--- title: "高盛——全球经济分析师：重新审视AI对劳动力替代的程度与时机 2026年春季，市场对AI引发大规模失业的担忧一度达到沸点，但近期这种焦虑已显著降温。挑战者（Ch" topic_id: 82258215224541582 created_at: 2026-10-25T13:49:19.533+0800 source: zsxq type: topic cssclasses: zsxq-vault --- # 高盛——全球经济分析师：重新审视AI对劳动力替代的程度与时机 2026年春季，市场对AI引发大规模失业的担忧一度达到沸点，但近期这种焦虑已显著降温。挑战者（Ch - 序号：236 - 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/82258215224541582) - 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 高盛——全球经济分析师：重新审视AI对劳动力替代的程度与时机 2026年春季，市场对AI引发大规模失业的担忧一度达到沸点，但近期这种焦虑已显著降温。挑战者（Challenger）就业报告显示，AI相关裁员公告数量较春季峰值大幅回落；新闻媒体关于AI失业的报道量在5月见顶后，也已跌回2026年初水平。高盛AI采用追踪指标表明，AI对劳动力市场的影响目前依然可见但范围有限：过去三个月，AI暴露度最高的行业就业增长较长期趋势每月低约1万人，不过这部分疲软大致被AI相关建筑业岗位的招聘增量所抵消。最新的美国服务业横截面数据开始显现AI采用与招聘逆风之间的关联——AI采用率与失业率转为正相关（统计显著），与就业增长则呈微弱负相关（统计不显著）。整体而言，短期劳动力逆风小于年初市场的极端恐惧。 三大实证框架：历史技术冲击如何替代劳动力 为量化AI对劳动力的潜在冲击，高盛经济研究团队采用三种实证方法，回溯历史上技术革新对就业市场的颠覆模式： 1. 总量冲击法 基于长期符号约束识别技术冲击（假设技术冲击带来劳动生产率的永久性提升，而需求冲击则不然），研究发现：劳动生产率每因技术创新提升1个百分点，失业率将受到0.3-0.4个百分点的暂时性推升，该影响在两年后消退至零。进一步拆解劳动力流动数据发现，失业率上升的驱动力主要来自岗位损失率累计0.5-0.6个百分点的增加，以及岗位创造（招聘）率0.2个百分点的拖累。由于部分被替代劳动者会快速重新就业或退出劳动力队伍，累计流量效应的总和大于失业率的峰值增幅。 映射至AI情景：高盛基线预测AI将最终带来15%的全经济生产率提升，上述弹性意味着AI转型期间最多9%的劳动者可能暂时被替代，同时招聘放缓将对整体就业构成额外3%的逆风。 2. 行业层面生产率冲击法 采用约翰·费纳尔德（John Fernald）公布的利用率调整全要素生产率（TFP）冲击数据，行业层面的估算结果与总量法高度一致：劳动生产率每提升1个百分点，行业失业率上升0.3-0.4个百分点，对应岗位损失率累计增加0.6个百分点，岗位获取率下降0.2个百分点。 异质性分析揭示上行风险：分样本回归显示，在20世纪90年代末至21世纪初的 productivity 繁荣期（被广泛视为与当前最具可比性的时期），以及遭遇更大生产率冲击（TFP冲击高于历史分布第75百分位）时，劳动力替代效应显著更强。鉴于AI对生产率的提振幅度预计将超过多数历史技术冲击，这一模式暗示AI转型期间的替代规模存在上行风险。 3. 职业层面暴露分析法 基于历史案例与内部大语言模型，筛选出25个遭受重大技术颠覆的职业（如照片冲印师、校对员、档案管理员）。这些职业代表了技术对劳动力需求冲击的上限情景。研究发现，在就业因技术革新开始下滑后的五年内，相关职业就业规模平均萎缩25%，证明当技术使人力冗余时，极大规模的岗位流失是可能的。动态拆解显示：25个职业中，13个职业的年化总招聘率下降（平均-0.7个百分点），而19个职业的年化总离职率上升（平均+3.8个百分点）。联合散点图证实，就业人数锐减更多由离职/裁员增加驱动，而非招聘放缓。 三大核心结论 • 规模测算：在AI推动15%生产率增长的基线预测下，转型期间最多9%的美国及其他发达市场劳动者可能被替代，叠加招聘放缓带来的3%额外就业拖累。 • 传导机制：三种方法均表明，就业减少更多由实际岗位流失（裁员/离职）驱动，而非招聘减速。因此，实时追踪AI相关裁员数据将为判断AI劳动力颠覆提供最佳先行指标。 • 风险偏向：行业与职业层面的异质性结果暗示，实际劳动力颠覆程度存在显著上行风险，尤其在技术冲击更大或经济周期转入下行阶段时。 自动化具有强周期性：经济健康度决定颠覆节奏 为何迄今AI对劳动力的实际冲击有限？两大原因：其一，AI转型仍处于早期，仅23%的美国机构将AI纳入常规工作流，且多数尚未在所有适用环节部署；其二，历史规律显示自动化相关劳动力颠覆高度顺周期——企业在经济放缓时更倾向于推进自动化以削减人力成本。 三种实证方法均印证：当生产率提升发生在经济健康扩张期，劳动力颠覆较温和；若与周期性放缓叠加，则冲击显著放大。具体证据包括： • 总量层面：经济扩张期常规职业占比稳定，衰退期骤降（Jaimovich & Siu 2018）。 • 行业层面：整体失业率上升期间，生产率提升1个百分点对失业率的推升幅度额外增加0.1-0.2个百分点，岗位损失与获取率的恶化幅度也更大。 • 职业层面：技术颠覆后五年内，整体失业率每额外上升1个百分点，相关职业就业额外萎缩4%；劳动力市场疲弱时，离职率进一步攀升而招聘率进一步下滑。 投资与政策启示 鉴于2026年整体经济与劳动力市场保持韧性，企业激进裁员的动机不足，高盛基线预测（明年增速接近潜在水平）下，AI劳动力颠覆将逐步升温而非骤然冲击。然而，更值得警惕的是：若经济出现周期性放缓，AI相关自动化与失业可能加速，从而放大整体商业周期波动。因此，一旦近期通胀约束解除，美联储及其他央行应密切关注下行增长与就业风险，迅速转向宽松，以确保在经济体无力创造新岗位以支持平滑AI转型的时期，自动化驱动的失业不会加速恶化。 ## 总体总结 主题正文 1. 高盛AI采用追踪指标表明，AI对劳动力市场的影响目前依然可见但范围有限：过去三个月，AI暴露度最高的行业就业增长较长期趋势每月低约1万人，不过这部分疲软大致被AI相关建筑业岗位的招聘增量所抵消。 2. 基于长期符号约束识别技术冲击（假设技术冲击带来劳动生产率的永久性提升，而需求冲击则不然），研究发现：劳动生产率每因技术创新提升1个百分点，失业率将受到0.3-0.4个百分点的暂时性推升，该影响在两年后消退至零。 3. 采用约翰·费纳尔德（John Fernald）公布的利用率调整全要素生产率（TFP）冲击数据，行业层面的估算结果与总量法高度一致：劳动生产率每提升1个百分点，行业失业率上升0.3-0.4个百分点，对应岗位损失率累计增加0.6个百分点，岗位获取率下降0.2个百分点。 4. 异质性分析揭示上行风险：分样本回归显示，在20世纪90年代末至21世纪初的 productivity 繁荣期（被广泛视为与当前最具可比性的时期），以及遭遇更大生产率冲击（TFP冲击高于历史分布第75百分位）时，劳动力替代效应显著更强。 5. 鉴于AI对生产率的提振幅度预计将超过多数历史技术冲击，这一模式暗示AI转型期间的替代规模存在上行风险。 6. 动态拆解显示：25个职业中，13个职业的年化总招聘率下降（平均-0.7个百分点），而19个职业的年化总离职率上升（平均+3.8个百分点）。 7. • 规模测算：在AI推动15%生产率增长的基线预测下，转型期间最多9%的美国及其他发达市场劳动者可能被替代，叠加招聘放缓带来的3%额外就业拖累。 8. 因此，一旦近期通胀约束解除，美联储及其他央行应密切关注下行增长与就业风险，迅速转向宽松，以确保在经济体无力创造新岗位以支持平滑AI转型的时期，自动化驱动的失业不会加速恶化。