一、AI 或将首次系统性冲击中高收入群体

全球 AI 超级周期保持高速发展，市场关注点逐步从技术突破转向 AI 繁荣的可持续性及其潜在宏观风险。短期维度市场聚焦 AI 对生产效率的提升幅度，长期则需要回答 AI 如何重塑就业结构与收入分配格局。报告指出，本轮 AI 带来的就业冲击不会简单复刻过往历次技术革命，与历史主要冲击中低技能劳动者不同，生成式 AI 或将第一次系统性冲击中高收入群体，在作用对象、传导机制以及宏观后果层面均具备差异化特征。

回顾历次技术革命，新技术往往率先冲击就业结构，在特定条件之下进一步向需求侧传导。新技术落地首先改变企业生产组织模式、岗位任务分工以及用工边界。企业引入新技术后，优先压缩重复性岗位、提升单位劳动产出、重构岗位分工以获取效率红利，而劳动力市场的调整通常存在滞后。第一次工业革命时期，蒸汽机与机械化纺织设备替代传统手工业工匠；第二次工业革命，电气化流水线挤压体力型半熟练制造业工人；第三次工业革命，计算机与自动化设备替代制造业重复操作岗位，以及服务业大量规则明确的文员、行政辅助岗位。技术革命并非单纯消灭劳动，而是持续替代标准化、可编码的重复性任务，同时重组岗位分工、技能结构与收入分配格局。

就业冲击能够向外放大为宏观影响，核心传导路径是经由居民预期、消费行为传导至需求侧。当技术替代使得部分群体对就业前景、工资增长、职业稳定性的判断转差，居民部门会提高预防性储蓄，压缩可选消费，推迟大额支出决策。由此出现供给能力提升，但需求承接能力走弱的阶段性错位。1957‑1958 年美国经济衰退可以印证该机制：衰退前期工业自动化设备投资维持高位，供给侧技术升级持续推进，但制造业就业增速先行下行，出现 “投资向上、就业向下” 的背离，持续约四个季度之后传导至消费信心，消费意愿转弱进一步放大经济下行压力。

但不能直接将上世纪五十年代自动化的历史经验直接套用于本轮生成式 AI。过去自动化主要冲击低技能重复性体力劳动者，受影响群体有三项特征：收入水平整体偏低，消费收缩对总需求边际影响有限；储蓄缓冲薄弱，失业后消费调整表现为 “快而浅”；存在明确产业转移空间，劳动力可以由衰退制造业转向扩张服务业，形成就业缓冲。历史上技术进步大多属于技能偏向型进步，收入与晋升机会更多向高教育、高适配能力人群倾斜，高技能劳动者成为效率提升的主要受益者。

生成式 AI 改变了这一长期规律。大模型逐步介入文本创作、内容产出、决策辅助等非例行认知工作，能力延伸至传统认知里 “难以自动化” 的脑力劳动领域。实验室条件下大模型多项复杂任务表现逼近甚至超越人类平均水平；现实职场环境中，高学历、高收入白领职业 AI 暴露度显著走高，信息技术、金融、专业科学技术服务等高薪行业率先进入岗位重估阶段。AI 开始大规模进入中高收入白领集中的职业赛道，而该群体是社会消费主力，收入水平更高、负债规模更大，对未来现金流稳定性高度敏感，就业预期恶化会快速转化为预防性储蓄抬升和消费收缩。

除替代对象发生变化之外，生成式 AI 扩散速度显著快于过往技术革命。AI 建设数据中心属于重资产投入，但底层模型、云服务、标准化接口成熟之后，能力可以快速嵌入办公系统、业务流程，在研发、编程、营销、客服等认知场景快速复制。应用侧、组织侧扩散具备软件化、平台化、低边际复制成本特征，对岗位结构的影响能够在更短时间显现。

同时，技术红利释放与社会承接能力之间存在时间错配。传统技术革命中，技术带来的岗位破坏与新岗位创造之间尚且存在缓冲期；AI 时代岗位替代、招聘收缩可能率先发生，但新产业、新岗位、新需求未必同步落地，摩擦性失业容易向结构性失业演化。若中高收入群体在生产率红利广泛普及之前就已经感知职业稳定性下降、收入预期转弱，那么对宏观需求的拖累会早于技术红利的正向效应出现。

二、本轮 AI 冲击中高收入群体区别于历史技术变革的内在逻辑

现代成熟经济体偏向橄榄型社会结构，中间收入群体占比最大，该群体不只是数量占比高，还承担多重经济与社会稳定功能。参考日本 M 型社会发展经验，当泡沫破裂中产阶层持续收缩，社会发生中部塌陷，即便企业盈利、资本市场阶段性繁荣，也很难转化为居民普遍收入增长和需求扩张，宏观容易陷入增长偏弱、分化加深、预期转冷局面。

中高收入群体既是现代改善型消费、大额支出的核心承担主体，也是住房按揭、长期信用扩张、个税与社保缴纳的重要支撑。当 AI 冲击作用于这一群体，影响将不再局限于局部就业与个体收入，会向外传导为总需求走弱、资产负债表收缩、税基承压、社会预期转弱等宏观稳定问题。报告从经济功能、资产负债特征、结构稳定性、调整路径多维度对比本轮 AI 冲击与历史技术冲击的差异。

从经济功能角度，过往技术冲击主要作用于生存型消费占主导的中低收入群体；本轮 AI 冲击对象是现代服务、改善型消费的核心承接群体。美国收入前 20% 群体贡献约 57% 消费需求，并且更多集中在教育、文娱、旅游等高附加值改善型消费。一旦中高收入群体受冲击，最先被压缩的就是改善型、服务类消费，这部分恰恰是总需求中乘数效应最强的板块，直接拖累宏观总需求扩张。

资产负债维度，历史受冲击群体资产少、杠杆低，风险会快速显性化；中高收入群体持有住房、存款、金融资产，短期可以依靠资产储备平滑生活水平，风险呈现延后显性化特征。国内相关调查显示，资金紧张时低收入家庭优先削减消费；中高收入家庭更多动用储蓄、处置资产。但缓冲不等于消除风险，中高收入群体负债以住房按揭等长期负债为主，一旦收入预期走弱，会推迟改善购房、降低长期杠杆，带动住房上下游装修、家电、家居整条产业链需求收缩，冲击沿着资产负债表链条持续放大。

社会维稳层面，历史技术冲击更多带来底层生计兜底、再分配救助压力；当中高收入群体承压，问题延伸至税基社保可持续性、中产扩张、社会向上流动预期。美国联邦个人所得税高度依赖中高收入群体，收入前 50% 群体贡献 97% 个税收入。中产也是 “接受教育获得体面工作、实现阶层向上流动” 这套社会预期的主要载体，该群体预期松动会带来更深层次社会结构影响。

在调整路径上，过去被替代劳动力可以依托产业扩张、再培训完成再配置；受 AI 冲击的中高技能群体容易陷入 “向上不易、向下不愿” 的局面，岗位错配长期化，冲击呈现慢性、持续化特点。

三、AI 冲击中高收入群体的四大宏观传导机制

AI 对中高收入群体的影响沿着收入基础松动 — 预期率先转弱 — 资产负债表与信用收缩 — 分配格局重塑四条路径依次传导，整体属于风险显现慢、修复周期长、政策识别难度更高的慢性收缩，先表现为改善型消费压缩、预防性储蓄上升、长期负债减少，逐步扩散至总需求走弱。

第一是收入机制，劳动收入基础发生松动。劳动收入是绝大多数家庭核心现金流来源。生成式 AI 提升知识密集行业劳动效率，企业不一定大规模裁员，但会出现缩减校招岗位、提高岗位复合能力要求、下调部分岗位工资溢价的现象。已有研究显示，AI 暴露度抬升对知识服务业工资形成下行压力，AI 替代压力降低劳动力流动，削弱劳动者薪资议价权。AI 带来的岗位收缩会形成负反馈链条：缩招带来收入压力，进而消费收缩，企业盈利承压，进一步带来缩招或者裁员，劳动力市场的岗位调整传导至总需求层面。

第二是预期机制，职业不确定性先于显性失业改变家庭行为。依据永久收入假说、预防性储蓄理论，居民消费决策更多取决于长期可维持的收入预期，而不是当期实际收入。即便没有大规模失业，仅仅是职业安全感下降，就会驱动家庭行为转向防御。国内调查数据显示，工作稳定性偏弱的家庭，会主动削减文娱、外出就餐、耐用品、教育医疗等非必需支出，提升预防性储蓄。对于中高收入群体，预期转弱带来的消费收缩甚至会早于失业率指标恶化。

第三是资产负债表与信用机制，冲击依托住房、长期负债链条放大。当就业、收入预期持续走弱，家庭会重新评估长期按揭、改善购房等财务计划，主动降低加杠杆意愿。中高收入群体虽然拥有资产作为短期缓冲，但是如果房地产、金融资产财富效应同步下行，会进一步放大冲击。在中国，居民资产高度集中于房地产，一旦 AI 改变收入预期，容易沿着住房链条扩散，带来购房需求降温、信用扩张放缓、资产负债表被动收缩。

第四是分配机制，资本收益集中，社会分配格局重塑。全球范围内劳动收入占 GDP 比重长期下行，AI 进一步提升算力、平台、资本的回报，红利更多向资本方、少数资产持有者集中。本轮 AI 周期出现特殊现象：一方面失业担忧抬升，另一方面 AI 资产行情带来高资本收益，但是财富红利分配并不均衡。一部分中高收入群体持有权益资产可以对冲风险；另一部分完全依靠工资性收入的中产抗风险能力薄弱，群体内部分化加剧。

四、AI 时代可能演化出的全新宏观结构

在 AI 持续冲击中高收入群体的背景下，宏观经济有可能出现 “增长来源收窄、供需关系错位、K 型分化加深、传统政策传导偏弱” 的新结构。

增长结构方面，容易由广谱的居民收入、消费、住房共同拉动，转向依靠算力基建、资本开支、头部企业利润驱动的窄增长模式，形成 K 型分化。AI 相关的计算机设备、软件固定资产投资持续走高，头部科技企业资本开支、盈利、资本市场估值改善；但是居民端消费意愿、长期支出能力并未同步修复，出现 “技术端繁荣，居民体感偏弱” 的总量与体感背离。AI 在供给侧快速提升生产效率，但需求侧因为中产预期转弱受到抑制，形成供给改善快于需求扩散的供需错位。评判经济景气，不能只看 GDP、企业盈利、固定资产投资等供给端指标，还需要重点观测居民收入预期、消费、就业质量等居民端指标。

周期与政策结构层面，本轮冲击偏向慢性调整，区别于传统危机下失业率飙升、资产暴跌的急性冲击。根据 HANK 框架相关研究，货币政策拉动消费，80% 的贡献来自劳动收入改善的间接效应，利率跨期替代的直接效应占比仅 20%。当居民约束从融资成本转向收入预期、职业安全感恶化，单纯货币宽松的政策效果会明显衰减。现实中已经出现流动性宽松，但居民信贷需求低迷、预防性存款持续走高的现象。AI 时代宏观调控需要更加侧重居民收入预期修复、劳动力市场信心、社会保障与收入分配优化，而不能单纯依靠传统总量货币工具。

五、中国情景下的宏观判断与应对思路

从国内现实情景看，AI 带来的显性大规模失业冲击大概率弱于美国。美国信息技术、专业服务、金融等高 AI 暴露行业就业占比较高，企业用工市场化程度高；我国就业结构当中制造业、建筑业占比更高，央国企、事业单位用工调整相对审慎，承担部分稳就业功能，短期直接大规模裁员现象相对有限。

但这不代表国内宏观扰动更小。我国家庭资产高度集中在房地产，住房、按揭信用在居民资产负债表当中权重极高。叠加当前国内内需修复节奏偏慢、房地产仍处在调整阶段、居民预防性储蓄意愿较强的现实环境，AI 带来的中产收入预期扰动，更容易沿着住房链条放大，转化为内需修复乏力、信用扩张不足，呈现居民部门慢性收缩的风险。美国的风险更多体现为白领岗位显性调整，国内更需要警惕预期传导带来的间接连锁反应。

报告提出 “育动能、筑防线” 并举的应对框架，推动技术红利传导至居民收入和内需。

“育动能” 即做大就业消费增量，把 AI 势能转化为岗位动能。第一，依托现代化产业体系作为就业吸纳核心载体，通过政府产业引导培育新产业新业态。一方面推进传统制造业智能化改造，衍生设备运维、系统集成等岗位；另一方面做大智能机器人、低空经济、生物制造等新兴产业，承接中高技能人才；同时升级研发、医疗康养等现代服务业，挖掘人机协同场景就业机会。配套公共算力、算力券、场景开放、风险分担、差异化区域布局等产业政策，避免红利过度向头部集中。第二，落实 “投资于人”，缓解技能错配。推动教育体系动态适配产业需求，完善 AI 岗位风险与技能需求常态化监测预警，加快新职业标准建设，搭建面向中高技能群体的转型通道。第三，打通新技术‑新产业‑新消费正向循环。初次分配稳定劳动报酬占比，探索新型生产要素收益分享机制；依托新产品新服务创造新消费场景，释放内需潜力。

“筑防线” 侧重民生托底，构建转型期风险缓冲。政府层面社会保障从单纯救助底层群体，适度向稳住中间收入群体拓展，完善失业保险、转岗生活补贴；加大公共服务供给，缓释教育、养老、育儿等长期支出压力；前瞻研究劳动‑资本税负再平衡，保障社保体系可持续。企业层面，避免简单把 AI 作为降本裁员工具，转向人机协同模式，开展内部再培训转岗，保护初级入门岗位，维护人才梯队。家庭层面，优化资产配置结构，降低对单一资产过度依赖，同时强化人力资本积累，提升 AI 协同、复杂判断等高韧性个人能力，更好分享科技发展红利。