夜雨聆风
AI冲击最大的那批人,恰恰是读书最多的人
导语：
大多数人有一个根深蒂固的判断：AI会先替代流水线工人，再轮到办公室白领，知识工作者应该是最后一批受影响的。
但今年三月，AI公司Anthropic发布了一份基于真实用户行为的报告——不是模型预测，是实际测量现在的人正在用AI做什么工作。
数据的结论，和上面那个判断，正好相反。
程序员、分析师、文案、法务、客服——这些需要大学学历甚至更高学历的岗位，AI渗透率排名靠前。
而农业工人、厨师、修理工，AI参与度接近零。
这不是说知识工作者明天就会失业。但它意味着，我们很多人对”谁更安全”这件事的判断，可能需要认真重新校准一次。
高盛40年数据、Anthropic实测报告、《财经》杂志一线调查——这篇文章把目前最扎实的几份研究放在一起，试图回答一个真正重要的问题：
在这轮变化里，你具体站在哪里？
先讲一个细节，它比任何宏观数字都更具体。
2026年春节假期结束，北京，产品经理杨千回到公司。一个月后，公司的调整方案浮出水面：决定缩减三分之二的研发编制。
被调整的不只是刚毕业的应届生——一位拥有八年工作经验、技术能力公认扎实的资深工程师，也在名单之中。
接替他工作的，是一位熟练使用AI编程工具Cursor的应届生。老板在公司群里发了一道成本核算题：一位资深员工月薪3万元；三位应届生加上AI工具，月薪合计2.4万元，可以完成前者80%的工作。而从前需要两周才能交付的开发需求，现在三天就能出原型。
这笔账，反映的是一个时代真实的逻辑。
一、正在发生的结构性变化
2026年4月，全球科技行业出现了一批引人关注的人员结构调整。
Meta宣布在全球范围内缩减约8000个岗位，占员工总数的10%，同期冻结6000个在招职位。微软同期也对部分岗位进行了优化调整。
这两家公司，2025年均处于历史性盈利高位。这意味着这一轮岗位调整，并非出于经营困难，而是一种主动的战略选择——用人力成本预算换取AI算力投入，在效益最好的时期，提前布局人力最精简的未来架构。
这是一种战略信号，不只是一次人员调整。
值得关注的是，过去半年，类似的调整在全球科技行业密集出现：
-
Salesforce优化了约4000个客户支持岗位，明确指向AI工具替代 -
Pinterest、Block、WiseTech、Oracle、Atlassian、Snap等公司相继进行了不同规模的岗位结构调整 -
几乎每一家公司，都在公告中明确提到了同一个词：AI
职业研究机构Challenger, Gray & Christmas的分析师指出：
“企业正在把预算从就业岗位转向AI投资。这是可以直接观察到的现象，不是预测。”
二、高盛翻查40年数据，发现了什么
今年4月，高盛经济学家Pierfrancesco Mei和Jessica Rindels发布了一份重要研究报告。他们梳理了自1980年以来跨越40年、覆盖两万多名劳动者的完整职业轨迹数据，试图回答一个关键问题：
在历史上，被技术变革影响到职业的人，后来走上了怎样的路？
研究发现了三个层次的影响：
第一层，短期适应成本。 受技术变革影响的劳动者，平均需要多花约一个月时间才能找到下一份工作。再就业后，实际收入平均比同期其他原因离职者低3%以上。这背后有一个经济学机制：同一波技术力量，在改变某类岗位价值的同时，也在重新定价这类岗位所对应的技能，导致部分劳动者面临”职业降维”——滑落到技能要求更低、薪资水平更低的岗位。
第二层，中长期收入轨迹差异。 研究追踪了受影响劳动者10年内的收入增长情况，发现其实际收入增速比从未经历职业中断者低约10个百分点，比其他原因中断职业者低约5个百分点。这一现象在经济学上被称为”职业疤痕效应”（Scarring Effect）——职业轨迹中的一次重大中断，其影响往往会延续很长时间。
第三层，向生活层面的渗透。 经济层面的影响，不只停留在工资数字上。研究发现，受技术替代影响的劳动者，购房时间点平均推迟，家庭组建节奏也有所变化。技术变革的冲击，最终会通过收入预期的改变，渗透到个人生活规划的方方面面。
这份研究的深层启示在于：如果这是历史上”平均水平”的技术替代所带来的代价，那么当AI的替代速度和覆盖范围都远超以往任何一次技术变革时，这些代价将以更快的速度、更广泛的密度，在更多人身上同时显现。
三、Anthropic实测：AI现在实际在做什么
三个月前，AI研究公司Anthropic发布了一份基于真实用户行为数据的劳动力影响报告。这份报告的特别之处在于，它不是基于模型推演，而是在实际测量用户正在用AI完成哪些真实工作任务。
主要发现如下：
-
计算机程序员约75%的日常工作任务，目前已有AI工具可以参与或接管 -
客服、数据录入、医疗文档整理、市场分析等岗位，AI参与度紧随其后 -
农业、现场维修、游泳救生、餐饮烹饪等依赖实体操作的岗位，AI参与度目前接近零
报告还揭示了一个与大众直觉相反的规律：AI渗透度最高的岗位，往往集中在学历较高、收入中等偏上、女性从业者比例较高的群体——而非通常意义上人们担忧的蓝领体力劳动者。
换句话说：这一轮技术变革，知识密集型的中产白领，比体力劳动者面临的直接冲击更大。
这打破了许多人长期持有的一个认知假设：技术冲击总是自下而上传导，先影响流水线，再影响办公室。这一次，顺序发生了根本性的改变。
四、一个被低估的深层机制：职场入口的收窄
在理解AI对就业的影响时，有一个维度鲜少被充分讨论，但其长远影响可能是最为深刻的：
不只是岗位在减少，而是进入职场的入口在收窄。
Anthropic的研究数据中有一个值得关注的细节：自2024年以来，22至25岁的年轻求职者进入AI高渗透岗位的求职成功率，下降了约14%。而30岁以上、已在同类岗位积累了数年经验的从业者，受到的影响相对有限。
《财经》杂志对此进行了深入报道。国务院发展研究中心社会和文化发展研究部部长卓贤提出了一个值得深思的问题：
“传统律所依赖大量初级律师进行文件审查和法律检索，而AI工具现在能在极短时间内完成这些工作。企业的自然反应是减少初级岗位的招聘。但如果初级岗位持续萎缩，未来的资深专业人才从何处培养？”
这个问题触及了一个根本性的矛盾：初级岗位，从来不只是一份薪水，它是年轻人积累实战判断力的训练场，是在职场建立信用和认知的起点，是整个专业人才培养链条的第一级台阶。
当AI高效承接了这些”入门级任务”，企业减少了初级岗位的开放，这第一级台阶开始变窄，整个职业成长通道的结构就发生了根本性的改变。
上海交大毕业生陆远舟在接受《财经》采访时，表达了同龄人的真实感受：
“以前靠一点才华，就能拿到一张实习入场券。公司愿意给你试错的空间，让你把潜力变成能力。但现在这条路变得很窄了。不是没有能力，而是连上场的机会都难拿到。”
五、薪资增长逻辑，正在被重新书写
这是本文中最需要被认真对待的一个判断，也是目前学界讨论中最少被大众关注的部分。
我们习以为常的一套经济逻辑是：社会整体生产效率提升，薪资水平就会随之普遍上涨。工厂效率提高了，工人收入涨；互联网带动了效率革命，办公室员工薪资涨。这套机制，是20世纪”技术进步带来广泛繁荣”这一叙事的底层支撑。
卓贤在《财经》的研究分析中，指出了这套传导机制面临被重构的风险：
传统经济学逻辑中，高效率行业（制造业、金融业）创造超额价值，这些价值通过劳动力市场竞争、薪资标准调节，逐步溢出到低效率行业（服务业、护理业），从而带动全社会薪资水平的整体上行。
但AI时代，这条传导链的起点正在改变：高效率行业的效率越高，对劳动力的需求反而越少。 它不再需要通过提高薪资来吸引和留住更多人，自然也不再产生向外溢出薪资上涨信号的动力。
卓贤的分析进一步指出：
“当被AI工具替代的中等技能劳动者——文员、翻译、初级工程师——大量转入服务业时，劳动力供给结构的改变，会削弱低效率部门薪资随高效率部门联动上行的机制。当AI完成某项任务的成本降至极低水平时，从事该类单一任务的劳动者的薪资，将面临持续的下行压力。”
这不是针对某一种职业的预测，而是关于整体薪资增长机制的结构性分析。
已有数据显示，发达经济体劳动生产率与实际薪资水平之间的关联，自上世纪70年代以来已经持续弱化。AI的加速应用，可能使这一趋势进一步加剧。
六、三种视角，我们在哪里
面对上述数据与分析，全球经济学界目前呈现出三种主要判断框架。理解这场争论本身，有助于我们更清醒地认识自己的处境。
审慎预警视角，以部分AI领域研究者和劳动经济学家为代表：认为AI将在未来若干年内显著改变初级白领岗位的就业格局；这一次被替代的不是体力劳动，而是认知工作的核心部分，AI可以端到端地接管完整的工作流程，历史经验对此的参考价值有限。
稳健观察视角，以普林斯顿等高校研究者为代表：ScaleAI的实测数据显示，让目前最先进的AI系统完成真实平台上复杂度较高的任务，完成率仅约4%；AI的理论能力与实际落地能力之间，仍存在相当大的差距；技术的大规模社会渗透通常比预期慢得多，短期内不会出现就业市场的剧烈震荡。
长周期乐观视角，以MIT劳动经济学家David Autor为代表：历次技术革命最终都创造了远超其消灭的就业岗位；AI驱动的生产率提升将扩大市场规模、催生新业态，教育、医疗、个性化服务等领域的需求将持续增长，并由此涌现新的就业机会。
三种视角均有扎实的数据支撑，也各有其局限性。
更有价值的一种理解方式是：三种视角描述的，可能是同一件事的不同时间维度。 稳健观察视角是关于当下的（现在AI确实还有很多做不到的）；审慎预警视角是关于3至5年内的（一旦若干关键技术瓶颈突破，渗透速度可能明显加快）；长周期乐观视角是关于15至20年后的（历史规律在更长时间维度上可能仍然成立）。
而我们当下所处的位置，恰好是这三个时间维度交汇的节点——旧的就业结构开始松动，新的就业形态尚未成形，如何在这段过渡期中稳住自己，是每个知识工作者都需要认真面对的实际问题。
七、积极应对：政策与个人的双重维度
面对AI带来的就业结构调整，各国政府和学界都在积极探索应对机制。
中国政府已将AI就业适应纳入政策视野。今年1月，人力资源社会保障部明确表示将推出重点行业就业支持举措，并研究制定”应对AI影响促就业”的专项文件。政府工作报告和十五五规划均明确提出，要采取有效措施，推动劳动者技能与AI时代需求相适应，促进高质量就业创业。
国际上，多位经济学家和政策研究者提出了若干值得参考的制度探索方向：
- 差异化技术政策
：对替代劳动力的自动化技术与增强劳动者能力的辅助性技术，在税收政策上加以区分，引导技术应用方向 - 社会保障体系升级
：探索使社会保障资金来源更多元、覆盖更广泛，更好适应新就业形态的制度安排 - 系统性再培训机制
：建立覆盖在职和失业劳动者的技能更新体系，辅以培训期间的基本收入保障，降低劳动者主动转型的风险和成本 - 终身学习体系建设
：将技能更新纳入公共服务体系，从制度层面支持劳动者持续适应技术环境变化
诺贝尔经济学奖得主克里斯托弗·皮萨里德斯强调，应对技术变革对就业的冲击，需要的不只是”市场自我调节”，而是”有设计感的制度介入”——尤其是对技能再培训的系统性支持。
八、普通人，现在能做什么
不打算给出一份”速成转型清单”。因为那类建议往往回避了最真实的处境：对于一个已经在职场打拼多年、有家庭责任、有既有职业路径的人来说，转型不是一个念头，而是一项需要时间、资金、机会和支撑体系共同配合的系统工程。
在这个前提下，有几个认知层面的思考框架，目前来看最有参考价值：
第一，清醒评估自己工作的”结构性特征”。 梳理一下：你日常工作中，有多大比例可以被清晰地描述为流程、步骤、规则？这个比例越高，AI替代的路径就越短。这不是制造焦虑，而是提前看清楚风险的具体轮廓。
第二，区分”可复制的技能”和”不可复制的判断力”。 技能可以被学习，也可以被模仿，进而被更低成本的工具替代。但在特定领域、特定情境中形成的复杂判断力——基于长期经验积累的专业直觉、在信息不完整的情况下做出合理决策的能力——是目前AI难以真正复制的。往这个方向积累，是更持久的职业竞争力。
第三，高盛研究数据有一个值得关注的反直觉发现： 在历次技术替代浪潮中，年轻人的职业恢复弹性反而高于中年人——转换职业轨道的灵活性更强，获取新技能的速度更快，心理层面的路径依赖也相对更少。真正面临更大挑战的，是那些已在某一高度专化的岗位深耕十年以上、而这一岗位的核心价值恰好处于AI高渗透区间的中年劳动者。如果你符合这一特征，值得提前认真规划。
第四，关注行业趋势，不只是岗位安全感。 某些行业正在经历整体性结构重塑，岗位层面的个人努力，有时难以抵抗行业级别的方向性变化。判断自己所在的船在朝哪个方向行驶，是一个更底层的问题。
第五，《财经》报道中，陆远舟有一段话，值得认真对待：
“你能记住的古诗，肯定比不过AI；执行一套固定SOP的效率，也比不过AI。我们真正需要建立的，是洞察力和独立判断的能力。如果没有这些内核，你只会被AI的输出牵着走，分辨不出哪个好、哪个不好，也就谈不上主导。”
AI让所有标准化的事情变得廉价，同时也让非标准化的判断变得更加稀缺和珍贵。这是同一件事的两面。你站在哪一面，在很大程度上决定了这个时代对你意味着什么。
结语：清醒，是最好的准备
工业革命时期，机械化纺织业兴起，手工织布工人经历了长达数十年的艰难调整期。”最终”，经济学家们的判断是准确的——新的产业形态出现了，整体生活水平提高了。但漫长的过渡期里，几代普通劳动者承担了真实的代价。历史记录了”革命带来的进步”，却不太记得那些在变革夹缝中走完一生的普通人。
国际和平与安全研究机构今年的一份报告中，有一段表述，我认为是目前对这个议题最诚实的概括：
“AI可能替代工作岗位、逐步改变工作形态，也可能催生全新的工作——或者三者同时发生。但采取行动的理由，并不取决于我们确切知道是哪一种情况。”
不确定性，不是等待的理由。恰恰是因为我们无法确切预知历史会走向哪里，个人与社会才都需要提前行动，而不是等尘埃落定。
科技行业的这一轮调整，是今天最显眼的信号。更多悄然发生的变化，没有新闻稿，没有公告，只是”这个岗位今年暂不开放”，”这类外包今年不续了”，”招聘计划比去年缩减了一半”。
这场变革，不会等我们做好准备。
但从现在开始，清醒地认识它，主动地思考自己的位置——这是我们每个人此刻就可以做到的事，也是最有价值的事。
📌 如果你觉得这篇值得转发
不是因为它制造了焦虑——而是因为它试图提供一种清醒的视角。
如果你身边有正在找工作的年轻人，有在职场感到迷茫的朋友，有开始思考职业未来的同事——把这篇发给他们。
清醒，永远比恐慌更有力量。
— END —
主要参考来源：《财经》杂志2026年4月深度报道、高盛经济研究报告（Mei & Rindels, 2026.04）、Anthropic劳动力市场影响研究报告（Massenkoff & McCrory, 2026.03）、中国国家统计局就业数据、相关国际经济研究机构报告