引言

由斯坦福大學(xué)三位學(xué)者發(fā)布的研究報(bào)告《煤礦中的金絲雀？關(guān)于人工智能近期就業(yè)效應(yīng)的六個(gè)事實(shí)》（點(diǎn)擊閱讀全文），首次大規(guī)模、高精度地揭示了生成式人工智能（Generative AI）對(duì)美國(guó)勞動(dòng)力市場(chǎng)，特別是對(duì)初入職場(chǎng)的年輕工作者，所產(chǎn)生的早期而顯著的沖擊。

這份報(bào)告無疑是跨國(guó)界的未來職場(chǎng)生存指南，當(dāng)下的大學(xué)生、職場(chǎng)新人和中年，撞上的是百年未有之科技大變局。我將為大家做深度解讀。6000字，需要16分鐘閱讀，建議收藏在看之后備忘，找一段充足的時(shí)間看。

AI系統(tǒng)在SWE-Bench等基準(zhǔn)測(cè)試上的表現(xiàn)，從2023年的僅能解決4.4%的問題，躍升至2024年的71.7%。同時(shí)，AI在語(yǔ)言理解、學(xué)科知識(shí)和推理能力上的進(jìn)步也十分顯著。伴隨著能力的提升，AI的采用率也在飆升。截至2025年7月，18歲以上美國(guó)受訪者中，有46%在工作中使用了大型語(yǔ)言模型（LLM）。

在這種背景下，一個(gè)核心關(guān)切被不斷放大：AI是否已經(jīng)開始取代人力，特別是那些在高度暴露職業(yè)（如軟件工程、客戶服務(wù)）中的年輕、入門級(jí)員工？盡管辯論激烈，但實(shí)證證據(jù)卻一直滯后于技術(shù)發(fā)展。

這個(gè)研究正是為了填補(bǔ)這一空白，利用美國(guó)最大的薪資處理公司ADP的海量、高頻、個(gè)體層面的薪資數(shù)據(jù)，追蹤了數(shù)百萬名員工直至2025年7月的就業(yè)動(dòng)態(tài)，為這場(chǎng)辯論提供了迄今為止最清晰、最有力的實(shí)證依據(jù)。

術(shù)語(yǔ)解讀

讀報(bào)告之前，我們必須掌握一個(gè)術(shù)語(yǔ)，AI暴露度！

AI exposure，不是憑空給一個(gè)職業(yè)打分，而是深入到該職業(yè)所包含的數(shù)百項(xiàng)具體任務(wù)，評(píng)估AI對(duì)這些微觀任務(wù)的潛在或?qū)嶋H影響，再將這些微觀影響匯總，得出宏觀的職業(yè)暴露度。

做評(píng)估的第一種方法（基于任務(wù)自動(dòng)化潛力的專家評(píng)估）側(cè)重于潛力，第二種方法（基于真實(shí)AI對(duì)話數(shù)據(jù)的行為分析）側(cè)重于實(shí)際應(yīng)用行為。研究者通過結(jié)合這兩種方法，得出了更為全面和穩(wěn)健的結(jié)論。

五個(gè)區(qū)間分別為：

第一區(qū)間：AI暴露度最低的20%的職業(yè)。

典型職業(yè)舉例：健康護(hù)工（包括護(hù)理員、精神病護(hù)工和家庭健康護(hù)工）、維修技工、倉(cāng)庫(kù)管理員、女傭和清潔工。

第二區(qū)間：AI暴露度較低的20%的職業(yè)。例如卡車司機(jī)、送貨員裝配線上的技術(shù)工人、質(zhì)檢員，某些類型的零售店員、餐飲服務(wù)員。

第三區(qū)間：AI暴露度中等的20%的職業(yè)。典型職業(yè)舉例：一線生產(chǎn)主管。

第四區(qū)間：AI暴露度較高的20%的職業(yè)。典型職業(yè)舉例：市場(chǎng)營(yíng)銷和銷售經(jīng)理。

第五區(qū)間 ：AI暴露度最高的20%的職業(yè)。典型職業(yè)舉例：軟件開發(fā)人員、客戶服務(wù)代表、會(huì)計(jì)師和審計(jì)師、行政助理。

事實(shí)一：AI暴露度最高的職業(yè)中，年輕員工就業(yè)顯著下滑

自2022年10月以來，軟件工程師和客戶服務(wù)代表這兩個(gè)職業(yè)中22-25歲員工的就業(yè)人數(shù)出現(xiàn)了急劇下降。到2025年7月，年輕軟件開發(fā)者的就業(yè)人數(shù)比2022年底的峰值下降了近20%。相比之下，同一職業(yè)中30歲以上的員工，其就業(yè)人數(shù)則持續(xù)增長(zhǎng)。

與此形成鮮明對(duì)比的是低暴露度職業(yè)。在“倉(cāng)庫(kù)管理員”中，不同年齡段的就業(yè)趨勢(shì)幾乎沒有差異。

而最低暴露度的第一等級(jí)職業(yè)——“健康護(hù)工”（包括護(hù)理員、精神病護(hù)工和家庭健康護(hù)工），其年輕員工的就業(yè)增長(zhǎng)速度甚至快于年長(zhǎng)員工。這一對(duì)比強(qiáng)烈暗示，就業(yè)下滑并非由宏觀經(jīng)濟(jì)或行業(yè)周期等普遍因素驅(qū)動(dòng)，而是與AI暴露度直接相關(guān)。

由此得出一個(gè)清晰的規(guī)律：對(duì)于22-25歲的員工，AI暴露度越高的職業(yè)，其就業(yè)下滑越嚴(yán)重。

大白話再解讀：

35歲+的中年人淚流滿面，可算等來了職業(yè)第二春，老登變老燈

而職場(chǎng)新人，為了長(zhǎng)期發(fā)展，則需要選擇低暴露度職業(yè)。

護(hù)工要干啥？給老人翻身、擦洗、喂飯、心理疏導(dǎo)。全是體力活+情感活。AI能生成一萬篇護(hù)理指南，但替代不了你握住老人顫抖的手時(shí)，那份真實(shí)的溫度。這就是“增強(qiáng)”型職業(yè)的護(hù)城河。我認(rèn)為，懂心理關(guān)懷的護(hù)工，她們的薪酬以后會(huì)越來越高。

事實(shí)二：整體就業(yè)穩(wěn)健增長(zhǎng)，但年輕員工增長(zhǎng)停滯

從宏觀層面看，美國(guó)整體就業(yè)市場(chǎng)在后疫情時(shí)代依然表現(xiàn)強(qiáng)勁，失業(yè)率維持在低位。然而，當(dāng)按年齡分組觀察時(shí)，一個(gè)令人不安的趨勢(shì)浮現(xiàn)：自2022年底以來，年輕員工（22-25歲）的整體就業(yè)增長(zhǎng)陷入停滯，而其他年齡組的就業(yè)則持續(xù)穩(wěn)健增長(zhǎng)。

這一現(xiàn)象的根源在于AI暴露度的差異。研究者將職業(yè)分為高暴露度（第四、第五等級(jí)）和低暴露度（第一至第三等級(jí)）兩組進(jìn)行分析。

結(jié)果顯示，在低暴露度職業(yè)中，各年齡段的就業(yè)增長(zhǎng)率（6%-13%）并無明顯差異。但在高暴露度職業(yè)中，22-25歲員工的就業(yè)人數(shù)下降了6%，而35-49歲員工的就業(yè)人數(shù)卻增長(zhǎng)了9%以上。

這清晰地表明，正是AI高暴露職業(yè)中年輕員工的就業(yè)下滑，拖累了其整體就業(yè)增長(zhǎng)，導(dǎo)致了“年輕員工就業(yè)增長(zhǎng)停滯”這一宏觀現(xiàn)象。

事實(shí)三：AI的“自動(dòng)化”應(yīng)用導(dǎo)致就業(yè)下滑，“增強(qiáng)”應(yīng)用則不然

并非所有AI應(yīng)用都會(huì)導(dǎo)致就業(yè)減少。研究的關(guān)鍵洞見在于區(qū)分了AI的兩種不同作用模式：“自動(dòng)化”（Automation）和“增強(qiáng)”（Augmentation）。前者指AI直接取代人類完成任務(wù)，后者指AI作為工具輔助和提升人類工作效率。

研究者利用Anthropic Economic Index的數(shù)據(jù)，該指數(shù)基于數(shù)百萬次與Claude AI模型的對(duì)話，估算出每個(gè)職業(yè)相關(guān)的對(duì)話中，有多少比例屬于“自動(dòng)化”行為（如直接委托AI完成任務(wù)），有多少屬于“增強(qiáng)”行為（如與AI協(xié)作迭代、學(xué)習(xí)或驗(yàn)證工作）。

分析結(jié)果與理論預(yù)測(cè)完全一致：在那些AI主要用于“自動(dòng)化”的職業(yè)中，年輕員工的就業(yè)出現(xiàn)了顯著下滑。而在那些AI主要用于“增強(qiáng)”人類能力的職業(yè)中，年輕員工的就業(yè)并未出現(xiàn)下滑，甚至在某些情況下增長(zhǎng)最快。

這一發(fā)現(xiàn)至關(guān)重要，它表明AI對(duì)就業(yè)的影響并非其技術(shù)本身，而是其應(yīng)用方式。當(dāng)AI被用來取代人力時(shí)，它就會(huì)減少對(duì)初級(jí)勞動(dòng)力的需求；當(dāng)AI被用來賦能人力時(shí)，它反而可能創(chuàng)造新的機(jī)會(huì)。

大白話再解讀：

“自動(dòng)化”職業(yè)，就是你把活直接甩給AI，自己當(dāng)甩手掌柜。比如讓AI寫代碼、生成報(bào)告、回郵件。典型職業(yè)：軟件開發(fā)、會(huì)計(jì)審計(jì)、行政助理。在這些崗位，年輕人的就業(yè)曲線，清一色向下俯沖。

“增強(qiáng)”職業(yè)，是AI給你打輔助，你才是主角。你跟AI一起迭代方案，用它學(xué)習(xí)新知，讓它幫你驗(yàn)證成果。典型職業(yè)：注冊(cè)護(hù)士、維修技工、廚師、CEO。在這些領(lǐng)域，年輕人的就業(yè)不僅沒跌，有些還在漲。

所以，選對(duì)賽道，比啥都重要。別再一頭扎進(jìn)“自動(dòng)化”紅海。去那些需要“手感”、需要“人味”、需要“臨場(chǎng)發(fā)揮”的地方。AI是工具，不是對(duì)手。讓它替你搬磚，你負(fù)責(zé)蓋樓。

事實(shí)四：就業(yè)下滑并非由公司或行業(yè)沖擊導(dǎo)致

一個(gè)合理的質(zhì)疑是，上述就業(yè)下滑模式是否由其他因素驅(qū)動(dòng)？例如，是否是科技行業(yè)在2022-2023年經(jīng)歷的普遍招聘放緩或利率上升等宏觀沖擊，恰好影響了雇傭大量年輕、高AI暴露度員工的公司？

為了排除這種可能性，研究者在統(tǒng)計(jì)模型中加入了“公司-時(shí)間”固定效應(yīng)（firm-time fixed effects）。這個(gè)效應(yīng)可以吸收掉所有在同一時(shí)間點(diǎn)影響公司內(nèi)所有員工的沖擊，無論其職業(yè)或AI暴露度如何。

即便在控制了這些公司層面的沖擊后，22-25歲員工在最高AI暴露度職業(yè)中的相對(duì)就業(yè)下滑幅度依然高達(dá)12個(gè)對(duì)數(shù)點(diǎn)（約等于13%），且統(tǒng)計(jì)上高度顯著。而對(duì)于其他年齡組，這種效應(yīng)則微乎其微且不顯著。

這強(qiáng)有力地證明，觀察到的就業(yè)趨勢(shì)是AI暴露度本身驅(qū)動(dòng)的，而非與之相關(guān)的其他公司或行業(yè)層面的混雜因素。

事實(shí)五：勞動(dòng)力市場(chǎng)調(diào)整體現(xiàn)在就業(yè)而非薪酬

除了就業(yè)崗位數(shù)量，研究者也分析了員工的年度基本薪酬（已根據(jù)通脹調(diào)整）。結(jié)果發(fā)現(xiàn)，與就業(yè)數(shù)據(jù)的顯著分化不同，薪酬數(shù)據(jù)并未顯示出明顯的、與AI暴露度或年齡相關(guān)的系統(tǒng)性差異。

在高暴露度職業(yè)中，無論是年輕員工還是年長(zhǎng)員工，其薪酬增長(zhǎng)趨勢(shì)都與低暴露度職業(yè)中的同行大致相似。這可能有幾種解釋。

首先，根據(jù)Autor和Thompson（2025）的理論，取代“非專家”任務(wù)的技術(shù)會(huì)減少就業(yè)但提高工資，而取代“專家”任務(wù)的技術(shù)則可能產(chǎn)生相反效果。AI的影響可能同時(shí)包含了這兩種效應(yīng)，導(dǎo)致工資的凈變化不大。

其次，更可能的原因是“工資粘性”（Wage Stickiness）。在短期內(nèi)，企業(yè)可能更傾向于通過減少招聘或裁員來應(yīng)對(duì)技術(shù)沖擊，而非立即降低現(xiàn)有員工的工資，因?yàn)榻敌綍?huì)嚴(yán)重打擊士氣并引發(fā)人才流失。

大白話再解讀：

降薪會(huì)打擊士氣，但不招人，卷起來，市場(chǎng)供需關(guān)系就是生產(chǎn)關(guān)系，你不愛干，有的是人。所以，你不是輸在能力，而是輸在入場(chǎng)券被AI撕了。

事實(shí)六：研究結(jié)果在多種穩(wěn)健性檢驗(yàn)下依然成立

為了確保研究結(jié)論的可靠性，作者進(jìn)行了一系列嚴(yán)謹(jǐn)?shù)姆€(wěn)健性檢驗(yàn)，結(jié)果均支持其核心發(fā)現(xiàn)：

排除科技行業(yè)：有人可能認(rèn)為，就業(yè)下滑僅僅是科技行業(yè)周期性調(diào)整的結(jié)果。然而，當(dāng)研究者將“計(jì)算機(jī)職業(yè)”（SOC代碼以15-1開頭）或整個(gè)“信息產(chǎn)業(yè)”（NAICS代碼51）的公司從樣本中剔除后，年輕員工在剩余高AI暴露職業(yè)中的就業(yè)下滑趨勢(shì)依然清晰可見。這表明影響是跨行業(yè)的。

排除遠(yuǎn)程工作影響：另一個(gè)擔(dān)憂是，就業(yè)下滑可能與遠(yuǎn)程工作或外包有關(guān)。研究者根據(jù)Dingel和Neiman（2020）的分類，分別分析了“可遠(yuǎn)程工作”和“不可遠(yuǎn)程工作”的職業(yè)。結(jié)果發(fā)現(xiàn)，在兩類職業(yè)中，高AI暴露度都與年輕員工的就業(yè)增長(zhǎng)放緩相關(guān)。特別是在“不可遠(yuǎn)程工作”的職業(yè)（如銀行柜員、旅行代理）中也觀察到類似趨勢(shì)，這有力地反駁了“外包”是主要驅(qū)動(dòng)因素的假說。

教育質(zhì)量變化：有觀點(diǎn)認(rèn)為，疫情期間教育質(zhì)量下降導(dǎo)致年輕畢業(yè)生技能不足，從而影響了其就業(yè)。研究者按職業(yè)中大學(xué)畢業(yè)生比例高低進(jìn)行分組分析。結(jié)果顯示，在高學(xué)歷職業(yè)中，雖然整體就業(yè)在下降，但AI暴露度帶來的分化效應(yīng)較弱。而在低學(xué)歷職業(yè)中，高AI暴露度職業(yè)的就業(yè)在下降，低暴露度職業(yè)在增長(zhǎng)，且這種分化效應(yīng)持續(xù)到40歲左右的員工群體。這表明，教育質(zhì)量下降無法完全解釋核心發(fā)現(xiàn)，反而暗示對(duì)于非大學(xué)畢業(yè)生而言，工作經(jīng)驗(yàn)在抵御AI沖擊方面的緩沖作用更小。

性別差異：分別對(duì)男性和女性員工進(jìn)行分析，發(fā)現(xiàn)核心結(jié)論沒有差異，表明性別因素并非驅(qū)動(dòng)因素。

數(shù)據(jù)樣本：無論是使用平衡面板數(shù)據(jù)（公司樣本固定），還是使用完整的、包含新進(jìn)入和退出公司的樣本，結(jié)果都保持一致。

對(duì)比CPS數(shù)據(jù)：研究者將ADP數(shù)據(jù)與美國(guó)勞工統(tǒng)計(jì)局的“當(dāng)前人口調(diào)查”（CPS）數(shù)據(jù)進(jìn)行對(duì)比。CPS雖然是官方數(shù)據(jù)，但其樣本量小、波動(dòng)性大，難以精確捕捉特定年齡-職業(yè)群體的細(xì)微變化。相比之下，ADP數(shù)據(jù)提供了更清晰、更穩(wěn)定的趨勢(shì)圖景，凸顯了其在研究此類新興問題上的巨大優(yōu)勢(shì)。

職業(yè)指南

論文到此結(jié)束，但由此，我們可以得到一個(gè)清晰的職業(yè)指南：選擇AI暴露度低的行業(yè)！

那些不容易被AI替代的職業(yè)，其核心特征與斯坦福報(bào)告揭示的全球趨勢(shì)高度一致：它們往往需要復(fù)雜的人際互動(dòng)、實(shí)體操作、情感關(guān)懷或基于經(jīng)驗(yàn)的創(chuàng)造性決策，而非簡(jiǎn)單的信息處理或程序化任務(wù)。

具體來說，以下幾類職業(yè)在中國(guó)市場(chǎng)也展現(xiàn)出較強(qiáng)的“抗AI性”：

第一類：需要深度人際互動(dòng)和情感連接的職業(yè)。 例如，注冊(cè)護(hù)士、心理咨詢師、社會(huì)工作者、高端家政服務(wù)人員（如育嬰師、老年護(hù)理員）等。這些工作要求與服務(wù)對(duì)象建立信任關(guān)系，提供情感支持和個(gè)性化關(guān)懷，這是當(dāng)前AI難以復(fù)制的 。人力資源，特別是涉及招聘和獵頭的工作，需要說服和建立人際關(guān)系，也較難被完全替代 。

例如，AI可以幫助護(hù)士快速查閱海量醫(yī)學(xué)文獻(xiàn)、為患者提供個(gè)性化的健康信息，或協(xié)助制定護(hù)理計(jì)劃，但核心的臨床判斷、情感關(guān)懷和復(fù)雜決策仍需由人類護(hù)士完成。

第二類：依賴實(shí)體操作和現(xiàn)場(chǎng)應(yīng)變的技工類職業(yè)。 例如，高級(jí)維修技工、電工、管道工、廚師、焊工等。這些崗位需要在復(fù)雜的物理環(huán)境中動(dòng)手操作，處理各種非標(biāo)準(zhǔn)化的突發(fā)狀況，AI和機(jī)器人目前在靈活性和適應(yīng)性上仍有很大局限 。

AI可以提供菜譜創(chuàng)意、優(yōu)化烹飪流程，或給出焊接參數(shù)建議，但最終的“手感”、火候掌控和藝術(shù)性創(chuàng)作是AI難以復(fù)制的。

第三類：需要高度創(chuàng)造力和戰(zhàn)略決策的管理類職業(yè)。 例如，企業(yè)首席執(zhí)行官、高級(jí)策略規(guī)劃師、創(chuàng)意總監(jiān)等。這些職位需要基于不完全信息和復(fù)雜環(huán)境做出判斷，承擔(dān)風(fēng)險(xiǎn)，并激發(fā)團(tuán)隊(duì)，其核心是人類的領(lǐng)導(dǎo)力和遠(yuǎn)見，而非數(shù)據(jù)處理能力 。技術(shù)研發(fā)管理崗位，由于需要復(fù)雜問題解決能力，也較難被完全替代 。

AI可以提供市場(chǎng)分析、競(jìng)爭(zhēng)對(duì)手情報(bào)和財(cái)務(wù)預(yù)測(cè)，輔助CEO進(jìn)行戰(zhàn)略規(guī)劃，但領(lǐng)導(dǎo)力、愿景設(shè)定和重大危機(jī)決策無法被自動(dòng)化。

第四類：強(qiáng)調(diào)個(gè)性化和藝術(shù)性的創(chuàng)意職業(yè)。 例如，藝術(shù)家、設(shè)計(jì)師（尤其是用戶體驗(yàn)、產(chǎn)品設(shè)計(jì)）、作家、導(dǎo)演等。雖然AI可以輔助生成內(nèi)容，但原創(chuàng)性的構(gòu)思、獨(dú)特的審美和深刻的情感表達(dá)，依然是人類的專屬領(lǐng)域 。

在這些職業(yè)中，AI并非取代人類，而是作為強(qiáng)大的協(xié)作者和工具，幫助人類提升工作效率、激發(fā)創(chuàng)造力或驗(yàn)證工作成果。人與AI之間是深度協(xié)作的關(guān)系。AI主要用于“增強(qiáng)”人類能力。

總而言之，判斷一個(gè)職業(yè)是否容易被AI替代，關(guān)鍵在于看它主要依賴的是“顯性知識(shí)”還是“隱性知識(shí)”。

AI模型的訓(xùn)練過程使其擅長(zhǎng)處理和生成“顯性知識(shí)”，即那些可以被編碼、記錄和傳授的“書本知識(shí)”，而這正是正規(guī)教育的核心內(nèi)容。相反，AI在捕捉和復(fù)制“隱性知識(shí)”——那些通過長(zhǎng)期工作經(jīng)驗(yàn)積累的、難以言傳的“訣竅”和直覺——方面則相對(duì)乏力。

職場(chǎng)老油條們靠的是“隱性知識(shí)”，是那些沒法寫進(jìn)教科書的職場(chǎng)潛規(guī)則、人情世故、臨場(chǎng)應(yīng)變。AI再牛，也學(xué)不會(huì)怎么哄甲方爸爸開心，怎么在會(huì)議上把鍋甩得不著痕跡。所以，經(jīng)驗(yàn)成了最好的防彈衣。

在中國(guó)，任何需要“手感”、“人情味”、“臨場(chǎng)發(fā)揮”和“十年磨一劍”的經(jīng)驗(yàn)積累的工作，都更有可能成為AI時(shí)代的“安全區(qū)” 。相反，那些流程化、標(biāo)準(zhǔn)化、主要在電腦前完成的信息處理工作，則面臨更大的被自動(dòng)化風(fēng)險(xiǎn)。

后記：AI幻覺要解決，職場(chǎng)幻覺更緊迫

職場(chǎng)新人最容易犯的錯(cuò)，就是追求“穩(wěn)定”。以為進(jìn)大廠、考編制就萬事大吉。斯坦福的數(shù)據(jù)告訴你，在AI時(shí)代，“穩(wěn)定”是最危險(xiǎn)的幻覺。唯一不變的，是變化本身。你的能力，必須能跟著技術(shù)迭代。

美國(guó)大學(xué)生，正在從計(jì)算機(jī)科學(xué)等AI暴露度高的專業(yè)，流向那些AI難以自動(dòng)化、更側(cè)重于“增強(qiáng)”人類能力或需要大量“隱性知識(shí)”和人際互動(dòng)的領(lǐng)域。那中國(guó)大學(xué)生呢？

別再問“學(xué)什么專業(yè)好找工作”了。要問“我的工作，AI能不能干”。如果能，趕緊跑。如果不能，恭喜你，你站在了時(shí)代的風(fēng)口。未來十年，屬于那些能和AI共舞的人，而不是被AI碾過的人。

最后送大家一句話：在AI時(shí)代，最大的風(fēng)險(xiǎn)不是失業(yè)，而是你的技能，變得毫無議價(jià)能力。別做被優(yōu)化的螺絲釘，要做掌控工具的造物主。未來，屬于終身學(xué)習(xí)者，屬于人機(jī)協(xié)作的藝術(shù)家。

閱讀全文點(diǎn)擊《關(guān)于人工智能近期就業(yè)影響的六個(gè)事實(shí)》