今年4月，美联储发了一份工作论文，专门研究怎么量化追踪美国企业的AI采用率。这件事本身就值得说：当货币政策制定者开始正式把AI采用当经济指标来研究，说明AI对宏观经济的影响已经严重到必须纳入政策视野了。
但这份论文最有意思的地方不是结论，而是它发现——同样一件事，用三种不同的方法来测，能得出截然不同的数字。
三套数据，三个世界
美联储研究团队对比了三个主要调查来源：
BTOS（企业技术调查）：18%
从企业层面问：你们公司用AI了吗？约18%的企业说采用了。
RPS（随机生产率调查）：41%
从个人层面问：你在工作中用过生成式AI吗？41%的受访者说用过。
SBU（按就业加权）：78%
把大公司权重算进去之后：78%的劳动者就职于已经部署AI的公司。
同一个”美国AI采用率”，18%、41%、78%——这三个数字都是对的，只是问的问题不一样。
你怎么定义”采用”，直接决定了你看到的世界。
问”公司有没有正式部署AI系统”，答案是18%。问”员工有没有在用”，答案是41%。把大公司员工的权重算进去（大公司AI部署率更高），答案跳到78%。
谁用得最多
从行业维度拆开来看，差距相当大：
| 行业 | 企业采用率 | 个人使用率 |
|---|---|---|
| 专业服务（律所、咨询、会计） | 33% | 62% |
| 金融服务 | 30% | 63% |
| 制造业 | 较低 | 较低 |
| 批发贸易 | 较低 | 较低 |
金融和专业服务的个人使用率最高，63%的金融从业者在工作中用生成式AI。不难理解——这两个行业本来就在和文字、数据、分析打交道，AI能直接嵌入进去。
相比之下，制造业和批发贸易的采用率明显偏低，说明AI还没有深入到物理生产这一层。
增速68%，但基数还小
论文里的一个数字很显眼：2025年底，企业层面的AI采用率年增速是68%。
但注意——增速再快，基数只有18%。从18%出发，增长68%，也才到30%出头。
更有意思的是日常使用频率：
- 每天使用工作相关AI的员工：12%
- 每周至少用一次的：35.2%
- 大型模型（LLM）的就业加权采用率：54%
每天12%，放在任何其他企业软件上都叫”低频”。但类比一下：Excel在推广初期的日活也不是这个样子。AI工具的”粘性”培养还在早期。
联储为什么在意这个
美联储研究AI采用率，背后有很实际的政策考量。
AI对劳动生产率的影响直接关系到三件事：
- 经济增长趋势：生产率增速是GDP增长的核心驱动力
- 通货膨胀路径：生产效率提升可以压低供给侧价格，让经济在不产生通胀的情况下跑得更快
- 劳动力市场结构：AI替代了哪些工作，需要什么样的就业政策支持
换句话说，美联储在判断：我们现在处于AI驱动的生产率革命里吗，还是只是一场数字泡沫？
这个判断直接影响利率决策。如果AI真的在系统性地提升劳动生产率，那经济可以在更长时间里维持增长而不用担心过热。
这份论文没有给出最终答案，但它让这个问题变得可以量化追踪了。
测量本身就是一种进步
论文的诚实让人舒服：它没有给”AI改变了一切”做背书，而是说”我们有三种测量方法，每种都有偏差，我们还在学怎么更准确地观察这件事”。
这恰恰说明AI经济影响的量化还在起步阶段。MIT、斯坦福、麦肯锡各有一套方法，联储有自己的一套，得出的数字互相打架——不是因为数据是假的，而是因为大家测的不是同一件事。
从政策制定者开始认真量化AI的经济影响，到这些数据真正进入货币政策模型，可能还需要几年。但方向定了：AI在宏观经济学里，正在从”话题”变成”指标”。
等到美联储在利率决策声明里开始引用AI采用率数据的那一天，才是真正值得记录的历史节点。现在，我们大概在这条路上走到了三分之一的位置。
参考来源：Monitoring AI Adoption in the US Economy（Federal Reserve Board, FEDS Notes, 2026年4月）；Enterprise AI Adoption Curve Now Past the Internet at Year 3（Asanify AI News Digest, 2026年4月20日）