摘要

市場高度關注AI對就業與通脹的影響，其不僅關乎貨幣政策取向，還會反向作用於AI自身的需求。AI同時帶來崗位替代與崗位創造，但市場往往過度聚焦替代效應；一方面就業創造可能存在時滯，另一方面新增崗位本身更難量化。

AI創造的就業至少可劃分為兩類：一是需求擴張直接催生的新增崗位；二是應對AI衍生衝擊而出現的補救式工種。技術進步在提升效率的同時總會伴生新挑戰，正如汽車提升交通效率，但帶來環境污染，繼而催生出環保相關產業，便是典型的補救式就業。該類崗位生成滯後，也容易被市場忽略。

我們測算表明，AI對美國就業以結構性衝擊為主，總量層面的擾動尚有限。2026年7月美國非農數據超預期走弱，但AI產業鏈上游就業持續改善。我們的估算顯示，2026年AI對美國失業率的推升大概率低於0.3個百分點；2027年就業擾動或邊際放大。但需注意，現有測算有可能高估AI的負面衝擊，部分因為補救式工種這類新增就業難以被完整統計。我們測算，AI或貢獻美國GDP增速的四分之一，對其通脹的淨影響目前尚不顯著，大致落在0.2‑0.3個百分點區間。

綜上，不必過度擔憂AI發展對聯儲局貨幣政策的直接影響。相比AI，聯儲局通脹工作小組的政策理念，可能是近期左右美國貨幣政策走向的核心變量。

正文

隨着AI加速發展，市場非常關心AI對就業的衝擊，因為這涉及到經濟走勢與政策應對，反過來也影響家庭和企業對AI的需求。比如，美國AI企業大幅裁員的報道時有耳聞。關於AI對美國就業影響的研究並不少，但多數是局部與靜態分析，宏觀層面沒有一個清晰的答案。與此同時，市場也很關心AI對美國通脹的影響。一方面，有觀點認為，AI將提高生產效率，從而降低通脹。另一方面，也有觀點認為，AI資本開支將提高通脹壓力。那麼，AI到底對美國就業和通脹產生了多大影響？未來可能怎麼演變？

AI對美國就業總量影響不大

AI對就業有雙重影響。一方面是替代，也就是AI應用可能會替代特定領域和群體的就業。AI對就業的替代會隨AI認知能力提升和企業應用而深化。世界銀行的研究顯示，從結構來看，AI可能會壓縮入門級崗位需求，導致年輕人就業下降；AI應用初期可能替代部分低學歷群體，長期可能替代部分高學歷白領群體。一般來說，AI暴露度越高、替代性越強的崗位，受AI影響可能越大，其中通用祕書、程序員、金融保險文員等，替代可能性最大。

另一方面，AI也會創造就業。AI產業發展會直接拉動上游生產和就業，例如電子設備、建築、AI相關工程師等。隨着AI應用深化，可能還會創造新的產業和就業，並通過提升生產率帶動經濟發展和就業擴張。創造方面，還有一個大家可能忽視的機制是所謂的「富足悖論」，其含義是技術進步是雙刃劍：AI發展既提高了生產效率，改善了人類生活，也會帶來新的挑戰，需要新的產業和工種來應對這些新問題，但這個過程往往有滯後。比如，汽車的應用改善了交通效率，但也因為用油而污染了環境。為了應對環境污染，環保行業應運而生。

接下來我們具體分析一下AI對就業的替代與創造效應。基於美國數據，世界銀行的研究顯示，ChatGPT發布前，AI替代性高和替代性低的職位招聘無顯著差異；發布後，美國高替代性的行業招聘數據相對下降了12%。具體來說，ChatGPT發布後第一個季度（2023Q1），美國高替代性的職位招聘相對下降約5%，勞動力市場對AI衝擊反應較快。發布後第1年、第2年、第3年（截至2025Q2）平均分別下降6%、14%、18%，替代效應隨時間推移而加深。需要注意的是，這個微觀數據分析假設其他條件不變，但實際中，宏觀就業由於存在各種對沖渠道，AI對就業的影響幅度小於微觀實證分析。

圖表1：生成式AI對美國不同替代程度的職位的影響

資料來源：Yan Liu; He Wang and Shu Yu, (2025), Labor Demand in the Age of   Generative AI: Early Evidence from the U.S. Job Posting Data, No 11263,   Policy Research Working Paper Series, The World Bank，中金公司研究部

圖表2：AI對美國就業的替代隨時間推移而深化

資料來源：Yan Liu; He Wang and Shu Yu, (2025), Labor Demand in the Age of   Generative AI: Early Evidence from the U.S. Job Posting Data, No 11263,   Policy Research Working Paper Series, The World Bank，中金公司研究部

基於美國數據，世界銀行的研究還顯示，美國年輕職員、中低學歷受影響相對較大，資深、高學歷者受影響相對較小，甚至可能受益。具體來說，ChatGPT發布後的第1年高中學歷的崗位下降12%，碩士及以上學歷崗位上升了5%（體現互補效應）。ChatGPT發布後的2-3年來看，美國本科學歷崗位降幅最大。隨着AI能力提升，中端白領崗位受衝擊相對更大。美國入門級崗位受衝擊相對比較顯著，經驗越豐富的崗位受AI影響越小。生成式AI的知識普及能力，可能部分壓縮了「通過入門崗位邊幹邊學」的傳統職業路徑，資深員工更多是用AI提升效率，而非被替代。

圖表3：AI在中長期對美國中高學歷就業影響更大

資料來源：Yan Liu; He Wang and Shu Yu, (2025), Labor Demand in the Age of   Generative AI: Early Evidence from the U.S. Job Posting Data, No 11263,   Policy Research Working Paper Series, The World Bank，中金公司研究部

圖表4：AI對美國入門級崗位的就業影響相對更大

資料來源：Yan Liu; He Wang and Shu Yu, (2025), Labor Demand in the Age of   Generative AI: Early Evidence from the U.S. Job Posting Data, No 11263,   Policy Research Working Paper Series, The World Bank，中金公司研究部

世界銀行的研究進一步顯示，AI高暴露行業可能受到的替代衝擊比較大，但並非一一對應。比如，基於美國的數據，相同AI暴露程度下，行政支持、專業服務、企業管理等行業的高AI替代性崗位就業受影響最大，交通運輸等行業影響相對較小。

圖表5：相同AI暴露程度下，美國行政支持、專業服務等行業的高AI替代性崗位就業受影響靠前

資料來源：Yan Liu; He Wang and Shu Yu, (2025), Labor Demand in the Age of Generative AI: Early Evidence from the U.S. Job Posting Data, No 11263, Policy Research Working Paper Series, The World Bank，中金公司研究部

其他最新文獻研究結論與上面這個分析比較相似。比如，Erik Brynjolfsson等（2025）基於美國數據的研究發現，AI高暴露職業中，初入職場的年輕人就業下滑比較顯著，而資深從業人員就業保持穩定。22-25歲群體中，AI暴露度最高的五分位職業的就業規模，相對AI暴露度最低五分位的職業出現了16%左右的下降。不同類型的AI對就業的影響不同，替代型AI對應入門級就業下降，增強型AI對就業無負面影響甚至帶動就業增長。

其他文獻也顯示，不同行業、不同職業、不同崗位受AI影響的程度不同。比如，Kathryn Bonney等（2024）基於美國數據的分析顯示，AI暴露最高的行業是信息服務業；其次是專業科技服務、教育服務等。AI暴露最低的行業包括農業、建築業，以及採礦、住宿餐飲、傳統服務業。

我們接下來估算AI對就業的替代總數。截至2026年6月，美國非農就業規模比疫情前（2014-2019年）趨勢值低5.3%（882萬人）。但疫情對就業可能帶來了永久衝擊，因此，按疫情之前的趨勢外推就業缺口並不合理。如果將疫情前趨勢往下平移到與非農相切的直線作為疫情後趨勢，則當下的非農就業比其趨勢值低2.5%（405萬人）。

圖表6：美國非農就業人數和趨勢對比

注：數據截至2026年6月  資料來源：Wind，中金公司研究部

但不能將這個缺口簡單歸結為AI的替代，中觀分析也印證這個結論與現實不符。理論上講，AI暴露高的行業就業缺口也越大，也就是說，行業散點圖中的暴露指數與就業缺口的斜率應該為正。但我們基於美國行業數據的分析顯示，這二者的斜率偏負。其中住宿餐飲、行政支援、建築等行業就業規模較疫情前趨勢降幅較大，而這幾個行業一般認為是AI暴露比較低的行業。

圖表7：美國就業缺口較大的行業AI暴露度反而較低，表明AI並非其就業缺口的主因

注：行業AI暴露指數計算基於美國勞工部O*NET數據庫，經過z-score標準化處理，越大代表暴露度越高  資料來源：Ed Felten, Manav Raj & Robert Seamans, How will Language Modelers like ChatGPT Affect Occupations and Industries? (2023)，Wind，中金公司研究部

我們也將非農就業規模和實際GDP走勢相比來推算就業缺口。疫情前（2016年底至2019年底）就業增量對實際GDP增量的關係大致為3.8人/mn2017$（即每增加100萬美元2017年不變價GDP，對應增加3.8人非農就業）。按此關係推算，ChatGPT發布（2022Q4）後，實際就業規模比GDP推算理論就業規模缺口邊際擴大321萬人（截至2026Q1）。這個方法雖然較上述方法有改進，其缺陷也是不能區分哪些缺口應該歸結為AI的影響。

圖表8：美國非農就業和實際GDP（2017年不變價）走勢

注：美國分行業GDP數據截至2026Q1，非農就業數據截至2026年6月  資料來源：Haver，中金公司研究部

除了AI，美國就業無疑受到了退休和移民政策的影響。美國國會預算辦公室（CBO）在特朗普上任前預計2025年美國淨移民約為200萬人，而最新估計值降至41萬人；2026年原預計為160萬人，最新預計值降至57萬人。這意味着特朗普第二任期內美國淨移民規模可能比此前預估少了約262萬人。Brookings採用不同方法也得出相近結果：2025年淨移民可能為-29.5萬至-1萬人，相比其此前較溫和的特朗普政策情景下約130萬人的淨流入，當年缺口約131萬—160萬人，與CBO對2025年的預測調整幅度相近。如果假設321萬人缺口中262萬人是移民政策導致的，則包括AI和退休因素帶來的就業缺口也就是59萬人。

為了更為精確地估算AI對就業的影響，我們比對了AI高暴露行業和AI低暴露行業就業走勢的差異。微觀數據來看，近幾年無論是AI暴露高的行業還是暴露低的職業，就業規模增長均比2023年之前有所放緩，背後是宏觀經濟周期等因素導致的。低暴露和高暴露之間的差異化走勢，才反映了AI的影響。我們的估算顯示，如果按行業將美國非農就業劃分為高暴露和低暴露行業，並以低暴露行業為基準，則截至2026年6月，高暴露行業多下降了83萬人就業。按此外推，至2026年底美國非農替代規模可能為101萬人。

圖表9：AI高暴露的職業，就業人數走勢弱

注：該圖考察的是22-25歲初入職場群體，因為這類群體AI暴露度對就業影響的數據特徵最明顯  資料來源：Bharat Chandar, Bharat Chandar & Ruyu Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (2025)，中金公司研究部

圖表10：美國AI高暴露和低暴露行業就業對比

注：AI暴露高的行業統計了信息業、金融和保險業、專業服務、科學技術服務、公司和企業管理、行政和支援服務等。其他行業被統計為AI暴露中等或較低的行業，例如採礦業、建築業、製造業、批發零售業、運輸和倉儲業、公用事業等。數據截至2026年6月。資料來源：Wind，中金公司研究部

這個方法得出的替代規模遠低於前面的方法，但沒有考慮創造效應，因此高估了AI對美國就業的負面衝擊。比如，低暴露行業實際上受到了AI發展的正向拉動，以其為基準考察高暴露行業，會使計算出的缺口被放大。

如前所述，AI對就業的創造機制是多元的，比如「富足悖論」效應，但數據可得性弱，而且有的創造效應可能有滯後。但AI資本開支對上游就業的帶動是完全可以估算的。核心思路是將AI投資視為新增最終需求衝擊，先按投資領域將AI投資拆分到投入產出表各行業，通過投入產出表追蹤其對上游行業產出的拉動（包括直接和間接拉動）。再根據勞動報酬率計算對薪酬的拉動，除以人均薪酬即可計算對各行業的就業拉動。基於以上框架計算，2026年AI投資或拉動美國45萬人就業；如果再考慮AI財富效應拉動消費以及AI相關出口的增長，合計或拉動59萬人就業。

圖表11：美國5大雲計算廠商capex增長拉動的就業人數

注：FactSet預測數據統計截至2026年7月  資料來源：FactSet，Wind，中金公司研究部

我們的估算顯示，2026年AI資本開支帶來的45萬增量就業中，計算機與電子行業16萬，建築業7萬，計算機系統設計、電氣設備各3萬人，其他行業17餘萬人。其中：數據中心建設增加了對建築領域的就業需求；數據中心的架構/部署/調試等拉動計算機系統行業；數據中心的電力系統、冷卻系統分別拉動電氣設備、機械設備行業。

圖表12：美國5大雲計算廠商capex增長拉動的就業人數估算

注：FactSet預測數據統計截至2026年7月  資料來源：FactSet，Wind，中金公司研究部

這些拉動會部分對沖前面所述的負面影響。我們預計，2026年全年，AI對美國就業總的衝擊可能為42萬人左右（101萬減去59萬），相當於美國失業率的0.3個百分點。

隨着AI應用深化，2027年AI對高暴露行業就業的替代影響可能擴大。按非農就業高暴露vs低暴露行業走勢差異外推，再依據市場對五大雲廠商的資本開支的預測（統計截至2026年7月），2026年底、2027年底美國高暴露行業就業可能額外減少101萬人、131萬人。隨着投資規模增加，AI capex帶來的正向就業拉動可能邊際減弱。AI capex將會繼續擴張，並帶動新的就業。不過，中性預期下2027年增量可能小於2026年增量。

基於投入產出表的估算顯示，2027年中性情形下，美國AI capex可能拉動就業30萬人，考慮消費和出口的拉動合計45萬人。樂觀、悲觀capex預期下，2027年美國AI正向拉動就業可能分別為65萬人、28萬人。綜合來看，考慮就業替代和就業拉動的對沖，2027年AI對就業的影響可能加深（87萬人），對失業率的推升可能較2026年高0.2個百分點。

需要強調的是，我們的估算可能高估了AI對就業的負面衝擊。一方面，我們低估了AI創造的就業數量：（1）通過投入產出表計算就業拉動，僅考慮了通過產業鏈傳導拉動的上游就業，未考慮到AI應用導致企業擴張而創造的新就業。（2）AI應用有助於提高全社會的生產率，促進經濟發展和帶動就業。（3）為應對「富足悖論」而產生的工種沒有被考慮，而「一人企業」創造的就業也沒有被統計到。

「富足悖論」方面，有文獻顯示，2020年以來，隨着生成式AI的發展，澳大利亞AI治理與合規崗位的複合年增長率為18%，崗位集中在提示工程師、AI倫理官等新興職能。歐洲統計局數據顯示，金融服務領域自動化產生監督崗位的速度約為製造業的3倍，崗位集中在合規、算法問責（風險補救、模型複覈）職能。美國勞工統計局最新數據顯示，AI監督類崗位年均增長15%，包含算法審計師、機器學習校驗專員，薪資較全國中位數平均高出40%。

AI對美國經濟增長的帶動比較顯著

我們用兩種方法來計算AI對美國經濟的帶動。方法一是投入產出法，計算五大雲廠商資本開支對上游增加值的帶動，在此基礎上，我們也計算來自股市財富效應的消費對增加值的帶動，以及AI出口對增加值的帶動。我們的研究顯示，由於美國AI投入中佔比較高的計算機、電子、電氣、機械設備等對外進口依賴度高，其對本國GDP的拉動相應減弱。美國AI capex對本國GDP的拉動乘數約為0.3-0.4，即每增加1美元的AI capex可以拉動0.3-0.4美元的美國GDP。從投入產出表關係來看，中性預期下，2026年對GDP的拉動點數在0.36個百分點左右。如果考慮財富效應刺激消費、計算機電子產品出口，則對GDP增速拉動為0.48個百分點。

圖表13：美國AI投資支出對GDP的拉動乘數

資料來源：Dong He; Zhiwei Zhang and Wenlang Zhang, (2009), How Large Will Be the   Effect of China‘s Fiscal-Stimulus Package on Output and Employment?, Pacific   Economic Review, 14, (5), 730-744，Bureau of Economic Analysis，Wind，中金公司研究部

圖表14：美國AI投資支出對GDP的拉動

資料來源：Dong He; Zhiwei Zhang and Wenlang Zhang, (2009), How Large Will Be the Effect of China‘s Fiscal-Stimulus Package on Output and Employment?, Pacific Economic Review, 14, (5), 730-744，Bureau of Economic Analysis，Wind，中金公司研究部

方法二是基於三駕馬車的分解。也就是考察支出法GDP中，AI相關的投資、進出口對GDP的貢獻，以及AI財富效應帶來的消費對GDP的貢獻。從三駕馬車增速變化來看，AI拉動美國經濟增速0.5-0.6個百分點。美國信息處理設備+軟件+數據中心3項固月供資連續5個季度兩位數高增長，2026Q1大約貢獻了GDP增速的1.13個百分點。AI帶動的股市上漲形成財富效應，有利於消費增長。2026Q1 Mag10股價上漲對消費拉動可能為0.16個百分點。淨出口方面，美國AI投資對進口依賴度大，2026Q1計算機設備淨出口對GDP貢獻-0.74個百分點。三項合計，2026Q1 AI相關的行業對美國GDP按年增速拉動0.55個百分點，貢獻了同期GDP增速（2.57%）的21.5%。

圖表15：AI對美國實際GDP按年增速的拉動

資料來源：Wind，中金公司研究部

2027年AI投資對GDP拉動程度可能有所降低。根據FactSet提供的5大雲服務商capex預測，中性和悲觀情形下，2027年AI capex對經濟的拉動可能較2026年分別放緩0.12和0.17個百分點。而樂觀情形下則較為有韌性，僅放緩0.05個百分點。

圖表16：美國AI資本開支對其GDP增速的拉動

注：FactSet對幾家雲廠商capex的預期值的統計樣本是全球主要賣方機構分析師預測值，取平均數為中性預測值，最小值為悲觀、最大值為樂觀預測值。FactSet預測數據統計截至2026年7月  資料來源：FactSet，中金公司研究部

AI對美國通脹影響有限

Salem Abo-Zaid（2026）研究顯示，2023年起，AI相關投資對美國GDP平減指數增速貢獻上升，2024-2025年平均貢獻約0.3-0.4個百分點。數據顯示，AI相關物品漲價對美國CPI影響較小，對PCE通脹推升0.25-0.3個百分點。AI通脹主要體現在計算機硬件和軟件，以及電力價格上。由於CPI和PCE權重差異，對二者影響程度不同。我們估算，2026年CPI增速中，信息技術產品貢獻0.02個百分點、電力貢獻0.03個百分點，合計約0.05個百分點。2024年以來AI相關物品對PCE通脹貢獻上行，2026Q2貢獻達到0.25-0.3個百分點。

圖表17：AI相關項對美國CPI通脹的貢獻

資料來源：Wind，中金公司研究部

圖表18：AI相關項對美國PCE通脹的貢獻

資料來源：Wind，中金公司研究部

AI通脹對美國PPI通脹的貢獻可能在0.2個百分點左右。2026年AI相關電子產品、電力價格的變化，對美國PPI增速的直接影響分別為0.06、0.01個百分點。假設價格充分傳導，二者對總體PPI分別拉動0.15、0.03個百分點，合計拉動0.18個百分點，批發貿易、機動車等受間接影響大。

圖表19：AI價格對各行業PPI通脹的傳導

資料來源：BEA，Wind，中金公司研究部

綜合來看，AI對美國經濟增長的貢獻比較明顯，對總體就業的衝擊和對通脹的影響均比較溫和。美國將呈現增長溫和修復、就業基礎較廣、通脹仍有黏性的態勢。AI及相關投資並非當前經濟韌性的唯一來源。財政支出、居民消費、貿易活動修復仍在支撐增長和就業穩定；與此同時，高利率及部分家庭信用壓力限制經濟上行空間。

增長仍有底部支撐。政府支出、居民消費、庫存補充和貿易活動改善繼續支撐需求，建築、製造之外，運輸、批發零售等貿易相關行業也在回暖；但高利率仍壓制住房、商業地產和傳統企業投資，經濟更可能溫和擴張而非重新加速。就業改善具有一定廣泛性。2026年7月美國非農就業意外減少2.3萬人，但與AI相關的就業增加。例如，與AI數據中心建造有關的非住宅建造業增加1.9萬人，與AI相關的計算機與電子設備製造業增加2900人。受AI替代效應影響相對較大的行業中，金融業崗位繼續減少，但信息科技行業由上月減少1.3萬人轉為本月增加1.1萬人。

消費總量保持韌性，但內部繼續分化。高收入家庭受益於資產價格上漲和高利率中樞下的利息收入，消費能力較強；低收入家庭則受到高物價、信用卡利率和償債壓力約束，消費增長對高收入群體的依賴進一步上升。通脹下降仍會較為緩慢。能源價格的路徑左右整體CPI走勢，除此之外，工資、房租、醫療保險及其他服務價格仍具黏性；關稅和供應鏈調整也可能持續推高商品與中間品成本。金融與財政因素方向相反。《大美麗法案》退稅和政府支出繼續託底需求，但高利率、債務再孖展及銀行信貸約束逐步累積，對小企業、房地產和低信用家庭形成更明顯拖累。

至於貨幣政策走勢，更需要關注沃什通脹工作小組的新思維（比如通脹指標擴圍），而不是AI對通脹的影響。

注：本文來自中金公司2026年8月9日發布的《AI對美國就業影響不大》，報告分析師：張文朗 S0080520080009，段玉柱 S0080521080004，肖捷文 S0080523060021