AI节省的劳动力成本不会直接流向股东

Fri, 11 Sep 2026 12:00:00 +0900

在Anthropic的极端情景下，2030年初的经济规模比无AI路径大32.4%，而认知类就业水平比2026年中低21.5%。这两个数字都不是对半导体收入的预测，也不是失业概率的估算。两组数据的比较基准不同，该情景也未被赋予任何概率。¹

对于韩国股票而言，真正有价值的问题是：当办公室工作变得更廉价时，节省的成本由谁持有？一家银行可能降低了处理成本，而其外包供应商却损失了计费工时。软件供应商可能销售了更多AI服务，但同时支付了更多基础设施成本。存储供应商可能从需求中受益，但扩张支出、折旧以及买入时的估值才决定股东回报。

这项研究支持的是有条件的筛选框架，而非无差别购买AI相关股票。需要区分受限的基础设施、企业实施、生产力受益方，以及收入单元正在消失的业务。下文中的公司映射和投资判断均为作者分析，非Anthropic的建议。本文未对当前股价和估值倍数进行核实，不提供目标价或即时买入建议。

宏观模型不是逐职业的预测

9月经济论文对两类劳动力群体进行建模。详细的暴露数据来自一项独立的3月研究，该研究利用Claude实际活动和任务特征得出结论。暴露率不等于替代率，美国的职业汇总数据也不能简单套用于韩国。¹²

论文表3：2030年初	温和	显著	极端
GDP水平（相对无AI路径）	+1.6%	+8.3%	+32.4%
平均工资（相对无AI路径）	+0.7%	+2.1%	+9.7%
认知类工资（相对无AI路径）	+0.4%	−0.3%	−11.5%
认知类就业（相对2026年中）	−0.5%	−3.9%	−21.5%
总体失业率	3.9%	4.6%	11.9%
资本存量（相对无AI路径）	+2.3%	+13.8%	+56.3%
资本收入份额	40.6%	43.9%	54.8%
资本收入（相对无AI路径）	+3.1%	+18.9%	+81.4%

这些是已发表的模型输出，而非独立重新求解的估算值。GDP差距为水平差异，而非复合年增长率。受雇工人的较高平均工资，本身并不能说明被替代工人的收入状况。¹

投资者可以推断：整体经济繁荣与单个企业盈利能力可能背道而驰。在同一经济体中，必需品投入的所有者与依赖萎缩业务计费的供应商，可能面临截然相反的结局。

能力、部署与自动化的分母各不相同

论文中的任务规模以AI前的工资总额加权，而非员工人数。以能力规模m、部署率d和自动化比例ψ，可以计算出以下机械数量：

2030年假设或计算	温和	显著	极端
能力规模 m	20%	30%	50%
受影响任务的部署率 d	20%	40%	60%
自动化比例 ψ	50%	75%	90%
AI执行的任务规模 m×d	4%	12%	30%
自动化任务规模 m×d×ψ	2%	9%	27%
新任务复职率 ρ	50%	25%	0%
净劳动任务规模减少量 (1−ρ)×m×d×ψ	1%	6.75%	27%

最后一行不是就业预测。另一个单位陷阱是生产率参数a：0.30、0.45和0.80是对数增益，对应exp(a)−1分别约为35.0%、56.8%和122.6%，而非30%、45%和80%。¹

对于股票分析，不能用办公室员工数量乘以开发者的token消耗量。一个可用的需求模型需要已部署的员工或工作流、频率、任务时长、成功完成率、重试次数以及每次完成所需的计算量，还需要产品组合和价格数据。GDP提升不是HBM出货量预测。

职业变化揭示客户及面临风险的收入单元

以下暴露比例为3月研究图3的数据，不是9月的采用率。相应的商业含义为分析性假设。²

职业	观测暴露率	潜在支出转移	面临风险的收入
计算机程序员	74.5%	部署、测试与基础设施	基于工时的开发服务
客服代表	70.1%	集成AI联络中心	基于席位的外包
数据录入员	67.1%	文档、ERP与异常处理	常规录入服务
病历专员	66.7%	编码、理赔与记录整合	按劳动力计费的行政服务
市场调研/营销专员	64.8%	专有数据与可量化实验	通用报告与内容
批发/制造业销售代表*	62.8%	CRM、报价与订单	标准化推广
金融/投资分析师	57.2%	授权数据、核实与审计轨迹	无差异化信息摘要
软件QA分析师/测试员	51.9%	发布保障与回归测试	手动计费的测试执行
信息安全分析师	48.6%	授权响应与身份控制	无差异化告警分诊
计算机用户支持专员	46.8%	诊断、访问授权与恢复	常规支持劳动

*根据原始分类，不包括技术和科学产品类销售代表。这些暴露率不应推广至每一位销售员或开发者。

同一变化可能让客户受益，却让其供应商受损。处理时间的缩短并不能告诉我们哪家公司保留了经济剩余。这取决于合同条款、竞争格局，以及计费方式是否与时间、席位、交易量或结果挂钩。

存储需要部署证据，而非劳动力市场乘数

Samsung Electronics 7月业绩将存储强劲归因于以服务器为主的需求及价格上涨。管理层还将服务器DRAM、企业级SSD和HBM列为预计下半年需求增长的领域。这些陈述是公司证据和指引，而非对未来需求的独立证明。³

因此，Samsung Electronics 和 SK hynix 均应列入存储观察名单，但检验标准是应用层面的需求、产品资质认证、出货组合、定价以及扩张后的现金回报。本文不对 SK hynix 的盈利作出估算，也不暗示任何未经核实的估值折扣。

合理的上行假设是：持续的办公室智能体运行拓宽了推理需求。合理的下行假设是：更高效的推理、更低的价格、客户货币化能力不足或过度扩张，降低了每单位使用所获取的利润。两者可以同时成立：token量可能增长，而硬件利润却令人失望。

在一家多元化公司内部，效果也可能相互抵消。Samsung在存储业务强劲的同时，报告其移动和网络业务出现运营亏损，原因是零部件成本压力。投资者不应在没有分部分析的情况下，将存储定价受益套用于整个集团。³

电力设备受益于稀缺的交付产能，而非无限的稀缺性

HD Hyundai Electric 告诉路透社，其积压订单在6月底达到USD 8.5 billion，较年初增长23%，订单已排满三年以上，洽谈中的订单延伸至2030年交付。这是合同需求和长交货期的证据，而非对每笔未来订单利润率的保证。⁴

投资者应将订单与交付计划、预付款、取消条款、成本转嫁、工厂扩张和现金回收相关联。长期积压订单可以保护产能利用率，但其中也可能包含成本上涨前签订的低价合同。仅凭积压订单价值无法区分这两种情况。

宏观论文提供了一个有用的压力测试。在保持极端技术情景不变的条件下，改变资本供给弹性，得到以下结果：¹

资本供给弹性 ε	GDP差距	资本净回报率	资本存量差距
1	+21.3%	10.3%	+33.5%
3	+32.4%	8.3%	+56.3%
6	+37.2%	7.5%	+67.1%
无限	+43.3%	6.5%	+82.2%

这些是表5的输出；无AI情景下的资本净回报率为6.5%。资本弹性不是公司的资本成本。投资推断更为有限：需求可以支撑更多资本，但无法维持每单位资本永久性的更高回报。成功的产能增加最终可能侵蚀使供应商具有吸引力的稀缺性。

Samsung SDS 和 LG CNS 需要从项目到经常性利润的衔接

Samsung SDS 报告第二季度营收为KRW 3.7178 trillion，营业利润为KRW 231.8 billion，同比分别增长5.9%和0.7%。云服务营收增长17%。物流营收为KRW 1.9553 trillion，约占按业务部门划分的总营收的52.6%。⁵

正是这种业务组合说明了为何全公司营收不能被标记为AI营收。分析的关键问题是：新部署是否会转化为可复用产品和持续运营合同，还是停留在劳动密集型实施项目阶段。更快的代码生成可能降低交付成本，而客户同时也会要求更低的项目价格。不断增长的AI订单量不足以判断净效果。

LG CNS 描述了涵盖集成、生成式AI辅助、订阅和使用量计费服务的联络中心产品线。其自身的产品资料讨论了实施、维护和安全方面的挑战。⁶ 这确立了商业敞口，而非经过核实的AI利润贡献。

对于这两家公司，应关注可重复产品的比例、外部客户续约情况、部署成本、持续人工支持费用、基础设施折旧和运营现金流。当资本需求不同时，基础设施所有权和软件分发应分开估值。

银行和保险公司可能提升生产力，却在其他方面有所损失

金融分析师、支持人员和行政工作流程为金融机构提供了节约成本的机会。但节省下来的成本可能通过费用或价格传递给客户。整合费用、合规成本、错误纠正以及劳动力调整都会减少最终留存的金额。

还存在二阶风险。一场损害部分借款人就业的技术转型，可能在改善后台效率的同时恶化信用成本。这是需要测试的情景，而非对韩国违约的预测。保险公司同样需要理赔成本和定价分析，而非笼统的劳动力节省提升。

教育、医疗和现场服务也需要同样谨慎。对人工服务需求的增强可能同时推高销售额和工资。若缺乏定价权，运营商未必是受益者。论文排除了先进机器人技术，其认知类别包含医疗从业者和技术职业；其他群体的工资收益不能直接归因于护士。¹

节省的时间必须转化为现金，现金还必须经受竞争的考验

假设一个由100名员工组成的示例性工作团队，每人年均全成本为KRW 80 million，合计KRW 8 billion。假设40%的工作符合条件、50%的部署率、80%的成功完成率以及50%的节省时间实际转化为财务节省的比例。

年度总节省 = KRW 8 billion × 40% × 50% × 80% × 50% = KRW 640 million

假设软件许可费为KRW 160 million，不包含在上述费用中的直接推理/人工审核成本为KRW 80 million，年化集成/运营成本为KRW 40 million。总成本为KRW 280 million，客户净收益为KRW 360 million。

若现金实现率仅为20%，总节省将降至KRW 256 million，净收益变为负KRW 24 million。收支平衡的实现率为280 ÷ (8,000×0.4×0.5×0.8) = 21.875%。这些均为作者假设，而非已观察到的公司结果或论文自身的模拟。

一个单独的定价示例说明了供应商的困境。席位减少20%需要价格提高25%才能维持收入不变：0.8×1.25=1.0。若推理成本上升，收入不变仍可能意味着利润下降。按结果或使用量计费可能有所帮助，但前提是客户接受修订后的经济条件。

工资调整使总体失业率对假设高度敏感

表6在极端技术路径下改变工资刚性：¹

年度相对工资刚性 ξ	认知类工资差距	认知类失业率
0，灵活	−42.2%	2.6%
0.5，核心假设	−11.5%	17.9%
0.9，高度僵化	+2.8%	24.0%

将17.9%视为精确预测，并据此对消费、招聘或教育类股票进行估值，将是一个错误。韩国的制度、工资设定机制、人口结构和行业组合需要单独的证据支撑。更好的投资组合压力测试是考虑工资收入下降、招聘疲软和消费放缓，而非声称模型能预测其在韩国的具体数值。

盈利增长可能被买入时的估值所抵消

假设EPS以每年15%的速度增长三年，而市盈率从35倍降至25倍。不含股息和税收的年化价格回报率为：

(1.15³×25÷35)^(1/3)−1 ≈ 2.8%

该示例不使用任何实际股票的当前市盈率。它说明了为何正确的行业论断并不保证是具有吸引力的买入时机。一个价格决策需要经过核实的股价、摊薄后股数、正常化盈利、净债务、维护与扩张支出，以及合理的退出估值。

自由现金流提供了第二个过滤器。上升的营业利润可能被设备采购和营运资本所吸收。对于云运营商，产能利用率和设备寿命至关重要；对于存储供应商，工艺投资和周期正常化回报至关重要；对于电力设备企业，工厂支出和回款计划至关重要。

观察名单是有条件的，并有明确的淘汰标准

候选标的或业务群体	需要加强论据的证据	削弱论据的证据
Samsung Electronics / SK hynix	高价值产品资质认证、价格/组合改善及现金生成	需求增长但无利润；产能或投资负担过重
HD Hyundai Electric	积压订单转化为盈利交付和现金	延误、取消、成本通胀或稀缺性更快消退
Samsung SDS / LG CNS	可复用部署、持续合同及利润率改善	营收随员工规模变化；AI利润贡献仍未经核实
银行/保险公司	实施和风险成本后的留存费用节省	费用竞争或信用/理赔成本抵消节省
按席位/小时计费的服务	成功过渡到按结果付费模式	计费单元下降速度快于可实现的价格上涨

在温和情景下，优先考虑已经证实回报的标的，避免为未经证实的繁荣买单。在显著情景下，同时审视基础设施和企业项目向经常性利润的转化。在极端情景下，在显而易见的量能上行之外，还需检验信用状况、消费需求、平台整合和供应扩张。这些是有条件的分析应对，而非已赋予概率的预测。

下一笔买入应等待缺失的公司层面衔接：职业变化 → 付费客户 → 收入单元 → 留存利润率 → 自由现金流 → 价格。劳动力市场的规模无法替代其中任何一个环节。

数据来源与电子表格的局限性

作者已审阅了这份57页的技术论文及独立的职业研究。未能从公开页面获取原始Excel文件。随附的独立工作簿转录了表格，并计算了机械检验和商业示例；它不验证原始电子表格公式，也不重新运行完整的月度模型。

一项会计核查仍未解决。表3中极端情景的GDP差距32.4%、劳动力份额45.2%和基准份额60%，按共同分母恒等式推算出劳动收入变化为(1.324×0.452÷0.60−1)×100 = −0.259%，而论文报告的数值为+0.5%。约0.759个百分点的差异，仅凭将这两个输入值四舍五入到一位小数无法解释。作者保留已发表的数值，并将定义/输出汇总标记为待源头核实，而非声明其为已确认的论文错误。任何投资结论均不依赖+0.5%的精确度。

Disclaimer: For research and information purposes only. Not investment advice. Names cited are for analytical illustration; readers should perform their own due diligence and consult licensed advisors before any investment decision.

Korinek 等，2026年9月，《变革性AI的经济情景》，表1、3、5、6及附录；情景探索器。 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎
Massenkoff 和 McCrory，2026年3月5日，《AI对劳动力市场的影响：一种新衡量方法》，图3。观测暴露率不等于失业概率。 ↩︎ ↩︎
Samsung Electronics，2026年7月30日，第二季度业绩。需将报告结果与管理层展望区分看待。 ↩︎ ↩︎
路透社，2026年9月1日UTC/更新于9月2日，电力与冷却设备供应商，含 HD Hyundai Electric 声明。 ↩︎
Samsung SDS，2026年7月30日，第二季度初步业绩。物流营收占比按19,553/37,178计算，四舍五入至一位小数。 ↩︎
LG CNS，AI联络中心，访问日期2026年9月11日。产品描述不构成利润率证明。 ↩︎

LG CNS on Korea Invest Insights