AI重塑工作方式，银行、科技硬件与半导体更可能成为净受益者
AI 摘要卡
AI重塑工作方式，银行、科技硬件与半导体更可能成为净受益者
摩根士丹利基于808份AlphaWise调研认为，AI过去12个月带来约9.6%的平均净生产率提升，同时造成约5%的净岗位流失，行业层面受益与风险明显分化。
- AI过去12个月在受访行业中推动12%岗位削减、15%岗位不再补招，并由22%新增招聘部分抵消，形成约5%的净岗位流失。
- 受访企业报告AI带来平均9.6%的净生产率提升，提升主要集中在IT、客户服务、财务运营和运营/供应链管理。
- 银行被视为成本、生产率和经营杠杆受益者，AI更多用于IT、财务、客服和运营，而非直接替代前台。
- 科技硬件与半导体同时受益于自身运营效率提升和AI基础设施需求增长，是AI应用的“铲子和镐”供应方。
- 软件和专业服务行业分化更大，长期赢家需要具备专有数据、嵌入式工作流、AI变现能力和定价权。
研报解读
概览
本报告是摩根士丹利关于“AI应用与未来工作”的后续研究，从宏观就业扰动转向行业和公司层面的影响。报告覆盖美国、英国、德国、日本和澳大利亚的银行、软件与服务、科技硬件与设备、半导体和专业服务行业，并使用2026年4月808份AlphaWise在线调研作为核心证据。总体结论是，AI已经开始重塑劳动力结构并提升企业效率，但不同板块的收益来源、风险暴露和可持续竞争优势差异很大。
核心观点
报告的核心观点是：第一，AI已经产生真实的劳动力影响，过去12个月在样本行业中造成约5%的净岗位流失，但同时伴随新增招聘、再培训和岗位再部署。第二，AI的生产率收益已经可量化，过去一年平均净提升约9.6%，银行和软件板块的报告提升较高。第三，银行、科技硬件与半导体是较明确的净受益者；银行通过成本节约、生产率提升和经营杠杆受益，科技硬件和半导体则同时获得内部效率改善和外部AI基础设施需求。第四，软件和专业服务不是简单的全面受益，专有数据、深度嵌入客户工作流、有效AI商业化和定价能力将决定赢家，外包、 staffing 和低差异化服务面临更大扰动。
分析框架
报告采用主题研究与行业交叉验证的方法：先通过AlphaWise调研量化不同国家和行业中AI对岗位削减、未补招、新招聘、再培训、再部署和生产率的影响，再结合摩根士丹利行业分析师对银行、软件、科技硬件、半导体和专业服务的公司层面判断，评估AI对成本、收入、利润率、经营杠杆、人才结构和商业模式的中期影响。
方法论与常识提炼
在线调研
2026年4月完成808份在线访谈，受访者为了解所在公司AI战略与实施情况的专业人士；样本来自美国、英国、德国、日本和澳大利亚，覆盖银行、软件与服务、科技硬件与设备、半导体和专业服务行业。
行业影响映射
报告将AI影响拆分为就业变化、生产率提升、成本效率、收入机会、商业模式韧性和执行约束，并按行业判断净受益、分化或受压程度。
净岗位影响与净生产率提升
调研用岗位削减、未补招和新增招聘衡量净岗位变化，并用受访企业报告的AI实施后生产率变化衡量效率提升。
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）。
- BanksAI净受益板块
- 优势
- 可通过IT、财务、客服、运营和风险管理提升生产率，并把释放的时间重新部署到客户服务和收入生成活动。
- 劣势
- 大型银行的短期总员工数变化也受组织简化、转型项目和自然流失影响，AI并非唯一驱动。
- 对比
- 相比调研显示的银行约10%生产率提升，分析师认为随着代理式工具规模化，结构性收益仍在前方。
- 风险
- 主要风险包括执行风险、信任和安全、声誉风险、数据准备不足、遗留系统集成和AI技能短缺。
- Software & Services高分化受益板块
- 优势
- AI对软件开发生产率影响显著，具备专有数据、嵌入式工作流和有效AI变现能力的供应商更可能受益。
- 劣势
- 美国软件公司已有显著裁员案例，欧洲企业则更多保持员工数稳定并转向AI、数据和产品技能招聘。
- 对比
- 相对硬件和半导体，软件公司的受益更依赖商业模式、数据资产和定价权，而不是简单受益于AI资本开支。
- 风险
- AI可能压缩部分软件开发和服务交付需求，缺乏差异化数据和工作流入口的公司面临价格与替代压力。
- Tech Hardware & EquipmentAI基础设施与运营效率受益板块
- 优势
- AI既改善企业自身运营，也提升对芯片和AI基础设施的需求。
- 劣势
- 岗位削减仍处早期，生产率提升幅度低于银行和软件样本。
- 对比
- 相比应用软件，硬件供应商更偏向AI“工具供应方”，受AI基础设施扩张的直接支撑更强。
- 风险
- 需求周期、产能、供应链和AI部署节奏变化可能影响收益兑现。
- SemiconductorsAI基础设施核心受益板块
- 优势
- AI增加芯片、计算和基础设施需求，同时在预测性维护、良率优化、数字孪生和AI辅助设计方面改善内部效率。
- 劣势
- 样本量为52，行业调研代表性相对其他板块较小。
- 对比
- 相较多数服务行业，半导体更接近AI基础设施瓶颈环节，结构性需求属性更强。
- 风险
- 周期波动、资本开支节奏、竞争格局和技术路线变化可能影响投资回报。
- Professional Services分化与转型并存板块
- 优势
- 最持久的价值创造来自把AI嵌入核心运营基础设施，并形成新AI赋能产品，而不仅是单点任务自动化。
- 劣势
- 人力密集型、 staffing 和外包模式更容易受到岗位替代和定价压力影响。
- 对比
- 相比银行和半导体，专业服务的AI收益更取决于业务模型和服务交付方式，行业内部差异更大。
- 风险
- 商业模式被替代、客户压价、AI能力建设不足以及再培训和再部署执行不力。
关键数据
- 调研样本量808 online interviews2026年4月，对了解公司AI战略和实施情况的专业人士进行访谈。
- 覆盖国家US 160; UK 163; Germany 163; Japan 159; Australia 163五个国家合计808份样本。
- 覆盖行业样本Banks 202; Software & Services 204; Tech Hardware & Equipment 150; Semiconductors 52; Professional Services 183覆盖五个AI应用相关行业。
- 全部国家平均净岗位影响-5%Wave 2中，12%岗位削减、15%岗位未补招、22%新增招聘，形成约5%的净岗位流失。
- 全部国家平均生产率提升+9.6%受访企业报告AI过去12个月带来的平均净生产率提升。
- 银行行业净岗位影响与生产率-3% net job impact; +10.0% productivity gain银行被报告为AI带来生产率和经营杠杆机会的行业。
- 软件行业净岗位影响与生产率-7% net job impact; +10.4% productivity gain软件行业生产率影响显著，但公司间分化取决于数据、工作流嵌入和AI变现能力。
- 科技硬件行业净岗位影响与生产率-5% net job impact; +8.6% productivity gain该行业同时受益于内部效率改善和AI基础设施需求。
- 半导体行业净岗位影响与生产率-8% net job impact; +8.2% productivity gain半导体作为AI基础设施供应方具备结构性需求支撑。
- 专业服务行业净岗位影响与生产率-4% net job impact; +9.6% productivity gain长期价值更多来自将AI嵌入核心运营基础设施，而非孤立任务自动化。
- S&P 500公司AI劳动力影响提及率~10% in 2Q26; ~6% one year earlier在MS AI Adopters中提及率更高，达到18%。
- 银行潜在税前利润改善~18% pretax income improvement报告引用此前主题研究，认为AI完全嵌入银行工作流后可在数年时间框架内改善税前利润。
影响与含义
投资含义是，AI主题不应只被理解为单一的自动化或裁员交易，而应被拆分为生产率提升、经营杠杆、数据壁垒、工作流控制、定价权和基础设施需求。银行具备成本效率和收入再部署潜力；科技硬件与半导体受益于AI基础设施建设；软件与专业服务内部将出现更强分化，拥有专有数据、客户工作流入口和AI商业化能力的公司更可能形成可持续价值，而低差异化、以人力交付为主或定价能力弱的业务更易受到冲击。
风险
- AI部署相关的信任、安全和声誉风险可能放缓企业采用。
- 数据准备不足和遗留系统集成难度会限制AI嵌入核心工作流。
- AI技能短缺可能推迟生产率收益兑现。
- 软件和专业服务中，缺乏专有数据、工作流嵌入或定价权的公司可能受到更大替代和价格压力。
- 岗位扰动可能集中在2至10年工作经验群体以及离岸合同或临时员工，引发劳动力结构和社会监管压力。
- 澳大利亚等市场监管因素可能影响AI采用速度和广度。
后续跟踪
- 未来几个季度企业财报电话会中关于AI对劳动成本、招聘、收入人头比和自动化的讨论频率。
- 银行AI工具从助手和copilot向代理式端到端工作流扩展的速度。
- 软件公司能否把AI功能转化为价格提升、附加模块收入或更强客户留存。
- 半导体和科技硬件企业的AI基础设施需求、资本开支和供应链约束。
- 专业服务公司是否能将AI嵌入核心交付平台，而不是停留在孤立任务自动化。
- 各国监管政策，尤其是澳大利亚等市场对AI采用速度和劳动力影响的约束。