在传统宏观经济认知里，经济增长、就业数据和失业率之间存在着较为清晰的关联。然而，去年下半年以来，美国经济却呈现出一种传统宏观经济理论难以解释的奇特现象，各项经济数据之间相互“打架”，引发了广泛的研究与讨论。

经济数据矛盾：就业与增长的背离

9月初，美国劳工统计局对去年3月到今年3月的非农就业数据进行了大幅下修，下修幅度超过90万，这是20年来该数据下修最多的一次。与此同时，8月美国非农部门新增就业仅22,000个，远低于过去十年内正常的月度平均水平。从这些就业数据来看，美国经济似乎已经达到了衰退的程度。

但其他经济数据却呈现出不同的景象，并不支持“衰退”的判断。8月，美国的失业率为4.3%，总体仍处于历史中等偏低水平，远未达到代表衰退的6%以上的标准。在增长数据方面，多个大行预测第二季度GDP年化季率终值上修至3.8%，第三季度GDP追踪预测也调升至2.6%，这样的增长数据远远达不到衰退的标准。

对于这种就业数据差、失业率一般但经济增长却不错的矛盾现象，研究机构给出了多种解释。比如，政府查处非法移民，导致就业数据不佳，但这些不在统计内的失业情况使得整体失业率看起来并不差；经济数据统计人手不足可能导致统计误差；关税冲击让企业既不敢招聘，又不敢裁员。

不过，这些解释大多偏短期，预示着未来要么经济加速下行向就业数据靠拢，要么就业市场恢复生机向经济增长数据靠拢。但如果从长期原因来看，有一种非传统经济学的解释越来越受到更多证据的认可，即这一矛盾现象主要是AI投资造成的，并且它将长期改变经济与就业结构。

AI投资：救经济难救就业

德意志银行的一份宏观研究报告指出，正常情况下，美国早已陷入衰退，只是因为有大规模的AI基础建设投资，才避免了衰退。本轮AI投资是由从事大规模云计算、网络传输和存储服务的科技巨头主导的基建军备竞争，像亚马逊AWS、微软Azure、谷歌云以及甲骨文等公司，它们的资本支出增长预计在今年达到顶峰。

这些科技巨头的资本开支，不但刺激了美国经济，在科技密集的北亚地区，由于芯片被豁免关税，也引发了大规模的提前采购，日本和韩国等地股市也因此涨声一片。事实上，本轮领涨A股行情的海外算力板块，都是受益于这些科技巨头的AI投资。

然而，AI投资与传统制造业投资有着显著的不同，它很难带来大量的就业机会，这也就解释了为何就业数据没有良好表现，主要原因有三点：

其一，目前集中投入的AI数据中心是典型的资本密集型行业。一个数据中心的建设需要数十亿美金的巨额投入，主要用于土地、电力、冷却、服务器、芯片等方面。但建成之后，只需要少量的运维人员。与之相比，大部分制造业的劳动密集度更高，即便有自动化，一个汽车厂仍需数千名工人。同样金额的投资，AI基建产业带来的就业机会只有传统制造业的10%。

其二，AI算力集群一旦搭建完成，增量需求只需扩容机架，不会线性增加人力，而且AI研发也高度依赖自动化工具。而制造业规模扩大往往意味着更多生产线的建立，从而带来更多就业岗位。

其三，AI数据中心产业链的上下游集中在少数高科技企业，供应链层级有限，且集中在少数地区。而制造业的产业链长，从原材料、零部件到运输、零售，各个环节都能吸纳大量中低技能就业，且分布广泛。

所以，AI投资在一定程度上拯救了经济数据，但却无法有效提升就业率。而且AI基建能否真实产生效益，能否持续投入，还取决于后续真实的AI应用需求能否出现爆炸式增长。更为严峻的是，即便这个AI数字机房真的转化为实际需求，仍然会持续压制就业数据，甚至会长期改变经济增长与就业率的传统关系。

异常的“不足就业”：就业质量下降

近一年美国的就业数据还有一个特点，即失业率不算高，但就业数据持续恶化，这种奇怪的数据结构同样与AI有关。

首先是美国的劳动参与率，8月为59.6%，降到了2008年金融危机后58%的低点，仅高于疫情期间。美国还有一个较宽口径的失业／闲用劳动力指标U - 6，它不仅包括常规失业者，还包括不太积极找工作者和兼职者。8月这个指标约为8.1%，显著高于常规失业率，这说明有不少人在劳动力市场上处于“不足就业”状态。

U - 6指标与失业率的差，经济正常时应该在3%以内，超过4%，说明就业质量下降，兼职/隐性失业增加。所以，失业率不高，但就业数据看起来差，真正的原因可能就在于“不足就业”。

相比欧盟和日本，美国人找工作更类似于中国疫情前，职业流动性很强，加薪靠跳槽，而且找工作相对不难，企业也习惯于常规招聘，以应对员工的高离职率。所以不足就业往往意味着上述规律的改变，包括两种情况：一是薪水低，但不敢辞职，怕找不到工作，选择兼职打第二份工，企业对需求不确定，不敢增加全职岗位，加大兼职的招聘，这些会导致就业数虚高；二是对找工作失去信心，技能和岗位匹配度差，其数据既不在失业统计范围内，也不在就业统计范围内，从而拉低劳动参与率。

不过，这种“就业不足”的现象，在每一次衰退之前都会出现，那为何认为这与AI有关呢？这就不得不提到近期那份引发热议的论文。

减少的招聘：AI对初级职位的冲击

哈佛大学两位劳动经济学博士近期发表了一篇论文《生成式人工智能作为偏重资历的技术变革：来自美国简历和职位发布数据的证据》。该论文分析了包括285,000家招聘公司，6200份简历和超过1.5亿次的招聘记录，揭示了AI对就业市场已经产生的冲击。

论文将这些公司分为两组：简介中使用了AI技术的AI采纳公司和没有相关描述的未采纳公司。结果发现，在AI技术革命实施半年后，在低级职位的招聘数量上，两者的差距从持平到一路向下（前者小于后者），而在高级职位的招聘数量上，两者的差保持着原先一路向上的趋势。结论很明显，采纳AI技术，抑制了公司招聘初级职位的意愿，对高级职位目前没有明显影响。

作者进一步把初级员工的变化分为新招聘、离职和晋升，经过比较分析后认为，公司在利用AI取代员工时，并不是粗暴地解雇，而是减少招聘。AI采纳者公司在2023年第一季度后，初级职位招聘平均每个季度下降22%。

其中的原因也比较好理解，下降最多的行业是批发零售业，该行业员工中初级岗位大多与文书、客服有关，而这些领域也是AI目前最得心应手的领域。另外，美国的批发零售业喜欢大量使用兼职，这与U - 6数据相吻合。

根据报道，很多公司甚至加强了对在职员工使用AI的培训，以替代那些本应被招聘的员工，这也解释了前面失业率与就业数据的矛盾。

AI与新任务创造：就业结构的长期调整

这篇论文还有一个关于毕业学校数据的发现，可以进一步解答就业相关问题。论文把员工毕业的大学分为五个等级后发现，最容易被AI替代的是Tier 2和Tier 3的大学毕业生。按照论文的等级对应中国的大学，Tier1大致相当于C9这个级别，Tier2相当于211和后排985，Tier3相当于双非一本，Tier4是二本和民办本科，Tier5为社区大学，相当于中国的大专。

这里预示了大企业未来招聘初级员工和校招的两个倾向：头部985高校的毕业生是为公司培养未来管理人才，相当于储备干部；而二本和大专毕业生则是为了用低成本招AI无法替代的劳动力。

不过，这并非是AI划开的人才鸿沟，现行的大学分类是为了适应以前的人才需求，如果这种趋势延续下去，大学的专业也会更按照上述两个倾向进行调整，大学会设置更多AI无法代替的专业，最终把中间的U型底填平，毕竟企业能招211毕业生，谁会招大专生呢？

更重要的是，AI会创造更多需要大量员工的新产业。从经济学的角度来看，这种变化在AI之前就发生过多次。自动化和劳动力都是资本投入的生产力要素，这个过程可以用柯布 – 道格拉斯生产函数来描述：Y（产出）= A（技术水平）× K（资本，包括机器、自动化）^α × L（劳动投入）^(1 - α) 。从成本的角度，K和L不只是单向替代，而是相互替代，资本家会认为哪一个成本低就用哪一个，这个动态平衡的过程大概包括两个阶段：

第一阶段，当大规模的流水线和自动化工厂一直在取代传统的职位，会导致就业市场饱和，劳动力成本下降；

第二阶段，自动化成本边际下降的趋势停止后，劳动力成本的比较优势开始显现，而新技术又会创造出一些需要大规模劳动力的新行业，招聘活动回升，劳动力回报回升。

这就是由经济学家Acemoglu & Restrepo在2018年提出的“自动化与新任务创造”模型。经济中有很多任务I，一部分任务[0，I] 可以被机器完成，另一部分任务[I，1] 只能由劳动完成。技术进步会推动I扩大，导致更多任务被机器替代，但同时也会催生新任务，大量新职业出现。

举个例子，5G和物联网的大规模应用，促进了工厂智能化，导致了制造业初级工人的饱和，压制了制造业的人力成本；但5G和物联网又创造了移动互联网的发展，创造了外卖、在线打车、共享经济新产业，这些新产业又得益于较低的制造业转移人力成本，可以大规模地吸纳劳动力，且不至于导致人力成本暴增。

过去的自动化主要发生在蓝领工人领域，而AI冲击主要发生在初级白领身上，但生产力要素相互代替的原理不变。只要初级白领供应过剩，成本有优势，未来就会出现大量需要初级白领的新产业，虽然我们现在还不知道这些新产业具体是什么。

所以，真正危险的并不是新入职场的初级员工，而是工作10年仍然是简单白领的资深员工。就像新生代蓝领员工宁愿送外卖也不愿进工厂，而美国铁锈地带的中年失业工人即便通过工作培训等救济政策，成功再就业率也不足15%。未来这群“工作10年仍然是简单白领的资深员工”，就像20多年前的国企下岗职工，可能才是AI时代最大的牺牲品。对于这个群体，或许需要采取如直接给居民发钱等有效的应对措施。