全球人工智能 | AI带来的生产力提升取决于人口和职业结构
扫码前往手机查看或分享
发布时间：2026年3月3日
分析师：Anushka Shah，Juan Carlos Urcia Barea，方敬，Marie Diron人工智能(AI)的最新突破有望重塑全球劳动力市场。AI将通过自动化或增强某些任务来取代或辅助现有岗位，从而提升整体经济生产力。然而，部分被替代的工人将失去工作，或在后续工作中生产率水平下降。生产力提升的幅度在发达经济体和新兴市场之间以及各经济体内部将存在较大差异，这取决于劳动力的行业和职业结构、技术就绪程度、人口结构、现有失业率和劳动力成本等因素。最终，AI对主权的信用影响将取决于其实现的生产力提升是否抵消其社会和财政成本。
生产力提升将通过任务自动化、任务增强以及劳动力重新就业来实现。鉴于AI能够应用于非结构化和认知型任务，其发展对劳动力市场的影响将比以往的技术突破更为广泛和深刻。作为分析起点，我们估计，在106个受评主权国家中，使用生成式人工智能(生成式AI)1的平均生产力提升幅度为每年1.5%，这与其他研究结果基本一致。随着受增强和自动化影响的劳动力比例发生变化，以及代理式AI发挥更大作用，上述的生产力提升也可能随时间演进2。
发达经济体与新兴市场在AI成果上的差异掩盖了其背后的细微差别。虽然经济体的行业和职业结构在决定生产力影响方面发挥着重要作用，但由于发达经济体的AI敞口较大，因此可能实现较大的生产力提升。此外，由于许多发达经济体的生产力下降，因此获益将尤为明显。对于人口老龄化的经济体而言，劳动力萎缩可能成为更大比例的劳动力被自动化取代的理由，但得益程度将取决于被替代工人如何适应新的岗位，以及支持这一转型的社会经济政策。由于新兴市场工资水平较低、数字基础设施较为有限，因此劳动力被替代的风险通常较小。然而，部分新兴市场具备条件实现生产力的大幅提升，而另一些新兴市场则有望从数字基础设施的改善和有利的政策环境中受益。
重新就业劳动力的生产力水平以及新任务的产生将改变整体经济影响。被AI取代的工人能否像以往技术变革后那样转向生产力更高、薪酬更好的岗位，目前仍不确定。新产生的任务最有可能推动生产力提升，但这些任务也可能改变经济体中劳动力的职能范围。
生产力提升将通过任务自动化、任务增强以及劳动力重新就业来实现
我们预计AI对劳动力市场的影响将有别于以往的技术突破，其影响将随着时间的推移而逐渐显现。与以往主要取代日常体力任务的技术不同，AI将自动化与增强能力延伸至认知和非常规领域，包括研究、法律服务和创意性工作。因此，高技能、复杂的任务将从AI增强中受益，甚至可能随着时间的推移实现自动化。许多非常规体力任务(农业设备操作员和部分服务岗位)也可能实现自动化 (图表1)。
在本分析中，我们估算各经济体每年的总生产力提升，其中聚焦AI应用敞口较大的职业，这些职业分别从任务增强(增强效应)和自动化(替代效应)中获益，同时也考虑被自动化替代的工人如何重新就业(复职效应)。随着时间推移，部分被替代工人将在AI相关的新任务中找到工作，这些新任务将可能有助于生产力(图表2)3。
我们分析的起点是国际货币基金组织(IMF)关于生成式AI的数据，其中区分了相关技术具有互补性的任务和可能实现自动化的任务。我们的估算显示，在106个受评主权国家中，AI带来的劳动生产力提升幅度将平均约1.5%。基于目前的AI敞口水平，我们假设AI增强的益处将在10年期间逐步显现。随着受增强和自动化影响的劳动力比例不断变化，这些效益的幅度也将随之演变；同时，代理式AI的日益普及也可能进一步强化生产力提升。
平均而言，我们的研究结果意味着生产力将较当前水平累计提升近15%。但鉴于生产网络具有相互关联性，且GDP的计算是基于市场价值和产出而非效率改善，AI带来的生产力提升可能并不会直接转化为GDP增长。在评估对经济增长的总体影响时，资本投入和劳动投入的贡献同样至关重要。例如，为提升AI部署而进行的新增资本支出可能会随着时间逐步下降；同时，随着AI敞口上升，生产力提升可能出现边际递减，而非持续呈现线性增长。
更广泛而言，AI对主权的信用影响将取决于其实现的生产力提升是否抵消其社会和财政成本。
国际货币基金组织的数据显示，在发达经济体中，平均近30%的就业岗位属于高敞口、高互补性职业，这些职业有望因AI而获得增强；而几乎同等比例的就业岗位属于高敞口、低互补性职业，这些职业可能实现自动化或被替代。在新兴市场，这两个比例较低，分别为16%和24%。
为了便于比较，我们也参考了国际劳工组织(ILO)基于收入分类得出的结果，这一方法有别于国际货币基金组织按特定国家划分的敞口(图表3和4)4。国际劳工组织的框架显示的敞口低于国际货币基金组织的估计：对于高收入国家而言，自动化敞口为17.3%，增强敞口为16.5%。
为了进行分析，我们参考了日益丰富的文献，利用时点数据来评估AI能够增强或替代劳动力的幅度，以及能够产生生产力效益的程度。AI敞口最常见的衡量方法是将职业拆分为具体任务，评估AI可完成这些任务的程度，并据此估算其应用带来的生产力提升。各经济体的行业和职业结构对于评估这些生产力影响至关重要。按特定国家划分的AI敞口测算通常并不区分AI是发挥互补作用还是替代作用。其中最具代表性的测算来自Felten,Raj和Seamans(2021年)以及Elondou等人(2024年)。这些研究显示敞口与收入水平呈正相关。
近期关于AI宏观经济影响的研究对其提升生产力的效果提出了截然不同的观点(图表5)。例如，Briggs and Kodnani(2023年)估算AI每年可带来1.5个百分点的劳动生产力提升。相比之下，Acemoglu(2024年)的评估明显更为保守，其估计每年生产力提升幅度仅约0.1个百分点。
在对Acemoglu and Restrepo所采用的框架进行广泛调整的基础上，我们汇总可实现自动化的任务与可增强的任务的生产力提升，从而分析其对各经济体劳动生产力的影响。我们采用国际货币基金组织关于上述任务占比的数据，并按如下方式计算每年生产力提升幅度：
全经济生产力提升幅度 = 自动化带来的生产力提升(受失业率限制) + 增强带来的生产力提升(基于公司层面的生产力提升)
我们将每年可自动化任务的占比与各国的失业率挂钩，从而对该占比设定上限。我们的假设是：考虑到社会经济后果，即使自动化具备优势，结构性失业率也不太可能突破某个阈值。对于失业率高于5%的经济体，我们将永久性劳动力替代比例上限设定为每年5%。对于可能更能承受较高劳动替代率的经济体而言，较高的AI敞口可能带来更大的生产力提升；但自动化引发的社会经济后果仍将十分显著。这种方法在经验层面上的不足在于：对于失业率较低的经济体而言，这一机制同样会限制其生产力提升空间。
对于劳动增强效应时，我们假设企业整体效率提升25%，该假设基于多项微观研究的平均结果5，并且假设相关效率提升将在10年期间逐步实现。但是，不同职业的效率提升幅度存在差异，大约在18%-40%之间。对于部分缺乏国际货币基金组织数据的大型经济体，我们依据若干假设对其AI敞口进行了近似估算6。
在另一种情景下，如果每年未被自动化替代的劳动力在生产力较高或较低的行业找到工作，则劳动生产力将按相应的比例自动上升(下降)。为了计算这些影响，我们作如下调整：
全经济生产力提升幅度 = 自动化带来的生产力提升 + 增强带来的生产力提升 + 劳动力复职带来的影响
发达经济体与新兴市场在AI成果上的差异掩盖了其背后的细微差别
根据国际货币基金组织的AI敞口数据，发达经济体的生产力提升幅度将会较大，介于1.2%–2.9%之间；相比之下，新兴市场的提升幅度仅为0.4%–1.4%7，主要源于两类经济体职业结构的差异(图表6)。如果我们采用国际劳工组织的数据重复这一分析，在同一组经济体中，我们得出的平均生产力提升将不足1%8。
这些结果仅能大致衡量可能出现的生产力提升幅度。在实际应用中，各国具体的生产力提升和信用影响将取决于和多项变量。其中包括：AI增强效应带来的生产力提升幅度、被自动化替代的劳动力的未来生产力、劳动力自动化所引发的其他社会经济影响，以及AI的采用速度。
我们作出的某些限定条件和假设也会导致结果出现差异。尤其是部分政府可能会采取措施减缓AI的采用，从而管控相关的政治、社会和财政成本。对于失业率较低的经济体而言，自动化带来的潜在生产力提升幅度将受到限制。因为与失业率长期以来较高的国家相比，此类国家的居民普遍预计失业率将维持在较低水平。
若社会政策提供足够支持，老龄化发达经济体可受益于AI的应用
对于发达经济体而言，其AI敞口更大意味着这些经济体将从AI增强或任务自动化中获益最多。这应有助于支持生产力提升，而许多发达经济体在这方面处于落后状态(图表7)。我们的分析显示，卢森堡(Aaa/稳定)、瑞典(Aaa/稳定)、比利时(Aa3/负面)和丹麦(Aaa/稳定)将实现最大的生产力提升，每年提升幅度在2.4%-2.9%之间。
对于几乎所有经济体而言，生产率的提升主要由自动化驱动。但在新加坡(Aaa/稳定)、冰岛(A1/稳定)和挪威(Aaa/稳定)等部分经济体，AI增强对生产力提升的贡献将几乎与自动化相同。
对于人口老龄化的发达经济体而言，劳动力被替代的后果可能存在差异。从经济整体角度来看，自动化将在人力稀缺的领域填补缺口，从而维持甚至提高生产力增速。然而，年龄较大的劳动者可能更难找到新工作，并且在后续工作中生产率水平也会下降。因此，如果仅通过自动化实现生产力提升，其带来的整体经济效益可能会小于其敞口规模所显示的水平。
自动化替代劳动力也可能导致临近退休的工人失业或提前退休。这可能加大对政府提供失业救济金或社会保障的需求，并促使企业加强员工的再培训和技能提升。其他财政影响可能包括消费下降对税收收入的抑制效应。虽然企业层面可能会受益于生产力的提升，并最终通过更广泛的AI应用实现更强劲的经济增长，但在此期间政府将承担被替代工人的社会和财政成本(图表8)。
当前统计数据显示，韩国(Aa2/稳定)、阿联酋(Aa2/稳定)和法国(Aa3/负面)的AI扩散速度非常快9。
随着技术不断演进，AI增强和自动化的敞口可能进一步上升，从而带来额外的生产力提升。例如，若我们假设美国的AI敞口在10年内翻倍至60%左右，相当于基准情形下采用率每年增加7.2%，则在期末年份生产力的提升幅度将达到2.8%(图表9和10)。但如果采用率与智能手机或电脑类似，那么生产力提升速度将会更快，至少在最初几年如此。未来10年内，AI增强的敞口将从目前的30%升至73%-80%左右，并在的预测期后段几年带来约3%的生产力提升。
我们赋予以下情景50%的概率：在该情景中，AI逐步接管更大范围的业务活动，模型能够在最少监督下执行延展性的多步骤任务，从而使其适合在更多业务职能中更广泛的部署。这将带来更广泛、更深远的生产率提升。
新兴市场短期内的生产力提升幅度较低，但将获益于数字基础设施的进步和AI的应用
由于新兴市场工资水平较低、数字基础设施欠发达，因此与发达经济体相比，劳动力市场被替代的风险较小。此外，其生产力提升幅度也将会较小，从而与发达经济体的现有差距将会扩大。在缩小数字化和生产率差距之前，新兴市场可能面临更高的进入战略性产业的壁垒、更严峻的贸易环境以及更严重的市场准入障碍。
虽然新兴市场和前沿市场中有相当比例的劳动力从事常规体力任务，而这些任务面临的取代风险最大，但低工资削弱了自动化的经济效益。例如，在老挝(Caa2/稳定)，月均工资低于120美元，且三分之二以上的人口从事农业劳动。在这种情况下，由于AI带来的生产力提升可能有限，建立完善数字基础设施的经济可行性可能较低。
与发达经济体一样，新兴市场的优势将在很大程度上取决于AI的普及速度以及AI在各行业的普及程度。中国(A1/负面)是新兴市场中AI推动生产力大幅提升的典型案例。高水平的AI应用率和强大的数字基础设施为生产力的显著提高创造了有利条件，其提升幅度可能高于当前敞口所显示的水平。
对于波兰(A2/负面)、智利(A2/稳定)和马来西亚(A3/稳定)等较大的新兴市场而言，由于劳动力成本较高，使得自动化带来的生产力提升较大，因此自动化采用速度快于基准假设是非常合理的情景。数据显示，尽管可从AI增强中受益的劳动力占比较低，但数字基础设施的快速改善以及有利的政策环境有望推动更广泛的采用，从而带来更大的生产率提升。但这些经济体也可能会因自动化而面临失业问题。
国际货币基金组织的AI准备指数10显示，AI准备程度较高的受评新兴市场更有能力在短时间内受益于生产力的提升(图表11)。菲律宾(Baa2/稳定)和南非(Ba2/稳定)等准备程度稍弱的经济体则有望受益于基础设施建设和普及速度的加快。同样，印度(Baa3/稳定)庞大的人才储备和提升AI能力的政策重心也可能推动相关技术的日益普及。
为说明上述差异，我们构建了一个替代情景，将更高的AI准备度与更快的采用速度相联系。我们假设，在AI准备度较高的经济体中，受AI增强影响的劳动力群体将在6年内实现生产力提升。这将平均带来每年约20个基点的生产力提升。例如，将印度的采用年限从10年缩短到6年，每年生产力提升幅度将从0.8%升至1.0%。该情景假设劳动力中受自动化影响的占比保持不变。若自动化水平同时提高，生产力提升幅度可能会更大。
重新就业劳动力的生产力水平以及新任务的产生将改变整体经济影响
AI的应用不仅能够提升生产升力，还能释放劳动力，使其在其他岗位中创造额外的经济价值11。
我们作出的主要假设是，被自动化取代的工人会找到新的工作。假设各国政府将自动化程度控制在5%或以下，以控制失业率12并防止社会经济压力，则大部分处于受冲击行业的劳动力将获重新雇佣，进入现有或新的雇佣工作岗位。在此前的技术变革时期，被取代的工人往往能够进入生产力较高的新工作岗位，平均工资不断上升。然而，由于AI具有规模化和节省劳动力的特性，此次是否会出现类似结果仍存在不确定性。
在工人找到生产力较高工作的情景下，生产力提升将呈叠加效应。例如，如果工人将其掌握的技术知识运用到新的工作任务，并在AI赋能后的更高生产力下开展工作，则生产力将随之上升。最初，此类生产力的提升可能十分有限，但随着AI的采用程度不断提高，相关提升将会不断增加。
但在另一种情景下，如果被AI自动化替代的工人无法找到新的工作，或只能进入生产力较低的岗位，则劳动力份额可能收缩。这将抑制工资增长和就业，并带来社会经济影响。
如果新增任务出现在不太容易进一步自动化的行业，则可成倍扩大劳动生产力的提升
有人假设AI将创造此前不存在的新工作职能，这一假设已得到以往技术突破的研究支持。Autor等人(2022)的研究显示，2018年美国约60%的就业岗位是1940年不存在的职位。这些新增就业岗位大多集中在专业领域和服务行业，而生产行业的就业占比增长最慢13。
世界经济论坛(WEF)发布的《2025年未来就业报告》的调查结果显示，2030年前增长最快的职业可能包括大数据专家、金融科技工程师以及AI和机器学习专家。易受自动化影响的工作岗位可能会减少，包括各种文职岗位和行政助理(图表12)。
机器学习和AI解决方案相关的新岗位正开始涌现，例如数据科学家、AI治理和和执行相关岗位和提示工程师。这些新增任务的产生也将左右整体生产力的影响。根据这些历史研究结果，新增就业岗位很可能会推动而非削弱生产力的提升，从而进一步扩大整体效益。
随着时间的推移，AI技术向代理式AI的扩展将显著改变自动化和增强的敞口结构。具身AI14更有可能提高自动化程度，而代理式AI可增加受AI增强影响的劳动力比例，从而在降低失业风险的同时提高生产力。
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.我们衡量对生产力影响的方法是结合因更高效自动化而面临被取代风险的劳动力份额，以及可从互补性中受益的劳动份额。
3.本分析对Daron Acemoglu 和 Pascual Restrepo在《Automation and New Tasks: How Technology Displaces and Reinstates Labor》中所采用的框架进行了广泛调整。
4.国际劳工组织的分析采用具体的阈值来界定可增强或可自动化任务，这些阈值取决于增强和自动化敞口的程度，也取决于该岗位内部不同任务之间的差异程度，从而判断任务可自动化或增强的程度和频率。此方法也基于更具体的AI定义。国际劳工组织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。我们将梯度1和2相加以得出增强敞口，并将梯度3和4相加以计算自动化敞口。
5.例如，请参阅Miracle or Myth? Assessing the macroeconomic productivity gains from Artificial Intelligence，经合组织、AI and Productivity in Europe，国际货币基金组织和 Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality，哈佛商学院
6.例如，对于中国和韩国，我们采用新兴市场和发达经济体的平均敞口；对于马来西亚，我们采用新兴市场平均敞口比率。
7.不包括前沿市场
8.各项研究测算的生产力提升平均为1.5个百分点，从接近零到超过3个百分点不等。
9.采用新技术时，生产力通常呈现J曲线走势。这表现为生产力在初期下降，因为企业需要进行员工再培训和软件开发等无形投资。随后，随着隐性资产开始产生回报，生产力才会随之上升。请参阅The Productivity J-curve: How Intangibles Complement General Purpose Technologies，麻省理工学院。
10.该指数根据四大支柱评估一国采用AI的准备情况：数字基础设施、人力资本和劳动力政策、创新和经济一体化、监管和道德框架。
11.Acemoglu将劳动力重新分配至新的或经调整的任务称为“复职效应”，这一效应会持续产生劳动力需求。
12.我们假设各经济体的结构性失业率为现有失业率或5%的较低值。
13.Acemoglu和Restrepo(2018年)的研究也证实了这一点，该研究表明，1980-2015年美国约有一半的就业增长来自职位名称或所执行任务发生变化的职业。Acemoglu对以往技术突破的分析表明，1987-2017年，复职效应每年使劳动力需求增加0.4%，而替代效应每年使劳动力需求减少0.7%。
14.将AI融入机器人或设备等物理实体，使其能够根据实时数据和感官输入对环境进行感知、互动和适应，并做出自主决策。
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。