全球人工智能(AI) | AI将重塑劳动形态，各经济体面临的社会风险不一
扫码前往手机查看或分享
发布时间：2026年3月5日
分析师：Anushka Shah，Juan Carlos Urcia Barea，方敬，Marie Diron人工智能(AI)正深刻改变全球经济，对生产率和增长前景产生重要影响。其对劳动力市场的冲击将深远但不均衡，可能引发或加剧社会矛盾，而这些社会动态将影响各国AI的采用速度和深度，并最终塑造各经济体长期财政韧性与政治稳定性。政府管理劳动力冲击与社会保障转型的能力将成为主权信用质量的关键决定因素。
AI的普及将影响劳动职能与劳动成本。AI的推广将改变劳动在经济中的占比。在可通过自动化降低生产成本的行业，企业可能会将资源从劳动转向资本，加大对AI基础设施的投入。尽管部分被取代的劳动者可能通过再培训或从事新的任务而重新就业，但仍会出现一定程度的岗位流失，并可能削弱工资增速与消费表现。
人口老龄化国家有望从AI普及中获益更多，但社会风险可能削弱其红利。在老龄化经济体，GenAI1带来的生产率红利可在一定程度上缓解劳动力萎缩、抚养比上升的压力。然而，收入不平等程度较高、劳动力流动性较弱、社会保障体系存在缺口将使一些国家在转型过程中更易受政治与社会压力的影响。AI还可能加剧不同经济体之间以及经济体内部在财富、性别和教育水平方面的不平等，其中高收入、男性及高学历群体将更可能从中受益。
政府面临的社会风险敞口及其管理转型的能力，将决定其AI采用速度及受益程度。各国政府可能通过社会保障工具来实现AI转型的软着陆。由于这些措施具有财政成本，财政实力更强的国家更有能力在初期缓释风险。但各国政府也可能通过对AI带来的新增效益进行征税，以筹集所需的公共支出资金。
AI的普及将影响劳动职能与劳动成本
随着各国政府和企业将AI融入现有体系，劳动力市场将出现深远变化，不同经济体之间、以及劳动力各细分群体之间的影响将并不均衡。各国如何应对这些社会经济影响，将决定AI采用的速度与广度，并最终影响生产率提升以及经济增长效益，对主权信用质量也会产生差异化影响。
我们的基础情境评估认为，未来10年内受评主权国家通过采用生成式AI将带来年均1.5%的生产率提升，该评估的假设前提是各国政府会采取措施应对社会风险，使得失业率升幅保持在低位。但即便如此，部分岗位流失仍难以避免。
国际货币基金组织(IMF)和国际劳工组织(ILO)的研究提供了相关工作岗位面临的AI自动化风险敞口的估算：IMF认为发达经济体约三分之一的劳动力、以及新兴市场近四分之一的劳动力面临自动化风险；而ILO预估的岗位风险敞口规模则小得多，ILO估计高收入经济体中面临AI自动化风险敞口的就业占比为6.4%，而在全球范围内这一比例为3.3%(图表1和2)2。研究界对于AI对失业率的实际影响尚无定论，相关估算差异较大。
我们预计，最显著的岗位流失将集中在AI应用初期过渡阶段，且具体劳动力群体将面临不均衡的冲击。此后，随着AI的进一步采用，新任务和新岗位职能的出现，以及现有岗位技能的调整，将带来更为渐进且深层的结构性变化。
例如，在高技能和低技能劳动者通过AI受益最多的情况下，主要从事常规性认知工作的中等技能劳动者可能面临更少的就业机会，进而导致中产阶级的萎缩3。另一方面，在某些行业中，如果自动化降低了生产成本，企业和经济体可能会将资源从劳动转向资本，加大对AI基础设施的投资，并推动增长模式转变，其更广泛的影响还可能涉及工资和消费等领域。
新兴市场整体对自动化的敏感度较低，但行业结构仍是关键变量
IMF和ILO对自动化风险敞口的研究显示，新兴市场整体因AI应用而面临就业风险的人口占比普遍低于发达经济体，这一点也反映在新兴市场的生产率增幅上，我们预计其增幅将低于发达经济体。但各国的行业与职业结构将成为影响其劳动力市场受AI冲击的关键因素。
那些经济结构高度依赖制造业的新兴市场，在AI降低机器人及其他节省劳动力技术的采用门槛后，可能面临更显著的自动化压力，尤其是在纺织、电子组装等以常规化和标准化任务为主的行业中。但这些经济体多数受益于较低工资优势，因此决定任务自动化程度时还需在建设数字基建资本投入与现有劳动力成本之间进行权衡。
相比之下，在劳动力中从事专业服务比例更高的新兴市场，尤其是岗位集中于行政或技术职能、且涉及常规性白领职能的经济体，可能面临AI冲击的风险敞口更高。这类经济体多属于中等或中高收入国家，意味着其工资水平高于规模较小的前沿市场，因此扩大AI基础设施投资更具经济合理性，其中包括印度(Baa3/稳定)和菲律宾(Baa2/稳定)等由业务流程外包拉动的经济体，也包括制造业与服务业并重的国家，如东欧的波兰(A2/负面)、匈牙利(Baa2/负面)、保加利亚(Baa1/稳定)，还有拉丁美洲的墨西哥(Baa2/负面)和乌拉圭(Baa1/稳定)。然而，这些国家吸收AI冲击的能力较弱，原因在于普遍的劳动力市场非正规性和政府财政资源和制度框架能力都较为有限。
生产率红利尚未广泛传导之前，劳动力市场中的部分群体将面临更大不平等
在过渡阶段，AI普及的不均衡，可能带来不同收入水平国家之间的分化，同时也会在各经济体内部产生差距。财富持有者、黄金年龄劳动者及高学历劳动者更能从AI增强中受益，从而提升生产率并可能转化为更高实际工资(图表3)。与此同时，越来越多研究文献4显示，从国家层面看，女性、年长劳动者和学历较低劳动者由于面临的AI自动化风险敞口，这可能导致其在职场生产率提升空间较小。因此，在AI采用初期，这些不平等现象在整个经济全面受益前很可能持续，甚至进一步扩大。
弱势群体占人口比例较高的经济体面临的挑战将更加突出。例如，南非(Ba2/稳定)、美国(Aa1/稳定)和中国(A1/负面)本已存在显著的财富不均，而AI可能进一步加剧分化。ILO研究显示，在高收入和中高收入经济体中，女性的AI自动化敞口更高，这主要源于职业结构的差异(图表4)。在新兴市场经济体中，女性劳动力在AI相关岗位的参与率整体偏低，同时广泛存在的数字鸿沟限制了AI效益的释放，并制约了其加快采用速度。
尽管自动化导致岗位流失是AI采用带来的影响之一，但同时也催生了对新技能的需求。IMF的最新分析显示，发达经济体中大约每十条招聘信息中就有1条包含新的技能要求，并且新技能与更高薪酬挂钩；而在新兴市场经济体中，这一比例约为二十分之一。相关技能主要涉及计算机和认知型工作，而非体力劳动、常规性任务或以人际互动为主的工作，因此更常见于医疗、工程或数据服务等白领岗位(专栏)。鉴于应届毕业生本已面临求职困难，确保AI增强型技术的效益能够与新入职劳动力的技能相匹配，将在各领域变得尤为关键。美国初级劳动力市场新入职者的求职成功率已反映出这一点(图表5)。
上述因素可能促使政府在支持措施方面承担更大责任，例如推动劳动力的技能提升或再培训、完善社会保险制度、或提高弱势群体的福利待遇，以缓解劳动力市场调整带来的社会风险，并最大限度发挥AI的潜在效益。
随着AI的更广泛应用，一些岗位职能将被取代，但新的岗位也会随之出现，现有工作的性质和内容也将发生显著变化。随着任务演变和新角色涌现，劳动者可能需要重新培训或提升技能，其中包括发展与AI相关的能力，以及在创造力和社会智能等AI目前表现欠佳领域加强技能储备。
IMF的分析显示，新增的技能需求主要集中在信息技术领域，并与AI采用密切相关。满足这些技能需求的劳动者在美国和英国(Aa3/稳定)可获得3.0%–3.4%的薪资溢价。与此同时，快速采用AI的行业出现易受AI冲击岗位的就业下降，降幅最为明显的是更易被自动化取代的初级职位。
IMF的技能失衡指数(skills imbalance index)以美国为基准，衡量一国对新技能5的潜在需求与具备这些技能的毕业生供给之间的差距。根据该指数，卢森堡(Aaa/稳定)、瑞典(Aaa/稳定)、荷兰(Aaa/稳定)和巴西(Ba1/稳定)面临最突出的潜在技能短缺；而爱尔兰(Aa3/正面)、波兰和澳大利亚(Aaa/稳定)具备这些技能的人才充足但岗位需求相对不足(图表6)。
人口老龄化国家有望从AI普及中获益更多，但社会风险可能削弱其红利
因人口老龄化导致劳动力短缺的主权国家普遍更有望从AI采用中受益(图表7)。根据我们的社会因素发行人状况分数，我们预计，除泰国(Baa1/负面)以外，人口因素信用敞口为高或极高的投资级主权国家的年均生产率增幅预计将在1.2%-2.2%区间。
在奥地利(Aa1/负面)、芬兰(Aa1/稳定)以及部分东欧国家，例如爱沙尼亚(A1/稳定)和斯洛伐克(A3/稳定)等，生产率增幅在很大程度上由AI相关的增强效应和自动化共同驱动。但在某些国家中，自动化仍是主要推动力，其中希腊(Baa3/稳定)和意大利(Baa2/稳定)尤为突出。
尽管生产率上升带来显著的整体效益，但在劳动力和收入风险敞口本已较高的老龄化经济体中，既有的收入不平等会抵消AI带来的部分生产率效益，因为弱势群体面临更大的边缘化风险。
在人口因素信用敞口较高或很高的主权国家中，保加利亚、以色列(Baa1/稳定)和立陶宛(A2/稳定)的收入不平等程度尤为突出，其基尼系数(衡量经济不平等程度的指标)均超过35%。较高的社会保障支出有助于缓冲相关风险，但在韩国、泰国及部分波罗的海国家，这类支出相对不足，而财政灵活性有限也可能制约政府对弱势群体的支持力度。东南亚中，越南的占比最大，约为30%，其次是泰国和马来西亚，占比均接近15%。
对于西班牙(A3/稳定)、罗马尼亚(Baa3/负面)以及希腊等青年失业率已处于高位的老龄化经济体而言，若AI的部署导致应届毕业生可获得的就业机会进一步减少，则可能引发社会层面的反弹。尽管近期希腊的青年失业率已从此前的极高水平回落。此外，罗马尼亚、以色列和立陶宛中既未接受教育、也未就业或获得培训的人群(NEET)比例同样偏高。对西班牙和希腊而言，当地高学历劳动者占比较高是抵消不利影响的因素之一，这意味着其从AI增强效应中受益的潜力更大。
最后，研究表明，由于职业集中度的影响，女性劳动者在自动化进程中可能面临更高风险，尽管这一情况在不同经济体之间存在差异。韩国、匈牙利和罗马尼亚等国长期存在的性别差距6，表明在这些老龄化经济体中，女性从AI发展中受益的空间可能相对有限。在所有老龄化经济体中，泰国具备高等教育学历的就业人口占比最低。不过，从整体上看，这些经济体中女性理工科(STEM)毕业生的规模相对可观(占比均值约30%；罗马尼亚尤为突出，超过42%)，这在一定程度上缓和了自动化可能带来的性别不均衡影响(图表8)。
AI采用率较高的主权国家享受的AI红利可能并不均衡
对于AI采用率较高或快速上升的主权国家而言，如何应对对劳动力市场的潜在冲击可能是当下最紧迫的任务。微软的分析显示，截至2025年下半年，阿联酋(Aa2/稳定)、新加坡(Aaa/稳定)和挪威(Aaa/稳定)的AI采用率7最高；而韩国、阿联酋、法国(Aa3/负面)和新西兰(Aaa/稳定)的采用速度提升最快(图表9)。但上述该衡量指标仅基于Microsoft的遥测数据，因而未能充分体现部分市场中AI快速普及的实际情况，例如DeepSeek在中国的应用更广泛。尽管如此，数据仍显示，收入水平越高，AI的采用程度越高，两者之间存在明确关联。但各经济体在应对AI过渡阶段可能带来的劳动力市场分化方面，准备程度并不一致。
例如，新西兰在劳动力市场项目的公共支出低于经济合作与发展组织(经合组织)成员国平均水平。法国接受高等教育的劳动者占比较低，这使得劳动力中更大部分人可能难以从AI普及中受益，而其偏高的政府债务/GDP比例也限制了扩大福利或社保支出的财政空间。新加坡较高的基尼系数则表明弱势群体面临的既有压力。
阿联酋内部的AI应用率可能呈现不均衡，原因是许多群体的数字接入不足。在此背景下，社会压力可能使得原本保障不足的外籍劳工面临更高脆弱性。韩国则因收入不平等程度较严重和女性劳动力参与率偏低，可能在生产率提升带来的收益广泛显现前进一步加剧相关风险。
政府面临的社会风险敞口及其管理转型的能力，将决定其AI采用速度及受益程度
对所有经济体而言，政府消化社会影响的能力，将决定AI的采用速度及其受益程度。尽管AI很可能会带来一定程度的失业，但在人类技能仍具关键性的多数任务中，人类价值依然不可替代。
各国政府可能通过多种社会保障工具来缓冲AI转型冲击。由于这些措施具有财政成本，财政实力更强的国家更有能力在初期缓释风险。但各国也可能通过对AI带来的新增效益进行征税，以筹集所需的公共支出资金。
劳动力市场项目
各国政府通常会同时实施被动和主动的劳动力市场项目，以应对转型带来的变化。随着AI采用的加速推进，主动劳动力市场项目将尤为关键，因为其涵盖职业培训、再培训计划以及技能匹配等举措，旨在帮助劳动者胜任新的岗位需求。截至2022年，经合组织经济体用于劳动力市场项目的公共支出平均不足GDP的1%，且各国支出结构差异显著。
为促进在职劳动者顺利完成转型，一些国家已开始推动预防性技能培养项目(终身学习)。例如，新加坡向所有公民提供无条件培训补助，贯穿其整个职业生涯。然而，即便在发达经济体中，高技能与低技能劳动者的待遇差异仍然显著，其中韩国、波兰和意大利的低技能劳动者接受培训的机会尤其有限(图表10和11)。
国际组织也在政策引导中发挥作用。例如，在PROSPECTS计划框架下，ILO正通过数字技能培训和导师辅导项目，支持肯尼亚(B3/稳定)偏远地区的青年获得在线就业机会。
随着劳动力市场逐步趋稳，失业保险、社会保障和社会福利等被动型劳动力市场政策可能对被永久取代的劳动者更为关键。对劳动力中有较大比例岗位面临自动化风险的经济体而言，两类项目都将发挥关键作用。部分AI领先的国家也主张通过全民基本收入试点和劳动者转型政策，来缓冲AI相关的就业冲击。
对弱势劳动者的定向支持
旨在弥合性别差距、支持年长劳动者或零工经济从业者的相关项目，或为应届毕业生提供技能匹配或教育培训项目均有助于降低社会风险。
在对新技能的需求可能增强、但国内供给有限的情况下(专栏)，IMF建议各国政府优先推进终身学习，将信息技术融入课程体系，并加强STEM教育。对于年长劳动者，IMF建议以再培训和技能重塑计划替代提前退休，以应对其在适应新技术过程中的困难。德国(Aaa/稳定)、韩国和西班牙等多个国家已制定国家级AI战略，将AI驱动的教育和劳动力培训列为政策重点。
在技能供给超过需求时，IMF建议政策应更加关注通过改善融资渠道和支持企业创建来激励创新与企业采用。通常情况下，新兴市场结合以上两类策略往往受益更多。
政府还可以采用以下政策工具：
通过财政投入，引导AI创新流向能够创造优质岗位、并与人类技能形成互补的产业，而非推动替代效应突出的领域。
税收方面，IMF建议地方政府重新评估可能在无意中推动劳动力被快速替代的企业税收激励措施，并着力消除阻碍高效劳动节约型投资的制度性扭曲，这些问题在新兴市场经济体较更为普遍。同时，加强对资本所得的一般性税收，有助于在劳动收入占比下降时保护税基，并缓解财富不平等的扩大。
1.生成式AI是AI的一个子领域，其重点在于根据从现有数据中学习到的模式来生成新的内容，例如文本、图像、音频、视频或代码。其使用大语言模型、生成对抗网络和扩散模型等技术来生成类似于人类创造的内容的输出。
2.不同估算结果之间存在差异，主要源于所采用的方法不同。国际劳工组织(ILO)采用基于任务的分析方法，而国际货币基金组织(IMF)则使用基于调查数据构建的职业敞口数据集。此外，各自采用的敞口阈值、覆盖范围和规模也不尽相同。ILO的框架根据四个梯度来计算敞口：(1)低敞口、高任务变异性；(2)中等敞口、高任务变异性；(3)较大敞口、高任务变异性；(4)最高敞口、低任务变异性。任务变异性表明与生成式AI能力相匹配的任务占比。例如，高任务变异性意味着部分任务仍需人工完成；而低任务变异性则表明任务之间更加同质。此外还有AI敞口极小和无敞口的类别。
3.David Autor在文章中指出两极分化有可能避免。
4.请参阅 Algorithm and Eve: How AI will impact women at work, 经合组织，2024年12月;Who will be the workers most affected by AI?，经合组织，October 2024年10月和 Generative AI and Jobs: A Refined Global Index of Occupational Exposure，ILO，2025年5月。
5.以美国为基准。
6.采用世界经济论坛(WEF)的《全球性别差距指数》，该指数从四个关键维度衡量男女之间的相对差距：经济参与和机会、教育程度、健康与生存以及政治赋权。指数取值介于0至1之间，其中0表示完全不平等，1表示完全平等。
7.该指标以全球范围内在报告期内使用过生成式人工智能产品的人口占比来衡量。该指标基于汇总并匿名化处理的Microsoft 遥测数据，并进一步调整了不同国家在操作系统和设备市场份额、互联网普及率以及人口规模方面的差异。详见相关技术论文。
此报告是于2026年2月24日发表的穆迪报告Artificial Intelligence – Global: AI will reshape the nature of labor, with varying social risks across economies的中文翻译本。(中文为翻译稿，如有出入，以英文为准)
本报告并非信用评级行动公告。对于本报告中涉及的任何信用评级，请参阅https://ratings.moodys.com发行人/交易专页，了解最新评级行动信息和评级历史。
穆迪信用评级关联公司所发布的信用评级是他们对实体、信用承诺、债务或债务证券的相对未来信用风险的当前意见，穆迪出版或提供的材料、产品、服务和信息(统称“材料”)可能包括该等当前意见。穆迪将信用风险定义为某实体可能无法履行其到期的合同财务义务的风险，以及在发生违约或损害事件时的预计财务损失。关于穆迪信用评级所指的合同财务义务的种类的信息请见相关的穆迪评级符号和定义出版物。信用评级并不针对任何其他风险，包括但不限于：流动性风险、市场价值风险或价格波动。信用评级、非信用评估(“评估”)以及穆迪材料中包括的其他意见并非对当前或历史事实的陈述。穆迪材料也可能包括由Moody's Analytics, Inc.和/或其关联公司发布的以量化模型为基础的信用风险预测以及相关的意见或评论。穆迪信用评级、评估、其他意见及材料并不构成或提供投资或财务建议，穆迪信用评级、评估、其他意见及材料亦非关于购买、出售或持有特定证券的推荐意见，也不能提供该等意见。穆迪信用评级、评估、其他意见和材料均不会评论某项投资是否适合任何特定投资者。穆迪发布信用评级、评估和其他意见及出版或提供其材料之时预期并理解每位投资者将以应有的谨慎态度自主研究和评估其考虑购买、持有或出售的每项证券。
穆迪信用评级、评估、其他意见和材料不适于散户投资者的使用，如散户投资者在做投资决定时使用穆迪信用评级、评估、其他意见或材料，将是草率且不合适的。如有疑问，您应与您的财务顾问或其他专业顾问联系。
本文所载所有信息均受法律(包括但不限于版权法)保护，未经穆迪事先书面许可，任何人均不得以任何形式、方式或途径对该等信息全部或部分进行复制或翻印、重新包装、进一步传播、传送、散布、分发或转售，或存储供日后任何上述目的使用。为明确起见，本文所包含的任何信息均不得用于开发、改进、训练或再训练任何软件程序或数据库，包括但不限于任何人工智能、机器学习或自然语言处理软件、算法、方法和/或模型。
任何人不得将穆迪信用评级、评估、其他意见和材料作为基于监管目的而定义的基准 (benchmark)，亦不得以可能导致穆迪信用评级、评估、其他意见和材料被视为基准的任何方式使用穆迪信用评级、评估、其他意见和材料。
本文所载所有信息均系穆迪从其相信为准确和可靠的来源获得。然而，由于可能会出现人为或机械错误以及其他因素，本文所载所有信息均按“原样”提供，不附带任何形式的保证。穆迪会采取所有必要措施，使其在授予信用评级时采用的信息具备足够质量，并来自穆迪认为是可靠的来源，包括独立的第三方来源(如适当)。但穆迪并非审计机构，亦不能对评级过程或准备其材料时收到的信息在每个情况下均独立地进行核实或确认。
在法律允许的范围内，就因本文所载信息、或本文所载信息的使用或未能使用而引起的或与之相关的任何个人或实体的任何间接、特殊、后果性或附带性损失或损害，穆迪及其董事、高级管理人员、员工、代理、代表、许可人和供应商均不承担任何责任，即便穆迪或其任何董事、高级管理人员、员工、代理、代表、许可人或供应商被事前告知该等损失或损害的可能性，包括但不限于：(a)任何当前或未来的利润损失或(b)因并非穆迪特定信用评级的评级对象的金融工具引起的任何损失或损害。
在法律允许的范围内，就因本文所载信息、或本文所载信息的使用或未能使用而引起的或与之相关的任何个人或实体的直接或补偿性损失或损害，穆迪及其董事、高级管理人员、员工、代理、代表、许可人和供应商均不承担任何责任，包括但不限于由穆迪或其任何董事、高级管理人员、员工、代理、代表、许可人或供应商的疏忽(为避免疑问，不包括法律规定不得排除的欺诈、故意不当作为或任何其他类型责任)、或其控制范围内或超出其控制范围的偶发事件而导致的任何个人或实体的直接或补偿性损失或损害。
穆迪不以任何形式或方式对任何信用评级、评估、其他意见或信息的准确性、及时性、完整性、适销性或特定用途适用性提供或作出任何明示或暗示的保证。
由穆迪公司(“MCO”)全资持有的信用评级子公司穆迪投资者服务公司谨此披露：多数穆迪投资者服务公司评级的债务证券(包括公司债和市政债、债券、票据和商业票据)和优先股的发行人，在授予任何信用评级之前已同意向穆迪投资者服务公司支付信用评级意见和服务费用。MCO及所有以“穆迪评级”品牌名称(“穆迪评级”)发布评级的MCO实体亦执行政策及程序以便保持穆迪评级的信用评级及信用评级过程的独立性。关于MCO董事与被评级实体之间，及获穆迪投资者服务信用评级并已向美国证券交易委员会公开报告其在MCO持股5%以上的各实体之间可能存在某种关联的信息每年会在ir.moodys.com“投资者关系—公司治理—章程与治理文件—董事及股东关联政策”栏内刊登。
穆迪SF Japan K.K.、穆迪本地AR Agente de Calificación de Riesgo S.A.、穆迪本地BR Agência de Classificação de Risco LTDA、穆迪本地MX S.A. de C.V, I.C.V.、穆迪本地PE Clasificadora de Riesgo S.A.和穆迪本地PA Calificadora de Riesgo S.A.(统称为“穆迪非 NRSRO评级机构”)均为MCO间接全资拥有的信用评级机构子公司。所有穆迪非NRSRO评级机构均不是国家认可的统计评级组织。
仅针对澳大利亚的额外条款：任何出版到澳大利亚的本文件均依据下述穆迪关联公司的澳大利亚金融服务牌照发布：Moody's Investors Service Pty Limited，澳大利亚商业注册号码(ABN)：61 003 399 657，澳大利亚金融服务牌照号码(AFSL)：336969；及/或Moody's Analytics Australia Pty Ltd，澳大利亚商业注册号码(ABN)：94 105 136 972，澳大利亚金融服务牌照号码(AFSL)：383569(视情形而定)。本文件仅向2001年公司法(Corporations Act 2001)第761G条所定义的“批发客户”提供。如您继续在澳大利亚境内浏览本文件，即代表您向穆迪表示您为“批发客户”或代表“批发客户”浏览本文件，您或您代表的实体均不会直接或间接向2001年公司法(Corporations Act 2001)第761G条所定义的“零售客户”发布本文件或其内容。穆迪信用评级是针对发行人债务的信用度的意见，并非对零售投资者可获取的发行人股票证券或任何形式的证券的意见。
仅针对印度的额外条款：穆迪的信用评级、评估、其他意见和材料并非旨在被用于在印度证券交易所上市或拟上市的证券相关之目的，也不应被印度境内的任何用户用于上述目的。
有关第二方意见及净零排放评估(定义见穆迪评级评级符号和定义)的额外条款：请注意，第二方意见(“SPO”)及净零排放评估(“NZA”)均不属于“信用评级”。在包括新加坡在内的许多司法管辖区之内，SPO及NZA的发布不属于受监管的活动。日本：在日本，SPO及NZA的开发和提供属于“辅助业务”，而非“信用评级业务”，不受《日本金融商品交易法》及其相关法规中适用于“信用评级业务”规定的约束。中国：任何SPO：(1)并不构成中国任何相关法律法规所界定的中国绿色债券评估；(2)不能包括在任何注册声明、发售通函、招股说明书或任何其他呈交中国监管机构的文件中，或以其他方式用于满足任何中国监管披露要求；及(3)不能在中国境内用于任何监管目的或任何其他中国相关法律或法规所不允许的目的。在本免责声明中，“中国”是指中华人民共和国大陆地区，不包括香港、澳门和台湾。