- 摩根士丹利用LLM分析了超过17,000份电话会议记录，追踪AI采纳的可量化收益。数据显示，尽管投资者担忧企业从'tokenmaxxing'转向更注重成本的
- 序号：075
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
- 摩根士丹利用LLM分析了超过17,000份电话会议记录，追踪AI采纳的可量化收益。数据显示，尽管投资者担忧企业从'tokenmaxxing'转向更注重成本的AI使用方式，但AI采纳的可量化收益讨论依然强劲。MS AI Adopters中提及量化收益的公司比例从2Q25的21%升至2Q26的40%，标普500整体也从此前的14%升至约25%。收益主要集中在财务影响和生产力提升两个维度，科技行业以51%的比例领跑各行业。AI对劳动力影响的讨论虽仍有限（约10%的标普500公司提及），但正在增加，尤其在MS AI Adopters中达18%，讨论最多集中在金融、科技和工业行业，'收入与员工数脱钩'趋势日益突出。
摩根士丹利（Morgan Stanley）于2026年7月8日发布的主题报告《What Are Companies Saying About AI Adoption Benefits & AI's Impact on Labor?》基于对超过17,000份电话会议记录的LLM（大语言模型）分析，追踪了企业管理团队向投资者沟通AI可量化收益及AI对就业影响的方式。
：尽管投资者担心企业从"tokenmaxxing"（鼓励员工大量使用AI算力）转向更注重成本的AI使用方式，但AI采纳的收益讨论依然强劲。MS AI Adopters中提及至少一个量化收益的公司占比从2Q25的21%升至2Q26的40%，标普500整体从此前的14%升至约25%。 ：当前企业讨论最多的AI收益集中在"财务影响"（收入增长/创收、成本节约、投资与资本影响）和"生产力提升"两大类别。 ：科技行业以51%的公司提及可量化AI收益位居各行业之首，通信服务行业以44%紧随其后，金融行业以37%排名第三，且金融行业同比增幅最大（从8%升至37%）。 ：目前约10%的标普500公司讨论了AI的劳动力影响，高于一年前的约6%；在MS AI Adopters中这一比例达18%。讨论主要集中在金融、科技和工业行业。 ：在AI对劳动力影响的讨论中，自动化、降低员工增长和收入-员工脱钩三类话题分布相对均匀，其中"收入-员工脱钩"份额增长最快，反映企业正利用AI提升员工效率，推动单位员工收入增长。
一、研究方法论 摩根士丹利与QuantWise团队合作，利用GPT模型对超过17,000份电话会议记录进行NLP分析，将企业关于AI可量化收益的陈述归为以下6大类： 类别说明
- Financial Impact 财务影响（收入增长/创收、成本节约、投资与资本影响）
- Productivity Gain 生产力提升
- Sales, Marketing & Customer Growth 销售、营销与客户增长
- Product Innovation & Development 产品创新与研发
- Governance, Risk & Security 治理、风险与安全
- Other/Cross Functional 其他/跨职能收益 AI对劳动力影响的讨论则被归为5大类： AI Automation（AI自动化） Layoffs to Fund AI Investment（裁员以资助AI投资） Lower Headcount Growth/Hiring（降低员工增长/招聘速度） Not Replacing Attrition（不替代自然流失员工） Revenue/Headcount Growth Decoupling（收入与员工数增长脱钩） 二、量化收益持续上升的趋势 报告展示了2023Q1至2026Q2期间标普500和MS AI Adopters中提及可量化AI收益的公司占比变化： ：从2Q25的21%升至1Q26的37%，再到2Q26的40% ：从2Q25的14%升至2Q26的约25% 摩根士丹利认为，随着模型能力提升和企业部署更多AI工具，这一趋势将持续上升。 三、行业层面的AI收益分布 行业提及可量化AI收益的公司占比 科技（Tech） 51% 通信服务（Comm Services） 44% 金融（Financials） 37% 医疗保健（Health Care） 24% 工业（Industrials） 21% 房地产（Real Estate） 21% 非必需消费（Consumer Discretionary） 19% 必需消费（Consumer Staples） 17% 能源（Energy） 15% 公用事业（Utilities） 9% 材料（Materials） 7% ： 科技：从28%升至51%（+22个百分点） 金融：从8%升至37%（+18个百分点） 工业：从19%升至21%（+10个百分点） 值得注意的是，材料和公用事业行业同比出现下降。 四、典型公司案例分析 ： ：超过40%的客户问题通过AI助手无需人工即可解决，成本/订单同比下降约10% ：通过AI部署预计未来几年实现7500万美元生产力收益 ：供应链AI代理项目预计到FY2028实现每年10亿美元的总运行率节省 ：AI部署已实现超过2亿美元的能源节约 ： ：Lexington Middle Market财险业务通过AI，报价量提升30%，报价时间减少55% ：AI自动化将生产线清场时间从约30分钟缩短至约2分钟 ：5万口井数据分析原本需15年，现在几周完成 ：AI代理将一个46个接触点的工作流从10天缩短为2天 ： ：超过800万广告主使用至少一种GenAI广告创意工具 ：AI用户网站停留时间达18分钟，是非AI用户的4倍 ：AI驱动搜索排序改进使搜索完成度提升约70个基点 五、AI对劳动力影响的深入分析 虽然AI对劳动力影响的讨论仍相对有限（标普500仅约10%公司提及），但在MS AI Adopters中达18%，表明AI采纳程度越深的企业对劳动力影响的关注度越高。 ：金融、科技、工业 （2Q26）： AI自动化：占比下降 降低员工增长/招聘：保持稳定
典型案例： ：自2024年以来未招聘任何Tier 1技术支持员工 ：正在重新评估招聘计划以纳入AI因素，计划在今年剩余时间内降低员工增长 ：已显著降低工程岗位招聘速度 ：全球拥有超过35,000名AI用户，能够以远快于员工增长的速度推动业务增长 ：实现每位员工12个月滚动收入和调整后营业利润率分别提升2.5%和5%
本报告为摩根士丹利的，并非针对单一公司的个股分析，因此不包含具体的目标价、评级或估值模型。报告的核心价值在于： ：构建了基于17,000+电话会议记录的量化AI采纳监测体系 ：通过3,600只股票数据库映射AI Exposure（Adopters/Enablers）和Materiality ：识别"收入-员工脱钩"作为关键AI红利释放路径 投资者可参考报告中的行业AI采纳比例数据，作为评估个股AI主题投资机会的辅助工具。
：报告基于LLM对电话会议文本的语义分析，可能存在分类错误或对管理层措辞的过度解读。管理层表态可能存在美化AI效益的倾向。 ：2Q的电话会议主要覆盖1Q业绩，因此数据存在一定的时滞效应。 ：投资者担忧企业从"鼓励大量使用AI"转向"成本约束式AI使用"，可能影响AI采纳速度和企业对AI资本支出的承诺。 ：当前仅约10%的标普500公司讨论AI对就业的影响，未来随着AI能力提升，劳动力替代效应可能加速，超出当前预期。 ：材料和公用事业等传统行业AI采纳度同比下降，反映AI红利分配不均，可能加剧行业间业绩和估值分化。 ：MS AI Adopters作为分析师主动筛选的子集，可能不代表整体市场的真实AI采纳情况。 ：部分AI收益（如裁员降本）可能具有一次性效应，长期可持续性需观察AI能否持续驱动收入增长和效率提升。 ：本解读仅基于公开报告内容整理，不构成任何投资建议。投资者应结合自身风险承受能力做出独立判断。
总体总结
主题正文
- AI对劳动力影响的讨论虽仍有限（约10%的标普500公司提及），但正在增加，尤其在MS AI Adopters中达18%，讨论最多集中在金融、科技和工业行业，'收入与员工数脱钩'趋势日益突出。
- 摩根士丹利（Morgan Stanley）于2026年7月8日发布的主题报告《What Are Companies Saying About AI Adoption Benefits & AI's Impact on Labor?
- 》基于对超过17,000份电话会议记录的LLM（大语言模型）分析，追踪了企业管理团队向投资者沟通AI可量化收益及AI对就业影响的方式。
- ：当前企业讨论最多的AI收益集中在"财务影响"（收入增长/创收、成本节约、投资与资本影响）和"生产力提升"两大类别。
- ：在AI对劳动力影响的讨论中，自动化、降低员工增长和收入-员工脱钩三类话题分布相对均匀，其中"收入-员工脱钩"份额增长最快，反映企业正利用AI提升员工效率，推动单位员工收入增长。
- 财务影响（收入增长/创收、成本节约、投资与资本影响）
- 虽然AI对劳动力影响的讨论仍相对有限（标普500仅约10%公司提及），但在MS AI Adopters中达18%，表明AI采纳程度越深的企业对劳动力影响的关注度越高。
- ：投资者担忧企业从"鼓励大量使用AI"转向"成本约束式AI使用"，可能影响AI采纳速度和企业对AI资本支出的承诺。