外汇专题报告：AI尾部风险最宽处在哪？

亚洲 欧洲 全球 2026年8月25日 外汇专题报告 AI尾巴最宽的地方在哪里？ Shreyas GopalStrategist+44-20-754-51501 未来，广泛使用人工智能将能大幅降低知识型工作的边际成本。我们建立了一个跨国框架，用以寻找受此次颠覆影响潜力最大、且潜在宏观结果的两极分化的货币。 我们根据两个关键维度——劳动力市场和贸易平衡——对三十种货币进行排名。我们的目标并非判断是何种冲击将使货币走向正面或负面极端，而是识别出影响程度可能最大的领域。 我们的核心结论是，英国可能面临的结果范围最广。人工智能对服务业的颠覆可能影响相对较高比例的国内劳动力，而英国目前大量出口受人工智能影响的服务，同时进口商品和其他服务。我们的分析表明，最近宣布成立的英国人工智能经济研究所的未来工作，可能对其国内政策影响尤为重要。 从外汇(FX)角度来看，由于欧元/英镑(EUR/GBP)当前的远期隐含波动率按历史标准衡量处于极低水平，因此类似勒式策略(option structures like strangles)的期权结构为交易这一长期主题提供了有吸引力的途径，而无需对哪个尾部(tail)将会实现持方向性观点。 引言 人工智能正通过多条宏观渠道重塑货币动态。在物理层面，资本支出繁荣推动了数据中心建设的本地化需求，推高了工资水平，要求更紧的货币政策，并支撑了货币汇率。在金融方面，围绕人工智能相关公司的外国股票资金流动已显著驱动了韩元等货币的波动性和方向。 本报告展望了下一阶段以及建设完成之后的一个潜在格局。在一个假设的世界里，人工智能作为一项百年难遇的服务业提效技术被完全整合，哪些货币的胜算最高？潜在结果的“尾部”又在哪里最为宽广？ 在本报告中，我们为外汇参与者提供了一套框架。我们采用跨国视角，分析了三十种主要货币的数据。我们关注两个维度。首先，我们着眼于劳动力市场，呈现了相对而言劳动力对人工智能的暴露程度数据。重要的是，我们考虑了人工智能在特定岗位上的潜在互补性（即增强而非自动化）。我们的第二个维度是贸易平衡。我们评估了哪些国家目前最依赖出口受人工智能影响的服务来资助其剩余的国际贸易。最后，我们提供了一些关于跨国人工智能采用和使用的初步证据。 我们的结果表明，几种货币可能会受到人工智能对服务业影响（正面或负面）的显著冲击：英镑（GBP）、新加坡元（SGD）、以色列新谢克尔（ILS）、菲律宾比索（PHP）、印度卢比（INR）。在这些货币中，总体而言，我们的结论表明，波动范围最广的结果是英镑。由于根据历史标准，欧元/英镑（EUR/GBP）的（期限更长的）隐含波动率非常低，因此套利交易策略提供了一种交易这一主题的结构，而无需事先对哪个尾部会实现形成强烈观点。 劳动力市场 人工智能对劳动力市场的影响正受到全球范围内的持续关注。事实上，以美国经济学家最新发布的数据为例，目前仍缺乏充分证据表明人工智能正推动大规模裁员。尽管如此，他们确实发现自2019年以来，人工智能采用率与JOLTS裁员数据变化之间存在某种早期关联，尤其是在那些利用人工智能替代任务的行业。更广泛地说，假设人工智能得到广泛应用，那么其下一阶段转型可能将以对白领工作的影响为主要特征。 从货币角度来看，人工智能对劳动力市场的冲击通过何种渠道传导至外汇市场，很可能会经由货币政策。例如，在负面情景下，失业率上升可能导致通胀下行压力，进而影响政策利率。反之，在正面情景下，就业方面任何影响都可能被生产力的显著提升、实际工资的增长以及结构性中性利率的提高所抵消。本报告不对此将出现哪种情景发表意见，而是旨在识别可能受到此类冲击影响最大的国家和货币。 为评估哪个地区的劳动力市场将受到人工智能的冲击最大，我们借鉴国际货币基金组织（IMF）的研究成果，构建了“互补性调整人工智能暴露指数”（C-AIOE）。该指标首先衡量特定岗位中人类能力与人工智能能力之间的原始重叠程度，然后调整人工智能被 作为特定角色中的补充而非替代（即增强而非自动化）。换句话说，它调整了某些高技能职业可能始终保留“人在回路中”安全措施这一事实（例如外科医生、工程师和法官），图2展示了这一点。完整的方法论可在本报告的附录中找到。 当然，以这种方式分析劳动力市场暴露，隐含地（且悲观地）假设了由于广泛的人工智能应用，不会出现新的产业和就业岗位。然而，我们下面提供的排名，在一种更温和的假设下——即新的就业岗位和产业在世界范围内更均衡地创造——仍然应该成立。 结果。图3绘制了三十种流动货币的排名。正值（负值）代表劳动力集中在比全球职业平均水平更（少）暴露于AI的职业中。然而，总的来说，我们认为这些指标在相对意义上或按排名使用时最有价值，而不是专注于其绝对值本身。 值得注意的是，人均GDP（根据购买力平价调整）更高的富裕国家往往其劳动力中有更大比例从事AI接触度更高的工作。图4将人均GDP与我们的劳动力市场接触度指标进行排名，以说明这一点。少数货币与这一普遍模式有所不同。 在G10国家中，英镑（GBP）表现最为突出，尽管英国在人均购买力平价（PPP）调整后的富裕程度仅排名第十一，但其劳动力市场敞口却位居第二高。同样，在CEEMEA地区，新谢克尔（ILS）在这一劳动力市场指标上也较为敏感。其他所有货币的劳动力市场敞口与其相应的富裕程度大体一致，尽管在亚洲，菲律宾比索（PHP）的劳动力市场敞口排名略高于其财富水平所暗示的排名。 在此指标上表现并不突出的货币是印度卢比（INR），排名垫底。这是因为虽然印度拥有庞大的IT专业服务领域，但这些岗位在其整体国内劳动力中仍仅占极小比例。当然，从生产率角度来看，这些岗位确实属于该国最高水平。事实上，图5展示了服务业生产率相对于 在其报告涵盖的任何其他货币中，GDP都更高。因此，虽然印度的整体劳动力市场似乎相对免受直接人工智能的冲击，但其城市经济的增长引擎仍然高度敏感，正如本篇《金融时报》报告中的定性分析所述。 图5：印度在可能被人工智能取代的工作岗位中，其整体劳动力的占比较低，但代表了其高生产率部门。 图4：英镑（GBP）是G10货币中，相对于GDP劳动市场人工智能（AI）敞口最高的货币。 外部平衡 我们接下来讨论一个未来AI影响中可能尚未充分探索的方面：服务贸易。服务贸易具有多种不同的供应模式（跨境供应、境外消费、境外商业存在、人员临时移动），这使得它通常比实物商品贸易更难衡量，也相对较少被探索。然而，对于几种货币而言，服务净出口是外部需求的一个关键来源，有助于抵消和弥补能源、制成品等实物商品的赤字。 数年后，人工智能可能成为全球服务业的一次积极供给冲击。人们可以勾勒出这样一种极端情景：在这种丰富的AI应用下，知识型工作的边际成本降至零。收益可能归于那些开发了芯片、内存、数据中心和模型的人，而最大的相对损失者则是那些目前依赖向世界其他地区出口此类服务的人。 相反，人们也可以设想一个世界：在这个世界里，赢家是那些已经大量出口服务的国家；在这个世界里，具有已显现比较优势的国家能够利用其现有专长，实现交易量的大幅增长，从而抵消任何价格下降。与劳动力市场分析一样，我们这篇文章的目的是识别那些贸易平衡可能受到最大冲击的国家，而不必对冲击的方向做出判断。 第一步是识别当前既出口服务又进口商品的国家（见图6）。在此，菲律宾、罗马尼亚、英国、印度和以色列等国的服务业是净出口国，而商品则是净进口国。在另一端，商品出口国挪威和秘鲁拥有最大的商品顺差，并且两国在服务业方面也都是净进口国。 我们进一步将服务贸易（粗略地）分为“受人工智能影响”和“其他/非人工智能影响”两类。我们将以下国际收支组成部分归入“受人工智能影响”类别：（1）电信、计算机和IT服务；（2）其他商业服务（法律、会计、管理咨询等）；（3）金融服务；（4）知识产权使用费；（5）保险和养老金服务。我们将以下类别归入“其他/非人工智能影响”类别：（6）旅行；（7）运输；（8）制造业服务；（9）维护与维修；（10）建筑服务；（11）个人/文化/休闲服务；（12）政府商品和服务。 当然，这种二元分类不如第一部分所应用的劳动力市场细分那样细致和精细，但考虑到跨国的数据可得性，我们认为这些简化假设是合理的。我们注意到，大多数国家在（8）至（12）部门中的净余额在规模上通常非常小。因此，我们下面呈现的结果表明，将这些五个类别中的任何一个归入这两个桶中的任何一个，结果都是稳健的。1 作为示例，图7显示了美国的特定服务贸易细分情况。根据我们的分类，美国是多种受人工智能影响的服务（包括金融和其他商业服务）的净出口国，但在其他/非人工智能影响的服务方面，其贸易大致平衡。 图7：美国在受人工智能影响的服务方面是温和的净出口国，而在其他服务方面几乎没有净贸易。 图8展示了在我们覆盖的货币范围内，受人工智能影响的服务领域前五大净出口国和净进口国。与劳动力市场分析类似，ILS和GBP表现突出。以以色列为例，国家来源数据进一步细分显示，其服务出口高度集中在计算机编程及相关活动上——去年（2）占其所有服务出口总额的55%以上。对于英国而言，图9显示其在多个受人工智能影响的服务子类别中呈现出大致均衡的分布——包括IT服务、其他商业服务（详情请参见我们的报告）和金融服务。这两个国家又分别被印度和菲律宾加入，尽管它们在服务价值链上的平均地位较低。前者在IT服务出口方面表现更多（见图10），而菲律宾的受人工智能影响顺差则更多来自其他商业服务（见图11）。附录包含了本报告涵盖的所有三十个地区的服务细分图表。 图9：英国是几种受人工智能影响的服务领域的净出口国，范围涵盖技术、咨询到金融。 接下来，图12有助于突出当前出口受人工智能影响最大的国家，相对于其各自GDP，也相对于其在其他/非人工智能影响服务方面的贸易。总的来说，相同的国家和货币仍然突出，作为未来对人工智能最敏感且尾部最宽（ILS、GBP、PHP、INR）的国家。在光谱的另一端——人工智能影响服务的净进口国，但其他服务的出口国——坐落着旅游业出口国，如TRY、THB和NZD。 从贸易角度来看，将所有这些因素综合起来，图13按国家排名净贸易敞口，计算方法为：净受AI影响的出口额减去其他服务和商品的净出口额。与劳动力市场一样，这里的一个隐含假设是，AI影响的是服务业而非商品产业。近期对拟人化机器人的关注增加，可能已经使这一假设略有简化，但无论如何，仍使我们的分析成为对后AI建设世界进行进一步研究的一个起点。在这项贸易平衡指标上，PHP、GBP、ILS和INR是受AI影响尾部最宽的货币，而NOK则处于另一极端。 新加坡是一个特殊情况，需要特别关注，因为它是仅有的在三个类别——受人工智能影响的服务、其他服务和商品——中均为净出口国的国家。在前者中，金融服务的净出口额足以抵消信息技术和专业（其他商业）服务的小规模逆差（图14）。关键在于，双向的贸易量都非常巨大——受人工智能影响的服务整体流动量几乎是下一个国家的三倍（图15）。生产率和需求的小幅变动都可能产生巨大影响，尤其是在新加坡与世界上其他地区在人工智能使用方面存在巨大差异的背景下，我们将在下文进一步探讨这一话题。 德意志银行，哈弗分析 结合两个维度 我们现在将报告中讨论的AI暴露的两个维度结合起来：劳动力市场和外部平衡。虽然发达市场货币通常在其国内劳动力中，有较高比例从事受AI影响的工作——尤其是在欧洲——但很少有这些地区依赖向世界其他地区出口这些受AI影响的服务，作为其贸易平衡和经常账户的主要支持来源。在G10外汇中，英镑是显著的例外，英国既有较高的劳动力市场暴露，也高度依赖向世界其他地区出口此类服务，以资助其商品和其他服务进口。在CEEMEA地区，ILS也属于这一阵营。 在EM的其他地区，从贸易平衡的角度来看，PHP和INR都较为敏感，但从受AI影响的工作岗位占其整体劳动力份额的角度来看，敏感性较低，这与它们作为发展中国家的地位相符。当然，确实如此，在AI所影响的行业是这两个经济体相对较高生产力和增