人工智能究竟是生产力革命的引擎，还是就业市场的颠覆者？
摩根士丹利首席经济学家Seth B Carpenter在最新研究中给出了一个审慎而有据可查的判断：AI是工业革命以来的第六次重大创新浪潮，其扩散速度远超以往，但目前的就业数据尚未显示出系统性冲击的迹象。
Carpenter指出，尽管AI算力与能力快速跃升、企业采用率持续攀升，整体劳动力市场指标却表现出"异乎寻常的稳定"。就业增长、失业率、职位空缺及离职率等核心指标，均未显示出AI高暴露行业相较于低暴露行业存在明显弱势。与此同时，AI对生产率的提振效应已初步显现——高AI暴露行业录得更强劲的劳动生产率增长，且主要由产出加速驱动，而非裁员缩时。
然而，大摩同时警示，AI的扩散速度远快于历史上任何一次技术革命，这意味着调整动态将被大幅压缩。未来最大的生产率红利尚未兑现，部分岗位的消失和招聘收缩几乎难以避免，政策应对能力将成为决定就业冲击深度与持续时长的关键变量。
历史先例：每一次技术革命都曾引发就业恐慌
Carpenter将AI定位为继机械化、电气化、大规模生产、自动化和IT革命之后的第六次重大创新浪潮。他梳理历史指出，上述每一次技术革命都曾引发对大规模失业的忧虑，但最终结果无一例外：生产率上升，工作任务重组，劳动力需求总量扩张。
这些技术确实消灭了部分任务和岗位，但更普遍的影响是改变了工作的构成，而非消灭工作本身。Carpenter认为，AI同样遵循这一逻辑——它降低了特定任务的成本，但能否消灭整个职业，目前仍是未知数。
他特别点出一个认知误区：许多人将AI理解为"用更少的人完成同样的产出"，但同样的机制也意味着"同样数量的人可以创造出多得多的产出"。两种表述在数学上等价，但大摩倾向于认为后者更可能成为现实。
当前数据：生产率提升由产出驱动，而非裁员
就现有数据而言，Carpenter认为有理由保持谨慎乐观。在劳动力市场层面，就业增长、失业率、职位空缺和离职率等指标，均未在AI高暴露行业与低暴露行业之间呈现出系统性分化。
青年失业率上升常被援引为AI冲击就业的佐证，但Carpenter指出，若将美国整体招聘放缓的周期性因素剔除，青年失业率的超额上升幅度仅略高于历史周期规律所预示的水平，并不构成结构性异常。
在生产率层面，AI的效应已开始在数据中显现。高AI暴露行业的劳动生产率增速更快，但关键在于，这一增长主要来自产出的加速扩张，而非工时的压缩或人员的削减。Carpenter强调，这一区分至关重要——它表明AI目前更多扮演的是"增量器"而非"替代者"的角色。
最大风险：扩散速度超过经济体的适应能力
尽管早期数据令人宽慰，Carpenter明确指出，未来走势仍高度不确定。与历史上历次技术革命历经数十年缓慢铺开不同，AI的采用速度大幅压缩了调整周期，这是此轮创新浪潮最显著的结构性差异。
他提出了一个值得警惕的情景：若企业在短期内迅速兑现AI带来的生产率收益，且这一效应广泛扩散至整个经济体，失业率可能出现类似经济衰退的跳升——至少在劳动力市场完成出清之前如此。
不过，Carpenter同时列举了多重缓冲机制：生产率驱动的收入增长将支撑总需求；财富效应上升将维系消费；企业内部将涌现新任务和新角色，吸纳被替代的劳动力；就业的周期性放缓及其带来的通缩压力，将触发货币政策宽松；若货币政策空间耗尽，财政政策的自动稳定器和相机抉择工具也可在过渡期平滑收入缺口。他认为，上述缓冲机制的存在，将使AI驱动的失业冲击"更小、更短暂、更可控"。
基础设施瓶颈：逾四分之三的资本开支尚未落地
Carpenter还指出，AI的实际扩散速度还将受到物理基础设施建设进度的制约。大摩策略师此前预计，2025年至2028年间，数据中心及相关基础设施的资本开支总规模将超过3万亿美元，但目前已部署的资金仅约占四分之一。
这意味着AI对生产率和就业市场的最大影响，在很大程度上仍属"未来时态"。基础设施的建设节奏，将直接决定AI能力向实体经济渗透的速度，进而影响就业市场调整的时间窗口。
Carpenter总结称，大摩将持续追踪AI扩散速度、劳动力市场演变及政策应对动向。"历史表明，生产率最终会胜出，但社会中并非每个人都能平等分享红利。早期证据令人鼓舞，但故事仍在书写之中。"
