2026年6月22日，美联储前主席格林斯潘去世，享年百岁。张明教授在《格林斯潘的遗产》一文中，精辟地概括了这位执掌美联储十八年半的传奇人物的思想遗产：对资产价格“上涨不管、下跌必救”的非对称态度；“在泡沫破灭之前，你怎么知道它一定是泡沫呢？”的不可知论；以及拒绝主动加息刺破泡沫的实用主义。张明同时指出，全球化、新兴市场融入与信息技术革命等结构性力量，才是“大稳健时代”的真正推手。据此，我们继续追问：倘若格林斯潘依然在世，面对当下同样令人目眩的人工智能狂热，他会如何审视这场新的浪潮？
格林斯潘
一、格林斯潘对待泡沫的经典框架
格林斯潘对资产泡沫的态度，可以凝练为三个核心信条：
泡沫不可知论。 他认为央行没有能力在泡沫膨胀阶段精准识别它。“在泡沫破灭之前，你怎么知道它一定是泡沫呢？”——这句名言贯穿了他的整个央行生涯。
非对称干预。 泡沫形成时，美联储选择“无为而治”；泡沫破裂后，美联储果断降息、注入流动性。这形成了著名的“格林斯潘看跌期权”——市场深信，大涨时央行不会干预，大跌时央行必定救市。
拒绝主动刺破。 加息刺破泡沫的代价过于沉重，可能将经济拖入深度衰退。因此，货币政策不应针对资产价格，而应锚定消费物价通胀。
这套逻辑根植于他对自由市场的深刻信仰。理解了这一点，才能更清醒地看待格林斯潘的“大师光环”——它既真实，又有相当程度的时代幸运成分。
二、互联网泡沫：他如何实际运用这套框架
格林斯潘对待互联网泡沫的历程，是一部教科书式的“过山车叙事”。
1996年：“非理性繁荣”的孤鸣。 他在演讲中首次使用“非理性繁荣”一词警告股市过热，却未采取任何实质紧缩行动。这种“光说不做”的姿态，反而让市场将其解读为对繁荣的默许。
1996-1999年：被“生产力叙事”说服。 面对互联网“新经济”神话，格林斯潘逐渐相信生产率提升足以支撑更高增长而不引发通胀。他选择了观望，错失了温和降温的窗口。
2000年5月：突然转向，刺破泡沫。 互联网泡沫达到顶峰，格林斯潘察觉股市“财富效应”已严重推高消费与劳动力成本，断然加息50个基点，直接刺破泡沫，纳斯达克此后暴跌近80%。
2001年：危机救助与骂名。 泡沫破裂后，他迅速切换角色，连续大幅降息、注入流动性，履行“看跌期权”承诺。然而，此前的不作为与最终的强硬加息，使他饱受“制造泡沫又亲手毁灭”的批评。
2008年后的反思。 次贷危机后，格林斯潘在回忆录中首次公开承认严重误判，坦言低估了低利率与金融自由化带来的系统性风险。
回顾这段历史，一个核心启示是：格林斯潘并不在意泡沫本身，他只在意泡沫是否触发了通胀和系统性风险。 只要不越过这两个红线，他就乐于袖手旁观。而一旦越过，他的反应会比市场预期的更果断、更冷酷。
三、当下AI：一场席卷全球的狂热
理解格林斯潘的框架之后，我们必须直面一个问题：当下的人工智能，究竟是一幅怎样的图景？答案可以用四个维度来描摹。
发展速度：指数级的跃迁。 斯坦福大学《2026年人工智能指数报告》揭示：自2022年以来，全球AI模型所需的算力以每年约3.3倍的速度增长，今天的算力需求已是三年前的35倍以上。中国国家统计局的数据显示，2026年中国日均Token调用量已突破140万亿，两年增长超千倍。这种增长速度，在人类技术史上极为罕见。
投资规模：史无前例的资本洪流。 Gartner数据显示，2025年全球AI总支出已达1.76万亿美元，同比增长67.6%；预计2026年将升至2.60万亿美元，2027年进一步攀升至3.49万亿美元。六大科技巨头2025年资本开支合计超3500亿美元，2026年预期突破8000亿美元。一个直观的对比是：阿波罗登月计划折合成今天的美元约3000亿美元，耗时十三年完成。而今天，全球AI产业每四个月就花掉一个阿波罗登月的钱。资本洪流奔腾不息，但资本的流向揭示了一个更为深刻的变化——它对经济的影响深度，已远超华尔街的范畴。
影响深度：从实验室到各行各业。 AI已不再是科技公司的专属工具。在通用场景中，客户服务（58%）、市场营销（56%）、软件开发（53%）及数据分析（52%）的AI渗透率均已超过50%。在垂直行业，金融、工业、医疗的渗透率均超过50%，智能体已深度融入风控、设备巡检、辅助诊断等核心业务。斯坦福报告将当前阶段称为AI的 “落地考验期” 。
全民参与：从极客到银发族。 截至2025年12月，中国生成式人工智能用户规模达6.02亿人；全球范围，ChatGPT已成为史上最快突破10亿月活用户的应用。用户增量正在向 “银发+下沉” 双向延伸——2026年一季度，60后AI用户规模增加了1660万，三线及以下城市用户增加了9126万。AI已走出科技精英的圈子，渗透到普通人的日常生活。
狂热与担忧：同一枚硬币的两面。 益普索2026年全球AI态度调查显示，全球范围内对AI的“兴奋”与“紧张”已近乎持平，且越来越多的是同一个人同时感受到这两种情绪。Anthropic调查发现，64%的人担心AI抢饭碗，56%担心“认知依赖”。《经济学人》民调显示，70%的美国人认为AI发展“太快了”。
技术狂飙、资本洪流、全民参与、普遍焦虑——这四个特征叠加在一起，构成了当下AI热潮的完整图景。格林斯潘如果活着，他会如何判断这场狂热？他不会看技术演示，不会听CEO演讲——他会做的第一件事，是去查劳动生产率数据。
四、AI与互联网：继承与断裂
将AI简单类比于2000年互联网，是推演中最需要警惕的陷阱。但将两者完全割裂，同样是一种误判。
哲学的视角：否定之否定
从更深层面看，AI与互联网的关系符合技术演化的一条基本规律——否定之否定。任何真正的变革，都不是凭空降临，而是在前一个时代的成就之上，完成一次质的跃迁。
互联网是“正题” ——它解决了信息的连接与流通问题，让人类实现了全球范围的实时信息交换。但它有一个根本局限：它只是“连接”，而非“创造”。
AI是“反题” ——它在互联网搭建的“连接”基础之上，开始介入“创造”。它否定了互联网“只连接不创造”的边界。
而AI不会停留在“反题”。 当算力成本居高不下、当“错误的AI”加剧失业与分配不均、当Token的产出始终覆盖不了投入——社会将迫使AI进入第三阶段，即 “合题” ：AI与人类协作，AI作为增强工具而非替代工具，AI的发展速度与社会承受能力之间形成新的平衡。
简单说：互联网搭建了舞台，AI上台演出，而最终的剧本需要人与AI共同书写。
这不是线性的过程，而是一个螺旋式上升的过程——每一步都在继承前一步的成果，同时又突破前一步的局限。
事实的层面：继承
我们今天所见的AI爆发，恰恰建立在互联网三十余年铺就的基础之上。互联网完成了三件大事：数据的海量生产、基础设施的广泛覆盖、用户习惯的深度驯化。没有这三重铺垫，AI的“智能涌现”将是无源之水。在这个意义上，AI不是互联网的替代者，而是互联网的“下一代操作系统”——它运行在互联网铺设的轨道上，只是车速突然从“高速”跃升为“超音速”。
事实的层面：断裂
但AI的底层逻辑与互联网存在本质不同。互联网本质上是 “渠道革命” ——改变了信息的流通方式；而AI被视为 “生产力革命” ——可能直接替代人力、介入知识创造。两者在量级上存在根本差异。
诺贝尔经济学奖得主达龙·阿西莫格鲁对此做出了更为精细的区分：他将AI分为 “正确的AI” 与 “错误的AI” 。“正确的AI”是增强人类能力的工具——帮助医生诊断、辅助工程师设计、优化供应链——直接提升劳动生产率。而“错误的AI”则主要用于自动化替代人力、生成低成本内容，未必带来整体生产效率的跃升，反而可能加剧失业与分配不均。即便AI总体的生产力叙事成立，其内部结构也决定了它对宏观经济的真实贡献。
“继承”与“断裂”交织的复杂性
恰恰是这种“继承中的断裂”，构成了格林斯潘判断的最大难题。 一方面，AI的大规模投资并非凭空烧钱——它在使用已有的基础设施、服务已有的用户；另一方面，如果“正确的AI”生产力提升被证伪，或者Token成本始终无法覆盖运营成本，那么依托互联网而生的AI繁荣，也会像当年的.com泡沫一样迎来残酷的清算。
如果格林斯潘真的看到劳动生产率因“正确的AI”而出现跃升，他是否会改变“怀疑者”姿态？历史地看，格林斯潘并非顽固的技术否定者。他在1996年之后之所以转向，正是因为当时的确出现了一些生产力改善的迹象。因此，一个更完整的推演是：格林斯潘会对AI保持比互联网时期更长时间的观望——因为AI的“产出兑现”链条更长——但一旦宏观数据连续多个季度证实了生产力的质变，他可能比任何人都更快地转向“AI信徒”。
他也会提醒自己：当年互联网生产力改善的出现，滞后了将近十年。AI的“索洛悖论”恐怕只会更长。这意味着，在他有生之年，或许都等不到那个“确认”时刻。而这，恰恰是中央银行家最深的宿命。
五、当下AI是否呈现泡沫特征？——来自市场的警示信号
围绕AI泡沫的警告声已从四面八方响起。
桥水基金创始人达利欧的警告最为系统。 2025年11月，他引用桥水内部泡沫指标模型给出明确数字：当前资产市场的泡沫程度已达80%，接近2000年互联网泡沫巅峰。该模型综合考量了估值倍数、投资者情绪、新入场买家的投机程度以及价格与内在价值的偏离度。
“大空头”迈克尔·伯里则给出了最形象的类比。 他指出，互联网泡沫时期思科是“一切的中心”——股价暴涨3800%后暴跌逾80%。而今天，“一切的中心”名叫英伟达。伯里斥资逾10亿美元买入英伟达的看跌期权。
“AI教父”之一杨立昆的警告更为直接。 AI泡沫的破裂“没有想象中那么远，它随时可能爆”。他的逻辑简明而冷酷：Token成本降得太慢了，慢到几乎所有公司都在用投资人的钱替用户买单。
诺贝尔经济学奖得主迈克尔·斯宾塞亦发出警示，但角度不同。 他将之称为“理性泡沫”——对科技巨头而言，过度投资的代价远低于在竞争中落后甚至出局的风险。
数据也在印证这些担忧。 AI七巨头占纳斯达克综合指数权重达54%，占标普500权重达36%。AI相关投资占美国名义GDP比重已升至4.91%，突破了2000年互联网泡沫阶段4.5%的历史峰值。以OpenAI为例，2025年总支出340亿美元，营收仅约130亿美元，缺口超过200亿美元。
当然，反对声音同样存在。 英伟达CEO黄仁勋以强劲财报回应质疑——2026财年第三季度营收570亿美元，利润319亿美元——这与2000年互联网泡沫中那些“烧钱换用户”却毫无盈利的.com公司形成了鲜明对照。
上述警告各有侧重，但共同勾勒出一个令人不安的轮廓：无论从估值集中度、投机情绪还是营收与支出的背离来看，当下的AI热潮都呈现出与历次大泡沫相似的早期症候。然而，这并不意味着格林斯潘会采取行动——他从来不会因为“看起来像泡沫”而出手，他只会在“引发了通胀或系统性风险”时才动手。
六、假如格林斯潘面对当下的人工智能
至此，我们可以推演格林斯潘面对AI狂潮的四层反应。这四个层次并非时间上的先后顺序，而是同时存在于他思维中的不同决策模块，在不同条件下被依次激活。
第一层：生产力怀疑论。 在劳动生产率数据和单位劳动力成本没有实质性改善前，他会把AI热潮视为纯粹的“资本支出竞赛”。数据信徒，不见兔子不撒鹰。
第二层：过度投资警觉。 他会看到当下GPU、数据中心和大模型初创企业的巨额融资，并想起2000年的世通公司。但他依然不会加息阻止——让市场去浪费，让市场去清算。
第三层：财富效应触发器。 这是从观望到行动的临界点。如果AI热潮推动美股持续暴涨、推高居民消费，而核心通胀又顽固不下，那么无论AI多么伟大，他都会毫不犹豫地加息。泡沫破灭是股市的事，通胀失控是央行的失职。
第四层：系统性风险偏执。 晚年最大的懊悔是低估了金融衍生品将风险扩散至整个系统的能力。他会死死盯着金融机构对AI初创公司的风险敞口，以及AI产业链高度集中可能引发的供给冲击。但这更多体现为对宏观审慎监管的支持。
七、两个修正变量：地缘政治与降息空间
上述推演还需两个重要修正。
地缘政治：格林斯潘工具箱中缺失的一环。 格林斯潘时代的互联网泡沫发生于全球化高歌猛进的单极时刻。而今天，AI已深度嵌入中美科技博弈。如果芯片出口管制或数据中心限电引发供应链断裂、推高生产成本进而传导至通胀，他将面临前所未有的困境——供给冲击驱动的通胀，不是加息能解决的，但加息又是唯一能用的工具。 这是他思维框架最可能失效的地方。
降息空间：安全网比当年单薄得多。 2001年互联网泡沫破裂时，联邦基金利率尚有6.5%，格林斯潘拥有超过500个基点的降息空间。而今天，实际降息空间远不如当年充裕。如果AI泡沫破裂引发深度衰退，美联储可能很快耗尽常规弹药。格林斯潘可能被迫使用自己不信任的工具来履行“看跌期权”的承诺。这种“工具与信仰之间的撕裂”，或许比AI本身更能困扰他。
上述推演以美国为背景，但AI泡沫是全球性现象，中国作为全球第二大经济体和AI应用的最大市场之一，其央行的应对逻辑同样值得审视。
八、中国语境：结构相似，路径不同
中国央行在面对AI热潮时，会重复格林斯潘式的逻辑吗？
相似之处在于“两难处境”。 中国央行同样面临资产价格与实体经济之间的权衡，同样无法精准识别拐点。
不同之处同样显著。 首先，中国人民银行的目标比美联储更为多元，更倾向于“容忍适度泡沫以换取技术突破”。其次，中国央行拥有定向降准、科技创新再贷款等结构性工具，可以精准向AI产业注入流动性。第三，中国已建立“货币政策+宏观审慎”双支柱框架，这种“边发展边治理”的思路与格林斯潘“事前不管、事后救市”的非对称路径形成了鲜明对比。
格林斯潘的幽灵在中国的游荡方式，不是照搬照抄，而是选择性回响。
九、结论：一个令人“讨厌”的清醒者，及其未竟的问题
格林斯潘逝世了，但他留下的问题没有随他而去。
在AI的狂热中，他本会是最令人“讨厌”的清醒者——在别人贪婪时泼冷水但不出手，在泡沫即将破裂时为抑制通胀而主动加息，在泡沫破裂后又第一时间降息救市。他让所有人都感到不满：多头在繁荣期忽视他的警告，在破裂后恨他的背叛；空头恨他的救市；政客恨他的独立；学者恨他的模糊。
格林斯潘式的实用主义，本质上是一种 “在错误中学习、在争议中决策”的生存哲学。
但我们必须诚实面对一个事实：关于“AI有没有泡沫”这个问题，即使格林斯潘本人活着，我们也无法从他那里得到一个确定的答案。他可能认为有，也可能认为没有——他经历了互联网泡沫的完整周期，比任何人都更熟悉“非理性繁荣”的症候；但他也曾在1996年被“生产力叙事”说服而选择观望，比任何人都更清楚误判的代价。他晚年的反思则让他比任何人都更深切地意识到：高估泡沫与低估生产力，两种错误都要付出代价。从他的公开言论、政策行动和晚年反思中，我们读不出一个清晰的“是”或“否”——这正是他哲学的精髓所在。
格林斯潘的不可知论，不是因为他缺乏判断力，而是因为他深刻认识到：在泡沫破灭之前，任何判断都可能是错的。因此，无论他内心倾向于“有泡沫”还是“没有泡沫”，他的政策行动很可能是一样的——不主动刺破。 因为刺破之后，谁也不知道会引发什么连锁反应——是温和的估值回归，还是全面的信用紧缩，抑或是系统性的经济衰退？2000年他加息50个基点刺破互联网泡沫，后果是纳斯达克暴跌80%，但实体经济并未崩溃；2008年他没有及时戳破房地产泡沫，后果是自大萧条以来最严重的金融危机。两次经历告诉他：刺破或不刺破，后果都无法预知，都可能是灾难。面对这种双重的不确定性，他唯一能做的是守住自己的两条红线——通胀和系统性风险——只要这两条不越过，就让子弹继续飞。
格林斯潘晚年虽承认了决策失误，但这无损他作为一代大师的历史地位。围绕他的争议，至今仍在困扰着每一位央行行长：货币政策是否应该对资产价格做出反应？央行与市场的沟通是越清晰越好还是越模糊越好？央行独立性是否存在适当边界？这些问题或许永远找不到终极答案。而这恰恰是中央银行货币政策的迷人之处。
从哲学层面看，每一代人都终将遭遇自己的“不可知”困境——格林斯潘在互联网面前遭遇过一次，伯南克在次贷面前遭遇过一次，而今天，鲍威尔和沃什正在AI面前经历同样的困顿。技术从“连接”到“创造”的螺旋式上升，每一步都伴随着泡沫的诱惑与破裂的恐惧。格林斯潘的答案未必是对的，但问题从来都是真的。它们仍悬浮在每个央行行长的办公桌上，等待下一个答案，也等待下一个危机。
历史的辩证法告诉我们：每一次“否定之否定”的跃迁，既孕育着巨大的生产力解放，也伴随着巨大的资产重估与社会震荡。央行行长的宿命，就是在这样的跃迁时刻，在没有地图的领域中，凭借有限的信息做出决策，然后在漫长的时间里等待历史的检验。
而此刻，在数据中心昼夜不息的嗡鸣声中，在华尔街狂热与焦虑的交替呼吸中，在每一个普通人面对AI时既兴奋又恐惧的眼神里——格林斯潘或许正坐在某个我们看不见的地方，静静地看着这一切，不发一言，只是等待。他对此心知肚明。所以他选择让子弹继续飞——因为他知道，子弹飞到哪里，只有时间知道。未来的结果，没有人知道，包括他自己。
🔥 互动讨论
文章读完了，几个问题抛给各位观友：
1. 你觉得当下的AI，到底有没有泡沫？ 达利欧说泡沫程度已达80%，杨立昆说“随时可能爆”，但黄仁勋的财报又硬得吓人——你站哪边？
2. 如果格林斯潘还活着，你觉得他会怎么做？ 是像1996年那样口头警告、按兵不动，还是像2000年那样突然加息、果断刺破？
3. 中国央行该不该学格林斯潘？ “容忍适度泡沫换取技术突破”VS“事前不管、事后救市”——你更认同哪条路？
4. 最后，一个灵魂拷问： 你一边用AI写周报、做PPT、润色邮件，一边又在担心AI抢你饭碗——这种“又爱又怕”的矛盾，你有吗？
欢迎在评论区畅所欲言，说说你的判断。让子弹飞一会儿，但讨论可以先飞起来。👇
说明：本文关于格林斯潘政策框架及历史经历的讨论，参考了张明教授《格林斯潘的遗产》（载于中评社，2026年6月23日）一文。其余分析及推演性内容均为本文作者的延伸分析。