技术替代会给劳动者留下长期“疤痕”，衰退期冲击更大

概览

本报告研究技术颠覆对美国劳动者的短期与长期影响，并将历史技术替代经验用于评估AI可能带来的劳动力市场风险。Goldman Sachs使用美国国家纵向调查和职业层面就业数据，识别自1980年代以来受技术冲击较大的职业，并追踪劳动者在失业、再就业、收入、财富、住房和家庭形成方面的长期结果。

核心观点

报告得出四个核心结论：第一，技术替代失业者短期再就业更困难，找工作时间更长，再就业收入损失更大，且常出现职业降级；第二，技术替代影响具有长期性，十年后收入仍难完全恢复，并伴随后续失业风险、财富积累放缓、购房推迟和成家推迟；第三，不同劳动者受冲击程度差异明显，年轻、高学历、城市劳动者以及任职年限较短者适应能力更强，再培训也能减轻损失；第四，经济衰退会显著放大技术替代成本，因为企业更倾向于削减常规性岗位，而劳动者在岗位收缩和竞争加剧环境下更难获得稳定再就业。

分析框架

报告先用美国社区调查中300多个职业类别的就业增长与常规任务强度识别技术冲击职业，再用美国国家纵向调查追踪超过20,000名个体的完整职业轨迹。研究将处于就业增长底部四分位且常规任务强度位于较高区间的职业定义为技术冲击职业，并通过倾向得分匹配方法比较技术替代失业者、其他失业者和从未失业者的后续表现。

方法论与常识提炼

• 职业暴露度识别常规任务强度与就业增长筛选

  技术冲击职业定义

  报告将每个十年中就业增长处于底部四分位、且常规任务强度位于较高区间的职业定义为技术冲击职业，用于衡量自动化和技术替代风险。

• 劳动力市场长期追踪National Longitudinal Surveys

  个体层面职业历史追踪

  研究使用美国劳工统计局支持的国家纵向调查，覆盖1950至1960年代出生队列和1980年代出生队列，追踪超过20,000名美国个体的职业和经济结果。

• 因果对照方法倾向得分匹配

  匹配可比劳动者

  报告按年龄、性别、种族、婚姻、教育、收入、净财富、行业、职业任期、失业年份和城乡位置等特征匹配劳动者，以估计技术替代失业相对其他失业或未失业状态的差异。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• 美国劳动力市场

  直接研究对象

  优势

  年轻、高学历、城市劳动者具备较强职业流动性和技能升级能力，历史经验显示这类群体更容易适应技术变化。

  劣势

  常规任务强度高、复杂度低、技能专用性强的岗位更易受到自动化替代，失业后收入恢复慢且再失业风险高。

  对比

  技术替代失业者相较其他失业者和从未失业者，长期收入、就业稳定性、财富积累和家庭形成表现更弱。

  风险

  AI扩散速度快于预期或与经济衰退重合，可能导致更高失业率、更长失业期和更持久收入损失。

• AI与信息通信技术

  潜在冲击来源与技能互补方向

  优势

  可提升生产率和实际收入，并为具备分析能力、抽象任务能力和ICT互补技能的劳动者创造机会。

  劣势

  会削弱部分既有职业技能价值，使被替代劳动者在再就业时被迫转向更常规、复杂度更低的岗位。

  对比

  再培训劳动者更可能转向抽象任务含量更高、复杂度更高、与信息通信技术互补性更强的岗位。

  风险

  若培训和岗位转换机制不足，AI红利可能与劳动者转型成本之间出现更大分化。

关键数据

• AI潜在替代范围未来十年可能影响6–7%的美国劳动者Goldman Sachs全球经济团队此前估计，AI可能使失业率在十年过渡期内相对趋势最高上升约0.5个百分点。
• 再就业时间差异约多1个月技术替代失业者相较稳定或扩张职业失业者，需要更长时间找到新工作。
• 再就业收入损失超过3%技术替代失业者再就业后实际收入损失明显大于稳定职业失业者。
• 十年收入疤痕较从未失业者低接近10个百分点，较其他失业者低约5个百分点技术替代失业者实际收入在失业后十年仍未完全恢复。
• 再培训效果累计实际工资增速高约2个百分点，再次失业概率低约10个百分点样本定义为失业后三年内参加至少四周再培训的技术替代失业者。
• 衰退期额外冲击失业时长额外增加约3周，后续失业和退出劳动力市场概率各增加约5个百分点经济衰退会放大技术替代失业的长期负面效应。

影响与含义

对宏观和政策层面而言，AI不是单纯的生产率提升故事，其分配效应和转型成本可能持续多年。若AI采用速度较快或与经济下行周期重合，失业、收入损失和劳动力退出风险可能更集中地暴露。报告也提示，适应能力并非均匀分布：年轻、高学历、城市劳动者较容易通过换岗和技能升级吸收冲击，而常规性、低复杂度、技能专用性强的岗位更脆弱。再培训、职业转换通道和逆周期劳动力政策可能成为缓解AI冲击的重要工具。

风险

• AI采用进程若更集中、更快速，可能使失业率短期上升幅度超过渐进采用情景。
• 经济衰退期企业更倾向削减常规岗位，技术替代失业的收入和就业损失会被放大。
• 职业降级可能导致劳动者进入更常规、低复杂度岗位，增加未来再次被替代风险。
• 任职年限较长、技能更专用、教育水平较低或非城市劳动者可能面临更大的长期收入损失。
• 如果再培训覆盖不足或质量不高，劳动者难以转向与AI和ICT互补的岗位。

后续跟踪

• 美国AI采用速度及其是否集中在特定白领或常规性职业。
• 未来经济周期变化，尤其是AI相关裁员是否与衰退或需求下行重合。
• 再培训项目覆盖率、持续时间、质量及其与高复杂度岗位需求的匹配度。
• 年轻毕业生、低学历劳动者、非城市劳动者和长任期劳动者的就业转换表现。
• 劳动者再就业工资、失业持续时间、劳动力退出率、住房拥有率和财富积累等长期指标。