高盛：科技招聘放缓主要不是利率冲击，疫情后人员正常化比AI影响更大

概览

本报告讨论2022年以来科技行业招聘显著走弱的原因。高盛将潜在逆风拆分为三类：美联储鹰派转向和利率上升、AI效率提升、以及疫情期间过度招聘后的人员正常化。报告基于Revelio Labs的公司和职业层面就业数据，对300多家美国上市科技公司、800多个职业在2019-2025年的人员变化进行分析。

核心观点

核心结论是：更高利率并非科技招聘放缓的主要原因；AI确实对招聘形成拖累，但目前影响仍偏小；疫情期间过度招聘后的人员正常化对招聘放缓的解释力更强，约为AI影响的3-4倍。报告估计，AI和人员正常化等可识别渠道合计只能解释约一半的科技行业年化就业增速较长期趋势低约5个百分点的现象，其余部分更可能来自所有科技公司和劳动者共同面对的总量冲击。

分析框架

报告先观察2019-2022年与2022-2025年公司及公司-职业层面的招聘变化，再分别构建三类检验：用利息覆盖率变化衡量公司对利率上升的暴露；用职业任务中暴露于AI自动化的比例及AI替代分数衡量职业层面的AI暴露；用2020-2022年招聘加速且每员工收入下降来识别疫情期过度招聘。回归中加入公司和职业固定效应，以尽量剥离公司层面和职业层面的共同因素。

方法论与常识提炼

• 宏观劳动力市场归因公司-职业面板回归

  通过公司与职业层面的横截面差异识别不同招聘逆风的相对重要性

  报告使用2019-2025年超过300家上市科技公司和800多个职业的人员数据，比较不同利率暴露、AI暴露和过度招聘暴露下的就业增速变化。

• 利率敏感性分析利息覆盖率分组

  用利息覆盖率变化衡量公司受加息冲击的程度

  若利率是主要拖累，利率暴露更高的公司应更明显放缓招聘；但报告发现不同分组的人员变化几乎一致。

• AI就业影响测度职业AI暴露度与AI替代分数

  衡量不同职业任务可被AI自动化或替代的程度

  报告将年度职业人员增长与职业AI暴露度及时间交互项回归，发现2025年AI暴露度较高的职业就业增长受到轻微负面影响。

• 疫情后正常化分析过度招聘代理变量

  用2020-2022年招聘加速且每员工收入下降识别可能过度扩张的公司

  报告认为这些公司在2022年后更可能经历人员正常化，相关估计显示其后续职业层面就业增速明显低于其他公司。

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）。

• 美国科技行业

  研究主体

  优势

  仍具备AI效率提升和长期生产率改善潜力。

  劣势

  2022年以来就业增速明显低于长期趋势，行业人员扩张动能减弱。

  对比

  疫情后过度招聘正常化的影响大于AI效率提升，利率暴露差异解释力最弱。

  风险

  若总量需求或增长预期继续走弱，未被模型解释的共同冲击可能继续拖累招聘。

• AI相关职业

  受影响职业群体

  优势

  AI相关技术推动生产率提升，并解释部分企业裁员和岗位调整。

  劣势

  高AI暴露职业自2023年以来就业增长受到轻微拖累。

  对比

  AI影响小于疫情后人员正常化，但近期重要性有所上升。

  风险

  若AI部署速度加快，对高暴露职业的就业压力可能扩大。

• 高利率暴露科技公司

  被检验的宏观冲击渠道

  优势

  报告未发现其招聘表现明显弱于低利率暴露公司。

  劣势

  利率上升仍可能通过估值、融资成本和增长预期间接影响行业。

  对比

  相对于AI和过度招聘，利率暴露对招聘变化的横截面解释力最小。

  风险

  若金融条件再次显著收紧，利率渠道可能重新变得重要。

关键数据

• 科技行业就业增速低于趋势约5个百分点/年2022年以来多个科技子行业的就业增长较长期趋势明显偏弱。
• AI对就业增速的解释最高约2个百分点职业AI暴露差异可解释科技行业年化就业增长放缓的一部分，影响存在但不占主导。
• 疫情后人员正常化解释最高约2个百分点2020-2022年招聘加速且生产率表现偏弱的公司，2023-2025年就业增长后续表现更差。
• 过度招聘相对AI的重要性约3-4倍报告估计人员正常化对科技招聘放缓的贡献大约是AI效率提升的3-4倍。
• 过度招聘公司人员增长差距约低7个百分点自2022年以来，过度招聘公司的总人数增长约10%，较未过度招聘公司低约7个百分点。
• AI相关裁员占比最近一年升至20%以上报告称此前整体经济和科技行业中AI归因裁员较少，最近一年AI归因裁员占比才明显上升。

影响与含义

对投资和宏观判断而言，报告削弱了“高利率单独导致科技招聘放缓”的解释，也提醒市场不应把科技行业人员收缩简单归因于AI取代。当前更重要的解释是疫情期间扩张后的人员与成本结构再平衡。AI对劳动力需求的影响已经出现并在近期更明显，但截至报告期仍不是主导因素。

风险

• 公司和职业层面的横截面方法只能解释约一半的招聘放缓，剩余部分可能来自难以识别的总量冲击。
• AI暴露度和过度招聘代理变量存在测度误差，可能低估或高估真实影响。
• 研究聚焦美国上市科技公司，结论未必完全适用于非上市公司、非美国市场或其他行业。
• 企业裁员公告存在表述偏差，虽然报告认为AI-washing并不普遍，但单家公司层面的动机仍可能不同。

后续跟踪

• AI归因裁员在科技行业中的占比是否继续上升。
• 高AI暴露职业的就业增长是否从轻微拖累转为更广泛收缩。
• 疫情期间扩张较快、每员工收入承压的公司是否继续进行人员正常化。
• 科技行业就业占整体就业的比例是否回到长期趋势。
• 共同总量冲击，如增长预期、估值调整和资本开支周期，是否继续影响所有科技公司。