BofA：AI暴露影响近24%全球岗位

导语

美国银行全球研究（Bank of America Global Research）于2026年5月2日发表报告，估算全球大约24%的工作岗位可能“暴露”于由人工智能驱动的自动化之下。美国银行将该重点数据描述为“几乎四分之一”的全球岗位，立即重塑了对劳动密集型行业以及为AI基础设施和服务提供产品的公司的投资论断。投资者和公司董事会应将该估算视为方向性的冲击而非确定性的预测：暴露并不等同于瞬时的岗位消失，但它表明职业间可能发生重大再配置的风险。本文把美国银行的估算放在历史与跨机构的语境中，提供对“暴露”在定量上含义的数据深度解析，并提出可能的行业赢家与输家，同时指出可能改变结果的政策与过渡风险。

背景

美国银行的研究结果发布之际，企业IT堆栈、客户服务和创意工作流中正在快速部署AI。在过去三年里，云服务提供商与芯片制造商加速了资本支出：公开文件显示自2023年以来，若干季度超大规模云服务商的资本支出实现了两位数的同比增长，从而支持更快的AI模型训练与部署周期。与此同时，发达经济体的劳动力市场结构性紧张；雇主面临更高的招聘成本与薪资压力，这使得尽管前期资本支出较高，自动化投资在经济上仍显更具吸引力。劳动力供给趋窄、单次模型推理的算力成本下降以及AI能力的改进三者的交互，是机构投资者认真对待24%暴露估算的关键背景。

美国银行将“暴露”界定为在现有或近期可预期的AI能力下，某一职位中相当比例的任务可能被自动化或被实质性增强的岗位份额，而非声称24%岗位会在短期内消失。历史先例——例如20世纪农业的机械化——显示任务层面的自动化更常见地改变了工作内容，而不是在单一步骤中消灭整个职业。然而，对于狭窄职业群体，过渡效应可能很快出现：文书岗位、重复性的后台办公室职能以及某些法律和会计任务在公司标准化AI工具后，可能在较短时间内被重新设计或合并。对于固定收益和企业信用分析师而言，这一点尤为重要，因为在公司将节省重投资或重新分配人员时，息税折旧摊销前利润（EBITDA）表现和劳动成本轨迹可能与市场预期出现分歧。

数据深度解析

美国银行2026年5月2日的研究报告将24%作为其中心估算；该行并未断言24%等同于近期失业率，而是用此数字来标示跨职业分类中的潜在暴露。这个24%与其他主要研究相比：经合组织（OECD）2019年的报告估计约14%的岗位面临高度自动化风险，另外32%的岗位可能面临显著变化；麦肯锡（McKinsey）2017年的分析在其中点情景下预测到2030年约30%的工作小时数可能被自动化。这些差异反映了方法论的不同——经合组织侧重于任务的常规性与跨国劳动监管，麦肯锡建模小时数与经济替代，而美国银行则在当代生成式AI能力的语境下具体框定了“暴露”。（BofA，2026年5月2日）

若将暴露率换算为规模：若接受对全球约30亿至35亿就业人口（国际劳工组织的基线因年份而异）施加24%的暴露率，算术上意味着有数以亿计的岗位，其中任务内容与劳动价值可能被重新配置。精确数字取决于各国服务业与制造业的劳动密集度：白领就业占比较大的发达经济体可能在比例上显示更高的暴露率，而低薪的新兴市场由于非正式与体力劳动占比更大，自动化采用模式可能不同。美国银行的报告明确指出，岗位暴露的时序、深度与地理集中度将决定宏观经济与企业层面的结果。

行业影响

在美国银行提出的情景中，技术供应商与AI基础设施提供商是最直接的受益者：拥有云容量、应用层AI与加速器的公司处于可从模型托管、模型推理与工具链中获取经常性收入的有利位置。拥有整合云与企业软件套件的市场领先者——以及提供高性能处理器的芯片制造商——如果采用加速、用户端收入上升，便有望扩大利润率。这也是为何在市场评论中，像微软（MSFT）和英伟达（NVDA）等股票常被认为会因AI支出与一般IT预算脱钩而受到资金追捧，尽管若周期性软件与服务企业必须在大型企业客户迁移过程中进行大量补贴，其利润率也可能承压。

相反，拥有大量后台工资支出且利润率薄弱的公司将面临两种抉择：投资以实现自动化并保护利润率，或维持劳动力并接受上升的运营成本。金融业、专业服务和传统零售就是商业模式可能出现分化的例子：那些投资AI的公司可能会压缩人头增长但扩大规模与新产品线，而不投资者则面临利润率侵蚀的风险。对于企业信用投资者而言，这种分化增加了特有风险；同一行业中评级相似的两家公司，依据采用策略与执行情况，信用指标可能出现大幅分歧。

风险评估

过渡风险是近期的主要危险。集中在有限职业集中的快速自动化，可能导致需求冲击、受影响群体的工资停滞，以及以法规或劳动保护形式出现的政治反弹。政策制定者在主要经济体中可能会采取一系列响应措施以缓和短期社会与政治压力，例如加强再培训计划、调整社会保障nets，或对AI部署施加监管限制。[原文在此处截断]