摩根士丹利首席经济学家Seth B Carpenter的最新研究，为当前弥漫在AI议题上的焦虑情绪提供了一剂清醒剂。他将人工智能定位为继机械化、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，并指出一个核心悖论：AI的扩散速度远超历史上任何一次技术革命，但全球主要经济体的劳动力市场指标，却呈现出“异乎寻常的稳定性”。

从就业增长、失业率到职位空缺与离职率，这些核心数据在AI高暴露行业与低暴露行业之间，并未出现系统性的分化。Carpenter的研究认为，目前的证据更倾向于支持“AI是增量器而非替代者”的论断。

历史镜鉴：每一次技术恐慌都走向了相反结局

回顾工业革命以来的历次技术飞跃，每一次都伴随着对“机器取代人类”的深切忧虑。19世纪初的卢德分子砸毁织布机，20世纪60年代对自动化的恐惧，以及90年代互联网泡沫初期对白领岗位消失的担忧，最终都被历史证明是过度反应。

Carpenter的研究梳理指出，这些技术确实消灭了部分特定任务和岗位，但更普遍的影响是改变了工作的构成，而非消灭工作本身。机械化让农业劳动力转向工厂，电气化催生了庞大的服务业，IT革命则创造了程序员、数据分析师等全新职业。每一次技术跃迁后，劳动力需求总量非但没有萎缩，反而在更广阔的产业基础上实现了扩张。

笔者认为，一个常被忽略的认知误区在于：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。这背后是生产率提升带来的总需求扩张效应——当商品和服务的成本下降，消费者的实际购买力上升，从而催生新的需求，反过来拉动就业。

数据实证：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。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。企业正在利用AI工具提升现有员工的生产效率，而非直接裁员。

核心风险：扩散速度压缩了调整窗口

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。这种“速冻式”调整，将对社会稳定和分配公平构成严峻挑战。

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：超3万亿美元资本开支尚未落地

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。从芯片制造到数据中心建设，从电网升级到光纤铺设，这些物理瓶颈正在成为AI落地的“限速器”。

政策应对：决定冲击深度的关键变量

笔者认为，AI对就业市场的冲击深度与持续时间，将在很大程度上取决于政策应对能力。历史上，技术革命带来的调整阵痛，往往通过教育体系改革、社会保障网络完善和劳动力市场灵活化来缓解。当前，各国政府面临的挑战在于：能否在AI加速渗透之前，建立起足够有效的再培训体系和社会安全网？

从全球视角看，不同经济体的政策工具箱存在显著差异。北欧国家拥有强大的工会谈判机制和积极的劳动力市场政策，可能更容易实现“创造性破坏”的平稳过渡。而一些劳动力市场保护不足、社会保障体系薄弱的经济体，则可能面临更大的社会摩擦。

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。”对于投资者而言，这意味着需要密切关注AI产业链各环节的资本开支节奏、企业层面的采用率变化，以及各国政策对劳动力市场的干预力度——这些因素将共同决定AI革命的最终经济影响。