导语
耶鲁经济学家帕斯库尔·雷斯特雷波在一篇新的NBER工作论文（2026年4月）中提出，通用人工智能（AGI）不太可能消除大多数人类工作岗位，因为他认为大多数工作从固定和持续的自动化成本角度看并不值得投资（Fortune，2026年4月4日；NBER，2026年4月）。该论文重新定义了公众讨论：问题的核心并非能力层面——即AGI在技术上能做什么——而是私营部门的激励机制和企业在替代劳动力之前所做的盈利性计算。雷斯特雷波的核心论点强调实施成本、集成摩擦以及资本与劳动之间收益分配，这些都是限制大规模自动化的决定性因素。对于机构投资者而言，这一论断将视角从确定性地替代劳动转向一种选择性、以盈利为导向的采用路径，倾向于某些行业、任务和公司类型。本文拆解了证据、量化潜在暴露，并评估选择性自动化路径对策略选择与宏观风险的含义。
背景
雷斯特雷波的论文出现在投资者与政策制定者对人工智能高度关注的时刻。他的研究结论在2026年4月4日由Fortune摘要发布后迅速在金融新闻圈传播，重新引发了关于劳动替代风险的讨论（Fortune，2026年4月4日）。在宏观层面，劳动市场指标显示出韧性：根据美国劳工统计局数据，2026年3月美国非农失业率为3.8%（BLS，2026年3月），这一水平在历史上与劳动力市场紧张相联系。在此背景下，雷斯特雷波认为许多由工人完成的任务——尤其是那些不可重复、依赖人际关系或附加值低的活动——并不构成自动化替代的令人信服的投资回报。
他的贡献延续了文献中的一种转向：从以任务层面技术可行性为核心的分析（例如Frey与Osborne式的研究）转向评估采用成本、监控与纠错负担以及管理摩擦的经济视角。雷斯特雷波强调了三种具体约束：前期整合成本（软件、硬件、再培训）、持续的监督与错误缓解开支，以及从自动化低利幅任务中难以获得的收入或成本节省。那些仅通过原始能力指标来解读AGI风险的投资者，可能因此高估了工作替代的速度与广度。这个细微差别至关重要：即便总体就业影响被弱化，选择性自动化在集中的领域仍可能带来革命性变化。
历史类比具有启发性。上世纪90年代与2000年代的工业机器人热潮在制造业核心区域带来了显著的生产率提升，但就业下降主要集中在例行性体力岗位，而服务业与高技能职业则有所增长。总体制造产出上升的同时，某些地方劳动市场出现萎缩。雷斯特雷波的论点暗示类似模式：集中性冲击，而非普遍性替代。
数据深入分析
雷斯特雷波的NBER论文提供了实证示例和微观层面的计算以支持其论点（NBER，2026年4月）。尽管Fortune的摘要并未公布全部微观数据，关键的量化信号包括若干案例研究：在考虑整合与监控成本后，预计的自动化边际成本节省低于典型的投资最低回报门槛（Fortune，2026年4月4日）。换言之，当将定制化、合规与人工监督导致的总实施成本上调10–30%计入时，许多自动化候选项目未能通过企业常用的投资评估测试。
互补的市场信号也与选择性采用一致。本十年初期半导体与AI硬件投资激增：英伟达（NVDA）及其他芯片供应商在AI计算需求加速的推动下市值显著增长（市场数据，2026年4月），而核心服务行业雇主并未相应地经历大规模劳动力缩减。这些价格变动反映出投资者预期：计算密集型任务（数据中心、模型训练）是高回报的自动化目标，而分散性的劳动任务在经济上吸引力较低。科技资本支出受益者与更广泛就业之间的分化，意味着资本在重新配置，而不是劳动力需求的全面收缩。
政策与监管成本也至关重要。雷斯特雷波指出，合规与法律责任风险——尤其在医疗、金融与公共服务领域——会提高自动化的有效成本。例如，自动化临床诊断路径需要监管验证并面临医疗过失风险，这显著增加了与自动化后台对账流程相比的价值实现时间。来自监管审查与采购周期的实证证据（截至2025年某些行业的公共招标平均持续18–24个月）意味着即便技术上可行的自动化，也可能被治理现实推迟。
行业影响
选择性自动化论意味着行业之间会出现赢家与输家，而非均匀的冲击。资本密集、规模敏感且具备高利润流程的行业——云服务提供商、超大规模云营运商、半导体制造商以及算法交易公司——将在AGI带来的效率提升中受益，因为固定成本（计算、数据管道）可在大规模上摊销。例如，那些能够集中化昂贵监督并将AGI作为服务嵌入的云基础设施公司，相较于分散的小型企业能提取不成比例的价值。
相反，由本地化、依赖人际关系的服务主导的行业——酒店业、零售的许多环节、市政服务和个人护理——面临更高壁垒。这些活动通常每次交互产生的回报较小，使得为其定制AGI系统所需的投资在经济上缺乏吸引力。医疗服
