摘要

截至 2026 年 9 月，AI 尚未在中美两国引发整体性失业，但已经明显收窄了年轻人进入职场的“第一道门”。

·美国：宏观平稳，AI 裁员高度可见。 8 月失业率为 4.1%。AI 是 2026 年企业裁员的头号公开理由，涉及约 11.6 万人、占全部裁员的 22%。22–25 岁、处于高 AI 暴露职业的年轻人，就业水平比同龄低暴露职业者低约 19%。

·中国：青年就业承压，AI 在招聘端“收口”。 8 月 16–24 岁非在校青年失业率为 18.9%，2026 届毕业生达 1270 万。线上招聘中约四分之一的岗位面临 AI 带来的结构性调整，1–3 年经验的入门岗受冲击最大；与此同时，AI 产业招聘逆势扩张。

·共同点： 冲击首先落在入门级岗位，主要渠道是“少招新人”而非“裁掉老人”；技能门槛整体上移，就业市场呈现“K 型分化”。

·差异： 美国由市场主导，企业公开以 AI 为由裁员；中国由政府主导引导，自动化兼具工厂机器人和无人驾驶等物理形态，青年就业问题的底色更重。

本文的核心判断是：当前 AI 更像是就业问题的“放大器”，而非“主因”；但随着 AI 智能体普及，冲击范围可能从入门岗扩展到中层岗位。两国的关键课题，都是守住职业阶梯的第一级。

一、分析框架：AI 如何影响就业

全球主流研究的共识是：AI 目前更多在“重组任务”，而非大规模“消灭岗位”；但冲击高度集中在特定职业和特定人群，尤其是刚入职场的年轻人。

理解 AI 对就业的影响，可以抓住三条路径：

·替代：AI 直接完成原本由人完成的任务，如客服应答、翻译、基础代码、文书整理。岗位需求因此减少。

·增强：AI 提升人的效率，岗位保留，但工作内容和技能要求改变。有经验、懂判断的员工往往受益。

·创造：AI 催生新岗位，如模型训练、数据标注、AI 治理，以及数据中心和电力设施建设带来的大量工程与施工岗位。

三条路径同时发生，净效果取决于哪条更快。目前的证据显示：替代效应在“入门级、可编码化”的任务上最先显现，增强效应主要惠及资深员工，创造效应则集中在技术岗位和基础设施建设领域。

由此可以得到三个判断，贯穿后文对中美两国的分析：

1.“暴露”不等于“失业”。 暴露指数衡量的是任务可被 AI 完成的潜力，而非实际岗位流失。

2.宏观平稳，微观剧烈。 总体失业率变化不大，但特定职业、特定年龄段的变化已经可以被数据捕捉。

3.冲击首先落在“职业阶梯的第一级”。 企业少招新人，比裁掉老员工更常见，也更隐蔽。

二、美国：宏观平稳，“职场第一级台阶”正在松动

截至 2026 年 8 月，美国失业率为 4.1%，AI 并未造成整体性失业；但 AI 已成为今年企业裁员的头号公开理由，受冲击最明显的是刚毕业的年轻大学生。

1. 宏观数据：整体平稳，呈“低招聘、低解雇”格局

·就业总量稳定。 据美国劳工统计局，2026 年 8 月非农就业增加 16.2 万，失业率 4.1%。拥有大学学历者整体失业率仅 2.7%。

·信息业是少数减员行业。 8 月信息业减少 2.3 万个岗位，金融业减少 1.1 万个；餐饮、教育、医疗、建筑和制造业则在增员。

·裁员总量反而下降。 据 Challenger 报告，2026 年 1–8 月美国企业宣布裁员 52.99 万人，同比下降 41%，为 2022 年以来同期最低。

换言之，美国劳动力市场的问题不是“大量裁员”，而是“招人太少”。企业留住老员工，但放缓新招聘。这种格局对求职者、尤其是新入场者最不友好。

2. AI 成为裁员的“头号理由”

据 Challenger，2026 年至今已有 11.6 万个裁员计划把 AI 列为原因，约占全部裁员的 22%，居各类原因之首。3–7 月 AI 连续五个月是首要原因，8 月降至第四位。科技行业今年裁员 15.5 万人，同比增长 52%，占全部裁员的 29%。

以下是 2026 年明确提及 AI 的代表性裁员（据 TechCrunch 追踪）：

需要警惕“AI 洗白”现象。很多公司一边裁员、一边把省下的钱投向 AI 数据中心，“AI 替代人”与“为 AI 基建腾预算”两件事常被混为一谈。TechCrunch 援引《金融时报》分析称，宣布因 AI 裁员的公司，在随后 30 个交易日内股价平均跑输纳斯达克近 10%，说明市场并不完全相信这些说法。

3. 真正的冲击点：年轻人与入门级岗位

多项 2026 年的研究指向同一结论：AI 的影响集中在“职业阶梯的第一级”。

·斯坦福“煤矿里的金丝雀”研究（2026 年 8 月更新）。 基于 ADP 薪资数据，该研究发现：22–25 岁、处于高 AI 暴露职业的年轻人，就业水平比同龄低暴露职业者低约 19%，一年前这一差距为 15%。资深员工没有类似缺口。下降主要来自“少招新人”，而非裁员。在 AI 主要起“替代”作用的职业中就业下降，在 AI 主要起“增强”作用的职业中就业持平或上升。

·纽约联储。 2026 年第二季度，22–27 岁应届大学毕业生失业率约 5.6%，不充分就业率升至 42%，显著高于 4.1% 的全国平均。

·圣路易斯联储（2026 年 6 月）。 研究显示，2023 年 4 月至 2025 年 12 月，AI 相关岗位需求约解释了 18–24 岁群体就业率下降的 45%、失业率上升的三分之一。对应届大学生而言，AI 因素推高失业率 1.68 个百分点，但职位空缺减少（2.20 个百分点）仍是最大原因。

·美国人口普查局（2026 年 9 月）。 工作论文 CES-26-56 发现，AI 暴露度最高的 10% 专业毕业生，毕业后初次就业概率下降 5 个百分点，初始收入下降 13%，幅度与“在严重衰退中毕业”相当。

4. 争议：AI 是主因，还是“替罪羊”？

并非所有研究都认为 AI 已经造成明显冲击。

·耶鲁预算实验室（2026 年 7 月）认为，职业结构的变化与 AI 引入的时间并不吻合，AI 使用指标与就业或失业变化没有关联。

·经济政策研究所 EPI（2026 年 5 月）指出，年轻大学毕业生与非大学毕业生的失业率同步上升，难以把问题单独归咎于 AI。

较为平衡的解读是：美国年轻人就业难，首要原因是高利率下的周期性降温和疫情后科技行业“过度招聘”的回调；AI 是叠加在周期之上的“放大器”，它让企业在不增加人手的情况下提升产出，从而进一步压低了入门级招聘。

5. 被忽视的另一面：AI 也在创造岗位

·AI 基建带来蓝领需求。 美国总承包商协会等机构 2026 年的调查显示，58% 的建筑企业称数据中心项目加剧了用工竞争，电工、管道工等技工供不应求。

·招聘计划回升。 2026 年 1–8 月，美国企业宣布的招聘计划近 12 万人，同比增长 37%，科技行业居首。

·岗位在迁移而非消失。 Meta 在裁员的同时把约 7000 人调入 AI 岗位；IBM 计划把美国 AI 与混合云方向的入门级招聘扩大到三倍。

·技能门槛上移。 据美国大学与雇主协会（NACE），约 35% 的入门级岗位要求 AI 技能。

三、中国：青年就业承压，AI 在“任务重组”中两面发力

中国的 AI 冲击叠加在创纪录的毕业生规模和经济结构转型之上。与美国一样，受冲击最明显的是入门级岗位；不同的是，中国 AI 产业的招聘扩张更快，政府也更主动地介入引导。

1. 背景：青年就业本已承压

·青年失业率处于高位。 据国家统计局 9 月 17 日发布的数据，2026 年 8 月全国城镇调查失业率为 5.3%；不含在校生的 16–24 岁劳动力失业率为 18.9%，与上年同期持平，并列 2024 年启用新口径以来的最高值；25–29 岁为 7.5%，30–59 岁为 3.9%。

·毕业生规模再创新高。 据教育部，2026 届全国普通高校毕业生预计 1270 万人，同比增加 48 万人。

需要强调的是，这些数字不能直接归因于 AI。毕业季的季节性波动、房地产等行业调整、专业与岗位的结构性错配，都是更主要的因素。AI 的作用，是在这个本已拥挤的“入口”上再收紧一道门。

2. AI 的冲击：不是“职业消失”，而是“任务重组”

目前对中国最系统的量化研究，是上海科技大学 CEISD 等机构 2026 年 7 月发布的《AI 时代的中国劳动力市场》。该研究基于五大招聘平台 2022–2026 年超过 7 亿条招聘记录，主要发现如下：

·四分之一岗位面临结构性调整。 在 2026 年 1–4 月的 4001 万条线上招聘需求中，33.2% 属于高 AI 暴露任务组合，其中 26.6% 落入“高暴露、低人类互补”的替代压力区。

·冲击集中在“入门中端”。 月薪 5000–8000 元、1–3 年经验的岗位收缩最明显；月薪 1.2 万元以上的岗位需求回暖，5–10 年经验的从业者几乎不受影响。研究称之为“入口陷阱”：过去靠新人完成的文档、录入、标准化沟通等练手任务，如今由大模型承接，企业不再设置低薪练手岗。

·经历了“恐慌—回调”。 相对于几乎不受 AI 影响的对照组，线上新增招聘需求的缺口在 2024 年仅为 2.6%，2025 年飙升至 30.1%，2026 年回落至 16.9%，累计缺口为 15.1%。研究特别说明，这一数字不等于 AI 实际替代的岗位比例。

·行业分化明显。 基础运营、财务核算、图文内容、电话销售的需求缩减最显著；制造、医疗、线下照护、设备运维等依赖现场操作的岗位保持稳定。

·“一人多职”成为新常态。 同期约有 2100 万个岗位由任务重组而来，占招聘岗位的 18.6%。企业越来越倾向于招聘能独立走完“需求—执行—校验—汇报”全流程的复合型人才。

研究用一组对比说明“暴露”不等于“失业”：电话客服和 Java 开发的 AI 暴露度都很高，但客服的话术、工单、标准问答几乎都能被大模型完成，招聘持续收缩；Java 工程师的基础代码虽可由 AI 生成，架构设计、故障处置等高责任任务却无法替代，资深岗位薪资持续上涨。

研究还指出教育端的错配：本科专业招生热度与四年后市场需求的相关系数仅为 0.23，高 AI 暴露专业的报考热度在 2019–2025 年间几乎没有变化。

3. 看得见的机器：制造业与出行

与美国以白领为主的冲击不同，中国的自动化还有很强的“物理”一面。

·工业机器人。 据国际机器人联合会（IFR），2024 年中国新装工业机器人 29.5 万台，占全球的 54%，运行存量超过 200 万台，均居世界首位。

·自动驾驶出行。 据新华网，截至 2025 年 11 月，百度萝卜快跑每周全无人驾驶订单超过 25 万单，累计出行服务超过 1700 万次，已落地 22 座城市。相对数百万网约车司机，这一规模仍然有限，但它对司机群体的心理冲击远大于实际替代；同时也催生了安全员、远程监控、车队运维等新岗位。

4. 创造的一面：AI 产业“抢人”

·AI 行业招聘持续扩张。 据智联招聘《2026 年人工智能产业人才发展报告》，2026 年上半年 AI 行业招聘职位数同比增长 10.6%。其中 AI 智能体人才需求增长 244%，AI 产品经理增长 87.7%，数据标注和 AI 训练师增长 30.3%。AI 工程师的需供比为 2.62，汽车研发制造领域高达 8.2。

·大厂校招向 AI 倾斜。 阿里巴巴 2026 届秋招计划发放 7000 多个录用通知，AI 相关岗位占比超过六成；2027 届实习生招聘中，这一比例进一步升至八成以上。

·AI 需求向实体经济扩散。 新能源、航空航天、汽车等制造业对 AI 工程师的需求增速明显高于互联网行业。

这意味着中国就业市场出现了明显的“K 型分化”：懂 AI、能落地的人才供不应求，而从事标准化文字和流程工作的入门者面临挤压。

5. 政策应对：主动引导与兜底并行

·顶层设计。 2025 年 8 月，国务院《关于深入实施“人工智能+”行动的意见》提出，要在推进 AI 应用的同时涌现一批“新就业岗位”。

·专项文件。 2026 年 1 月，人社部宣布将出台应对人工智能影响促就业文件，并印发高校毕业生等青年就业文件。工信部副部长张云明在同月的发布会上表示，“重构不等于消失，迭代不等于替代”。

·行业落地。 2026 年 7 月，人社部等四部门印发《关于加快推进“人工智能＋人社”应用发展的实施意见》，推动 AI 进入就业服务、社保经办等公共服务领域。

·新职业认定。 2026 年 7 月，人社部公示拟发布 12 个新职业，包括具身智能机器人应用技术员，并拟在“生成式人工智能系统应用员”职业下增设“智能体开发员”工种。

·量化目标。 人社事业“十五五”规划提出，城镇调查失业率控制在 5.5% 以内，开展补贴性职业技能培训超过 5000 万人次。

四、中美对比：同一道门槛，两种应对逻辑

中美两国面对的是同一个现象：AI 首先抬高了职场的“入口门槛”。但冲击的渠道、叠加的背景和政策的逻辑明显不同。

注：两国青年指标的统计口径不同，美国为应届大学毕业生，中国为全部学历的 16–24 岁非在校青年，不宜直接比较数值高低。

共同趋势

1.入门级岗位首当其冲。 两国数据都显示，AI 主要通过“少招新人”而非“裁掉老人”影响就业，1–3 年经验者和应届生承压最大。

2.技能门槛整体上移。 美国约 35% 的入门级岗位要求 AI 技能；中国企业越来越偏好能独立完成全流程的复合型人才。

3.K 型分化。 懂 AI、能落地、承担最终责任的人才供不应求；从事标准化文字和流程工作的人受到挤压。

4.教育体系滞后。 美国高暴露专业毕业生初始收入下降 13%；中国专业招生热度与四年后市场需求的相关性仅 0.23。

关键差异

·冲击的“能见度”不同。 美国企业会在财报和公开信中直接宣称“AI 让我们需要更少的人”，部分公司股价在宣布后应声上涨，因此 AI 裁员高度可见。中国的调整更多体现在招聘平台数据中，表现为岗位不再发布，而非大规模公开裁员。

·叠加的背景不同。 美国青年就业难的首要原因是高利率下的周期性降温，AI 是放大器。中国则是 1270 万毕业生的规模压力、行业结构调整和 AI 三者叠加，青年失业问题的底色更重。

·自动化的广度不同。 中国拥有全球过半的工业机器人新增装机和规模领先的无人驾驶出行服务，AI 冲击不仅在写字楼，也在工厂和马路上。

·政策逻辑不同。 美国联邦层面发布了 AI 行动计划，劳工部推出 AI 素养框架和面向 AI 转型的再就业培训补助（2026 年 6 月），加州州长则在 2026 年 5 月签署了全美首个应对 AI 岗位替代的州级行政令。整体上仍以市场调节、事后培训为主。中国则由中央部委直接出台专项文件、认定新职业、设定培训规模和失业率目标，更强调事前引导和兜底。

各自的主要风险

·美国：职业阶梯断层。 如果企业长期不招新人，五到十年后将出现中层人才断档。同时，“AI 洗白”可能掩盖真正的周期性问题，而美国社会保障对白领失业的缓冲相对有限。

·中国：青年失业长期化。 规模庞大的毕业生群体遇上“入口陷阱”，可能使“慢就业”和“灵活就业”成为常态；平台劳动者和灵活就业者的权益保障，以及高校专业结构的调整速度，都是短板。

五、展望与建议

未来一到两年，中美都不太可能因 AI 出现大规模失业，但“入口变窄”的压力会持续；更长期的变量在于 AI 智能体的普及速度。

未来走势的三个判断

1.短期：从“恐慌”回到“理性”。 美国 AI 作为裁员理由在 8 月已降至第四位；中国 AI 相关的招聘缺口也从 2025 年的 30.1% 回落到 2026 年的 16.9%。企业正在从“先裁再说”转向“边用边调”。

2.中期：冲击从“任务”扩展到“流程”。 2026 年 AI 智能体快速普及，中国智能体人才需求同比增长 244%，美国已有企业试验“一人团队指挥 AI 智能体”。这意味着受影响的将不只是入门岗，还包括负责协调、汇总、核对的中层岗位。Cloudflare 裁掉的主要就是中层管理和财务、法务等“衡量者”。

3.长期：取决于“创造”能否跑赢“替代”。 历史上的技术革命最终都创造了更多岗位，但过渡期的阵痛往往落在特定人群身上。这一次，首当其冲的是年轻人。

对政府的建议

·建立任务级的监测体系。 美国劳工部正在筹建 AI 劳动力研究中心，中国已有研究机构搭建按月更新的职业任务数据库。监测应细化到年龄、经验和任务层面，而不只是总失业率。

·把“入门岗”当作公共品来保护。 可对企业设立见习岗、学徒岗给予补贴，防止“练手岗”整体消失导致人才断层。

·补齐保障短板。 美国需要扩大对白领失业者的再就业支持；中国需要扩大灵活就业者和平台劳动者的社保与职业伤害保障覆盖。

·加快教育改革。 缩短高校专业和课程的调整周期，把 AI 素养融入各专业的真实工作场景，而不是只开一门通识课。

对企业的建议

·警惕“只裁不招”。 今天不培养新人，明天就没有骨干。应重新设计适合 AI 时代的练手岗位，让新人在人机协作中成长。

·优先内部转岗。 Meta 在裁员 8000 人的同时把约 7000 人调入 AI 岗位，说明岗位可以迁移而非简单消失。

·如实沟通裁员原因。 把周期性裁员包装成“AI 转型”，既伤害员工信任，市场也未必买账。

对个人的建议

·向“高互补”任务迁移。 上海科技大学的研究提炼了六种 AI 难以替代的能力：情境判断、责任承担、跨角色协调、伦理权衡、现场适应、证据链表达。

·熟练掌握 AI 工具。 美国约 35% 的入门级岗位已要求 AI 技能，这将很快成为基本门槛。

·尽早积累真实经验。 企业越来越希望新人“一来就能干”，实习、项目和作品集比学历更能证明能力。

·关注 AI 创造的岗位。 包括数据中心建设所需的电工等技工、AI 训练与标注、智能体开发、AI 产品经理，以及制造业中的 AI 应用工程师。

结语

AI 对就业的影响，不是一场突然到来的“失业潮”，而是一次静悄悄的“门槛上移”。在美国，它表现为企业公开宣称“需要更少的人”和年轻人找不到第一份工作；在中国，它表现为招聘平台上消失的练手岗和不断涌现的复合型岗位。

两国的数据都在提醒同一件事：技术不会自动决定谁受益、谁受损。能否守住年轻人的职业起点，取决于政府、企业、学校和个人在未来几年的选择。

AI 带来的 就业影响，朋友们你们怎么看？评论区说说你的想法吧！