工资放缓正在改写劳动力与人工智能叙事

工资放缓正在改写劳动力与人工智能叙事

最新的工资信号很容易被低估，因为它不是断崖式变化，而是逐步降温。蓝领、服务、销售、行政和支持岗位的工资增速已经放缓到大约3%左右。更重要的是，这些岗位的工资增速现在似乎低于管理和专业岗位。这一排序挑战了疫情后劳动力市场讨论中的两个主流叙事。第一个叙事认为，低工资、非专业岗位在疫情后获得了更持久的议价能力。第二个叙事认为，这些岗位相对不受人工智能影响，因为AI主要会压制知识工作。

这两个叙事现在都显得过于简单。低端劳动力市场在疫情后的工资飙升，越来越不像是工作价值的永久性结构重估，更像是极度紧张劳动力市场的结果。当职位空缺很多、离职率很高、财政刺激修复了家庭资产负债表、企业又必须为重新开放的服务业补充人手时，中低工资劳动者拥有了可信的外部选择。工资上涨是因为市场缺人。一旦劳动力市场降温，这部分议价溢价就会消退。这并不意味着此前的工资上涨是假的，而是说明其机制主要是周期性紧缺，而不一定是低工资劳动者制度性权力的永久提升。

第二个叙事则从另一个方向受到挑战。AI和自动化并没有停留在专业写作、编程、研究和分析领域。它们正在进入常规办公室工作、呼叫中心、销售支持、排班、理赔处理、记账、仓库管理、制造质量控制、物流路径、客户服务，以及其他介于体力劳动和白领认知之间的岗位。过去那种“知识工作者暴露于AI、前线劳动者受到保护”的区分正在失去解释力。许多中低工资岗位都包含可重复的信息任务、协调任务、监控任务或客户交互任务，这些任务可以被部分自动化，或者被软件更严密地管理。

如果这一趋势持续，它会改变我们对劳动力市场降温的宏观解释。这些岗位工资增速放缓，可能会缓和工资驱动的通胀。若企业利用自动化以更少工时或更低工资压力生产更多产出，也可能支持生产率提升。但这也削弱了一个想法：逆全球化、移民减少和AI保护会自动带来持久的低工资劳动者复兴。更准确的判断是有条件的：当劳动力市场紧张时，劳动者可以赢；但当周期转向时，技术、自动化和雇主议价能力仍然可以限制这些收益的持续性。

正在被检验的两个叙事

第一个叙事来自2021年和2022年异常强劲的劳动力市场。低工资岗位出现了不寻常的工资增长，因为企业无法足够快地招到人。餐饮、酒店、仓储、零售、卡车运输、本地服务和医疗支持行业都面临用工压力。劳动者积极跳槽。过去认为劳动力充足的雇主不得不提高工资、改善排班、提供签约奖金，或接受更高的人员流动率。有一段时间，这看起来像是工资分布底部终于重新获得了杠杆。

这种解释有真实的经验证据。跳槽者的工资增速高于留任者。若干指标显示，低工资劳动者的收益高于高工资劳动者。贝弗里奇曲线的变化也表明，相比疫情前扩张期，企业为每个失业者发布了更多空缺职位。用直白的话说，劳动力稀缺迫使企业为过去被视为容易替代的劳动者出价。结果是美国近代史上较有意义的一次短期工资不平等压缩。

但由紧缺造成的工资飙升，并不等于永久性制度变化。永久性制度变化需要劳动力制度和市场结构发生改变，即使需求正常化之后，劳动者的外部选择仍然强劲。这可能来自工会、行业谈判、持久劳动力短缺、执照壁垒、移民限制、技能稀缺，或更强的法定劳动者发声机制。周期性工资飙升只需要空缺职位多于可用劳动者。一旦空缺下降、离职放慢、招聘标准提高、雇主重新获得耐心，工资增速就可能迅速降温。

第二个叙事是AI主要冲击专业岗位。生成式AI早期的公开展示让这一点看起来很直观。技术可以起草备忘录、总结文件、写代码、分析文本、生成图像并回答复杂问题。这看起来直接挑战律师、顾问、分析师、软件工程师、设计师、营销人员和行政人员。相比之下，做饭、补货、送货、修设备、清洁建筑、护理病人或操作机器的劳动者似乎受到物理世界的保护。模型可以写邮件，但不能疏通水管。

问题在于，许多低工资岗位并不是纯体力工作。仓库岗位包括扫描、路径、拣货优化、库存检查和绩效监控。零售岗位包括排班、结账、客户分流和补货。客户服务岗位通常是在一套已知问题菜单中进行结构化对话。行政支持岗位包含文件接收、数据录入、日程逻辑、发票核对和合规流转。即使在制造业，机器视觉、预测性维护、机器人协调和软件驱动的质量控制也越来越重要。AI不需要替代整份工作才能削弱工资增长。它只需要自动化足够多的任务、增强足够多的监控，或扩大能够完成剩余任务的劳动者池。

为什么疫情后的工资飙升主要是劳动力紧张事件

支持劳动力紧张解释的最强证据是时间点。低工资工资加速与雇主必须激烈争夺劳动者的市场环境同时出现。需求反弹快于劳动力供给。一些劳动者受到健康风险、育儿中断、移民中断、提前退休、地域错配以及对服务业工作的重新评估影响。财政转移和更强的家庭资产负债表，让劳动者更有能力拒绝吸引力不足的工作。需要立即补充人手的企业不得不支付更高工资。

这正是经典的搜寻与匹配经济学。在Diamond-Mortensen-Pissarides框架中，工资不是由无摩擦的现货市场决定的，而是在匹配关系内部谈判形成的。当劳动者找到工作的前景强、雇主空缺岗位的成本高时，劳动者的议价地位就会改善。紧张的劳动力市场提高了劳动者外部选择的价值，也提高了企业让岗位空置的成本。即使劳动者的基本生产率没有突然跃升，工资谈判也会向劳动者倾斜。

一个简单的数字例子可以说明这一点。假设一名服务业劳动者每小时创造25美元价值，过去因为类似劳动者容易找到，只赚15美元。如果企业突然无法填补班次，这名劳动者可能赚18或20美元，因为空缺成本很高。这一工资上涨是真实的，也具有社会意义。但如果劳动力市场随后放松，企业又可以用16或17美元招到人，此前的工资水平未必持续。工资受到稀缺支撑，而不是受到制度性生产率索取权支撑。

疫情后的经济还包含需求扭曲。商品需求先激增，随后服务重新开放。物流网络承压。库存需要重建。企业担心缺人，于是进行防御性招聘。这在一些领域造成了劳动力囤积和过度用工。随着需求正常化、利率上升，雇主获得了时间。它们可以在没有立即损失收入的情况下放慢招聘，减少加班，通过自然流失缩减人员，并变得更挑剔。如果此前工资上涨主要由劳动力紧张推动，那么这正是低工资工资增速应当放缓的环境。

这并不意味着移民或劳动力供给无关紧要。移民减少可以收紧特定劳动力市场，尤其是农业、建筑、酒店、护理、食品服务和本地服务。但移民只是劳动力供给的一部分，工资结果还取决于需求、替代、生产率和执行力度。如果企业能够替代技术、改变排班、重新设计岗位，或接受略低的服务质量，劳动力池缩小并不会机械地造成工资加速。劳动力稀缺必须具有约束力并且持久，才能维持高工资增长。

AI暴露面比白领叙事更广

更深层的意外是，AI暴露正在扩展到职业地图的中间地带。标准AI讨论从受过大学教育的知识工作者开始，因为文本生成系统可以清楚地执行过去需要正规教育的任务。但从经济学角度看，关键单位不是职位名称，而是任务。任何有结构化输入、可重复决策规则、可衡量输出和数字记录的任务，都是自动化或增强的候选对象。许多非专业岗位恰恰包含这些任务。

客户服务是最清楚的例子。呼叫中心坐席看似是服务岗位，但工作高度信息化。劳动者识别客户、分类问题、搜索知识库、遵循合规脚本、更新记录并升级边界案例。AI可以直接处理部分对话，实时建议回复，总结通话，评估情绪，并减少通话后的文档工作。即使人类仍然存在，企业也可能需要更少坐席、更短培训时间和更少主管。工资压力下降，因为劳动者不再那么稀缺。

行政和支持岗位面临类似渠道。排班、邮件分流、文件处理、采购表单、发票匹配、薪资问题、差旅预订、合规提醒和客户记录，都可以被自动化或半自动化。这些岗位曾经受到组织复杂性的保护：必须有人知道表格在哪里、该给谁发邮件、如何让信息在企业内部流动。AI降低了这种程序性记忆的价值，把内部官僚流程变成可搜索的工作流。

销售和零售工作也在变化。AI可以给线索评分、推荐下一步行动、生成外联文本、回答产品问题、预测需求、优化定价，并把客户引导到自助渠道。在零售中，结账自动化、库存系统、劳动力排班、防损分析和客户服务机器人，都会减少每美元销售所需工时。现场人员在信任、异常处理和物理执行方面仍然重要，但软件越来越决定工作流程。

制造和仓库岗位展示了物理与数字的混合。机器人、机器视觉、自动导引车、预测性维护、数字孪生和AI排程，不会一夜之间消除人类劳动需求。它们改变的是所需劳动者的数量和类型。仓库可能仍会雇拣货员，但算法可以设定路径、监控生产率、缩短培训时间，并提高每名劳动者的吞吐量。工厂可能仍需要操作员，但机器视觉可以发现缺陷，软件可以指导预防性维修。当常规任务被编码进系统时，重复性工作的议价价值就会下降。

任务替代可以在不造成大规模裁员的情况下压制工资

AI讨论中的一个错误，是只寻找戏剧性裁员。技术通常先影响工资，再影响就业。如果自动化提高了每名劳动者的产出，企业可能会放慢招聘、减少加班、合并支持岗位，或不再替换离职人员。就业看起来稳定，但工资路径已经变弱。在人员流动率高、企业可以通过自然流失调整的服务和支持岗位中，这尤其可能发生。

边际劳动者才是关键。工资由下一名可用劳动者的稀缺性决定，而不仅由现有劳动者的生产率决定。如果AI让企业更快培训劳动者、使用经验更少的劳动者、离岸外包部分支持工作，或把任务集中到共享服务中心，有效劳动力供给就会上升。更大的有效劳动力池会降低工资压力，即使人数没有崩塌。因此，AI可以通过劳动力市场渠道产生反通胀效果，而不必立即造成失业冲击。

设想一个100人的客户支持团队。如果AI工具让每名坐席多处理15%的工单，管理层未必明天就裁掉15个人。但它可能停止招聘，通过自然流失把人数降到90，减少加班，并压低未来加薪幅度。官方就业数据可能显示的是逐步放缓，而不是突然断裂。工资数据往往会更早发现压力，因为企业不再需要那么激烈地出价。

这与常规任务偏向型技术变迁的概念一致。早期软件和自动化浪潮并不只替代工厂工人。它们减少了对常规文员和生产任务的需求，同时增加了对抽象问题解决能力和一些非常规个人服务的需求。AI延伸了这一逻辑，因为它可以处理过去难以自动化的语言、图像和决策。常规体力工作与常规认知工作的边界正在移动。

这种影响还与监控相互作用。数字工具让雇主可以实时衡量产出、节奏、错误率、客户情绪和合规情况。监控可以提高生产率，但也可能削弱劳动者的自主权。过去对工作流拥有隐性控制的劳动者，可能变成由别处设计的系统中的操作员。如果劳动者的独特贡献变得不那么可见或不那么稀缺，生产率收益就会由企业捕获。

移民、劳动力供给与替代边际

一些观察者曾预期移民减少会支持低工资岗位工资，因为移民在若干劳动密集行业中占比很高。逻辑很直接：如果劳动力供给下降，工资应该上升。但实际工资结果取决于弹性。企业可以通过提高工资、提高价格、减少产出、改变质量、自动化任务、重组工作，或游说不同劳动力渠道来回应劳动力稀缺。企业替代选项越多，工资反应越弱。

在真正依赖物理劳动的行业中，移民限制仍然可能提高工资或造成短缺。建筑、护理、农业、食品准备、维修和本地服务无法完全虚拟化。但即便如此，企业也可以进行部分替代：模块化建筑、排班软件、自助点餐、机器人清洁、仓库自动化、预制食品、远程监控，或更多使用资本设备。重点不是技术消灭劳动，而是技术改变劳动力稀缺的工资弹性。

疫情后时期可能暂时掩盖了这种替代边际，因为需求太强，企业没有时间重新设计流程。它们需要立刻招人。随着时间推移，高工资和高流动率成为投资系统的激励。餐厅找不到人，就尝试自助终端。零售商增加自助结账和库存自动化。物流公司使用路线优化。后台采用AI文件处理。最初的劳动力短缺变成了资本深化周期。

这就是当前工资放缓重要的原因。如果移民减少本身足以在这些岗位创造持久工资加速，工资增长就应保持明显高位。相反，放缓到约3%表明劳动力市场紧张成分已经消退，替代成分变得更重要。劳动力供给减少仍然有影响，但没有压过需求降温和自动化这两股更广泛的力量。

对通胀而言，这一点很重要。替代有限的劳动力稀缺制度会推高通胀，因为企业支付更高工资并提高价格。快速替代的劳动力稀缺制度则可能没那么通胀，因为企业投资生产率并降低劳动强度。当前数据更偏向第二种解释，尽管不同部门的过渡并不均匀。

工资通胀、生产率与单位劳动成本

工资到通胀的宏观渠道通过单位劳动成本运行。企业每单位产出的劳动成本取决于工资、工时和生产率。如果工资上涨5%、生产率上涨1%，单位劳动成本会快速上升。如果工资上涨3%、生产率上涨2%，单位劳动成本就平静得多。因此，低工资岗位工资增速放缓很重要，因为这些岗位在劳动密集型服务中占比很高，而这些服务正是通胀黏性的焦点。

一个简单公式很有用：单位劳动成本增速约等于工资增速减去生产率增速。如果一大类岗位工资增速放缓到3%左右，同时自动化改善生产率，来自劳动成本的通胀冲击就会明显下降。这并不意味着通胀消失。租金、能源、医疗成本、关税、供应冲击、利润率和税收仍然重要。但劳动成本渠道不再那么危险。

美联储关心这一点，因为工资增长既是价格压力变量，也是需求变量。工资增长放缓降低了工资-价格螺旋风险，可能让政策制定者更有信心在不造成严重失业的情况下让通胀回落。但它也意味着家庭收入增长可能降温，尤其是边际消费倾向较高的劳动者。同一个数据点对通胀是好消息，对广泛消费却不一定是好消息。

这种双重性对市场至关重要。股票投资者可能欢迎工资增长放缓，因为它保护利润率并降低利率压力。债券投资者可能欢迎它，因为它降低通胀风险。但如果中低收入工资增长放缓，面向消费者的企业可能看到需求走弱。宏观信号因此不是简单的利多或利空，而是再分配信号：从劳动收入转向利润率和生产率，从工资通胀转向反通胀，从广泛消费转向更分层的需求。

生产率一侧同样重要。如果自动化提高每小时产出，工资增长放缓未必意味着实际产出走弱。经济可以在较低劳动成本压力下增长。这是这一故事中有吸引力的软着陆版本。风险在于生产率收益集中，而工资收入广泛走弱。那样经济在纸面上更高效，但在分配上更脆弱。

生产率上行背后的分配问题

乐观解释是，更广泛的AI和自动化应用将提高生产率、缓和通胀，并长期支持实际收入。这一结果是可能的。如果企业效率提高，竞争性市场把收益传递给消费者，即使名义工资增长放缓，实际购买力也可以改善。如果劳动者使用AI工具变得更有价值，工资可以通过互补性恢复。如果新任务和新行业出现，就业可以转移而不是收缩。

但技术史中的分配经验要求谨慎。生产率收益不会自动变成工资收益。它们通过所有权、议价、竞争和政策来流动。如果工具由企业拥有，数据由平台控制，劳动者议价能力弱，产品市场集中，第一轮收益往往出现在利润率上。劳动者可能获得一部分，消费者可能通过价格下降获得一部分，但资本所有者会捕获很大份额。

经典生产函数语言有帮助。产出取决于劳动、资本、技术和组织。当技术改善时，一些劳动者的边际产出上升，但可替代任务的边际价值可能下降。如果AI增强劳动，它提高劳动者价值。如果AI替代劳动，它提高资本所有者价值。因此，同样的总体生产率收益，可能提高工程师、技术员、经理和创业者工资，同时压制文员、坐席、支持人员和常规协调者工资。

这就是管理和专业岗位工资增速高于低工资类别不仅仅是一个小现象的原因。它表明稀缺性可能仍然集中在判断密集、管理性、技术性和关系密集岗位。能够指挥系统、解释模糊信息、承担责任或跨领域整合的劳动者仍然有价值。任务结构化且可衡量的劳动者面临更多替代。劳动力市场可能不是在体力和认知之间分裂，而是在稀缺判断和可规模化常规任务之间分裂。

对政策而言，这造成了困难取舍。工资驱动通胀降温值得欢迎，但如果生产率收益绕过广泛劳动收入，就会增加不平等和政治压力。答案不能是拒绝生产率，而是通过竞争、培训、流动性、劳动者发声和技术向少数平台之外扩散，扩大收益捕获面。

投资者接下来应关注什么

第一个指标是职业工资离散度。如果这一判断正确，结合判断、责任、技术能力和客户信任的岗位工资增长应保持更强，而常规支持岗位继续降温。相关比较不只是大学与非大学，而是常规与非常规、可替代与可负责、被监控与自主、系统使用者与系统设计者。

第二个指标是招聘，而不只是裁员。AI采用可能首先表现为职位发布减少、替代性招聘放慢、加班减少、入门级队列缩小和晋升阶梯收紧。企业可以在没有戏剧性裁员公告的情况下提高劳动效率。投资者应关注按职业划分的空缺、职位开放、临时帮助就业、工时和离职率。

第三个指标是利润率质量。如果工资增长放缓支持利润率是因为生产率上升，市场可能奖励拥有可信自动化策略的企业。但分析师应区分持久生产率与单纯挤压劳动力。通过改善服务质量、降低错误率和扩大产能来提高利润率的企业，长期故事要好于靠压低劳动投入直到服务恶化的企业。

第四个指标是扩散。如果中小企业能够获得AI工具，竞争可以增强，生产率收益可以扩散。如果收益主要流向拥有数据、算力和分销的大平台，集中度可能上升。扩散决定AI是成为广泛经济能力，还是成为现有巨头的又一道护城河。

第五个指标是消费分层。低工资收入增长放缓，应体现在高债务服务、高租金负担和低超额储蓄家庭的压力上。这不一定意味着总消费崩塌，因为高收入家庭和资产所有者可以继续消费。但需求结构会变得更加不均衡。零售、信贷、旅行、餐饮、汽车和可选服务，可能按客户群出现分化。

第六个指标是政策回应。如果AI驱动的自动化扩散，同时低工资工资增长降温，工资透明度、非竞业限制、劳动分类、移民设计、再培训、数据权利、平台权力和反垄断都会受到更多关注。生产率辩论会变成收益捕获辩论。市场通常较晚才注意政策风险，但劳动力数据可以提供早期信号。

未来十二个月的情景地图

理解工资放缓最有用的方法，是把它当作情景变量，而不是单点预测。在良性情景中，低工资岗位工资增长降温，是因为恐慌式招聘阶段结束，但就业仍然稳固，生产率改善。企业使用AI和自动化减少瓶颈，劳动者转向更高价值任务，消费者受益于更低的服务通胀。在这种世界里，工资增长放缓不是衰退信号，而是正常化过程的一部分，它让实际利率最终下降，而不必迫使需求崩塌。

在利润率主导情景中，同样的工资放缓更多支持企业盈利，而不是家庭。企业投入足够自动化以保持产出增长，但并未与劳动者分享太多收益。单位劳动成本改善，经营利润率扩张，股票市场奖励拥有可信节省劳动力技术的公司。消费不会崩塌，因为高收入家庭和资产所有者仍然消费，但需求变得更狭窄。这一情景对指数可能很好，但对中位数劳动者感受平平。

在不利情景中，工资放缓不只是由自动化驱动，也是在显示劳动力需求走弱。招聘放慢，工时下降，信贷压力上升，低收入家庭失去动能。AI采用仍可能提高部分公司的效率，但宏观效果被收入增长走弱压过。在这种世界里，工资放缓将是经济从反通胀走向需求脆弱的早期警讯。

区分这些情景，需要同时观察工时、空缺、初请失业金、拖欠率、小企业招聘计划和行业利润率。约3%的工资增速本身不足以诊断制度。如果生产率加速且就业保持稳定，这一信号具有建设性。如果工时和职位空缺恶化，同样的工资数据就更令人担忧。市场应避免把较低工资增长自动视为利好。

还有一个资产配置区别。良性情景有利于久期、优质成长和部分消费敞口，因为通胀压力下降而没有深度衰退。利润率主导情景有利于拥有自动化工具、平台、工作流软件、工业技术和规模化操作系统的企业，但它增加了政治风险和需求分配风险。不利情景则有利于防御、资产负债表质量，以及对低收入消费更谨慎的判断。因此，工资数据不仅是劳动力统计。它是通胀、生产率、盈利和信用风险之间的桥梁。

结论：劳动力市场正在一个新技术制度中降温

蓝领、服务、销售、行政和支持岗位工资增长放缓，不只是一个温和的劳动力市场数据。它是在检验投资者和政策制定者对疫情后经济的叙事。证据越来越表明，此前工资飙升主要由极端劳动力市场紧张驱动。一旦这种紧张消退，低工资工作的持久议价能力就显得不那么稳固。

与此同时，AI和自动化的覆盖面正在超过早期白领暴露叙事。它们正在进入常规办公室工作、客户服务、销售支持、制造流程和仓库运营。它们不需要直接消灭岗位，也能影响工资。通过提高每名劳动者产出、降低培训要求、改善监控并扩大替代选择，它们可以在就业破裂之前冷却工资增长。

宏观结果可能具有建设性：更低的工资驱动通胀、更好的生产率，以及利率更少痛苦的路径。但分配结果更加模糊。如果生产率收益主要流向企业和资本所有者，经济可以变得更高效，而广泛劳动收入却缺乏活力。下一个制度的定义，不仅取决于AI是否提高生产率，还取决于劳动者、消费者、企业和政府能否以稳定方式分享红利。那些曾被认为最受劳动力稀缺保护的岗位，工资增速接近3%，这正是收益捕获问题已经到来的早期警讯。