今年 4 月，聯準會發布了一份工作論文，專門研究如何量化追蹤美國企業的 AI 採用率。這件事本身就值得關注：當貨幣政策制定者開始正式把 AI 採用當作經濟指標來研究，代表 AI 對總體經濟的影響已經嚴重到必須納入政策視野。
但這份論文最有趣的地方不是結論，而是它發現——同一件事，用三種不同的方法來測量，會得出截然不同的數字。
三套數據，三個世界
聯準會研究團隊比較了三個主要調查來源：
BTOS（企業技術調查）：18%
從企業層面詢問：你們公司用 AI 了嗎？約 18% 的企業表示已採用。
RPS（隨機生產力調查）：41%
從個人層面詢問：你在工作中用過生成式 AI 嗎？41% 的受訪者表示用過。
SBU（按就業加權）：78%
把大公司權重算進去之後：78% 的勞動者任職於已部署 AI 的公司。
同一個「美國 AI 採用率」，18%、41%、78%——這三個數字都是對的，只是問的問題不一樣。
你怎麼定義「採用」，直接決定了你看到的世界。
問「公司有沒有正式部署 AI 系統」，答案是 18%。問「員工有沒有在用」，答案是 41%。把大公司員工的權重算進去（大公司 AI 部署率更高），答案跳到 78%。
誰用得最多
從行業維度拆開來看，差距相當大：
| 行業 | 企業採用率 | 個人使用率 |
|---|---|---|
| 專業服務（律師事務所、顧問、會計） | 33% | 62% |
| 金融服務 | 30% | 63% |
| 製造業 | 較低 | 較低 |
| 批發貿易 | 較低 | 較低 |
金融與專業服務的個人使用率最高，63% 的金融從業人員在工作中使用生成式 AI。這不難理解——這兩個行業本來就在和文字、數據、分析打交道，AI 能直接嵌入進去。
相比之下，製造業和批發貿易的採用率明顯偏低，顯示 AI 還沒有深入到物理生產這一層。
增速 68%，但基數還小
論文裡的一個數字很顯眼：2025 年底，企業層面的 AI 採用率年增速是 68%。
但注意——增速再快，基數只有 18%。從 18% 出發，增長 68%，也才到 30% 出頭。
更有意思的是日常使用頻率：
- 每天使用工作相關 AI 的員工：12%
- 每週至少用一次的：35.2%
- 大型模型（LLM）的就業加權採用率：54%
每天 12%，放在任何其他企業軟體上都叫「低頻」。但類比一下：Excel 在推廣初期的日活也不是這個樣子。AI 工具的「黏性」培養還在早期。
聯準會為什麼在意這個
聯準會研究 AI 採用率，背後有很實際的政策考量。
AI 對勞動生產力的影響直接關係到三件事：
- 經濟成長趨勢：生產力增速是 GDP 成長的核心驅動力
- 通貨膨脹路徑：生產效率提升可以壓低供給側價格，讓經濟在不產生通膨的情況下跑得更快
- 勞動市場結構：AI 替代了哪些工作，需要什麼樣的就業政策支持
換句話說，聯準會在判斷：我們現在處於 AI 驅動的生產力革命裡嗎，還是只是一場數位泡沫？
這個判斷直接影響利率決策。如果 AI 真的在系統性地提升勞動生產力，那經濟可以在更長時間裡維持成長而不用擔心過熱。
這份論文沒有給出最終答案，但它讓這個問題變得可以量化追蹤了。
測量本身就是一種進步
論文的誠實讓人舒服：它沒有為「AI 改變了一切」背書，而是說「我們有三種測量方法，每種都有偏差，我們還在學怎麼更準確地觀察這件事」。
這恰恰說明 AI 經濟影響的量化還在起步階段。MIT、史丹佛、麥肯錫各有一套方法，聯準會也有自己的一套，得出的數字互相打架——不是因為數據是假的，而是因為大家測的不是同一件事。
從政策制定者開始認真量化 AI 的經濟影響，到這些數據真正進入貨幣政策模型，可能還需要幾年。但方向定了：AI 在總體經濟學裡，正在從「話題」變成「指標」。
等到聯準會在利率決策聲明裡開始引用 AI 採用率數據的那一天，才是真正值得記錄的歷史節點。現在，我們大概在這條路上走到了三分之一的位置。
參考來源：Monitoring AI Adoption in the US Economy（聯邦準備理事會，FEDS Notes，CocoLoop，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）