文章核心观点 - 数据标注行业正从低技能劳动密集型向高技能、高学历门槛转变，成为AI进化关键但处于产业链下游的环节 [5][13][29] - 高学历数据标注员从事复杂评估与出题工作，旨在将AI模型回答质量从40%提升至80%，但个人职业发展有限且工作成就感低 [13][16][24] - AI技术自身进化（如自动化标注）可能使人类标注员角色边缘化，而所有AI用户都在无意识中参与了对AI模型的训练 [32][33] 数据标注行业现状与演变 - 数据标注工作涵盖从简单的拉框、语音识别到复杂的专业领域出题与评估，难度与薪酬差异巨大 [10][13] - 行业早期将简单任务外包至菲律宾、肯尼亚或国内二三线城市的“零工岗”，而当前对复杂任务的需求吸引了985、211等名校毕业生 [11][13] - 行业已从劳动密集型产业转变为门槛不断抬高的“赛博流水线”，对标注员学历和专业能力要求持续提升 [29] 高技能数据标注岗位的工作内容与薪酬 - 复杂数据标注项目要求标注员充当AI“判官”，指出AI生成内容的不当之处，并在专业领域内设计问题以难倒AI，目标是推动AI理解人类模式 [13] - 此类岗位需为模型设定考点或参考答案（如check list或rubric），并进行大量培训，当前主流模型对标注员所设计问题的回答正确率最多仅40% [13][16] - 典型薪酬结构为底薪8000元加绩效，绩效多数人可达3000元，综合月薪过万，对985文科应届生具有竞争力 [16] 数据标注员的职业体验与困境 - 工作内容消耗巨大，例如评估多个AI模型生成的数万字小说，进行审阅、打标签、修改并示范“人味儿”，导致创作欲望减退和精神消耗 [20][21] - 绩效与标注量挂钩，但标注质量常与质检专家标准不符导致返修，影响收入，且岗位处于产业链下游，与产品、算法团队隔离，缺乏晋升空间 [23][24] - 标注员难以感知自身工作对AI模型进化的直接影响，普遍感到在做“无用功”，如同“聚沙成塔”中难以看清自身意义的沙子 [24][28] 数据标注在AI发展中的作用与未来趋势 - 高质量数据集是AI研究核心，例如李飞飞推出的ImageNet数据集包含1500万张图片，由4.8万名众包零工协助完成 [29] - AI技术正朝自动化标注与评估进化，例如通过自动化PE workflow agent实现自动评测，这可能减少对人类标注员的依赖 [31] - 所有AI用户与AI的互动（如对话、追问、纠正）都在无形中为AI提供训练数据，参与了“投喂AI的义务劳动” [33]

行业与公司概览 * **涉及的行业**：人工智能（AI）基础设施与模型、云计算与供应链服务、半导体（GPU/CPU/光连接）、数据中心、光通信、AI应用与智能体、消费互联网 * **涉及的公司**：OpenAI、亚马逊、英伟达、康宁、AMD、Lumentum、DeepSeek、谷歌、美图公司 核心观点与论据 AI基础设施投资与需求强劲 * OpenAI预计2024年投入**500亿美元**购置算力，以支持更先进的AI模型和更大规模用户服务[1] * 英伟达与康宁达成长期合作，康宁将新建三家美国工厂，使美国光连接产能提升**10倍**、光纤产量提升超**50%**，以强化AI基础设施建设[1] * AMD将服务器CPU总目标市场（TAM）上调至**1200亿美元**，并预计在2030年前年复合增速超**35%**，主要由代理式AI驱动[1] * Lumentum受益于AI及数据中心高景气，其EML激光芯片供需缺口超**30%**，scale-across组件已售罄[2] 半导体与数据中心产业链高景气 * AMD在26年第一季度和第二季度营收均超预期，数据中心业务贡献核心增量，其CPU与GPU的配比正朝**1:1**演进，份额目标冲击**50%**以上[1] * Lumentum第三季度营收达**8.08亿美元**，同比增长**90%**，非GAAP营业利润率同比提升超**2100个基点**[2] * Lumentum对第四季度的营收指引为**9.6亿至10.1亿美元**，显示持续增长预期[2] 科技巨头加速布局AI与应用生态 * 谷歌将于5月12日举办活动，预计集中发布Gemini系列AI新功能[4] * 谷歌正内测全新的AI智能体Remy，对标OpenClaw[5] * 亚马逊正式推出供应链服务，对外开放其物流网络，向零售、医疗、制造等行业开放货运、分拨、履约及包裹运输能力，首批客户包括宝洁、3M、Lands'End[1] * Claude的代码功能新增Loop循环功能，可定时自主运行，自动完成代码修复、反馈监控、测试维护等任务，被视为行业未来重要演进方向[5] 资本市场与用户增长动态 * 中国AI公司DeepSeek估值接近**450亿美元**，国家大基金牵头投资谈判，腾讯等机构拟参与入局[3] * 美图公司2026年第一季度全球付费用户超**1790万**，同比增长**30.2%**，创历史新高[5] 其他重要信息 * 文档信息为公开资料整理，不涉及具体的投资建议及研究观点[5]

纪要涉及的行业或公司 * 本次电话会议为摩根士丹利（大摩）的宏观策略会议，涉及对全球及中国宏观经济、政策、行业趋势的分析 [1] * 会议讨论了中国经济、美国经济、全球AI、能源、国防等行业，并具体提及了汽车、房地产、消费、绿色科技、AI硬件、化工、煤炭能源、金融专业服务等行业 [3][8][9][17] 核心观点与论据 1. 全球宏观与政策定调 * **中国政策：供给侧框架延续与强化** * 四月底的政治局会议延续并强化了供给侧政策框架，重心聚焦于能源安全、产业链自主可控、科技自立自强，并将“全面实施AI+”作为产业升级核心抓手 [3][4][5][22] * 会议未过度强调消费加码或地产放松等总量宽松政策，对房地产和消费领域预计短期不会有特别强有力的宽松支持政策 [4][6][22] * 政策资源将集中于算力基建、能源安全、先进制造和新型基建领域 [6] * 政策节奏强调“精准有效”，预计将用好3月两会已宣布的预算并靠前发力，下半年财政加码或政策利率下调的可能性下降，全年广义财政赤字率预计保持在占GDP的11.7%，与去年持平，央行今年大概率不再降息降准 [23][24] * **美国政策：美联储转向中性，降息延后** * 美联储FOMC议息会议完成政策转向，由前期偏宽松明显转向中性偏谨慎，修正了市场对降息的乐观定价 [3][6] * 预计今年全年美国不会降息，高利率格局将延续，依据是核心通胀未持续回落以及经济韧性超预期 [6][7] * 美国经济韧性呈现K型复苏，AI相关的资本开支（算力中心、数据中心等）成为经济运行的压舱石，具备很强刚性，部分对冲了消费下行压力 [7][8] 2. 全球投资超级周期与中国机遇 * **三重投资超级周期共振** * 全球正进入一个由AI、能源、国防三重因素交织驱动的投资超级周期 [2][8] * **AI**：已进入智能体（Agentic AI）主导的非线性迭代阶段，对GPU、CPU及相关配套设施的需求跃上新台阶 [2][3][8][14] * **能源**：中东地缘冲突引发的高油价扰动消退后，从企业到国家将加大对能源自给自足和能源转型的投资 [8][12] * **国防**：全球割裂化背景下，各国国防与安全预算呈明显上升趋势，军工装备领域资本开支显著加快 [8][13] * **亚洲资本开支大幅增长** * 根据大摩亚洲宏观经济团队测算，当前亚洲每年约110000亿美元的资本开支，预计到2030年将上升至160000亿美元，大幅提升50000亿美元 [8][13][20] * **对中国出口的积极影响** * 全球超级周期将给中国出口带来持续增量，中国在工业设备、能源设备、绿色电技术、算力配套硬件等领域有相当强的优势 [8][12][14] * 出口优势将集中体现在资本密集型行业，如绿色科技、AI硬件、化工、煤炭能源等 [9][10] * 4月份制造业PMI新出口订单指数连续两个月大幅提升，两年來首次回到50以上的扩张区间，印证了出口韧性 [23] 3. 中国经济现状：K型复苏与结构性挑战 * **经济呈现“冰火两重天”的分化格局** * **“火”的一面**：出口竞争力因产业链韧性、AI发展、绿色转型而可能更上一层楼，与全球投资超级周期形成共振 [9][21] * **“冰”的一面**：内需相对疲软，消费、地产一蹶不振，绝大多数行业仍处于产能过剩状态，通缩预期持续 [9][10][21] * **通胀回升缺乏内需基础** * 当前PPI和CPI的阶段性反弹主要是输入性成本（上游能源价格）带动，并非良性可持续的内需修复带动的再通胀 [6] * 由于企业传导成本能力有限，上游涨价很难传导至下游，内需疲弱也导致能源涨价难以向下游传导 [6][23] * 一季度工业利润率改善主要集中在与全球AI和绿色转型需求相关的板块，绝大多数与内需相关的板块利润表现进一步恶化 [23] * 实现真正的再通胀道路曲折 [10][23] * **总量复苏任重道远** * 能源安全、先进制造、算力基建等行业的机会可能只是宏观挑战下的微观机会，总量的复苏（房地产、消费）依然需要时间探索 [10][20] 4. AI发展的影响与挑战 * **AI进入非线性跃迁阶段** * 2024年是AI发展的基点之年，从去年对话框式的交互，转向可通过智能体自主规划、逻辑推理、跨工具调用的新阶段 [14][15] * **中国AI的差异化竞争路径** * 市场存在对中国在AI领域与美国差距拉大的担忧（如算力获取） [2][3] * 但大摩科技团队认为，中国可以依托工程效率、推理成本、开源生态和商业化落地，形成与美国差异化的竞争格局 [2] * **企业端应用加速渗透** * 根据全球第五次AI应用调查，中国市场AI应用持续落地，约37%（近四成）的中国企业已成为AI的采纳者或赋能者，核心业务受AI影响的企业占比上升至16% [16] * 当前中国AI采纳者中，91%主要考虑其对成本效率的提升作用，高于全球平均水平，但对收入的贡献尚处早期 [17] * **对就业的潜在冲击** * **短期影响平缓**：中美市场目前均未出现大规模裁员，更多体现为生产效率提升 [15][16] * **中长期风险集中在三个层面**： 1. 初级白领岗位（基础文案、运营）属于高替代领域 [17] 2. 金融、专业服务等领域，AI渗透提速可能拖累相关群体收入预期 [17] 3. 具身智能（如自动驾驶、无人机配送、人形机器人）未来可能替代部分中低端蓝领岗位 [18] * 若AI快速渗透落地，可能压制居民收入预期，不利于打破通缩和修复内需 [18] * 政策需通过职业技能再培训、新兴产业扶持、社会保障等来平滑冲击 [19] 其他重要内容 * **行业调研结果**：大摩团队对32个行业进行了实地调研，结果显示产业链整体具备韧性，但出口优势对各行各业的传导效应分化严重 [9] * **基建发力方向**：政治局会议提及基建将聚焦于“六个网”：水网、新型电网、算力网、新一代通信网、城市地下管网、物流网 [22] * **汽车行业案例**：会议后续将具体分析汽车行业，探讨反内卷是否仅靠海外需求，以及通胀回升的持续性 [3]