小龙吐血整理，看官拿去不谢，烦请注明出处，免得龙颜大怒。
人工智能（AI）正在以既深刻又常被误解的方式重塑经济格局。近日，摩根士丹利就AI到底是祸是福，出了一份研报。
近期的公众讨论突显了一个核心矛盾：AI究竟会摧毁工作岗位、取代整个行业，还是会对其进行转型升级？
2月底，Citrini Research发布了一篇广泛传播的情景分析——《2028年全球智能危机》，设想在2028年，随着AI的广泛应用，失业率将超过10%，软件公司变得过时，进而引发市场崩盘。
这个叙事之所以引发共鸣（并在一天内推动美国股市下跌超过1%），是因为它触及了一种熟悉而基本的恐惧：机器将取代人类。
但是大摩认为，这篇文章的作者的初衷被忽视了：他们旨在构建一个“相对未被充分探讨”的情景，用以提示潜在的“左尾风险”。
大摩认为有必要对AI的发展进行多种情景建模。
短期内的“末日论”情景忽视了经济史和新近数据的启示。在此，基于当前研究和数据，大摩探讨AI对劳动力市场和软件行业的潜在影响，并构建一个更接近基准情景的分析框架。
劳动总量谬误
大摩认为，Citrini所提出情景的核心分析错误在于所谓的“劳动总量谬误”，即假设经济中的工作总量是固定的。
从农业机械化到计算机的普及，技术创新一再证明，它改变的是劳动的配置，而非简单消灭劳动。
劳动经济学家大卫·奥托尔（David Autor）的研究表明，在过去的创新浪潮中，任务结构发生了变化，行业有兴有衰，但总体就业随着生产率的提升最终仍然实现了增长。
现代基于“任务”的研究进一步强化了这一点。
经济学家达龙·阿西莫格鲁（Daron Acemoglu）和帕斯夸尔·雷斯特雷波（Pascual Restrepo）在其2020年的报告《机器人与就业：来自美国劳动力市场的证据》中指出，自动化通过两种相互对立的力量发挥作用：
其一是“替代效应”，即机器取代人类执行的特定任务；其二是“生产率效应”，即效率提升降低成本、提高实际收入，并在经济其他领域刺激对新劳动力的需求。就业是否最终下降，取决于这两种力量之间的平衡。
从历史上看，生产率的提升往往会随着时间推移抵消替代效应带来的冲击。
当前数据表明，AI对劳动力的影响仍然较为温和，甚至略微偏正面。
美国人口普查局的企业趋势数据显示，目前只有约17.5%的美国企业在任何业务环节中使用AI。即便在AI工具已经成功部署的领域——如管理咨询、呼叫中心、文档处理以及部分软件职能——其对相关行业就业增长的拖累也仅约为每月5,000至10,000个岗位。
经济学家约瑟夫·布里格斯（Joseph Briggs）指出，相较于整体劳动力市场规模，这一影响非常有限。
事实上，Brookings Institution 估计，目前只有大约4%的美国劳动力可能直接面临被AI取代的风险。
与此同时，AI也在创造抵消性的需求。例如，自2022年以来，与AI基础设施相关的建设（包括数据中心的电力、暖通空调和公用设施建设）已在更广泛的建筑行业中新增超过21.6万个岗位；同时，根据包含AI技能要求的招聘信息，对具备AI相关技能的劳动力需求已增加约25万个职位。
劳动力市场的动态性
在讨论AI影响时，人们往往忽视美国经济的一个关键特征：其异常活跃的劳动力市场流动性。
在正常情况下，美国劳动力市场每年创造超过3,000万个新增岗位。这种“新陈代谢”体现了“创造性破坏”的过程。
劳动经济学家大卫·奥托尔（David Autor）及其合作者的研究显示，如今大约60%的劳动者从事的是1940年尚不存在的职业，这意味着长期来看，大多数就业增长来源于全新的工作类别。
展望未来，一个合理的基准情景是：AI将在自动化大量工作任务的同时，提高整个经济的生产率。
OpenAI的研究工程师Tyna Eloundou及其合作者指出，大约80%的劳动者可能会有至少10%的工作任务受到AI影响，而约19%的劳动者可能有至少一半的任务受到影响，这意味着AI主要是重塑任务结构，而非彻底消灭整个职业。
与此同时，学术研究和行业分析均表明生产率将获得显著提升。McKinsey Global Institute 的经济模型显示，生成式AI在未来几十年可能每年将整体劳动生产率增长提高约0.7个百分点，其累积效应将随时间逐步显现。
将历史上生产率冲击与劳动力市场调整之间的关系加以应用，可以推断：如此规模的自动化更可能导致渐进式的劳动力再配置，而非大规模失业。
历史研究（如阿西莫格鲁与雷斯特雷波的分析）发现，由技术创新驱动的生产率每提高1个百分点，短期内失业率大约会上升0.3至0.4个百分点，因为劳动者需要在不同任务和行业之间转移。在渐进式采用路径下，这意味着就业将经历温和的结构性调整，而不是突然崩塌。
并非无摩擦的转型
随着任务结构的变化，一些群体将比其他群体面临更大的冲击。
近期将阿西莫格鲁–雷斯特雷波框架应用于AI的研究表明，由于AI所影响的任务在不同人口群体中的分布比以往自动化浪潮更加均衡，它未必会对大多数劳动者造成大幅工资下降。然而，这项技术也不太可能缩小不平等。
相关估计显示，某些群体的实际收入——尤其是受教育程度较低的美国本土白人女性——即便在生产率上升的情况下，也可能出现小幅下降。
从更广泛的角度来看，AI还可能扩大资本收入与劳动收入之间的差距。正如经济学家达龙·阿西莫格鲁（Daron Acemoglu）和帕斯夸尔·雷斯特雷波（Pascual Restrepo）所指出的那样，大规模的生产率提升可以提高企业利润，但这些收益中可能有更大一部分流向企业所有者，而非劳动者。
软件行业：并非如此简单
AI将影响众多公司，但认为所有软件都会由AI编写或驱动，这种看法过于简单化。
事实上，这种论调与过去的一些判断如出一辙——当时人们也曾认为软件行业无法适应不断变化的环境，而这些判断最终被证明是错误的。
尽管如此，软件行业的崩溃不仅被Citrini Research视为一种“左尾风险”，在过去几个月中也成为股市的担忧之一，标普500软件与服务指数自10月下旬高点以来已下跌33%。
当前争论的核心在于一种观点：软件即服务（SaaS）公司将无法从“按席位收费”（即每位用户固定订阅费）的模式，转向基于使用量或消费量的收入模式。
这类似于2012年至2015年期间的一种假设——当时人们认为本地部署软件公司无法成功转型为SaaS/云模式，因为本地软件的利润率过于诱人，不值得进行漫长且昂贵的转型。
确实，一些公司（例如 Oracle ）未能完成这一转型，收入因此停滞不前。但也有许多公司成功转型，包括 Microsoft 和 Adobe ，同时还涌现出一批新公司，如 Salesforce，ServiceNow 和 Workday 。
虽然经历了一段过渡期，但到2019年（云计算普及约五年后），SaaS公司的利润率已经提升到足以吸引投资者，并被视为新的行业支柱。
以成功转型为SaaS/云模式的公司为例，Microsoft 的合作伙伴业务规划（PBP）部门（涵盖Office及其他协作与内容应用软件）在2016财年首次开始报告云收入时，其营业利润率一度出现下滑。当时，该部门约三分之二的应用软件收入仍来自本地部署。
然而，到2022年，这一比例已降至不到十分之一。整体来看，微软为完成这一转型所付出的成本，大约是利润率从高点到低点下降约10个百分点。
更多细节考量
在评估软件公司是否以及如何适应变化时，还需要考虑一个关键因素：大型企业更换已深度嵌入其工作流程的软件供应商，其难度极高。
Oracle就是一个典型例子。该公司最初未能将客户的本地部署许可证顺利转向云端，在2012年至2020年期间几乎没有实现收入增长；但即便如此，它在这段时间内仍然是顶级软件供应商之一，每年创造超过350亿美元的收入。
另一个典型案例是 Microsoft Office 与 Google Workspace（原Google Suite）之间的竞争。尽管Google Workspace成本更低，甚至对个人用户免费，但它始终难以打入大型企业市场，更多是在中小企业和个人用户中取得进展。其收入在2020年至2024年间接近增长三倍，但市场份额仅提高了4个百分点，达到15%。
相比之下，Microsoft Office尽管通常不被视为“运营关键型”软件，却依然获得了绝大部分新增支出。
这两个例子都表明：企业级技术的转型远比大多数人预期的更加复杂，所需时间也更长。
【小龙观点】真正的问题并不在于AI是否会改变劳动力市场或软件行业——这种变化已经在发生。更重要的问题在于：生产率提升所带来的红利，是否会被广泛分享；以及企业软件公司能否将AI应用有效整合进其产品体系，并实现盈利。如果以历史经验作为参考，更可能出现的结果是“转型”，而不是“崩溃”。
小龙简介：生于江南水乡，定居翡翠之城，十年美国投资移民经验，现就职于华尔街顶级投行，专注于为新移民提供一站式的财富管理解决方案。啤酒盖收集者，足球爱好者，晒娃狂魔。自2019年减肥40斤后，坚持素食与每日运动，享受当下，积极向上。
【金融前线】(精选)
【EB-5投资移民】
