AI驱动增长与生产率提升，劳动力冲击有限

概览

本研报由摩根士丹利宏观团队发布，核心观点是人工智能（AI）正从技术趋势演变为结构性宏观力量，其对经济增长、生产率和劳动力市场的影响正在显现。研报认为，AI相关投资将持续强劲，成为2026-2027年GDP增长的主要驱动力，同时带来显著的生产率提升。尽管存在对劳动力的潜在冲击，但当前证据显示影响微弱且集中，主要表现为任务重组而非大规模失业，整体经济转型路径是可控的，关键在于AI扩散的速度与反馈机制的强度。

核心观点

AI相关资本开支是驱动企业投资和整体经济增长的核心。研报预测，2026年和2027年非住宅固定投资将分别增长7.0%和8.0%，其中AI相关支出贡献了绝大部分，预计其投资规模将在2027年超过1万亿美元。AI投资的驱动因素是结构性的，源于数据中心、算力和电力基础设施的长期建设，而非短期经济周期波动。 AI正在显著提升生产率，且主要通过产出增长而非减少就业来实现。数据显示，2025年，高AI暴露行业的劳动生产率（人均产出）增长显著快于低暴露行业，贡献了整体2.4个百分点增长中的1.7个百分点，远高于2024年的0.7个百分点。这一增长源于AI赋能下企业产出的加速，而非劳动力数量的减少。例如，高AI行业产出和生产率飙升，而就业增长停滞，说明是资本（如AI算力）深化了生产过程。 劳动力市场冲击目前是微观和局部的，而非宏观主导。研报利用Felten等人的AI暴露指数分析发现，高AI暴露职业（如会计师、金融分析师）的中位年薪和本科以上学历比例远高于低暴露职业，但整体失业率并未因AI而系统性上升。失业率的上升在不同暴露组别间趋势相似，表明宏观经济周期是主因。目前，AI对劳动力的冲击主要体现在年轻工人（22-27岁）和特定任务的转移上，而非大规模裁员。 AI扩散的速度是决定经济转型成败的关键。研报构建了“三场竞赛”框架：1）AI扩散速度 vs 劳动力市场调整速度；2）岗位替代 vs 新任务创造；3）收入损失 vs 政策支持与财富效应。研报认为，在慢速至中速扩散（类似互联网速度的2倍）下，新任务创造和间接财富效应能有效缓冲冲击，使失业率上升幅度有限（最多约0.1个百分点）。即使在快速扩散（3-4倍互联网速度）情况下，若政策支持、收入增长和新任务创造等反馈机制强劲，经济过渡仍可保持平稳，避免严重衰退。

分析框架

研报采用了宏观与微观结合的分析框架，将AI视为一项通用技术，通过历史创新浪潮（如铁路、互联网）的扩散模式进行类比，从而预测其经济影响。在分析生产率时，采用了“量价拆分”的方法，区分了产出增长与就业变化，证明生产率提升主要来自前者。 在评估劳动力市场影响时，研报运用了“行业/产业分析框架”中的“供需框架”和“渗透率S曲线”：通过Felten的AI暴露指数，将职业按暴露程度分类，观察不同组别在失业率、工资和任务变化上的差异，从而识别出早期、狭窄的冲击点，而非整体性冲击。 在预测未来风险时，研报构建了一个“情景分析”模型，通过设定不同的AI扩散速度（慢、中、快）和反馈机制强度（有/无任务创造、财富效应），模拟不同路径下失业率的峰值变化，从而得出“扩散速度与反馈机制共同决定结果”的核心结论。

方法论与常识提炼

• 行业/产业分析框架供需框架

  AI对劳动力市场的影响取决于替代（供给）与新任务创造（需求）的平衡

  研报认为AI既会替代部分工作任务（供给端冲击），也会创造出新的、与AI互补的岗位（需求端增长）。劳动力市场最终的净影响取决于这两股力量的相对强弱。当前数据显示，新任务创造正在跟上替代步伐，因此失业率未显著上升。

• 行业/产业分析框架渗透率 S 曲线

  AI的经济扩散速度是决定其影响的关键变量

  研报借鉴了技术采纳的S曲线理论，指出AI的扩散并非线性。在早期阶段，影响有限且集中；当扩散速度加快，影响会加速放大。研报通过对比不同扩散速度（慢/中/快）下失业率的峰值，量化了速度对经济转型成本的影响。

• 周期与景气框架景气拐点分析

  区分AI对生产率的贡献与经济周期性波动的影响

  研报在分析生产率时，特别指出高AI行业产出增长是结构性的，与经济周期（如2009年、2020年失业率峰值）无关。这帮助投资者识别出AI带来的真实、可持续的生产率提升，而非暂时的景气波动。

• 事件博弈与行为金融预期差/预期管理

  市场对AI冲击的担忧可能被夸大，实际影响远小于预期

  研报通过数据反驳了AI将导致大规模失业的普遍担忧，指出当前失业率变化与AI暴露度无关，暗示市场存在对AI风险的过度预期。这种“预期差”分析有助于投资者识别潜在的市场误判。

• 宏观经济学框架信用/债务周期

  AI扩散速度与政策反馈机制的互动决定最终结果

  研报提出，AI带来的收入损失能否被政策支持（如再培训补贴）和财富效应（如AI公司利润带来的消费）所吸收，是决定经济是否平稳过渡的关键。这类似于债务周期中，私人部门去杠杆能否被公共部门加杠杆所抵消的逻辑。

关键数据

• AI相关资本开支（2027年）$1tn预计将在2027年超过1万亿美元
• AI对GDP增长的贡献（2026-2027）0.4-0.5pp调整进口后，AI相关投资及其生产率提升合计贡献
• 高AI暴露行业对生产率增长的贡献（2025年）1.7pp贡献了整体2.4个百分点增长中的1.7个百分点，2024年仅为0.7pp
• S&P 500公司中识别AI收益的比例25%有约四分之一的标普500公司已识别出AI带来的财务或生产率效益
• 计算机制造产能增速（2026年1-2月）7% y/y较2024年的3.7%显著加速，但产能利用率仍低，暗示未来生产率提升空间大
• AI扩散速度（中速）~10年研报基准假设AI扩散速度约为互联网时代的2倍，即约10年完成全面经济整合

影响与含义

研报认为，AI将重塑宏观经济增长的底层逻辑。它不再是可有可无的科技概念，而是与资本开支、生产率和劳动力市场紧密关联的结构性力量。对于投资者，这意味着高AI暴露的行业（如云计算、数据中心、半导体）将持续受益于确定性的资本开支增长，而整体经济的生产率提升有望缓解通胀压力并支持长期增长。对劳动力市场而言，政策制定者需关注技能再培训和新岗位创造，以确保转型平稳。市场对AI的担忧可能被高估，其实际影响更可能表现为“渐进式变革”而非“颠覆性断裂”。

风险

• 如果AI扩散速度远超预期（3-4倍互联网速度），且缺乏政策支持和新任务创造，可能导致失业率显著上升和经济衰退风险。
• AI对生产率的提升可能低于预期，导致资本开支增长放缓，进而拖累经济增长。
• 高AI暴露行业的生产率提升主要依赖于资本深化，若算力或电力供给出现瓶颈，可能限制其增长潜力。

后续跟踪

• 2026年下半年S&P 500公司中提及AI收益的比例是否继续上升
• 美国计算机制造产能利用率的后续变化趋势
• 美国劳动力市场中年轻工人（22-27岁）的失业率是否出现结构性恶化
• 政府是否出台针对AI转型的再培训和就业支持政策