美聯儲剛為人工智能開通了一條通往全球最常用經濟數據庫之一の直接通道，此舉既反映了當下政府數據的實際使用方式，也體現了技術本身的變化。
2026年10月1日，聯邦儲備系統理事克里斯多夫·J·沃勒（Christopher J. Waller）在由聖路易斯聯邦儲備銀行主辦的會議上宣布推出一項新工具。這項新工具讓金融機構能夠直接接入聖路易斯聯邦儲備銀行龐大的經濟數據庫，從而不再需要依賴人工操作菜單和圖表來獲取數據。
Dintlha tsa Botlhokwa
- 美聯儲 FRED Connector，正式名稱為 FRED MCP Connector，於2026年10月1日在 FRED Con 上由沃勒公布
- 沃勒稱，AI 代理已貢獻了 FRED 網站近一半的流量
- FRED 收錄超過85萬條經濟數據序列，數據來源包括美國經濟分析局、勞工統計局和人口普查局等
- 該連接器基於模型上下文協議（MCP），可與Claude等工具配合使用，且無需單獨的API密鑰。
- 沃勒警告稱，對數據的解讀仍可能出現不準確、幻覺和來源標註錯誤。
美聯儲推出面向 AI 集成的 FRED MCP Connector
聯邦儲備系統的核心思路很簡單：讓助手直接與對話，而不需要每個開發者都去搭建一條定制的橋梁。沃勒選擇在聖路易斯聯儲自己的會議上介紹這一工具，并將其定位為對人們當前搜索經濟數據方式的回應。
FRED 并不是一个小型数据库。它收录了超过85万条经济数据序列，数据来源包括美国经济分析局、劳工统计局和人口普查局等。过去，访问这些数据通常意味着要通过 FRED 自己的搜索工具和界面，而这些界面主要是为人类用户设计的。
新的連接器改變了這一路徑。它運行在模型上下文協議（Model Context Protocol、MCP）之上，MCP的作用有點像AI系統的通用電源適配器。開發者和AI代理不再需要為每個想要接入FRED的AI工具單獨建立定制連接，MCP提供了一個共享、標準化的接口。
在實際使用中，用戶的 AI 助手現在可以直接查詢 FRED，定位某一特定數據序列，提取數字並進行處理，而用戶甚至不必打開 FRED 的瀏覽器標簽頁。該連接器兼容 Claude 等 AI 工具，而且值得注意的是，使用時不需要單獨的 API 密鑰。
這種接入方式也支持聖路易斯聯邦儲備銀行所稱的 BYOAI，也就是「Bring Your Own AI」。也就是說，FRED 并不強制使用者使用某一款專有助手，而是讓使用者繼續使用自己已經信任和習慣的 AI 工具，並通過連接器與之對接。
FRED 數據庫規模與 AI 使用趨勢
FRED 資料規模之龐大，解釋了為何這樣的連接器如此重要；而流量數據則解釋了為何聯邦儲備系統現在要推出它。沃勒表示，AI 代理已經佔了FRED 網站全部流量的近一半。對於一個數十年來主要服務於人類研究人員、經濟學家和記者、依賴手動輸入查詢的政府數據平台而言，這一比例相當驚人。
這種變化並非悄然發生。FRED 的整體流量正以每年 150% 的速度增長，而 AI 代理約佔這部分擴張流量的二分之一。換言之，美國經濟數據的受眾正越來越多地由機器構成，而非點擊圖表的人們。
這之所以重要，是因為當一個平臺近一半的用戶是自動化系統而非人類時，傳統的網站設計、數據標註，甚至安全規則，都會顯得過時。一個為人類閱讀圖表而建立的數據庫，並不一定適合讓機器人正確解析圖表背後的數字。
為 AI 的兼容性重塑 FRED 及未來的改進
FRED 本身的結構也在被重新調整，以適應 AI 系統實際消費數據的方式，而不仅仅是人類瀏覽的方式。沃勒表示，平臺過去以人為中心的設計需要演進爲 AI 系統也能穩定依賴的形式，這意味着需要在文檔說明上投入更多精力，並提高數據標籤和描述的準確性。
這種改造並不只是簡單地開啟一個連接器入口。沃勒表示，FRED計劃增加更多面向AI的功能，以改善用戶未來獲取、視覺化及解讀經濟數據的方式。自然語言搜索和更具互動性的工具，是這一更廣泛路線圖的一部分，但具體時間表尚未公開。
這指向一個更重大的戰略判斷：聯邦儲備系統（Fed）似乎並沒有將 AI 流量視為需要應對的麻煩，而是將其作為主要設計對象。考慮到 AI 代理已經貢獻了接近 FRED 的一半流量，且這一流量還以每年150%的速度增長，僅僅圍繞人類的瀏覽習慣來改造平臺，可能會讓系統與實際使用方式越來越不匹配。
沃勒強調的風險與挑戰
沃勒並未將這個連接器描述為完美的解決方案，他也坦率地指出了仍可能出錯的地方。他提醒說，AI驅動的經濟數據解讀存在真實風險，包括不準確和直接的「幻覺」——也就是AI系統生成的看似合理、實則錯誤的數字或解釋。
他還特別提到了來源標註錯誤的問題。AI 工具可能從 FRED 中提取了正確的數字，卻將來源歸錯到了另一個政府機構，從而給後續依賴該引用的人造成了混淆。由於 FRED 汇總了來自美國經濟分析局、勞工統計局和人口普查局等多個來源的數據，來源標註出錯並非小問題；它可能會誤導研究人員，因為他們會依賴這些來源來判斷某個數字的可靠性。
沃勒的表态也指向了一个既是工程问题、也是设计问题的增长挑战。在流量每年增长150%的情况下，如何在保持准确性的同时维持速度，本身就是一道技术难题，这与数据是否被正确读取是两个不同层面的问题。
隨著越來越多 AI 代理通過聯邦儲備系統 FRED Connector 之類的工具接入官方經濟數據，錯誤的邊際影響會被放大。一個被幻覺生成的統計數字，或者一個被錯誤標註來源的數據，如果在成千上萬次自動查詢中重複出現，其傳播速度和範圍都可能遠超一次性的人為失誤。
本文由人工智能協助生成，並經編輯團隊審核。
