从高盛集团对人工智能引发的劳动力市场冲击研究，看科技行业自我替代问题

原文链接：https://baijiahao.baidu.com/s?id=1839694483683363001

2025年8月6日，高盛研究部高级全球经济学家约瑟夫・布里格斯称，大多数公司尚未在生产场景中部署人工智能，这意味着整体就业市场尚未受到人工智能的显著影响。但布里格斯指出，科技行业已出现招聘放缓的迹象，且年轻科技从业者受到的冲击最大。

社会观察汇采8月6日讯 近日，高盛集团对人工智能时代下劳动力市场的研判呈现出一种审慎乐观与结构性忧虑并存的复杂心态，这种判断植根于宏观经济学中技术进步与就业创造之间的动态平衡理论，即著名的索洛悖论与创造性破坏框架的结合。高盛经济学家约瑟夫·布里格斯的研究揭示了当前人工智能对劳动力市场的实际渗透仍处于早期阶段，仅有不到三分之一的美国企业在生产环节部署AI工具，这意味着整体就业市场尚未经历系统性冲击，但科技行业的就业占比已显著偏离其二十年线性增长趋势，过去三年呈现下滑态势，尤其年轻科技从业者面临首轮替代压力——20至30岁群体失业率上升三个百分点的数据验证了人力资本折旧加速假说。

基于高盛集团的最新研究报告，海外投资者对人工智能冲击劳动力市场的评估已从理论推演转向实证观察，其核心观点揭示了技术革命与就业结构转型之间的复杂动力学关系。生成式人工智能的扩散正在重构生产要素的边际替代弹性，尽管当前整体就业市场尚未显现系统性扰动——因多数企业仍处于技术部署的早期阶段——但科技行业已率先出现就业占比偏离二十年线性增长趋势的结构性转折。这种行业异质性的根本原因在于人工智能技术本身具备自我强化的递归特性：作为创新策源地的科技行业，其知识生产流程高度标准化与模块化，恰恰最易被生成式AI的算法逻辑所解析与复制。投资者关注的微观证据在于，Alphabet、微软等企业披露的AI代码生成占比达30%-50%，直接触发了企业对初级人力资本的重新定价，导致20-30岁年轻从业者失业率在短期内跃升3个百分点，远高于科技行业平均波动水平，这验证了人力资本折旧速度与技能可编码性呈正相关的经济学命题。

从宏观经济传导机制看，生成式AI对生产力的提升存在显著时滞效应，企业需经历技术消化期、组织重构期与技能适配期三阶段才能释放全要素生产率红利，而当前正处于第一阶段向第二阶段过渡的节点，此间劳动力市场必然承受结构性摩擦失业的阵痛。值得注意的是，AI对就业的冲击呈现鲜明的行业异质性特征：科技行业因其任务高度标准化、成果易于量化评估的特性，成为自动化替代的优先试验场，Salesforce首席执行官贝尼奥夫披露公司50%工作由AI完成即典型案例，这种自我颠覆源于AI研发与应用的强正反馈循环——科技企业既是AI工具的生产者又是首要用户，其业务流程天然具备数字化基础与模块化架构，使得代码生成、测试验证等环节的边际替代成本远低于制造业流水线。

高盛全球研究院乔治·李指出，科技公司CEO们在部署AI时普遍暂停招聘初级员工，这种策略本质上是对人力资本投资回报率的重估：初级工程师承担的代码编写、数据清洗等常规任务恰是生成式AI最擅长的领域，OpenAI的Codex模型已能完成30%以上编程工作，而年轻从业者因经验积累不足，其技能组合中可自动化替代的通用技能占比高达70%，远高于资深工程师拥有的架构设计、商业逻辑抽象等专用技能。这种代际差异导致企业优化人力结构时呈现年龄歧视特征，形成布里格斯所言的青年群体替代牺牲品现象。更严峻的是，AI技术迭代正在消弭传统职业生命周期中的学习窗口期——当年轻从业者尚未积累足够专用技能时，其通用技能已被AI超越，造成人力资本投资的沉没成本激增。宏观经济学中的技能偏向型技术进步理论在此得到强化印证：AI不仅扩大高低技能劳动者收入差距，更在细分领域制造青年与中年的就业机会断层。

海外投资者对远期风险的推演则建立在技术扩散速度与通用人工智能突破可能性的双重不确定性上。高盛的基准情景预测约6%-7%劳动者将因AI替代失业，此假设基于十年渐进式转型周期，但布里格斯警告若经济衰退加速企业成本削减或技术突破快于预期，替代率可能跃升至两位数。特别值得警惕的是通用人工智能的风险阈值效应——当AI具备跨领域学习能力时，当前基于任务可替代性模型的预测将完全失效，劳动力市场可能面临系统性重构。这种担忧驱动着资本的战略布局：一方面持续加注AI基础设施领域如英伟达的算力芯片，另一方面在消费医疗、高端制造等需深度人际互动的行业寻找避风港。从宏观经济政策视角，投资者呼吁加强终身学习体系与基本收入制度的探索，以缓解技术性失业的社会成本。正如创造性破坏理论所示，AI革命终将带来生产力跃升与新职业创造，但转型期的分配正义问题需通过制度创新解决，这将是未来十年全球经济治理的核心命题。