AI洪流三部曲：社会的代价

在《AI洪流三部曲》的第一篇《ARR的边界》中，我们估算了理想状态下AI所对应的劳动力替代薪资规模。无论是已处于暴露范围内的1.45万亿美元，还是更具理论潜力的5.68万亿美元，本质上都是从图表的左侧薪资池（大模型厂商的收入空间）来理解AI商业化进程。

AI与劳动力市场的抉择变成“跷跷板”：AI越快进入生产体系，越有助于缓解市场对泡沫的担忧，却也会进一步强化对就业结构的冲击；AI越慢进入生产体系，越能缓和短期失业压力，却也越容易引发对回报率的质疑。

而《AI洪流三部曲》的第二篇，我们关注图表的右侧，从劳动力市场的不同属性出发来看待愈演愈烈的AI洪流。

值得注意的是，不同部门对于技术性失业的关切并不相同。

居民与企业部门更关注“经济账”：Agent是否真正进入生产流程，进入前台还是后台；AI究竟是在辅助劳动者，还是在替代劳动者，替代低技能还是高技能。

政府部门更关注“政治账”：当社会开始以电力和算力成本替代人力成本之后，技术进步是否能够真正转化为生产率提升；以及AI时代的红利将如何分配。

低技能职业面临的是偏弱的现实，高技能职业面临的是极弱的预期。尤其是付出了更多时间成本，且已占用了更多社会资源的后者，弱就业预期引发的冲击或将更快更显性地展现。以上种种，构成了AI洪流愈演愈烈背后的社会代价。

一、关切的起点：加速的AI商业化带来的就业担忧

今年以来，市场视角下的AI产业出现了一个重要变化：不再只关注模型能力、算力投入和资本开支，而是开始重新聚焦收入兑现和商业化落地。AI coding、to B应用、Agent工作流的出现，让AI开始更直接地嵌入企业生产流程。

AI泡沫论的担忧在下降，但新的问题开始出现：AI对劳动力的替代，尤其是就业与AI技术用量（相对）比重不均衡的行业，可能遭遇更大冲击。

关于这一点，在过去一年讨论AI对就业的冲击时，并没有产生实质紧迫感。尽管美国非农就业中信息技术业等AI强相关领域新增就业下降，与ChatGPT出现后的时间点高度重合；但当时并不能简单得出“AI导致就业下降”的结论。

此前我们给出了两点解释（《AI视角下的美国就业市场》，2025年10月14日）：公卫事件期间互联网企业存在劳动力囤积，以及利率收紧存在滞后效应。

但当下情况已经发生变化：技术性裁员不再只是理论推演，而是广泛出现在微观行为里——AI越能证明自己有商业价值，越能证明它可以提升企业效率，就越容易被企业用来替代人工。

二、技术性裁员的现实

美国科技企业今年已经回到高裁员区间；大厂单轮多在5%-10%，SaaS/云服务公司中可到近20%。更关键的是，资本市场正在奖励“AI降本+裁员”的叙事，这形成了一个非常强的激励机制。企业不仅从经营层面看到AI可以降本，还从资本市场看到AI裁员可以改善估值和股价表现，这种正反馈会进一步鼓励企业用AI替代员工。

因此，AI替代就业不是单纯由技术推动，也会被资本市场的估值逻辑推动。

除了显性发生的裁员外，更关键的是被替代的职位具备哪些属性，这对于判断后续演进十分重要。在第一篇报告的基础上，我们进一步与从技能水平和职业属性的角度观察BLS统计的755个职位以及与之对应的AI技术（实际/理论）暴露度。

从实际暴露的绝对就业水平来看，职业的两头（高技能与低技能）受到的冲击明显高于中等技能水平职业，分别在709万人和883万人，中技能职业所对应受影响人群仅有244万人；从占比角度看，低技能职业受到冲击的就业占总就业比重在10.8%，中技能职业约在8.3%，而高技能职业已经高达19.5%。

然而，如果我们从“演进进程”的角度看（实际暴露/理论暴露），低技能职业的暴露进度反而是更快的（因为理论暴露较小），达到了31.2%（708.5万人/2268万人），中技能职业的暴露进度在20.4%，高技能则在27.9%。

需要注意的是，除了那些被技术所直接冲击的高技能职业外，低技能职业也在面临极强的就业冲击，其暴露主要集中在销售业(893万人，暴露率21.5%)和办公行政业(1276万人，暴露率38.1%)；而高技能职业的行业暴露则更加广泛。

除此之外，另一个理解的维度在于职业的前中后台属性（是否与人打交道）与AI暴露度的关系；我们按“工作对象和工作界面”进行划分：

前台：直接面对终端客户（患者、学生、旅客等），典型例子是客服、零售销售、收银员等；

后台：不常规直接面对终端客户，主要做内部生产研发、数据处理、行政运维等，典型例子是软件工程师；

中台：不是纯终端服务，也不是纯后台生产，而是协调管理、内外部连接，典型例子是HR、供应链经理等。

对于低技能职业来说，前台属性（以销售为代表）反而带来更高的实际暴露度；而对于高技能职业，前台属性（例如教师、医生、律师等）反而成为一种保护。

总的来看，低技能职业面临的是偏弱的现实；高技能职业面临的是极弱的预期。

三、人人自危的恐慌情绪正演变为“新卢德运动”

对于拥有高技能的硅谷员工来说，他们处在最矛盾的位置：把同事的工作“自动化”的同时也正意识到自己的岗位也可能被自动化。

对于企业而言，如果碳基员工可以被顺利的压缩成几个技能包（skills）、一个完整的模型能力（agent）或者工作流（workflow）的话，那拥抱硅基几乎成为必然，甚至还会因为我们提到的“市场奖励”而加快进程。

除了企业裁员这个行为本身之外，企业裁员的方式也说明技术性裁员正在带来更高的社会代价。

科技企业几乎都先安排员工居家办公，然后选择假期或周末凌晨群发邮件通知裁员，以此避免员工在办公室现场聚集、抗议或与管理层发生冲突，进而减少裁员带来的办公室安全风险；换言之，技术性裁员已经不只是企业降本问题，也开始涉及企业治理、员工情绪和社会安全。

然而，硅谷的高技能员工并非唯一的风险来源；美国大学之中，对AI的反对声音正在变得更明显。

亚利桑那大学毕业典礼上，谷歌前董事长施密特受邀演讲，强调AI是技术革命、会加速世界变化，鼓励学生学会使用AI创业。结果台下学生报以嘘声。这个反应不是简单“不喜欢AI”，而是年轻毕业生面对就业市场时的真实恐惧。作为绝对的高技能拥有者，他们面临的不是什么时候迎来AI暴露，而是可能根本没有机会经历这一切，即“代际的疤痕效应”。

尤其是不能因为“过去每一次产业革命最终都解决了就业问题”，就直接推导出“AI未来通过创造新需求也一定不会造成就业问题”。AI的特殊性在于，它可能不只是辅助人，而是直接替代人的认知劳动。

企业裁员、资本市场正反馈、员工焦虑、校园反AI、远程裁员操作，正在共同构成AI时代的新就业叙事。AI的社会影响不只体现在生产率，也体现在岗位安全感、社会情绪和分配压力——这些都是AI快速发展所无法规避的社会代价。

四、分配问题可能比效率问题更尖锐

即使AI提高了效率，也要看技术红利如何分配。尤其是美国居民部门本就面临三重困境：劳动收入份额下滑，转移支付占总收入比重增加，以及实际收入水平低迷——这些都依赖于政府的分配调控来进一步改善。

这实际上应被分拆为两个问题：效率提升的快慢，以及过程中的分配结构应对。

对于前者而言，AI迄今为止对生产力的推进更多来自于短期的资本深化（劳动者工具的改进），而非真正的全要素生产率提升（经济的根本进步）。

对于后者而言，如果社会分配更加公平，技术性失业担忧可能会小一些；但如果AI红利高度集中在资本和少数顶尖人才手中，就业和分配压力会同步上升。

此前海外多个国家“畅想”的全民基本收入计划（UBI）或重回讨论，但这需要一个隐含的前提，政府部门能够更直接获得AI红利。美国交出的答卷是政府直接入股科技企业从而接入分配，这可能是减轻社会收入压力最直接的手段。

风险提示

AI技术对职业暴露度更新不够及时全面，存在数据统计偏差；AI Agent能力发展弱于预期，导致对应的劳动力规模产生明显变化；全球央行快速转向，带来全球二轮通胀风险，压制全球需求，劳动力裁员胜过AI影响，降本增效属性被淡化，引发更大规模AI投资回报率担忧。

注：本文来自国金证券股份有限公司2026年7月5日发布的《AI洪流三部曲：社会的代价》，报告分析师：宋雪涛 S1130525030001，钟天 S1130526020001