ARTICLE · 1143386
OpenAI首席经济学家扔下炸药包:未来60%的新饭碗,现在连名字都还没发明出来!
全世界都在陷入一场集体焦虑
打开社交媒体，满屏都是对未来的不安：技术迭代不断加速，传统岗位的技能要求持续被刷新，许多既有的工作流程正在被重塑。
所有人都在关心同一个核心问题：在技术浪潮下，人类的工作形态究竟会走向何方？
就在全球舆论陷入迷茫时，掌管全球最顶尖 AI 智囊团的经济学家，给出了完全不同的研判：
“别算了你们之所以觉得未来毫无希望，是因为未来最赚钱、吸纳最多就业的那些新饭碗，人类现在连名字都还没发明出来！”
2026 年 9 月下旬，OpenAI 首席经济学家罗尼·查特吉（Ronnie Chatterji）和科学家哈里森·萨彻（Harrison Satcher）在官方专栏刊发了一篇题为《We don’t have the nouns yet》（我们还没有那些名词）的文章。
一石激起千层浪
▲ OpenAI 首席经济学家 Ronnie Chatterji 发帖指出：新工作需要全新的底层支撑，我们甚至还没有那些词汇
这场关于人类未来饭碗的终极辩论，被彻底掀翻了底牌。
01.坐上 1976 年的时光机：你该如何解释自己的工作？
为了让你明白这件事有多荒诞，萨彻在文章里做了一个极其精妙的思想实验。
假设你现在坐上一台时光机，瞬间穿越回 1976 年。
▲ OpenAI 经济研究团队专栏文章首屏：我们如何给那些“无法描述的事物”定价？
在 1976 年的纽约街头，你偶遇了一位报社的排字工人。他愁眉苦脸地问你在未来是干什么谋生的。
你非常诚恳地告诉他：“我是一名在云端为视频流媒体手机应用优化搜索引擎广告的专家。”
排字工人听完绝对会当场死机
因为在这短短一句话里，几乎每一个核心名词都是“外星黑话”：
什么是“云端”？在 1976 年，云彩是天上那团由水汽凝结成的白絮，怎么能在里面放东西？ 什么是“应用”（App）？软件是什么？它为什么会装在一个能揣在兜里、没有按键的玻璃盒子里？ 什么是“流媒体”？看电视难道不需要笨重的天线和阴极射线管显像管吗？ 什么是“搜索引擎”？当时查资料都得去图书馆翻卡片目录。
在 1976 年，如果你对一个排字工说：“三十年后，铅字排版会被完全淘汰”，他会深信不疑，并且感到灭顶之灾般的恐惧。
但他打死也无法想象，由互联网、智能手机、全球光纤和数据中心所构筑的复杂生态，会在未来凭空创造出数以亿计的、围绕“信息与流量”展开的全新职业。
“人们总是很容易看清那些正在死去的旧工作，却根本无法想象那些尚未出生的高阶新岗位。”
因为在底层的技术革命彻底成熟之前，人类的语言库里，根本没有装载这些新岗位的“名词”。
▲ 作者 Harrison Satcher 直言：没有名词不代表不存在，当下的岗位清单远未穷尽未来的可能性
02.历史残酷又迷人：今天 60% 的饭碗，八十年前连名字都没有
这只是科技巨头为了缓解公众焦虑而编造的心灵鸡汤吗？
并不严谨的经济学实证数据，把这个结论砸得严严实实。
麻省理工学院著名劳动经济学家戴维·奥特（David Autor）曾带领团队完成过一项里程碑式的研究，《新前沿：新工作的起源与内容（1940–2018）》。
▲ 著名劳动经济学家 David Autor 等人研究：今天大部分就业，在 1940 年普查中根本不存在
这项由权威学术机构背书的研究揭示了一个令人瞠目结舌的真相：
截至 2018 年，全美就业人口中有大约 60% 所从事的岗位细分，在 1940 年的人口普查职业名录里完全是一片空白！
今天我们身边超过六成的人，手里端着的饭碗，对于八十年前那位一丝不苟的人口统计员来说，纯属“闻所未闻的幽灵职业”。
再看一个更近的真实样本：网络安全（Cybersecurity）。
在今天，仅在美国就有约 125 万人专职从事网络安全工作，平均每 130 名劳动者中就有 1 人靠它吃饭。年薪几十万，人才紧俏
可回到上世纪 70 年代之前的任何一本英语字典，“Cybersecurity”这个词根本就不存在！人类是先造出了计算机，再连成了互联网，遭遇了黑客与病毒的攻击，最后才在仓促与混乱中，催生了网络安全工程师这个价值千亿美元的职业集群。
技术先行，危机随后，分工涌现，最后才是名词落地。
这就是经济学上著名的“可见与不可见定律”（The seen and the unseen）。
▲ 经济学家 Jason Potts 点出痛点：人们在算账时，极其容易低估那些因为“尚不存在而无法想象”的收益
消失的岗位往往看得真切，厂房倒闭、工位清空，带来沉重冲击；但新生的机会是“不可见的”，它们还隐藏在未被点亮的技术迷雾深处，无影无形。
算账的人只把看得见的损失记在账本上，对看不见的增量视若无睹，算出来的结论自然是一片漆黑。
03.致命的“手电筒陷阱”：你以为的终局，不过是序章
那么，为什么我们总是在新技术刚露头时，陷入这种狭隘的悲观？
复杂系统学者斯图尔特·考夫曼（Stuart Kauffman）提出了一个极其深刻的概念：“邻近可能”（Adjacent Possible）。
这个概念说透了创新的本质：技术不能直接跨越悬崖，它只能推开与当前构件紧挨着的那扇门。
每一项新发明的落地，在解决眼前具体问题的同时，也在瞬间扩充“下一步可以组装什么”的可能性边界。
火箭的发明，使得把卫星打上天成为“邻近可能”； 卫星组网，使得全球卫星定位（GPS）成为“邻近可能”； GPS 与微型芯片融合，使得智能手机导航成为“邻近可能”； 只有当所有人兜里都揣着能精确定位的手机时，美团外卖和滴滴网约车的千亿商业帝国，才终于跨过了从科幻变成现实的门槛。
试问，在 1950 年火箭刚刚升空时，哪怕把全世界智商最高的人集中在一起，有谁能推导出一份“外卖即时配送蜂窝调度员”的岗位职责？
整整隔了四层底层技术栈，直接跳跃就是天方夜谭。
现在的生成式 AI，正处在哪个阶段？
让我们把时钟拨回 2008 年那一年，乔布斯刚刚向全世界开发者开放苹果 App Store。
在那个 3G 网络卡得让人抓狂、手机电池只够撑小半天、连移动支付都没影子的年代，全球下载量最高的软件是什么？
是利用重力感应在屏幕上“喝虚拟啤酒”，是把麦克风吹气当成“吹蜡烛”，是单纯打开摄像头后面的闪光灯充当“手电筒”！
如果在 2008 年，你站在街头评估智能手机的就业拉动效应，你的结论只能是：这玩意儿除了能搞点逗小孩子的无聊恶作剧，什么正经产业都带不动。
那时没有任何人能在名录上写下：
短视频推荐算法架构师 直播带货选品运营官 移动网络安全反电诈专家
今天的我们，正死死盯着大模型生成的一两句提示词、画出的一两张图片，就急不可耐地下结论说“人类社会要完蛋了”。
醒醒吧，我们现在不过才刚刚推开第一扇门，甚至还没走出“手机手电筒”的摸索期！
▲ 原文列出 LinkedIn 与 Lightcast 数据，并用火箭到网约车的“邻近可能”论述技术层级演进
04.真实世界正在撕裂：从穿动捕服的工人，到云端机群领航员
别以为这些新名词还要等上几十年
当 AI 从冷冰冰的数字代码世界，大踏步迈进物理实体系统（具身智能与空间计算）时，那些带着浓郁科幻色彩的新工种，已经像雨后春笋一样在暗处疯狂破土了。
大语言模型可以通过阅读全网文字学会写唐诗，但它无论阅读多少本百科全书，也无法学会如何在复杂地形上保持机械平衡，如何在杂乱的货架上抓起一颗易碎的生鸡蛋。
物理世界的感知、力觉与交互数据，在互联网上是完全空白的。
于是，最魔幻的现实诞生了
根据主流商业媒体对特斯拉人形机器人团队的实地追踪，特斯拉正在以每小时 25 到 48 美元（约合人民币 180 到 350 元） 的高薪，满世界招聘一种传统分类里根本没有的工人：
“Optimus 动捕数据采集操作员”（Data Collection Operator）。
这份工作的具体内容是什么？
招募要求极其刁钻：应聘者身高必须死死卡在 1.73 米到 1.80 米之间（因为这完全匹配特斯拉 Optimus 机器人的钢铁骨架尺寸）。
他们每天要长达 7 个小时穿戴着密密麻麻的高精度动作捕捉服，戴着闷热沉重的虚拟现实（VR）头显，在工厂和仓库预设的狭窄通道里，不断重复搬运零件、分拣包裹、精准抓取。
他们的每一次肌肉牵引、每一次手腕微操、每一个在跌跌撞撞中的重心调整，都会化作海量的动力学张量，实时灌进云端神经网络，充当人形机器人的“神经动作先验”。
不仅如此，由于长时间沉浸在虚拟画面中高强度作业，候选人必须具备超乎常人的抗 VR 眩晕生理耐受度。
这是纯粹的体力劳动吗？它是前沿神经科学与物理世界数据标注的交汇点。这是纯粹的科研工作吗？它需要极其坚韧的身体耐力和机械般的走位精度。
在这一初级工种之后，更高级的衍生职业已经在产业界呼之欲出：
- “集群远端安全领航员”（Robot Fleet Teleoperator）
：当数万台自动驾驶出租车或工业机器人遭遇未知的物理边缘长尾故障时，由他们通过低延迟触觉手套瞬间远程接管，化解危机； - “物理空间语义孪生构建师”（Spatial Twin Annotator）
：用激光雷达与多模态模型重构工厂与家庭的每一寸物理几何……
这些在三年前听起来如同天方夜谭的头衔，正在以不可逆的速度，被明码标价地写进前沿科技公司的招聘合同里。
05.谁在掌控这盘大棋？揭开 OpenAI 经济智囊团的底牌
这篇引发全球探讨的重磅檄文，背后站着的正是 OpenAI 的“经济大脑”。
2024 年底，OpenAI 正式设立了首席经济学家这一关键岗位，并任命了重磅学者罗尼·查特吉（Ronnie Chatterji）。
▲ 2024 年底，OpenAI 宣布任命杜克大学讲席教授 Ronnie Chatterji 为公司首位首席经济学家
查特吉绝非象牙塔里的教条学者他曾担任美国商务部首席经济学家，深度参与过重大产业政策的制定与落地。
在 OpenAI 内部，他掌管着一支由经济学家、顶尖数据科学家、政策专家组成的十余人精英团队，直接向首席财务官汇报。
他们无需参与算法调参，核心职责是用精细的经济学工具，观察 AI 正在如何深层重塑全社会的财富分配格局。
查特吉曾在专栏中写道，自己的团队每天都在两套不同的时钟下运转：一套是严谨甚至有些枯燥的学术时钟，他们基于数以百万计的真实交互日志，发布如 How People Use ChatGPT 等同行评议级研究；另一套则是极速反应的产业雷达，实时监测全球劳动力市场的细微颤动。
▲ Chatterji 在专栏中谈到：理解 AI 的经济影响，是探索通用人工智能必不可少的一部分
早在 2026 年 4 月，查特吉的团队就发布过一套极度硬核的“AI 岗位过渡分析框架”。
他们直接推翻了“非黑即白”的粗暴预测，把近千个工种放在三面镜子下层层透视：
- 暴露度（Exposure）
：AI 到底能替代该工种中多少比例的任务？ - 人类必要性（Human necessity）
：客户和系统在多大程度上必须要求“活人”在场？（例如涉及医疗伦理、商业谈判与法律信托）； - 需求弹性（Demand elasticity）
：效率翻倍导致服务成本断崖式暴跌后，市场需求是被饱和压制，还是会像当年的纺织品一样爆发成百上千倍？
▲ Chatterji 介绍三力分析框架：暴露度、人类必要性与需求弹性共同决定转型路径
他们的测算结论发人深省：直接面临剧烈自动化重击的高危人群只占约 18%；有 24% 的岗位任务组合会发生巨震，但关键环节依然牢牢被人类掌控；甚至有 12% 的职业会因为技术带来的降本增效，迎来逆势扩张！
人类正在经历一场阵痛漫长的“任务大迁徙”。
06.现实是骨感的：在词汇赶上现实之前，人总得吃饭
承认“新名词尚未诞生”，绝不意味着可以对眼前的阵痛粉饰太平。
许多人的焦虑十分具体：我们总在争论哪些工作会消失，而那些还没名字的新工作，眼下根本无法提供薪水。在新的职业词汇赶上现实之前，每个人都需要切实的生计。
技术更迭中最残酷的真相在于：
科技创造新岗位的周期，往往比它颠覆旧饭碗的周期更漫长。
新机会的降临，绝对不会体贴地照顾到每一个人：
那些被大模型替代掉的初级外包画师，无法在一个月内摇身一变成为穿动捕服调试机器人的操作员； 在某个三线城市被智能客服系统优化的电话接线员，不可能第二天就搬到硅谷去应聘“AI 成本分析师”； 空间、年龄、技能链条的断裂，会让许多人在历史的转角处摔得鼻青脸肿。
OpenAI 的科学家们并没有否认这种残酷。
他们指出，回顾历史上的每一次大裂变，技术变迁从来都像一条布满尖刺的断层带，远非平滑上升的红利期。许多人失去了收入，众多家庭经历了跨行业重塑的艰辛。
但正因如此，我们才更不能把头埋进沙子里，用恐慌和投降来面对未来。
苏黎世大学经济学教授 D. Yanagizawa-Drott 留下了一句极具黑色幽默的评述：“所谓‘超级智能’（AGI），大概就是能正确预测出它自己未来将创造出的那些新工作名词，那得是一个极其了不起的世界模型。”
▲ 学者打趣道：如果 AI 真有超级智慧，不如让它先预测一下自己创造的新工种叫什么
既然连造出大模型的顶尖科学家都无法穷尽未来的工种，身为普通人的我们，又何必急着给自己判死刑？
07.别用昨天的字典，定义明天的可能
人类漫长文明史中最奇妙的一点，就是我们永远在低估明天的复杂性，却高估了昨天的永恒性。
如果历史教会了我们什么，那就是：人类社会从来不会彻底“用光所有活计”，我们只是会周期性地面临“旧词汇的枯竭”。
每一次通用目的技术的爆发，都像是在漫无边际的黑暗荒原上，推开了一道又一道全新的门。
门后展开的，将是一个充满全新协作、全新规则与全新伦理的广阔新大陆。
那里有数以千万计崭新的、报酬丰厚的饭碗。它们只是在等待着我们去经历、去建造、去碰壁，
然后，郑重其事地，给它们起一个响亮的名字。