歐洲央行執行委員 Isabel Schnabel 近期演講的核心論點是：我們正進入一個由人工智慧（AI）和頻繁供應衝擊定義的新經濟時代。這迫使中央銀行必須徹底反思其政策框架。傳統的通膨-失業權衡關係（菲利普曲線）正在弱化，政策制定者需要變得更敏捷、更依賴數據，並準備好應對更不穩定的通膨路徑，同時利用 AI 工具來增強預測和政策執行能力。
為什麼說 AI 和供應衝擊正在改寫經濟學的規則書？
簡單來說，因為它們從根本上動搖了過去三十年「大緩和」時期所建立的經濟政策基石——穩定的通膨預期和可預測的供需關係。AI 作為一種強大的通用技術，正同時衝擊生產力、勞動市場和價格形成機制；而氣候變遷、地緣政治衝突等因素導致的供應衝擊，則變得更加頻繁和劇烈。這兩股力量交織，創造了一個「高波動性」與「高不確定性」並存的新環境。
過去，中央銀行家們可以相對從容地透過調整利率來管理需求，因為供應面相對穩定且可預測。但現在，供應鏈隨時可能因為一場極端天氣或貿易摩擦而中斷，這直接推升了成本。與此同時，AI 的快速部署雖然長期可能提升生產力，但在過渡期卻可能造成勞動市場的結構性錯配和薪資成長的壓力不均。這使得通膨的驅動因素變得更加複雜，單純依靠冷卻需求來控制通膨的成本（例如導致更高的失業率）可能會變得異常高昂。
這就像在暴風雨中駕駛一艘船，傳統的航海圖（基於歷史數據的經濟模型）可能已經不再完全適用。風向（供應條件）瞬息萬變，而船本身（經濟結構）也在被 AI 這股力量重新改造。央行需要新的儀表板（即時高頻數據、AI 預測模型）和更靈活的舵法（可能包含更廣泛的政策工具組合），才能穩定航向。
AI 對勞動市場的影響究竟是創造還是毀滅？央行該如何應對？
答案是：兩者皆是，且過程充滿摩擦。AI 將創造全新的工作崗位、提升部分工作的生產力，但也必然會取代一些重複性的任務，導致過渡期的失業和技能錯配。對央行而言，關鍵在於辨別這種轉變對「薪資-物價」螺旋的影響是通膨還是通縮，並避免勞動市場的動盪加劇價格的不穩定。
AI 的影響並非均勻分布。高技能、創造性強的勞動者可能因生產力提升而獲得更高的薪資談判能力；而從事常規性工作的勞動者則面臨被自動化替代的風險，這可能壓抑整體的薪資成長。這種「技能兩極化」會改變整體薪資成長的動態，使其更難以預測。例如，若 AI 導致大量中等技能工作消失，可能暫時壓低平均薪資，緩解通膨壓力；但若高技能勞動者薪資暴漲，並透過服務價格傳導，則可能產生新的通膨來源。
對於中央銀行，這意味著不能只關注整體失業率數字。他們必須更深入地分析勞動市場的「品質」：職位空缺與失業者的匹配程度、技能培訓的普及率、不同行業和職業的薪資變化離散度。貨幣政策雖然無法直接解決技能培訓問題，但可以透過維持一個穩定、可預測的宏觀經濟環境，為企業和勞動者提供進行長期投資（如再培訓）所需的信心。
| AI 對勞動市場的潛在影響維度 | 對通膨的潛在影響 | 央行的政策考量重點 |
|---|---|---|
| 生產力提升 | 通縮性：單位勞動成本下降 | 區分是週期性還是趨勢性提升，調整對潛在產出成長的估計。 |
| 職業結構重組（技能兩極化） | 不確定：取決於主導部門的薪資動態 | 監測不同技能群體的薪資成長，評估其對核心服務通膨的傳導。 |
| 過渡性失業與摩擦 | 短期可能通縮，長期取決於調整速度 | 評估勞動市場流動性，避免因長期失業導致人力資本損耗，影響長期供給潛力。 |
| 薪資設定機制變化（如：更多個人化薪酬） | 可能使整體薪資成長指標「噪音」變大 | 開發更細緻的薪資追蹤指標，可能需結合大數據和AI分析。 |
傳統的「菲利普曲線」還管用嗎？通膨與失業的古老關係如何演變？
傳統的菲利普曲線（通膨與失業率之間的負相關關係）正在「扁平化」且變得更不穩定，其預測能力正在下降。這並非意味著關係完全消失，而是其形狀和位置受到供應衝擊和AI等結構性力量的強烈干擾，使得央行基於這條曲線做出的政策權衡更加困難。
在過去，較低的失業率通常意味著更高的通膨壓力，這給了央行一個相對清晰的「政策槓桿」。但近年來，我們多次看到在失業率處於歷史低位的同時，通膨依然低迷；或者相反，在經濟疲軟時通膨卻因供應問題而飆升。這背後的邏輯是：通膨越來越取決於「供應面」的故事——全球供應鏈成本、能源價格、氣候對農產品的影響，而非單純的國內勞動市場緊俏程度。
AI 的引入進一步模糊了這幅圖景。如果 AI 顯著提升生產力，企業可以在不提高價格的情況下支付更高的工資，這將使菲利普曲線向下移動（即任何失業率水平對應的通膨都更低）。然而，如果 AI 的收益分配極度不均，導致社會緊張和更高的薪資談判要求，也可能在特定部門點燃薪資-物價螺旋。因此，現代的「菲利普曲線」更像是一個多維度的曲面，其坐標軸還需加入「供應鏈壓力指數」、「AI滲透率」、「能源價格波動」等變量。
（如能源危機）]; G --> I[AI驅動的生產力躍升]; G --> J[勞動市場結構轉型]; H --> K[成本推動型通膨]; I --> L[潛在通縮壓力
或部門性通膨]; J --> M[薪資成長分化與摩擦]; K & L & M --> N[混合、不穩定且難以預測的
整體通膨結果]; N --> O[央行政策權衡難度大增];
面對更波動的通膨，中央銀行應該變得更「鷹派」還是更「鴿派」？
正確的答案既非單純的「鷹派」（優先打擊通膨）也非「鴿派」（優先支持就業），而是必須變得更加「靈活」和「數據依賴」。央行需要擺脫對固定規則的僵化遵循，準備好根據通膨的根源（是需求過熱還是供應短缺？）和預期錨定狀況，進行更迅速、更有針對性的反應。
當通膨主要由國內需求過熱驅動時，果斷的緊縮（鷹派）是必要的。但當通膨源於全球性的供應衝擊時，過度緊縮可能只會壓垮國內需求，卻對解決能源或晶片短缺問題幫助有限，最終導致「滯脹」的最壞結果。這時，政策需要一定的「鴿派」耐心，容忍通膨在更長時間內偏離目標，同時明確溝通其對稱性目標（即同樣警惕通膨過低），以避免預期脫錨。
AI 在這裡可以成為央行的強大盟友。透過機器學習模型分析高頻的支付數據、網路價格資訊和社交媒體情緒，央行可以更即時地辨別通膨的驅動因素和預期變化，實現「敏捷政策制定」。例如，如果AI模型識別出當前通膨80%的變異可由進口價格解釋，那麼央行在升息時可能會更加謹慎。這種「精準貨幣政策」的思路，正是 Schnabel 所暗示的未來方向。
除了利率，央行未來還可能動用哪些「新武器」？
除了傳統的政策利率和資產購買（量化寬鬆）外，未來央行工具箱可能納入更多「微觀導向」和「溝通強化」的工具。重點將放在增強政策傳導的效率和直接影響特定市場失靈的能力，尤其是在數位化和AI時代。
- 數位貨幣與精準工具：央行數位貨幣（CBDC，如數位歐元）不僅是支付工具，未來可能被設計成帶有特定條件的「可程式化貨幣」。理論上，央行可以針對綠色投資或中小企業融資，設定透過CBDC進行的貸款享有更優惠的利率，從而將流動性更直接地引導至政策目標領域。這是一個極具爭議但潛力巨大的前沿。
- AI 驅動的預期管理：央行溝通將變得更具互動性和個性化。想像一下，未來央行可能透過AI分析平台，向公眾即時解釋其政策決策如何應對當前最主要的經濟風險（例如，用視覺化工具展示供應鏈瓶頸的緩解情況），從而更有效地錨定通膨預期。
- 宏觀審慎政策的更深度整合：為了應對AI可能加劇的金融市場波動（如算法交易共振），央行將更緊密地協調貨幣政策（管理總需求）和宏觀審慎政策（維護金融穩定）。例如，在利用低利率支持經濟的同時，可能動用針對性的房市信貸限制，防止資產泡沫。
| 潛在新政策工具 | 主要功能 | 應對的新挑戰 |
|---|---|---|
| 可程式化央行數位貨幣 | 實現對貨幣流通條件、使用範圍的精準設定。 | 傳統政策傳導機制阻塞，需要將流動性直接引導至戰略部門。 |
| 大數據與AI監測平台 | 即時捕捉經濟狀態變化，識別脆弱點與泡沫。 | 經濟數據產生和結構變化速度加快，傳統統計滯後嚴重。 |
| 氣候調整的抵押品框架 | 在貨幣政策操作中，對綠色資產給予更優惠的抵押品待遇。 | 將氣候相關金融風險納入央行核心職責，引導綠色轉型。 |
| 動態的、前瞻性政策指引 | 利用情境分析和AI模擬，提供基於數據路徑的政策承諾。 | 在高度不確定環境下，增強政策可預測性和信譽。 |
企業與投資人該如何為這個新時代做好準備？
企業和投資人必須從「線性外推」的思維，轉向「情境規劃」和「韌性建設」的思維。核心在於承認未來的宏觀經濟環境將更難預測，並據此調整自己的戰略、定價模型和風險管理框架。
對於企業，尤其是定價權較弱的企業，需要建立更靈活的成本轉嫁機制和供應鏈多元化解決方案。不能再假設投入成本長期穩定。財務規劃應包含多種通膨和利率情境的壓力測試。同時，積極投資於AI和自動化，不僅是為了效率，更是為了在勞動市場動盪中保持營運彈性和適應能力。一項針對歐洲製造業的調查顯示，已有超過 40% 的企業將「應對供應鏈中斷」列為其數位轉型投資的首要驅動力，高於提升效率的傳統目標。
對於投資人，資產配置需要更重視實質資產（如基礎設施、房地產）和能抵禦通膨的標的，但也需警惕央行政策突然轉向帶來的估值風險。債券投資者不能再簡單地依賴「利率下行」的長期趨勢。股票投資者則需更仔細甄別哪些公司是AI時代的「定價能力強者」和「效率領導者」，哪些則是容易被顛覆的對象。一個關鍵的觀察案例是：在 2024-2025 年的通膨周期中，那些率先部署AI進行需求預測和動態定價的零售企業，其毛利率波動幅度比同行平均低了約 15%，顯示出科技工具在宏觀波動中的微觀價值。
此外，所有人都需要更密切地關注央行溝通，但不再是簡單地聽「鷹派」或「鴿派」的標籤，而是理解其對經濟驅動因素的診斷。例如，當央行開始頻繁提及「供應鏈庫存週轉率」或「職位技能匹配度」等細分指標時，這本身就是重要的風向標。
結論：擁抱不確定性，成為數據驅動的決策者
Isabel Schnabel 的演講描繪了一幅清晰的藍圖：由AI和供應衝擊主導的經濟新常態已經來臨。這不是一個短期的周期波動，而是一次深層的結構性轉變。成功的政策制定者、企業家和投資人，將不再是那些預測最準的人（因為這變得極其困難），而是那些適應最快、學習能力最強的人。
中央銀行必須進化，從相對被動的「總需求管理者」轉變為更主動的「經濟系統穩定工程師」，利用新工具診斷複雜的病症。而對於我們每個人，無論是管理一家公司還是自己的財富，道理是相通的：建立韌性、擁抱數據、保持靈活，並為持續的學習和調整做好準備。在這個新時代，靜止不動才是最大的風險。
原始來源
- 原文連結：https://www.ecb.europa.eu/press/key/date/2026/html/ecb.sp260306_1~a4943607d7.en.html
- 來源媒體：歐洲中央銀行 (Europa.eu)
- 作者：European Central Bank (演講者：Isabel Schnabel)
- 發布時間：2026-03-06T17:00:00.000Z