影响程度 |
|---|---|---|---|---|
| 研报提及 | AI应用是否带来显著且持续的生产率提升，以及何时实现，仍不确定 | 原文 | 中 | 高 |
| 研报提及 | token使用与劳动力是互补还是竞争，可能影响就业侧使命 | 原文 | 中 | 高 |
| 研报提及 | 下一代AI模型可能要求更高资本密集度，或无法形成资本轻量化方案 | 原文 | 中 | 中高 |
| 研报提及 | 资本回报分布和实现时点不明朗，早期可能集中在芯片、能源、云平台等稀缺资产所有者 | 原文 | 中 | 中 |
| 研报提及 | 改变前瞻指引可能导致市场误读和波动上升 | 原文+FinGPT | 中 | 高 |
| 模型补充 | AI资本开支若过度投资，可能造成产能过剩和回报不足 | FinGPT | 中 | 高 |
| 模型补充 | 当前市场价格隐含极高AI红利预期，脆弱性较高 | FinGPT | 中高 | 高 |
| 模型补充 | 美联储政治独立性潜在扰动，可能影响政策可信度 | FinGPT | 低中 | 中高 |
| 模型补充 | 数据安全与地缘政治约束可能限制AI扩散节奏 | FinGPT | 低中 | 中 |
原文对风险表述相对克制，更多以“未知”“尚未明朗”等方式提出问题。FinGPT补充的风险不应视为原文结论，但可作为独立的压力测试视角。
5. 估值与目标价逻辑
本报告对象为美联储政策演讲，传统股票目标价逻辑不适用。外部市场数据为空，无法提供当前PE/PB、历史估值中枢或同业对比。
| 估值/定价维度 | 当前状态 | 来源 |
|---|---|---|
| 传统PE/PB/EV/EBITDA | 不适用，无有效数据 | FinGPT/外部数据为空 |
| 市场实际定价对象 | “AI提升全要素生产率→利率更高更久”的政策预期 | FinGPT |
| token销售规模 | 超过1000亿美元，同比+500%以上 | PDF原文 |
| 目标价 | 无 | — |
| 关键定价变量 | AI生产率兑现节奏、token价格、资本开支回报率、政策沟通波动率 | PDF原文/FinGPT |
若将美联储沟通本身视为一种“政策信号资产”，其隐含“定价”不是股价，而是市场对未来利率路径、波动率与期限溢价的预期。Warsh明确反对“前瞻指引”，意味着未来美联储可能减少对未来政策路径的提前承诺，从而改变市场对政策信息的解读方式。
6. 独立判断与情景分析
以下情景为独立分析，基于PDF原文与FinGPT补充判断，不代表任何机构预测。由于主体为美联储，不使用EPS口径，改列关键宏观与资产变量。
| 情景 | 概率 | 核心条件 | 2028E关键变量（非EPS口径） | 关键观察指标 |
|---|---|---|---|---|
| 乐观 | ~30% | AI生产率显著且持续提升，资本开支有效转化为生产率 | 实际利率中枢可能上移，风险资产盈利增长支撑估值 | 非农生产率、单位劳动力成本、token销售增速、AI资本开支回报率 |
| 基准 | ~50% | AI渐进扩散，部分资本开支回报延后，政策沟通过渡平稳 | 利率路径接近稳态，资产波动相对有限 | 企业AI采用率、资本品订单、盈亏平衡时间 |
| 谨慎 | ~20% | AI生产率证伪或滞后，资本开支过剩，前瞻指引切换引发误读 | 长端利率与风险资产可能同步回撤 | 信用利差、盈亏平衡通胀率、AI实验室收入集中度、政策沟通波动率 |
乐观情景下，AI越早、越广泛地转化为可度量的生产效率提升，美国经济越可能承受更高实际利率，政策空间相应扩大。基准情景下，AI推动增长的过程是渐进的，市场需要时间验证资本开支回报，利率路径不确定性下降。谨慎情景下，若AI投入未能转化为生产率，前期定价可能面临修正，叠加美联储沟通框架切换，市场波动风险上升。
更直白地概括：如果AI真的把生产率拉起来，利率可能比过去十年更高更久；如果AI被证伪或延迟兑现，市场可能面临增长预期与利率预期的双重调整。美联储是否放弃传统前瞻指引，本身也是一个需要持续观察的政策信号。
本文基于公开研报分析整理，不构成投资建议。
本站分析内容由 AI 自动生成，仅供研究与学习参考，不构成任何投资建议、要约或招揽。据此操作，风险自负。 免责声明