亚历克斯·伊马斯重新评估人工智能对就业的威胁

导语

亚历克斯·伊马斯近期在公众讨论中的介入——发表于 Bloomberg，日期为 2026 年 4 月 18 日——挑战了主流许多经济模型中的一个核心假设：技术进步与劳动力市场将平滑地吸收由人工智能驱动的自动化。他的论点不再仅仅围绕假设性的任务替代，而是转向可能在中期压缩劳动工时与工资的总需求效应。该主张对机构投资者至关重要，因为劳动需求的结构性转变将改变消费模式、企业利润率和财政政策走向。本文检视伊马斯援引的实证依据，比较其与既有文献的差异，并追踪对资本配置、生产率与风险管理的部门层面影响。本文基于学术研究、官方统计与市场指标的数据，并附有 Fazen Markets 在科技与宏观主题上的更广泛报道链接 专题。

背景

伊马斯的批评重新构架了自 2020 年代初 AI 热潮以来的讨论：普遍观点是 AI 主要替代任务而非总体就业。他强调自动化可能抑制总需求的机制——例如，如果被替代的工人面临长期收入损失，且资本收益过度集中到少数所有者手中。此并非纯理论；文献提供了分歧的定量估计。Frey 与 Osborne（2013 年）著名地估计高达 47% 的美国就业岗位面临高度计算机化风险，而经合组织（OECD，2019 年）给出更为保守的看法——约 14% 的岗位处于高风险，另有 32% 的岗位可能经历显著变革。伊马斯综合这些脉络并主张，传统的均衡模型低估了分配动态与需求端的反馈（Bloomberg，2026 年 4 月 18 日）。

从宏观政策视角看，时机很重要。美国劳动参与率在 2024 年 12 月接近 62.6%（BLS），且总体失业率相对于以往周期仍然偏低，但劳动力市场的紧张程度掩盖了按行业与技能层级的异质性。对固定收益与权益类投资者而言，其含义是指标上看似良性的总体失业率，可能与驱动消费的经济部门劳动收入份额下降并存。这种不一致正是伊马斯的要点：以总体失业率与总职位空缺校准的标准模型，可能忽略那些实质影响需求弹性的组成性变化。

机构投资者应注意伊马斯强调的渠道：（1）偏向资本的技术变革提高了资本相对于劳动的回报率，（2）自动化可能在未出现成比例岗位流失的情况下压缩总体工时，以及（3）技能错配在特定人群中扩大结构性失业。这些渠道意味着从工资收入者的消费增长放缓、资本持有者更高的储蓄倾向到如果社会与政治容忍度允许则对财政再分配的更大依赖。对于投资组合构建而言，这些动态是会改变消费面向股票预期现金流与杠杆企业信用状况的尾部风险。

数据深度挖掘

为了对伊马斯的论点进行定量评估，我们引用了自动化研究中常用的三类数据集。第一，Frey 与 Osborne（2013）——他们使用任务层面分析与机器学习估计高达 47% 的美国岗位易受自动化影响——仍然是潜在暴露的高水位线。第二，经合组织 2019 年的重新评估，采用更细的任务颗粒度并考虑跨国劳动力市场结构，将高风险岗位降至 14%，另有 32% 的岗位可能经历显著转型。第三，公司层面的投资模式显示 AI 能力企业吸引了不成比例的资本流入：在 2023–24 年间，最大云与芯片供应商公开报告的资本支出增长超过标普 500 的整体资本支出增长，反映出生产能力的集中。

具体的市场数据突显了集中风险。例如，一小部分公司承担了大部分 AI 基础设施投资与知识产权创造；这种集中意味着生产率收益可能难以广泛扩散，并可放大收入不平等。这一模式在企业利润率上可见端倪：主要云与 AI 平台提供商在 2020 至 2024 年间报告了数百个基点的营业利润率扩张（公司公告）。这些利润率提升是伊马斯所述资本方收益的必要条件，但单凭这些并不足以决定对总需求的净效应。

比较指标也很关键。当我们对比广泛普惠的生产率增长情景（如过去的技术革命）与集中式 AI 驱动的生产率跃升时，需求端的反应会出现分歧。历史上，早期自动化浪潮伴随新就业机会的出现——制造业自动化后来被服务业就业增长所抵消——但这些转型往往耗时数十年。伊马斯的观点是，AI 采纳的速度与广度可能压缩这一转型时序，造成若干季度或若干年的供给超前于需求的情形。对评估周期性敞口与长期输家/赢家的投资者而言，这一时间风险是关键变量。

行业影响

若伊马斯的警示成真，影响将在行业间高度不均衡。重度依赖工资驱动的本地消费的必需品与非必需消费类企业更易受到源自劳动收入份额走弱的需求冲击。例如，区域性零售连锁与小型餐饮业经营者——它们议价能力较低且利润率更薄——相较于大型多元化消费品公司将面临更高的信用风险。相反，那些为自动化采纳提供基础设施与软件并从中收取租金的 AI 平台商与软件提供商，即便总体就业收缩，也可能维持超额的盈利增长。

（注：原文在此处未完结的段落在翻译中已完整保留上文逻辑与意图。）