内部作用：AI对劳动力市场的影响

• 人工智能（AI）尚未造成广泛的劳动力市场扰动，但招聘依然起伏不定，且失业集中在易受AI影响的行业，如信息和金融业。
• AI投资似乎更多地提振了生产率和企业利润，而非就业人数，这强化了市场领导地位的集中以及资本与劳动力之间的分化。
• AI相关的就业创造仍然有限且不均衡，而依赖进口的资本支出可能限制技术建设对美国增长和就业的近期益处。

许多人忙于争论AI是否会毁灭人类，但我们将机器人末日留给哲学家去探讨。在本月的报告中，我们将满足于一个更为温和的问题：它是否会毁掉你的工作。在我们深入探讨AI世界之前，有必要回顾一下9月份的就业报告。

不仅非农就业人数初步增加的29,000显著低于彭博共识预期的90,000,，而且较8月份修正后的133,000增幅大幅放缓。前两个月的向下修正总计60,000,，使得三个月平均增幅仅为51,000。

如下图所示，2026对劳动力市场来说是起伏不定的一年。两个月的净损失，加上8月份的意外强劲（历史上8月往往低于预期，随后被上修），进一步强化了美国劳动力复苏的间歇性。这主要是过去一年半的情况，也与我们用于描述现代经济环境的形容词一致：不稳定。

来源：嘉信理财金融研究中心、彭博、美国劳工统计局。月度数据从1/31/2024至9/30/2026。

在行业层面，9月份就业增长的广度几乎中性，这并未对过去几个月增强的趋势造成太大干扰。尽管如此，政府、信息和专业服务等领域仍存在一些明显弱点，而教育和健康服务继续推动大部分增长。有趣的是，仅9月份该图表的“尾部”看起来与现代AI时代的动态惊人地相似：自2022年11月ChatGPT发布以来，教育和健康服务增加的就业最多，而信息业减少的最多。

来源：嘉信理财金融研究中心、彭博和美国劳工统计局，截至9/30/2026。

观察下图所示的生产率与单位劳动力成本之间的关系，我们再次看到与“无就业的利润”叙事的契合。企业从缓慢增长的工作时间中获得了更多产出，而劳动力成本上升速度慢于价格，这美化了利润率。悬而未决的问题是，这是AI驱动生产率繁荣的早期迹象，还是企业坚守招聘底线的周期性结果。

来源：嘉信理财金融研究中心、彭博和美国劳工统计局。

自广泛可用的AI工具推出以来，各行业的企业纷纷投入资本建设其背后的基础设施。这部分支出推动了股市很大一部分涨幅，并日益成为经济增长的重要贡献者。更难的问题是：谁受益？过去的技术浪潮最终提高了生产率并创造了新的工作类型，但收益分配不均，且往往滞后。早期，回报往往流向建设和销售技术的公司，而更广泛的劳动力市场调整更为缓慢。

AI周期可能遵循类似的模式，企业利润加速增长，而招聘却放缓。AI创造的就业是真实的，但数量有限且结构偏斜，而建设中的很大一部分投资（以及相关硬件）来自海外进口（详见下文）。综合来看，它们描绘了一种从企业盈利角度看强劲，但从工人和国内经济角度看则远为温和的扩张。

到目前为止，从宏观层面看，就业增长相对于经济扩张中通常所见的表现令人失望；但与此同时，劳动力市场并未出现重大扰动。如下图所示，美国劳工统计局（BLS）的就业扩散指数衡量了净招聘行业的平衡情况，显示随着现代AI时代的开启，招聘活动开始放缓。更糟糕的是，招聘广度在2025,跌入收缩区间，这可以说主要是由关税税率激进上调相关的地缘政治和贸易不确定性所驱动。

重要的是，从2024到2025，就业扩散从未跌入与先前衰退相关的区间。不仅如此，自2025秋季劳动力市场触底以来，过去一年它持续改善。这在短期（三个月）和长期（一年）基础上都成立。

来源：Schwab金融研究中心、彭博社和美国劳工统计局。

数据来自1/31/2010至9/30/2026。美国劳工统计局就业扩散指数追踪的是不同时期内就业增加的行业百分比加上就业持平的行业的一半，其中50%表示就业增加和减少的行业数量相等。

这一点得到了印证：后ChatGPT时代的劳动力市场流动性与金融危机后的扩张或其他技术繁荣时期相比并没有显著不同。下图显示的是耶鲁大学预算实验室追踪的差异指数，该指数被解释为劳动力职业构成的百分比变化。曲线越高越陡，表明流动性越大，这在现代AI时代确实如此。与此同时，相对于以往的技术繁荣期，这一变化并不剧烈，相对于耶鲁的“对照组”序列（捕捉金融危机后的劳动力市场复苏）也不算极端。

来源：Schwab金融研究中心和耶鲁大学预算实验室，截至9/15/2026。

在本图中，AI的影响从30,年2022月（标志着ChatGPT于11/30/2022公开推出以及AI采用的开始）到31,年2026月进行衡量。AI的差异指数与其他三个时期进行比较：计算机（1/31/1984至-12/31/1989），捕捉个人电脑的普及和计算机革命的开始；互联网（1/31/1996至-12/31/2002），捕捉互联网在公共生活和工作场所的大规模采用；以及对照组（1/31/2016至-12/31/2019），即2008年衰退复苏后的对照期，期间职业构成几乎没有变化。

差异指数使用前瞻性12个月就业数据移动平均计算。"AI"序列中的缺口是由于10/1/2025至11/12/2025,期间的政府停摆，当时未收集当前人口调查（CPS）的就业数据。

在行业层面，情况略有不同，更多证据表明劳动力调整正在迅速发生。信息技术（即科技）行业尤其如此，自2022年11月以来，该行业的就业人数显著下降。虽然下图未显示，但排除疫情相关的波动后，信息技术行业的就业水平正徘徊在2015年以来的最低点附近。

幅度不匹配但近期方向一致的是，金融行业的就业人数在过去三年中一直难以增长。自去年达到峰值以来，净招聘的下降变得更加剧烈，与信息技术行业的趋势一致。不过，这两个行业仍然是异常值。自2026年2月——就业增长开始重新加速——以来，这两个行业合计减少了120,000个工作岗位，而美国非农就业总数增加了608,000。

来源：Schwab金融研究中心、彭博社和美国劳工统计局。

在过去四十年中，企业利润和非农就业人数通常同步变动。这种关系现在已经破裂，利润增长显著高于就业增长，如下图所示。这种差距历史上主要出现在“无就业复苏”中，例如2002至2003以及2010。在这些时期，利润从衰退低点反弹，而招聘滞后。今天的不同之处在于，没有衰退需要复苏。利润在扩张后期飙升，而招聘一直低迷。

来源：Schwab金融研究中心、彭博社、经济分析局和美国劳工统计局。

数据来自1/31/1980至-9/30/2026。过往表现并不保证未来结果。

与AI相关的招聘是真实的，但迄今为止有限且狭窄。从2024到2026（至今），创造了超过50万个与AI相关的工作岗位，其中数据标注员职位占据了总数的大部分，如下所示。这种构成很重要，因为数据标注员类别的职位往往薪酬较低，且通常是合同制。高技能职位的数量仅为数万，而非数十万。

来源：Schwab金融服务、Arbor Data Science、LinkedIn和《华尔街日报》。

自2023,以来，计算机及配件的支出占国内生产总值（GDP）的比重已翻倍以上，达到至少2000年以来的最高水平，远高于互联网时代的峰值。与此同时，这些商品的净出口已跌至创纪录的赤字。换句话说，如下图所示，AI建设的大部分是进口的。这提振了进行采购的公司和海外供应商，但抑制了对国内GDP和美国就业的影响。下图已成为K型经济的典型代表。

来源：Schwab金融研究中心、彭博社、经济分析局和美国人口普查局。

数据来自3/31/2000至8/31/2026。过往表现并不保证未来结果。

利润激增与就业疲软之间的差距不仅仅是统计上的好奇，它重塑了投资者、工人和政策制定者面临的风险。有四个影响值得特别关注，投资者在考虑AI对劳动力市场的影响时应牢记这些影响。集中度风险：利润增长偏向于AI相关和大型公司，而非广泛分布。这强化了股市狭窄的领导格局。

K型动态：强劲的盈利增长与招聘低迷并存，可能指向资本与劳动力之间的结果分化，并对消费者支出产生潜在影响。

政策张力：在我们看来，美联储面临劳动力市场复苏不均且缓慢，同时企业利润强劲涌入，这使货币政策前景复杂化。

可持续性：如果AI驱动的生产力增长最终未能扩展到更广泛的招聘，那么依赖于资本支出和成本控制的利润增长可能证明是脆弱的。

本材料仅供一般信息和教育目的。不应视为个性化推荐或个性化投资建议。提到的投资策略并不适合所有人。每位投资者在做出任何投资决定前，都需要根据自身特定情况审查投资策略。

所有意见表达均可能因市场、经济或政治条件变化而随时更改，恕不另行通知。本文中包含的来自第三方提供商的数据来源于被认为可靠的来源。然而，其准确性、完整性或可靠性无法保证。

过去表现并不保证未来结果。

投资涉及风险，包括本金损失。

表现可能受到与非分散化相关的风险影响，包括投资于特定国家或行业。额外风险还可能包括但不限于投资于外国证券，尤其是新兴市场、房地产投资信托（REITs）、固定收益和小型股证券。每位个人投资者在投资特定证券或策略前应仔细考虑这些风险。

所示的所有公司名称和市场数据仅供说明目的，不构成推荐、出售要约或购买任何证券的要约邀请。

分散化和资产配置策略不确保利润，也不防范市场下跌中的损失。

查尔斯·施瓦布公司提供的政策分析不构成也不应被解释为对任何政党的认可。

指数是非管理的，不产生管理费、成本和费用，不能直接投资。有关指数的更多信息，请参见schwab.com/indexdefinitions。

施瓦布金融研究中心是查尔斯·施瓦布公司的一个部门。

来源：彭博指数服务有限公司。BLOOMBERG®是彭博财经有限合伙公司及其附属公司（统称“彭博”）的商标和服务标志。彭博或彭博的许可方拥有彭博指数中的所有专有权利。彭博和彭博的许可方均不批准或认可本材料，也不保证本文中任何信息的准确性或完整性，也不对由此获得的结果作出任何明示或暗示的保证，并且在法律允许的最大范围内，均不对由此产生的伤害或损害承担任何责任。