根据美国劳工部2月11日公布数据，1月新增非农13万人，高于预期的7万人，前值4.8万人，且显著高于达拉斯联储估算的3万人/月就业平衡水平（即每个月使劳动力市场保持平衡的新增岗位数量）。私人部门新增就业17.2万人，高于预期的7.5万人，前值6.4万人。从趋势上看，新增就业和私人部门新增就业人数3个月平均值均显著回弹。就业扩散指数从54.2%小幅回升至55%，显示就业增长的行业覆盖面有所扩大。
　　趋势来看，headline新增和私人部门就业的3个月移动平均值分别从-1.7万人和5万人回升至7.3万人和10.3万人；就业扩散指数从54.2%小幅回升至55%，显示就业增长的行业覆盖面有所扩大；11月和12月新增就业数据分别下修1.5万人和0.2万人至4.1万人和4.8万人。
　　需要提示的是，美国劳工统计局在本次报告中引入了一项“出生-死亡模型”的方法论变更，可能导致本次新增就业数据有所高估。1月数据中，劳工统计局引入更具顺周期特征的样本数据来修正“出生-死亡模型”（BirthDeath Model），这导致在就业市场出现边际放缓的背景下，模型对新企业创设（Births）贡献的岗位预估出现了非对称的放大效应，即在就业放缓期可能产生更大拖累，加速期则放大正向贡献，整体增加月度波动性。所以，1月非农数据的高斜率，除内生因素外，还一定程度上受到模型方法论变更的技术性抬升。医疗保健和社会救助1月新增就业13.7万人，为2020年9月以来最高单月增幅，可能与模型修正有关。
　　净出生-死亡模型是BLS弥补非农调查在企业开关方面统计盲区的核心工具。非农样本覆盖率约为全美非农雇员的四分之一，无法捕捉新生企业的就业增量，也难以准确识别倒闭企业的就业流失。BLS的处理方式分两步：先假设样本内的无应答和零报告（可能的企业死亡）被新生企业就业所抵消；再利用QCEW的就业计数检验该假设的偏差，对历史误差序列运用ARIMA外推，估算最近一次基准修正以来的超额净出生-死亡就业。因此，发布的调整项并非企业开关带来的全部就业变动，而仅是薪资调查假设无法覆盖的偏差部分。
　　BLS自2026年1月起正式将薪资样本数据实时纳入出生-死亡模型的当期估算。新方法利用样本内企业就业变动率与出生-死亡估算的历史关系，对基于QCEW滞后数据的外推值进行实时修正，也就是说，模型首次具备对当期经济状况的响应能力。
　　这种模型修正带来的增量具有明显的行业集中度。1月医疗保健与建筑业的新增就业表现异常强劲，其中医疗保健行业出现后疫情时代较为罕见的增幅，我们理解主要和统计参数调整带来的脉冲式增长有关，而不能完全表征内生性增长。
　　不过方法论修正不是唯一影响因素，数据还受益于AI产能投资的带动。就算剔除医疗保健分项，1月私人部门就业新增人数亦显著反弹，显示当前就业增长的动能相对广泛。建筑行业新增3.3万人，其中2.5万新增来自非住宅专业贸易承包商，涵盖电气、水暖、暖通空调（HVAC）以及结构性装修。我们理解这类增长并非源于传统住宅盖房，而是由于数据中心、电力基建和AI基础设施的建设热潮。拖累项包括联邦政府部门就业以及信息行业就业人数低迷，分别减少3.4万人和0.7万人。
　　1月建筑业新增的3.3万个岗位中，非住宅专业贸易承包商贡献了2.5万个增量，且主要集中在电气、暖通（HVAC）和结构装修领域。这一数据特征证实了AI产业链的资本开支（CAPEX）正在由云端应用向线下物理载体转移，即由传统住宅盖房转向对电力负荷要求极高的数据中心和AI computing集群建设。这种由硬基建驱动的岗位需求具有更强的抗周期性，反映出AI基础设施建设已成为美国实体投资转型的核心引擎。
　　从数据脱水角度看，剔除医疗项后的反弹验证了私人部门就业内生动能的广度。尽管医疗保健行业因模型修正出现了13.7万的技术性冲高，但私人部门在剔除此项后依然实现显著反弹，显示出就业复苏并非单一行业脉冲，而是由AI产能带动的一连串实体投资连锁反应。值得注意的是，信息行业就业跌至2022年5月以来的低点，反映出科技大厂在激进投入AI硬件基建的同时，对传统软件及应用端的白领岗位仍处于严苛的效率优化与裁员收缩期。这种重基建、轻应用的岗位分布，进一步解释了近期资本市场中硬件设备股优于软件股的底层逻辑。
　　医疗保健及社会救助行业贡献了13.7万个新增岗位，创下后疫情时代的单月新高，显示出老龄化趋势下医疗需求的刚性支出已成为就业市场的压舱石。
　　联邦政府就业因延期辞职计划落幕而减少3.4万人。
　　失业率数据走低。1月美国失业率（U3）从4.38%回落至4.28%。其中就业人口上升52.8万人，失业人口下降14.1万人，反映联邦政府停摆影响持续消退。从失业原因来看，重新进入劳动力市场人数减少和临时解雇人数减少对失业率形成下拉；辞职（job losers）人数上升对失业率形成上拉。此外，广义失业率（U6）大幅下降0.4个百分点至8.0%，反映出因经济原因被迫兼职的人群正在快速转向全职岗位，就业质量的改善甚至优于U3数据所呈现的表面读数。劳动参与率（