【CGS-NDI辩日】章俊 彭雅哲：AI繁荣的阿克琉斯之踵：科技革命冲击就业

来源：市场资讯

（来源：章俊 彭雅哲 等 中国银河证券新发展研究院）

核心观点

全球AI超级周期依然高歌猛进，但近期市场波动也推动投资者在热潮中冷思考，视角从科技革命的宏大叙事逐步转向AI热潮的可持续性和潜在风险讨论。短期看，市场致力于厘清AI究竟在多大程度上提升生产率；长期看，市场最终要回答AI对就业结构和收入分配将带来何种冲击？我们认为就业问题本身不可回避，更值得重视的是，本轮AI对就业的冲击不会简单重复历次技术革命路径。与过去主要冲击中低技能劳动者不同，AI或首次系统性冲击中高收入群体，在作用对象、传导机制和宏观后果上都将不同于以往，值得重点关注。

本轮冲击的特殊之处，不仅是冲击对象变化，更体现为受冲击群体在现代经济中的功能不同。区别于以往受冲击群体“生存型消费为主、资产少、杠杆低”的特征，中高收入群体既是现代服务消费、改善型消费和大额支出的核心承担者，也是住房按揭、长期信用扩张、个税和社保缴纳的重要支点，对经济发展与社会稳定均有重要支撑作用。一旦受冲击后这一群体持续收缩、形成M型社会格局，宏观将更容易陷入增长偏弱、分化加深、预期转冷状态。

AI冲击中高收入群体，将沿着“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”四条机制逐步传导。与过去技术冲击更多表现为底部群体的急性风险不同，本轮AI更可能形成一种“风险显性化更慢、修复过程更长、政策识别更难”的慢性收缩过程，率先表现为压缩改善型消费、提高预防性储蓄、减少长期负债，再逐步放大为更广泛的总需求走弱。

AI时代可能形成“增长来源收窄、供需关系错位、K型分化加深、政策传导偏弱”的新宏观结构。如果技术红利更多集中于算力、平台、资本开支和头部企业利润，而居民端收入改善、住房链条修复和消费扩张持续偏弱，宏观运行可能呈现“总量改善、体感偏弱”“技术端繁荣、居民端偏冷”的背离，传统货币宽松工具的对冲效果也可能明显衰减。

聚焦中国：风险未必先表现为显性失业，但需警惕居民部门慢性收缩风险。中国高AI暴露行业在总就业中的占比相对较低，且央国企、事业单位等在用工调整上相对审慎，AI显性冲击可能弱于美国。然而，由于居民资产更集中于房地产，一旦AI冲击收入预期，需警惕其沿着住房和信用链条放大，进而演化为内需修复偏慢、信用扩张乏力和政策刺激边际减弱。

对策建议：“育动能、筑防线”并举，让技术红利真正扩散到居民收入和广泛内需中。一是“育动能”做大就业与消费增量：坚持把现代化产业体系作为吸纳就业的关键载体，通过政府产业引导培育新产业、新业态，把AI势能转化为岗位动能；通过“投资于人”前瞻性缓解技能错配，推动教育供给动态适配、建立面向中高技能群体的转型通道；以新消费形成需求牵引，打通“新技术—新产业体系—新消费”的正向循环。二是“筑防线”托底保障民生：政府层面将社会保障由“救助底部”向“稳住中部”扩展；企业层面从“减员替代”转向“人机协同”；家庭层面优化资产配置，更好分享科技发展红利。

风险提示：对政策理解不到位的风险；政策落实不及预期的风险；技术发展和商业化节奏不确定性风险。

正文

尽管全球AI超级周期依然高歌猛进，但近期市场波动也推动投资者在热潮中冷思考，视角从科技革命的宏大叙事逐步转向对AI热潮的可持续性和潜在风险的讨论。市场关注的焦点已不只是“技术能否突破”，而是这轮繁荣究竟能否持续演绎，以及其依赖的宏观基础是否稳固？我们认为，短期内AI带来的首先是效率提升和估值重塑；但从更长视角看，真正决定本轮科技繁荣能否持续的，更在于AI技术将如何重塑就业、收入与需求。正如我们在前期报告《【CGS-NDI见微】AI悖论：生产率繁荣预期下的就业结构性冲击》中提到的，本轮AI革命呈现出“生产率繁荣预期上升”与“就业结构扰动加深”并行出现的鲜明特征。本文在此基础上进一步追问：当本轮AI冲击不再主要重复历次技术革命对中低技能劳动者的替代路径，而是开始系统性进入中高收入群体所集中的岗位领域时，其影响是否还只是劳动力市场内部的岗位重构？抑或是进一步沿着收入、预期、资产负债表与信用等渠道，外溢为更广泛的宏观需求问题？这正是本文试图回答的核心。

一、AI或首次系统性冲击中高收入群体

（一）技术革命往往先冲击就业，再在一定阶段传导至需求侧

纵观历次技术革命，其对经济的影响往往并非首先表现为普遍繁荣，而是先对就业结构形成冲击，并在一定条件下进一步向需求侧传导。原因在于，新技术的扩散首先改变的是企业的生产组织方式、任务分工结构和用工需求边界。企业在引入新技术后，通常会优先通过压缩重复性岗位、提高单位劳动产出、重构岗位分工来释放效率红利，而劳动力市场对这种变化的调整往往相对滞后。第一次工业革命中，蒸汽机和机械化纺织设备主要替代了传统手工业者和家庭作坊中的熟练工匠；第二次工业革命中，电气化和流水线生产压缩了依赖经验和体力的半熟练制造业工人及传统装配工；第三次工业革命中，计算机、自动化设备和信息系统重点替代了制造业中的重复性操作岗位，以及服务业中大量规则明确、程序化的文员和行政辅助岗位。总体上看，技术革命并非简单减少劳动，而是不断替代标准化、重复性、可编码的任务，同时重组岗位分工、技能结构和收入分配格局。

进一步看，就业冲击之所以可能向宏观经济放大，在于它会通过居民预期和消费行为向需求侧传导。当技术替代导致部分群体对未来就业前景、工资增长和职业稳定性的判断恶化时，居民部门往往会率先提高预防性储蓄、压缩可选消费并推迟大额支出决策。这样一来，技术革命在提升供给能力的同时，也可能同步削弱需求承接能力。当供给扩张快于需求修复，经济就容易出现“技术进步仍在推进，但总需求反而走弱”的阶段性错位，并由此放大经济下行压力。

1957-1958年的美国经济衰退为理解这一机制提供了一个经典参照。在衰退前期，美国工业自动化设备投资仍处高位，企业对机械化和自动化改造的投入并未停止，显示出供给侧技术升级仍在持续推进。但与此同时，制造业就业增速已先行下滑，形成了“投资向上、就业向下”的明显背离。这种背离持续了约四个季度，随后开始通过消费者信心渠道传导至需求侧，居民对未来就业和收入前景的判断明显恶化，消费者信心回落，消费意愿转弱，并进一步放大了经济下行压力。

（二）以往科技革命主要替代低技能劳动，生成式AI却改变了替代方向

然而，将1950年代的经验简单外推至本轮AI革命存在一定局限性，原因在于替代对象存在结构性差异。1950年代的自动化主要替代低技能、重复性体力劳动，受影响群体集中于制造业流水线工人。这一群体具有三个特征：第一，收入占比相对较低，其消费收缩对总需求的边际影响有限；第二，储蓄缓冲薄弱，失业后消费调整呈现“快而浅”特征，即迅速缩减但基数较小；第三，存在明确的产业转移空间，劳动力需求从衰退的制造业转向扩张的服务业，形成就业缓冲。因此，过去历次技术革命虽然都会冲击劳动力市场，但长期看大多呈现出较为明显的“技能偏向型技术进步”特征，把劳动收入和职业晋升机会更多地向受教育程度与技能水平更高、组织适配能力更强的人群集中，使高技能劳动者成为生产率提升和收入改善的主要受益者。

而本轮生成式AI的出现，却在改变这一长期规律。与传统自动化主要替代体力劳动和例行认知任务不同，大模型开始系统性进入文本生成、内容创作、决策辅助等非例行认知领域，AI的能力边界进入过去被认为“最难自动化”的脑力劳动领域。近年来，在实验室环境中，大模型已在多项复杂任务上表现迅速逼近甚至超过人类平均水平；在真实工作场景中，高学历、高收入、白领职业的AI暴露度显著更高，信息技术、金融、专业技术服务等高薪行业更早进入岗位重估阶段。这意味着AI正在进入现代中高收入白领群体最集中的职业空间，这可能是技术变革第一次系统性冲击中高收入认知劳动者。而这一群体恰恰是消费的主力，往往收入更高、负债更重、对未来现金流稳定性更敏感的群体，其就业预期的恶化将迅速转化为预防性储蓄的上升和消费的收缩。

（三）AI扩散速度较历次科技革命更快

除替代方向不同外，生成式AI的扩散节奏也可能快于历次技术革命。尽管AI本身更像是一种“重资产”革命，需投入大量资源建设数据中心等AI基础设施。但与蒸汽机、电气化和自动化设备主要依赖机器购置、厂房改造和产线重构不同，生成式AI的关键在于：一旦底层模型、云服务和标准化接口趋于成熟，其能力可以较快嵌入办公系统、管理流程和业务平台，并在客服、研发、编程、营销等认知型场景中迅速复制。这意味着，AI在应用侧和组织侧的扩散方式更具软件化、平台化和低边际复制成本特征，因此其对岗位结构和劳动需求的影响可以在更短时间内显现。

更重要的是，AI时代技术红利释放与社会承接能力之间可能存在更明显的时间错配。传统技术革命中，“创造性破坏”中的“创造”虽然滞后于“破坏”，但两者之间通常仍存在一定缓冲；而在AI时代，岗位替代和招聘收缩可能先行发生，但新岗位、新产业和新需求的形成却未必同步跟上，劳动力市场缺乏传统意义上的缓冲期，摩擦性失业更容易向结构性失业演化。若中高收入群体在生产率红利尚未广泛传导之前，已率先感受到职业稳定性下降和收入预期转弱，那么其对宏观需求的拖累就可能先于技术红利的正向效应显现。

二、本轮AI冲击中高收入群体为何不同于以往？

如前所述，过去技术革命主要冲击中低技能、中低收入群体，而当下AI则开始系统性冲击中高技能、中高收入群体，这一群体正是现代社会中的“中坚力量”。与传统金字塔型社会不同，现代成熟市场经济和城市化社会更接近“橄榄型”结构，即中间收入群体规模最大、上下两端相对收窄。在这种社会结构中，中间层之所以重要，不仅因为其人数占比更高，更因为其同时承担了多重社会稳定功能。亚里士多德在《政治学》中指出，中产阶级是最容易服从理性的，当一个政体中产阶级规模庞大、足以制衡贫富两端时，有助于维护政体稳定性并改善治理。到现代政治经济学中，Lipset在《民主的若干社会条件》中进一步指出，经济发展通过提高收入、安全感和教育水平，改变阶级冲突形态。当社会结构由金字塔型转向钻石型后，大规模中产阶层能够奖励温和、民主政党并惩罚极端组织，从而缓和冲突。

以日本“失去的三十年”长期停滞时期为镜鉴，进一步说明了中间层对现代经济稳定的重要性。大前研一在《M型社会》中指出，泡沫破裂后的日本并非只是遭遇了短期衰退，更重要的是社会结构本身发生了变化：原先以中产阶层为主体的社会，开始向高收入与中低收入两端分化，中间层逐步收缩。由此，社会不再呈现“中间厚、两端薄”的橄榄型特征，而是出现“中部塌陷、两端扩张”的M型两极分化格局。结果是，经济即便在局部阶段出现企业盈利改善或资本市场繁荣，也难以转化为居民部门普遍的收入增长和需求扩张，宏观运行更容易陷入增长偏弱、分化加深、预期转冷的状态。

对现代经济而言，中高收入群体不仅是收入分布上的“中间多数”，更是现代服务消费的核心承接者、住房和长期信用的重要支点、个税和社保缴费的重要来源，以及“受教育可以改善收入、职业晋升可以实现向上流动”这套社会预期的主要承载者。也正因为如此，当技术冲击开始作用于这一群体时，受影响的就不再只是局部就业和个体收入，而可能进一步外溢为总需求走弱、资产负债表收缩、税基承压和社会预期转弱等更广泛的宏观稳定问题。基于此，下表从受冲击对象的经济功能、资产负债特征、结构稳定功能和调整路径等维度，对过去技术冲击与本轮AI冲击的差异进行对比，以进一步说明本次AI冲击的特殊性及其更强的宏观外溢效应。

（一）经济功能差异：中高收入群体受冲击更易拖累现代需求

现代经济的需求结构，已较工业化初期发生了根本变化。在农业经济与早期工业经济阶段，居民消费主要集中于食品、衣着和基础制造品等生存型需求，低收入群体虽然收入水平有限，但边际消费倾向高。而进入服务经济时代之后，教育、文娱、旅游等各类改善型消费逐渐成为需求扩张的主要来源。这些消费不仅金额更大，而且对家庭财务状况更为敏感，因此越来越集中于中高收入群体。针对美国居民的调查数据显示，美国收入前20%的群体贡献了约57%的消费需求，对总消费具有明显的支撑作用。不仅如此，中高收入群体的消费结构也更明显地偏向现代服务业和高附加值消费，已成为现代消费的核心支撑力量。

因此，与过去技术冲击更多影响中低收入群体、压缩基础生存型消费不同，本轮AI若持续冲击中高收入群体，其首先削弱的将是现代服务消费、改善型消费和大额支出。而这些恰恰是当前总需求中最具扩张性和乘数效应的部分，更容易通过需求收缩对宏观增长形成直接拖累。

（二）资产负债差异：中高收入群体承压更易沿住房与信用放大

相较于技术冲击中低收入群体，本轮AI若持续冲击中高收入群体，其后果更可能表现为“资产端先缓冲、负债端再放大”的慢性传导过程。从资产端看，中低收入群体在面对收入下滑和就业冲击时，由于资产积累较少，风险往往会较快显性化，表现为消费立即收缩、生活压力迅速上升和短期偿付困难加剧。相比之下，中高收入群体通常拥有住房、存款和一定规模的金融资产，具备更强的收入平滑能力，因此在技术冲击到来之初，并不会马上出现剧烈坠落，而是能够在一段时间内依靠既有资产和家庭储备维持原有生活方式。厦门大学一份针对中国家庭的调查问卷显示，低收入家庭在面临资金不足时，更倾向于选择直接“削减消费”；而中高收入家庭中，选择优先“动用储蓄”或“出售实体资产或赎回投资”的占比明显提高。

但这种资产缓冲未必意味着风险被消除，更可能是冲击被延后显性化，甚至被进一步放大。从负债端看，中低收入群体的负债更多体现为消费贷等短期借贷，其主要功能是平滑当期现金流和维持基本生活。相较之下，中高收入群体的负债则更多体现为住房按揭等长期负债。一旦其收入增长预期减弱，会表现为推迟改善型购房、降低长期负债等，这对宏观经济的影响比一般消费收缩更持久。不仅如此，房地产在现代经济中具有极强的上下游带动作用。房地产交易会同时带动装修、家具、家电、建材和各类生活服务支出，因此中高收入群体减少改善型购房，将会影响一整条住房相关消费和服务链条。由此，本轮AI冲击不只是收入冲击，而是演化为住房需求走弱、信用传导放慢和资产负债表收缩的慢性过程。

（三）维稳能力差异：中高收入群体承压更易演化为社会结构性问题

本轮AI冲击的特殊性在于，它不仅会带来收入压力，还可能对现代社会中间层的稳定预期产生更深层影响。过去低技能群体受冲击时，社会主要面对的是底部群体生计稳定问题，例如如何防止贫困扩大、提供再培训和转移就业、通过社会保障进行兜底等。而当中高收入群体持续承压时，问题性质发生了变化。这源于中高收入群体在现代经济中承担了多重“结构稳定功能”：他们既是工资性税基和社保缴费的重要来源，也是“受教育—获得体面职业—实现向上流动”这套社会预期的主要承载者。首先，一旦其工资增长放缓，税基和社保基础会受到影响，政府财政承载能力和社会保障体系的稳定预期也可能受到冲击。美国联邦财政收入中，个人所得税占据半壁江山；而个人所得税高度依赖中高收入群体，收入前50%的群体贡献了97%的税收。其次，现代社会预期稳定的重要基础之一，是教育回报、职业发展和长期积累能够持续发挥激励作用。一旦该路径受阻，专业技能溢价回落，原本支撑中产扩张的路径可能发生松动。

三、AI冲击中高收入群体的宏观传导机制

前文已经说明，本轮AI冲击中高收入群体之所以不同于以往技术冲击，在于其更容易外溢为需求、住房信用和结构稳定层面的宏观问题。本章我们进一步讨论，这种影响已在部分高暴露岗位、前瞻性指标和家庭行为中率先显现，并正沿着收入、预期、资产负债表与信用、收入分配四条机制逐步传导。

一是收入机制，对应最直接的劳动收入冲击。在凯恩斯的短期消费函数中，给定相对稳定的消费倾向，总消费主要随总收入变化。而对大多数家庭而言，劳动收入是最重要的现金流来源。因此AI一旦压缩中高收入岗位需求、工资溢价和晋升空间，就会首先削弱其对总需求的直接承接能力。

二是预期机制，对应家庭对未来收入路径的行为调整。弗里德曼的永久收入假说认为，家庭消费主要依据其认为能够持续的较长期收入能力，而不是机械跟随每一期实际收入变化。莫迪利安尼的生命周期假说同样表明，消费者的消费决策目标是实现其一生的效用最大化，即追求整个生命周期的消费平稳化。人们会规划其一生的收入与消费，使各阶段的消费水平保持相对稳定。在此基础上，Leland的预防性储蓄理论指出，风险厌恶的消费者，为预防未来不确定事件（如失业、疾病）导致消费水平急剧下降，会进行额外的储蓄。因此，AI即使尚未引发大规模显性失业，也可能先通过职业安全感下降和收入预期转弱压制需求。

三是资产负债表与信用机制，对应外部冲击的放大过程。费雪的“债务—通缩”理论指出，债务负担与资产价格下行之间会形成相互强化的收缩链条：经济繁荣时期市场主体大量借贷，当负面冲击来临时不得不廉价抛售资产以进行“债务清算”。大规模廉价抛售导致资产价格下跌，信贷市场收缩和信心低迷导致投资与消费减少，经济进一步下滑。Mian等（2013）的研究表明，住房净值损失会显著压低消费，高杠杆和较低收入家庭的反应更强，并伴随更明显的信用收紧。因此，收入和预期的变化一旦进入住房和信用传导体系，其影响就会从流量层面的消费变化放大为更持久的资产负债表收缩和信用扩张放慢。

四是分配机制，对应更长期的结构重塑。Kalecki在其《阶级斗争和国民收入分配》文章中指出，消费不是由供给或技术决定的，而是由收入分配和阶级力量对比决定的。增强工人议价能力，在产能过剩条件下，会通过消费渠道扩大总需求、提高就业和产出。因此，一旦技术红利更多流向资本端和少数资产持有者，而劳动收入份额、中高收入岗位的工资回报和税基承载能力趋弱，总需求基础就可能被进一步削弱。

这四种机制分别对应AI冲击从直接收入、到行为预期、到金融放大、再到长期分配重塑的传导链条，由此，AI对中高收入群体的影响，最终可能演化为比传统技术革命更深刻的宏观需求扰动。

（一）收入机制：AI已开始松动中高收入群体的收入基础

AI冲击中高收入群体的第一入口，表现为收入基础开始松动。AI对中高收入群体最直接的影响，是白领岗位需求下降与劳动收入增长放缓。生成式AI显著提高了信息处理与认知劳动效率，使企业在很多知识密集型服务领域都具备了“以更少人力完成更多工作的可能性”。在这种情况下，尽管企业不会立刻大规模裁员，但会率先表现为减少招聘、压缩入门级岗位、提高岗位复合能力要求，以及重新评估部分岗位的工资溢价。José Azar 等（2026）研究表明，在知识密集型服务行业中，AI暴露度上升已对工资形成下行压力，原因在于AI替代压力降低了劳动力市场流动性，包括聘用新员工以及现有员工离职等，这种流动性降低减少了劳动者薪资议价能力。

对宏观经济而言，如前文所述，现代需求体系高度依赖中高收入群体的持续收入扩张。这部分群体主要承接服务型、改善型消费和大额支出，一旦消费行为收缩，对总需求的影响更加明显。Xupeng Chen（2026）的模型测算表明，在不同AI采用率假设下，消费萎缩会随着AI冲击强度上升而加深。而消费下降又会压制企业收入与投资意愿，形成“缩招—收入下降—消费收缩—企业盈利承压—进一步缩招或裁员”的负反馈链条。由此，AI冲击便从劳动力市场内部的岗位调整，开始转化为对总需求的拖累。

（二）预期机制：职业不确定性已先于显性失业改变家庭行为

收入机制对应的是“已经发生的收入基础松动”，而预期机制对应的是“尚未显性化的担忧将提前改变行为”。对于大量尚未失业但已开始担忧未来岗位稳定性、收入增长和职业前景的劳动者，其消费与储蓄决策依赖对未来收入预期的判断，职业不确定性上升本身就足以对需求形成压制。中国人民银行调查数据显示，近年来中国居民就业感受与就业预期持续偏弱，储蓄意愿则明显抬升。厦门大学相关调查进一步表明，工作稳定性不同的受访家庭，消费预期也存在显著差异。当工作稳定性下降时，家庭更倾向于削减非必需支出、延后大额消费，并提高预防性储蓄。

与过去中低收入群体受冲击相比，中高收入群体在预期机制上的外溢效应更强。底层群体收入受损后，问题通常更快表现为即时生活压力和基础消费受限；而中高收入群体一旦感受到未来岗位需求、职业晋升路径不再稳定、可持续，便可能在收入尚未显著下降前提前转向保守，压缩那些构成现代需求增量的支出项目。而当足够多的家庭从扩张性行为转向防御性行为，总需求就会在收入总量尚未大幅滑坡之前提前转弱，通过“预期转弱—预防性储蓄上升—消费意愿减弱”这一链条逐步扩散。这意味着消费走弱不一定滞后于失业上升，反而可能先于失业率总量变化出现。

（三）资产负债表与信用机制：AI冲击正在沿住房与长期负债链条放大

收入基础开始松动之后，家庭首先通过预期变化作出反应；而当预期持续转弱时，冲击便进一步进入资产负债表与信用层面。家庭开始重新评估：原有的改善型购房、长期按揭和其他长期财务承诺是否仍然可持续。一旦这一判断转弱，家庭行为会转向保守，如减少购房、延后加杠杆。

与中低收入群体相比，中高收入群体在资产端通常持有更多住房、存款和金融资产。若其资产财富效应显著，例如房地产市场景气或金融资产收益较高，则能够为中高收入群体在短期内提供较大缓冲空间；但若资产的财富效应同步走弱，则可能进一步放大AI冲击。当下，我们正面临这样的困境：房利美住房情绪调查显示，美国居民失业担忧上升、家庭收入下滑正与购房意愿低迷正同步发生。房地产下行压力带来的财富效应损失与职业稳定性下降相叠加，或将进一步放大中高收入群体的削减消费与支出决策。而在中国，居民资产负债表与房地产市场、按揭贷款和财富效应之间的关联更甚。一旦中高收入群体开始降低住房购买和长期信用承接能力，AI冲击可能进一步演化为“收入预期转弱—购房与加杠杆放慢—住房链条消费收缩”的资产负债表收缩过程。

（四）分配机制：资本收益集中已现苗头，结构重塑正在展开

从更长期看，AI对宏观经济的影响并不止于短期就业和需求波动，还可能通过改变劳动与资本、不同群体之间的收益分配，重塑经济运行的稳定基础。在过去几十年中，全球范围内劳动收入份额长期呈下降趋势，这意味着发展红利并没有完全通过工资增长和居民收入扩张来体现，而更多地向资本端和利润端集中。本轮AI革命同样如此。AI显著提高了头部平台、技术企业和算力资源的资本回报，使相关利润和资产收益更易向少数主体集中，可能进一步扩大社会分化程度。

从现实表现看，中高收入群体在这一过程中所受影响是更为复杂的。根据历史经验，失业预期上升时，居民对风险资产的乐观程度下降，投资行为会趋于保守，因此在长周期中，失业预期上升与风险资产持有偏好之间总体呈负相关。Gomes等（2024）对机器人自动化的研究结论也印证了这一点。但在本轮AI周期中，这一长周期规律出现了阶段性背离。纽约联储消费者预期调查（SCE）显示，2024年以来居民失业预期上升伴随着风险资产持有比如仍居高位，其原因在于近两年AI相关风险资产涨势猛烈，为投资者提供了高昂的超额回报。尽管中高收入群体是金融资产的重要持有者，收入前20%的群体持有了约87%的公司股票与共同基金份额，但这种资本收益并未普遍覆盖广泛劳动者，也未能平均覆盖整个中高收入群体。中高收入群体内部，一部分人与资本市场联系更紧密，可以在AI资产上涨中获得财富对冲；而另一部分主要依赖工资性收入和职业晋升，抗风险能力明显更弱。最终结果是分化加剧、对冲不均和收益不对称。

四、AI时代可能形成的新宏观结构

当AI冲击逐步外溢为更广泛的宏观需求问题，便更可能推动宏观经济的运行方式发生结构性变化。增长驱动力、供需关系、宏观周期和政策传导方式，都可能呈现出不同于以往的新特征。

（一）增长结构重塑：增长来源收窄，供需关系错位

在中高收入群体收入基础松动并转入预防性收缩的情景下，未来经济增长将更难继续依赖传统意义上由居民收入扩张、住房信用扩张和服务消费升级共同支撑的“广谱性增长”，而更可能转向以技术投资、算力扩张、平台资本开支和头部企业盈利改善为主导的“窄增长”模式，进而表现出“K型结构”持续深化。

所谓“增长来源收窄”，指经济增长的驱动来源更加集中，收益扩散的范围更窄，对广泛居民部门的带动也更弱。当前已经可以看到这样的苗头：AI相关基础设施、半导体、云服务、数据中心和软件平台投资持续扩张，头部科技企业资本开支显著抬升，企业利润和资本市场估值也同步改善。例如，2026年上半年，美国AI相关的计算机设备及软件私人固定资产投资额占GDP的比重达到3.76%，已高于互联网时期的峰值。但与此同时，居民部门的消费意愿和长期支出能力却未同步增强。2025年以来，技术端与居民端之间出现了明显背离，资本市场科技股持续繁荣，居民端信心却明显不足。也就是说，宏观总量上的增长并未消失，但其来源越来越集中于少数部门、少数企业和少数资本密集环节，而不再像过去那样较顺畅地扩散到更广泛的居民部门。一旦这种“强者更强、弱者更弱”的非均衡K型经济持续强化，会进一步削弱宏观增长的包容性与稳定性。

在这一过程中，供需关系也会发生新的错位。AI在供给侧表现出极强的效率提升能力，能够在较短时间内提高企业的产出能力、边际效率和利润率；但在需求侧，AI又通过削弱中高收入群体的职业安全感和长期支出意愿，抑制了现代消费需求的扩张。于是，经济运行越来越可能呈现出“供给改善快于需求扩散”的特征。这一点与过去许多技术革命的宏观扩散路径并不完全相同。过去技术进步虽然也往往先改善供给，但其收益能够较快通过工资增长、岗位扩张和更广泛的社会分工扩散到居民部门，进而支撑需求增长；而本轮AI更直接进入中高收入认知劳动领域，影响现代消费和信用扩张，因此供给端效率提升未必能够同步转化为需求端扩张，更可能出现“高供给弹性、低需求扩散性”这一新组合。

因此，未来判断经济景气程度，不能再仅仅依赖供给端的GDP、固定资产投资和企业利润等总量指标。若继续依赖传统指标进行判断，可能会高估技术红利向居民端的扩散速度，而低估需求基础被持续侵蚀的风险。

（二）周期与政策结构转变：经济长期慢性偏冷，政策传导偏弱

过去，技术冲击或经济危机往往更容易表现为急性的、显性的波动，例如失业率迅速攀升、资产价格大幅下跌、企业投资骤然收缩等，因此政策层面也更容易围绕总量波动开展逆周期调节。而本轮AI对中高收入群体的冲击，则更可能表现为一种风险显性化较慢、修复过程较长、体感持续偏冷的慢性调整。

这种变化意味着宏观政策传导机制正在发生调整。从理论上看，Kaplan等（2018）在HANK 框架中指出，货币政策对消费的影响可划分为直接利率效应和间接收入效应。直接效应指“降息刺激当期消费、推迟未来消费”的跨期替代渠道，对货币政策传导的贡献仅占约20%；而间接效应指“通过劳动需求改善、工资增加和政府转移支付增加等来增加消费”的一般均衡渠道，对货币政策传导的贡献占比高达80%。也就是说，利率变化能否真正转化为总需求扩张，取决于其是否能够改善居民部门尤其是高边际消费倾向家庭的现金流和收入预期，而不仅仅是降低名义融资成本。

这意味着，在AI时代，如果居民部门的核心约束已从融资成本转向收入预期恶化和职业安全感下降，那么即便利率继续下行，也未必能够顺畅转化为信用扩张和消费增长，传统货币宽松的传导链条可能明显弱化。这一点在现实中已经有所体现：近年来，我国在流动性维持宽松、货币投放处于高位的同时，居民融资需求却持续偏弱，低利率环境并未有效激活消费与投资，居民存款规模反而明显上升。在这种背景下，未来宏观调控若仍主要依赖传统货币宽松工具，可能越来越难以对冲这类结构性、慢性化冲击。政策思路或许需要更加重视稳定居民收入预期、修复劳动市场信心、改善社会保障和优化收入分配结构。

五、中国情景下的宏观经济落点与应对之策

（一）判形势：中国AI冲击的短期缓释与长期承压

短期内，中国宏观经济受到的AI显性冲击可能弱于美国。美国信息技术、专业服务、金融等高AI暴露行业在总就业中的占比更高，企业用工调整更市场化，因此白领岗位缩招、裁员和收入预期重估更容易较快显性化。相比之下，中国总就业中制造业、建筑业、批发零售等部门占比更高，央国企、事业单位等在用工调整上相对审慎，也在一定程度上承担着稳就业功能。因此短期内AI对中国就业市场的冲击更加不会表现为大规模裁员。

但这并不意味着中国受到的宏观扰动会更小。从家庭资产结构来看，美国家庭资产负债较为多元化，金融资产占比更高；而中国家庭资产更集中于住房，意味着住房财富效应和按揭信用在中国居民部门中的地位更为突出。叠加我国当前仍处于需求修复偏慢、房地产深度调整尚未结束、居民预防性储蓄意愿偏强、青年就业压力偏大的宏观环境中，一旦AI对中高收入群体的冲击传导到住房、消费和预期层面，其宏观影响可能更加敏感。因此，美国可能更早体现为白领岗位调整的显性化，中国则更需要警惕居民部门信心偏弱、住房链条修复不足和总需求扩张偏弱的慢性传导风险。

中国面对AI冲击的关键，是要避免技术进步过度演化为增长来源收窄、需求扩散不足和社会预期转弱。政策目标应从单纯提升供给能力，进一步转向“技术突破”与“社会承接”并重。循此逻辑，我们把应对之策归纳为“育动能”与“筑防线”两个层次。前者是“主动进取”，从源头上把技术势能转化为就业和收入动能；后者是“风险防御”，在增量动能尚未充分形成之前，形成社会、组织与个体缓冲机制，避免局部就业扰动演化为系统性的需求收缩。

（二）育动能：以AI赋能现代化产业体系，带动新就业与新消费

AI技术只有嵌入现代化产业体系，才能真正转化为现实生产力；而现代化产业体系，正是吸纳就业、创造收入并形成新需求的关键载体。从历史来看，任何一项通用目的技术从实验室走向劳动力市场，都必须经过产业化这一中间环节：技术先转化为可规模复制的产品与服务，进而形成新的产业组织与分工体系，最后才在其中沉淀出稳定的岗位与职业。蒸汽机的意义在于它催生了铁路、纺织与机械制造等完整产业链，电力的意义在于它重构了工厂布局、家用电器与城市基础设施，进而创造出远超被替代岗位数量的新就业。因此，若AI的投入长期集中于模型训练、算力堆叠和少数头部平台的效率改进，而未能扎根于现代化产业体系，则前文所述“供给改善快于需求扩散”的错位将被固化。

AI对就业究竟是“创造大于替代”还是相反，目前尚无定论。麻省理工学院Autor等学者的研究发现，2018年美国约六成的就业岗位类型在1940年并不存在，即今天绝大多数工作都是过去数十年间由技术进步“创造”出来的。因此，当下我们对“新岗位”的想象力本身是受限的：当前能够清晰列举的新职业，大多仍是围绕AI技术本身的辅助性岗位，如模型训练、数据标注、提示工程、算法审计等，其体量并不足以对冲被替代的规模；而真正大规模的新岗位，很可能出现在今天尚无法想象的领域。囿于认知局限，我们认为与其对替代效应与创造效应做静态测算，不如更多将视线聚焦于如何为新岗位的涌现创造条件。

事实上，破题之法在《“十五五”规划纲要》中已经体现——《纲要》将“建设现代化产业体系巩固壮大实体经济根基”置于“加快高水平科技自立自强 引领发展新质生产力”之前，正是基于“产业体系是承载技术、吸纳就业、形成需求的载体，而科技创新是提升这一体系效率的抓手”的判断。同样的，衡量AI发展成效不应只看模型能力排名、算力规模和资本开支强度，更应衡量AI在多大程度上嵌入了实体经济的各个环节，在多大程度上带动了产业升级、企业成长与岗位扩张。

由此，AI在宏观层面发挥作用存在着“新技术—新产业体系—新消费”的递进顺序。新技术是起点，即模型能力、算力设施与数据要素的突破；新产业体系是关键中枢，即AI与农业、制造业和服务业深度融合，形成新产业、新业态、新模式，并成为新增岗位的主要来源；新消费是落点，即新岗位带来新收入、新收入支撑新需求，并催生智能终端、内容体验、健康服务等新的消费形态。这一顺序恰好对应解决前文刻画的“AI技术冲击首先扰动就业、进而压制需求”传导链条。

1.抓手之一：以政府产业引导培育新产业，把AI势能转化为岗位动能

培育新动能的紧迫性来自劳动力供给端的双重压力。一方面，AI高暴露岗位集中于中高技能白领领域，这部分劳动者的人力资本高度专用化，向下兼容会带来明显的收入与身份落差，向上转型又需要新的技能组合，再就业难度较高；另一方面，我国高校毕业生人数连续多年保持在超千万人规模，且有相当一部分毕业生所学专业集中在信息技术、财会、法律等AI暴露度较高的领域。存量转岗需求与增量初次就业需求叠加，意味着仅靠现有产业结构的自然吸纳远远不够，必须主动培育新的产业空间来创造足够体量的岗位增量。

具体可沿三条路径展开。一是AI+传统制造业的存量改造。制造业是我国就业的基本盘，推进智能工厂、工业软件、工业大模型与具身智能在生产及供应等环节应用，不仅提升效率，也会衍生出设备运维、系统集成、数据治理等一批新的技术型岗位。二是AI+新兴产业与未来产业的增量培育。智能机器人、智能网联汽车、低空经济、生物制造、脑机接口等方向，既是“十五五”部署的新增长点，也是典型的高技术、高附加值领域，对中高技能人才的吸纳能力最强，理应成为承接AI替代劳动力的主战场。三是AI+现代服务业的融合升级。研发设计、检验检测、智慧医疗、健康养老等领域兼具技术密度与人力密度，是“人机协同”最容易落地、也最容易创造大量新岗位的场景。

与之匹配，产业政策工具也需相应调整。其一，加大普惠性供给，通过公共算力平台、行业基础模型、算力券与数据券等方式降低中小企业使用AI的成本，避免技术红利过度集中于头部平台而加剧K型分化。其二，扩大场景开放，在深入实施“人工智能+”行动的框架下，率先在公共服务、城市治理、医疗教育等领域释放高质量应用场景与数据资源，以需求牵引供给。其三，完善风险分担，用政府投资基金、中长期信贷、资本市场等工具分担传统企业智能化改造成本。其四，优化区域布局，引导各地依产业禀赋差异化承接，避免算力和同质化项目重复建设，把有限资源更多投向“AI+产业”的应用侧而非单纯的基建侧。

2.抓手之二：以“投资于人”为核心，避免技能错配与长期结构性失业

从更长周期看，AI时代最重要的宏观政策之一，是“投资于人”。与传统逆周期政策更多着眼于资本形成和总量刺激不同，AI冲击首先重塑的是劳动者的能力结构、职业路径和收入预期，因此“投资于人”应成为连接技术进步、产业升级与社会稳定的关键政策抓手。

AI时代，人与岗位的技能错配可能表现为三重时滞：一是教育供给时滞，高校专业与课程体系的调整周期以年计，而AI对岗位技能要求的重塑却以月计；二是再培训时滞，现行培训体系更多面向低技能群体的基础技能，缺少面向中高技能白领的高阶转型通道；三是识别时滞，哪些岗位正在被替代、哪些技能正在升值，缺乏系统的观测与预警。若三重时滞不被压缩，被AI替代的劳动力就可能长期沉淀为结构性失业。

对此建议：一是推动教育供给动态适配，建立学科专业与产业需求的联动调整机制，把AI素养和人机协作能力纳入各专业通识教育内容，扩大“AI+各专业”交叉培养规模，鼓励龙头企业、行业协会与高校共建真实场景的实训基地和联合课程，缩短从课堂到岗位的适配时间。二是建立AI就业影响的常态化监测和岗位技能图景，动态发布AI高替代风险岗位清单、高需求技能清单与转岗路径建议，形成“监测—预警—培训—转岗”的闭环。三是加快新职业标准制定与职业技能等级认定，把模糊的技术需求转化为清晰的岗位标准。只有当投资于人从教育政策上升为宏观政策，AI时代的技术红利才更有可能转化为更广泛的就业承接能力、收入增长能力和社会流动能力。

3.抓手之三：以新产业带动新消费，形成需求牵引的正向循环

产业增量最终要体现为居民收入增量，才能完成“技术—产业—消费”的闭环。这不仅需要新岗位带来新的工资性收入，也需要收入分配制度的配套完善：一是在初次分配中稳定劳动报酬份额，通过最低工资合理增长和技能薪酬体系建设，避免效率红利过度向资本端集中；二是探索数据等新型生产要素的收益分享机制，明确权属与分配规则，使贡献数据的劳动者和消费者也能分享要素收益；三是在再分配环节，充实社会保障基金，形成技术红利向全民转移的稳定通道。

而在实现居民收入增量后，建设现代化产业体系的落脚点，是要通过新产品、新服务、新场景的扩展，形成更丰富的新消费。诸如智慧医疗、智能家居、养老科技、在线教育等新型生活服务，本质上都是AI从供给端向需求端扩散的桥梁。只有当AI一方面提升企业效率，另一方面又不断催生居民愿意购买、愿意持续支出的新型服务供给，经济才会形成更完整的内生循环。建议政府通过监管沙盒、场景开放、试点示范和包容审慎监管，为新供给、新消费和新就业之间的联动创造空间。

（三）筑防线：以民生兜底和风险分层，构筑AI转型期风险缓冲

无论产业培育、人才转型还是需求形成，都需要一定的时间过渡，而AI对岗位的替代却可能先行发生，这一时间差正是风险最容易积累的窗口期。因此，必须在培育新动能的同时强化抗风险能力，形成社会、企业与家庭三道递进的缓冲机制。

1.政府层面：从“救助底部”扩展到“稳住中部”，更加重视居民部门承接能力建设

现行社会保障体系的设计初衷，主要是防止底部群体陷入贫困，其瞄准机制、给付水平和触发条件都以生存保障为基准。而如本文第二章所述，本轮AI冲击的落点在中间层，这一群体通常有资产、有负债、有大额支出。尽管其风险不表现为基本生计困难，但Malmendier和Shen（2018）的研究表明，过去的失业经历等经济冲击可能对消费者行为形成长期“疤痕效应”：经历较高失业环境的消费者会对未来财务状况形成持续悲观预期，并在多年后仍显著减少消费。因此，社会保障需要从“底部救助型”向“中部稳定型”作适度扩展。

具体而言：一是完善失业保险制度，扩大对灵活就业、平台就业和新就业形态劳动者的覆盖，适度提高待遇水平与领取期限、缩短待遇等待期；同时优化就业技能提升补助，对参加认定培训并处于转岗期的劳动者提供阶段性生活补贴，使其真正具备平滑收入冲击的功能。二是发挥公共部门的稳定器作用，一方面继续减轻教育、医疗、养老和育儿的长期支出压力，直接释放预防性储蓄、修复消费意愿；另一方面在冲击集中期适度扩大养老、托育、基层医疗、社区治理与生态环保等公共服务供给，既补齐民生短板，又直接吸纳就业。三是前瞻应对工资性税基收缩带来的财政压力，研究劳动与资本之间的税负结构再平衡以及新型生产要素的税收归属问题，为社会保障的可持续性预留空间。

2.企业层面：从“减员替代”转向“人机协同”，让AI更多成为赋能工具

企业需避免将AI简单理解为降低人工成本的工具，而应更多把它作为提升劳动效率、重塑业务流程和创造新需求的能力平台。如果企业过度追求短期裁员和压缩人工成本，虽然可能在局部带来利润改善，却也可能通过削弱居民收入、压低消费和收缩需求，最终抑制企业自身长期增长空间。更优的路径是推动“人机协同”：一方面利用AI承担重复性、标准化和低附加值任务，释放员工的时间与精力；另一方面通过岗位再设计、技能升级和流程重构，让劳动者更多转向高附加值、综合判断、客户服务和创新型工作，在提高效率的同时扩大产品与服务边界，创造新的收入来源。

在此基础上，有两点尤其值得重视。一是优先建设内部劳动力市场。当部分岗位被AI替代时，通过内部再培训和转岗安置消化冗员，其综合成本往往低于“裁员—再招聘”的循环，也更有利于保留组织内的隐性知识。二是审慎对待入门级岗位的收缩。初级岗位是整个行业人才梯队的入口，若全社会普遍以AI取代初级岗位，会切断中高级人才的培养链条。这是一个典型的集体行动困境，需要政府部门、行业协会、龙头企业等形成合力加以应对。

3.家庭层面：优化资产与人力资本“双配置”，提升个体抵御不确定性的能力

家庭面对AI时代的不确定性，关键不只是增加预防性储蓄，而应更系统地优化资产配置与负债结构，提高应对收入波动的韧性。例如，适当降低对单一房地产资产的过度依赖，逐步提高金融资产、养老储备和长期稳健型资产的配置比例。在我国由土地财政转向新质生产力、AI持续重塑产业格局和资本回报结构的背景下，家庭通过更均衡地配置金融资产和长期资产，增强对科技进步和新增长领域的参与度，从而更有可能分享技术发展带来的财富增值红利，而不是仅仅被动承受技术冲击对收入端的影响。

除此之外，对人力资本的再配置同样重要，即提升个人技能水平与就业韧性。个人则需尽早从“依赖单一学历和单一岗位溢价”转向“专业能力+AI协同能力”的复合积累，持续提升跨场景理解、复杂判断、沟通协同和工具应用能力，提高自身的批判性思维、复杂沟通与创造力等难以被AI替代的能力素养。

六、风险提示

对政策理解不到位的风险；政策落实不及预期的风险；技术发展和商业化节奏不确定性风险。

参考文献：

[1] ARISTOTLE. Politics[M]. RACKHAM H, trans. Cambridge, MA: Harvard University Press; London: William Heinemann, 1944.

[2] LIPSET S M. Some social requisites of democracy: Economic development and political legitimacy[J]. The American Political Science Review, 1959, 53(1): 69-105.

[3] 大前研一. M型社会: 中产阶级消失的危机与商机[M]. 刘锦秀, 江裕真, 译. 北京: 中信出版社, 2007.

[4] KEYNES J M. The general theory of employment, interest and money[M]. London: Macmillan, 1936.

[5] FRIEDMAN M. A theory of the consumption function[M]. Princeton, NJ: Princeton University Press, 1957.

[6] ANDO A, MODIGLIANI F. The “life cycle” hypothesis of saving: Aggregate implications and tests[J]. The American Economic Review, 1963, 53(1): 55-84.

[7] LELAND H E. Saving and uncertainty: The precautionary demand for saving[J]. The Quarterly Journal of Economics, 1968, 82(3): 465-473.

[8] FISHER I. The debt-deflation theory of great depressions[J]. Econometrica, 1933, 1(4): 337-357.

[9] MIAN A, RAO K, SUFI A. Household balance sheets, consumption, and the economic slump[J]. The Quarterly Journal of Economics, 2013, 128(4): 1687-1726.

[10] KALECKI M. Class struggle and the distribution of national income[J]. Kyklos, 1971, 24(1): 1-9.

[11] AZAR J, GINÉ M, SANZ-ESPÍN J. The wage effects of generative AI[R]. SSRN Working Paper No. 5842084, 2025, revised 2026-07-05.

[12] CHEN X. Abundant intelligence and deficient demand: A macro-financial stress test of rapid AI adoption[R]. arXiv preprint arXiv:2603.09209, 2026.

[13] GOMES F, JANSSON T, KARABULUT Y. Do robots increase wealth dispersion?[J]. The Review of Financial Studies, 2024, 37(1): 119-160.

[14] KAPLAN G, MOLL B, VIOLANTE G L. Monetary policy according to HANK[J]. American Economic Review, 2018, 108(3): 697-743.

[15] AUTOR D H, CHIN C, SALOMONS A, SEEGMILLER B. New frontiers: The origins and content of new work, 1940–2018[J]. The Quarterly Journal of Economics, 2024, 139(3): 1399-1465.

[16] MALMENDIER U, SHEN L S. Scarred consumption[R]. NBER Working Paper No. 24696, 2018.

如需获取报告全文，请联系您的客户经理，谢谢！

本文摘自：中国银河证券2026年8月19日发布的研究报告《【CGS-NDI辩日】AI繁荣的阿克琉斯之踵： 科技革命冲击就业，为何本轮AI尤为值得警惕？》

首席经济学家：章俊 S0130523070003

分析师：彭雅哲 S0130525020001

分析师：赵红蕾 S0130524060005

评级标准：

评级标准为报告发布日后的6到12个月行业指数（或公司股价）相对市场表现，其中：A股市场以沪深300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准，北交所市场以北证50指数为基准，香港市场以恒生指数为基准。 行业评级

推荐：相对基准指数涨幅10%以上。

中性：相对基准指数涨幅在-5%～10%之间。

回避：相对基准指数跌幅5%以上。

公司评级 推荐：相对基准指数涨幅20%以上。

谨慎推荐：相对基准指数涨幅在5%～20%之间。

中性：相对基准指数涨幅在-5%～5%之间。

回避：相对基准指数跌幅5%以上。

法律申明：

本公众订阅号为中国银河证券股份有限公司（以下简称“银河证券”）研究院依法设立、运营的研究官方订阅号（“中国银河证券研究”“中国银河宏观”“中国银河策略”“中国银河固收”“中国银河科技”“中国银河先进制造”“中国银河消费”“中国银河能源周期”“中国银河证券新发展研究院”）。其他机构或个人在微信平台以中国银河证券股份有限公司研究院名义注册的，或含有“银河研究”，或含有与银河研究品牌名称等相关信息的其他订阅号均不是银河研究官方订阅号。

本订阅号不是银河证券研究报告的发布平台，本订阅号所载内容均来自于银河证券研究院已正式发布的研究报告，本订阅号所摘录的研究报告内容经相关流程及微信信息发布审核等环节后在本订阅号内转载，本订阅号不承诺在第一时间转载相关内容，如需了解详细、完整的证券研究信息，请参见银河证券研究院发布的完整报告，任何研究观点以银河证券发布的完整报告为准。

本订阅号旨在交流证券研究经验。本订阅号所载的全部内容只提供给订阅人做参考之用，订阅人须自行确认自己具备理解证券研究报告的专业能力，保持自身的独立判断，不应认为本订阅号的内容可以取代自己的独立判断。在任何情况下本订阅号并不构成对订阅人的投资建议，并非作为买卖、认购证券或其它金融工具的邀请或保证，银河证券不对任何人因使用本订阅号发布的任何内容所产生的任何直接或间接损失或与此有关的其他损失承担任何责任，订阅号所提及的任何证券均可能含有重大的风险，订阅人需自行承担依据订阅号发布的任何内容进行投资决策可能产生的一切风险。

本订阅号所载内容仅代表银河证券研究院在相关证券研究报告发布当日的判断，相关的分析结果及预测结论，会根据银河证券研究院后续发布的证券研究报告，在不发出预先通知的情况下做出更改，敬请订阅者密切关注后续研究报告的最新相关结论。

本订阅号所转发的研究报告，均只代表银河证券研究院的观点。本订阅号不保证银河证券其他业务部门或附属机构给出与本微信公众号所发布研报结论不同甚至相反的投资意见，敬请订阅者留意。

《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过微信订阅号发布的本图文消息仅面向银河证券客户中的机构专业投资者，请勿对本图文消息进行任何形式的转发。若您并非银河证券客户中的机构专业投资者，为保证服务质量、控制投资风险，请取消关注、请勿订阅、接受或使用本订阅号的任何信息。

本订阅号所载内容的版权归银河证券所有，银河证券对本订阅号保留一切法律权利。订阅人对本订阅号发布的所有内容（包括文字、影像等）的复制、转载，均需注明银河研究的出处，且不得对本订阅号所在内容进行任何有悖原意的引用、删节和修改。

投资有风险，入市需谨慎。