人工智能威胁高达5.68万亿美元美国工资，裁员加速

根据国金证券引用Anthropic及美国劳工统计局数据发布的报告，AI已影响1.45万亿美元美国工资及1835万个就业岗位，若OpenAI更广泛的暴露率估算得以证实，潜在破坏规模可达5.68万亿美元。

"资本市场正在积极奖励通过裁员实现AI驱动成本削减的企业，形成一种正向反馈循环：裁员越多，股价越高，"国金证券分析师在报告中写道。

基于美国劳工统计局职业分类体系中对755个职业的分析，揭示了一种双重轨迹的颠覆模式。高技能职业的暴露率为19.5%——几乎是低技能岗位10.8%的两倍——这挑战了"高学历等于工作安全"的假设。然而在实际中，低技能岗位被颠覆的速度更快，实现率为31.2%，而高技能岗位为27.9%，这表明即时的阵痛集中在基层员工身上，而白领岗位的重组正在积蓄势能。

自2024年以来，美国劳动生产率和全要素生产率之间的背离表明，当前的效率提升来自资本深化——用更好的工具替代工人——而非真正的创新。报告称，如果AI的收益继续流向资本和顶尖人才，家庭收入和消费面临的压力可能迫使政策出台应对措施，包括全民基本收入或政府直接持有科技公司股权。

资本市场激励替代循环

推动AI采用的机制已从技术好奇转向财务刚需。大型科技公司单轮裁员幅度达5%至10%，部分软件和SaaS公司裁员比例接近20%。每一轮裁员都伴随着股价上涨，因为投资者将裁员视为利润率扩张的信号。这形成了国金证券所称的结构性激励：AI替代的工人越多，盈利表现越好，股价越高，高管面临继续推进自动化的压力就越大。

这一动态已超越科技领域。零售、客服和销售等一线岗位——长期以来因面对客户而被认为具有抗衰退能力——当任务遵循标准脚本和决策树时，正被证明高度可自动化。报告发现，低技能一线岗位的AI暴露率高于其后端岗位的同类型人员，颠覆了"面向客户的岗位是安全的"这一传统认知。

高技能工人面临更缓慢但更深层的重组

数据还挑战了另一个假设：复杂认知工作是有免疫力的。高技能岗位的暴露率为19.5%，这意味着近五分之一的涉及高等教育或专业知识的职位可能被大幅自动化。软件工程、数据分析和法律研究——涉及模式识别和结构化输出的任务——尤其脆弱。

缓冲仅存在于需要高频人际判断的岗位中：教学、医疗和律师业务，其中的客户互动环节提供了临时保护。但随着AI工具在自然语言推理和依赖上下文的决策方面不断改进，即使是这些职业也面临渐进式重组。

对于投资者而言，AI劳动力叙事已跨出资本支出周期和模型基准测试阶段，进入企业盈利能力与社会稳定性日益相互关联的新阶段。积极部署AI以削减成本的公司——包括微软、Alphabet和Meta——短期内可能看到利润率扩张，但如果劳动力替代加速，它们将面临日益增长的监管和声誉风险。报告指出，由于劳动份额下降和对政府转移支付依赖上升，美国家庭收入已承受压力。如果AI加深这一趋势，围绕技术监管的政治考量可能发生实质性转变，从而为当前由AI驱动成本削减所支撑的估值带来不确定性。

本文仅供参考，不构成投资建议。