ARTICLE · 1155679
拿150美元时薪教AI砸投行饭碗!OpenAI爆文刷屏:未来新工作,人类连名词都没造出来
作者 | 寸行· 编辑 | PlotterN
在曼哈顿和伦敦的写字楼里，一场隐秘的“职业安乐死”正在悄然上演。
一群刚从高盛、摩根大通和摩根士丹利离职的顶尖初级投行家，以及哈佛、麻省理工的 MBA 精英，被 OpenAI 悄悄招募进了一个代号为 “水星计划”（Project Mercury） 的项目。
他们的任务极其纯粹：每周构建一套复杂的 Excel 财务模型，覆盖企业并购、破产重组与 IPO 定价。OpenAI 为此开出了每小时 150 美元（约合人民币超千元） 的高昂报酬。
▲ 社交平台曝光 OpenAI 雇佣百名前投行人士训练金融大模型
但所有参与者心底都清楚一个近乎荒诞的悖论：他们每敲下一行公式、调试完一张配平表，都在以每小时 150 美元的价格，亲手为自己当年的学弟学妹们打造一台“饭碗粉碎机”。 那些曾经让华尔街新人通宵达旦、以此换取百万年薪的建模基本功，正在被蒸馏成大模型权重里的确定性代码。
如果连华尔街精英的传统任务都在被大模型接管，未来的人类还能走向哪里？
就在整个科技圈和华尔街陷入热议之际，OpenAI 首席经济学家 Ronnie Chatterji 与应用科学家 Harrison Satcher 联手抛出了一篇长文。
文章的标题带着一丝哲学冷感：《我们还没有那些名词》（We don’t have the nouns yet）。
▲ 文章作者 Harrison Satcher 阐述新文核心立意：未来工作尚未命名，但并不等于不存在
OpenAI 的经济学家们给出了一个深刻的解释：今天人们对未来就业前景的焦虑，很大程度上源于一种“语言维度的贫困”。
受到技术冲击的工作，名字清清楚楚；而那些即将诞生的全新工种，在人类当前的词汇表里，甚至连一个对应的“名词”都还没发明出来。
01盲区与幽灵：看得见的冲击，叫不出名字的重生
人类的大脑极其擅长感知“失去”，却极难想象“无中生有”。
法国古典经济学家巴斯夏曾提出过一个传世概念：“看得见的与看不见的”。 当一块橱窗玻璃被打破，你能清清楚楚看到玻璃碎了，店主破财；但你看不见店主原本打算拿这笔钱去买鞋，鞋匠失去的那笔潜在订单。
在今天的 AI 浪潮中，这个认知陷阱被放大了万倍。
▲ 经济学家 Jason Potts 指出：新工作在未出现前无法被想象，算清经济账极其困难
看得见的东西让人彻夜难眠：大厂的裁员信、初级程序员被 Copilot 顶替、插画师订单锐减、投行分析师的建模技能被百人团队以 150 美元时薪批量攻破。这些岗位有清晰的职业头衔、成熟的招聘标准，它们倒下时声响巨大。
但那些看不见的东西呢？
Chatterji 在推文中用了一个极具穿透力的童年类比：
“如果在我小时候，有人跑来告诉我，我未来可以去从事一份‘在云端为视频流媒体应用优化搜索广告’的工作，我一定会觉得对方疯了。因为在那个年代，不仅支撑这份工作的技术、产品和商业模式全都不存在，我们连构成这句话的词汇都还没有发明出来。”
▲ OpenAI 首席经济学家 Ronnie Chatterji 阐述“名词缺位”的认知困境
倒退回 1976 年，你可以毫不费力地向一位排字工人解释：“印刷机改进了，报纸文案排版可能不再需要那么多人手。”他能听懂，并且会陷入焦虑
但如果你试图安慰他：“别怕，未来会出现一种叫‘移动应用增长黑客’或者‘提示词安全工程师’的高薪饭碗。”他只会把你当成胡言乱语的巫医
眼前的困局并非机会彻底枯竭，而是人类当前的想象力迎来了阶段性真空。
02QJE 世纪实证：今天 60% 的饭碗，八十年前连名字都没有
这项判断有着扎实的实证根基OpenAI 搬出了劳动力经济学泰斗、MIT 教授 David Autor 团队发表在顶级期刊《经济学季刊》（QJE，2024）上的重磅研究。
这项研究把从 1940 年到 2018 年整整 80 年间、美国人口普查局记录的 3.5 万个微观职业头衔，全部提取出来，与一个世纪以来的数百万项实用专利文本进行了语义向量映射。
团队得出了一个让所有人汗毛倒竖的统计事实：
截至 2018 年，现代社会中绝大多数的人类工作，整整 60%，都分布在 1940 年人口普查名录上根本不存在的职业头衔里！
▲ MIT 报道指出：当代大约十分之六的工作在 1940 年尚不存在
今天写字楼里吹着空调、敲着键盘、开着周会的打工人，有六成都是 1940 年祖辈眼中的“外星从业者”。
看看那些从零长出来的“新名词”吧：
太阳能电池的商业化，让传统电工的边界裂变出了光伏储能系统架构师； 核磁共振（MRI）的问世，催生了每年容纳数万名高薪专家的医学影像专科； - “网络安全”（Cybersecurity）
，这个在 1970 年之前的文字记载中几乎是一片空白的名词，如今仅在美国就撑起了超过 125 万个年薪不菲的专业岗位。
科学哲学家斯图尔特·考夫曼（Stuart Kauffman）曾提出过著名的“邻近可能”（Adjacent Possible）概念：技术演化宛如在荒原上开疆拓土，每一次重大突破，都在刷新下一步“可能造出什么”的边界。火箭技术让人类拥有了人造卫星；卫星的轨道计算催生了 GPS；GPS 与智能手机的结合，在十年前孵化出了网约车与即时配送体系；而这些体系本身，又成了需要成千上万名产品经理、防欺诈算法工程师与调度员的庞大产业。
如果你站在 1950 年看火箭发射，你无论如何也算不出几十年后会有一帮人坐在旧金山的办公室里，全职研究“如何通过算法让外卖骑手多送两单奶茶”。
03残酷的分水岭：为什么我们这次格外焦虑？
既然历史的规律是“旧业衰亡、新业暴增”，那今天的普遍焦虑难道只是庸人自扰？
绝非如此 深入细读 Autor 的那篇 QJE 论文，你会发现一个被藏在乐观宏观数字背后的冷酷转折点，1980 年分水岭。
技术对劳动力的作用，从来都是双面互搏的：
- 劳动扩增（Labor-Augmenting）
：给人类装上外骨骼，拓展能力边界，创造全新任务与分工（比如电脑让设计师能做出前所未有的 3D 渲染，催生了游戏引擎行业）； - 任务自动化（Labor-Automating）
：把流程中的人脑或人体踢出去，直接压缩既有人力需求（比如机械自动化让纺织女工、装配流水线工人下岗）。
在 1940 年到 1980 年的四十年里，技术扩增的力量席卷了普通蓝领和办公室文员，制造业熟练工和行政助理大量涌现，全社会共同分享生产率红利，撑起了庞大的橄榄型中产阶级。
但从 1980 年代个人电脑普及开始，整个机制发生了剧烈畸变：
- 新工作的诞生出现了极端的“两极分化”
：一端疯狂涌向需要极高智力与教育门槛的精英阶层（芯片设计、量化金融、生物医药）；另一端则坠落到底层低薪的体力服务业（外卖骑手、家政保洁、美甲足浴）。 - 原本作为社会中流砥柱的中等技能白领岗位，遭遇了计算机程序的无情侵蚀。
更致命的统计结论在于：过去四十年里，自动化吃掉既有任务的速度越来越快，而扩增型技术创造全新任务的速度，却远远没能跟上被替代的节奏。
这就是为什么普通打工人会本能地感到恐慌。
今天的 AI 超越了传统辅助软件的范畴，更深刻地介入到复杂的认知与分析流程。当专业人士参与构建能够独立建表的金融模型，当法律大模型迅速梳理完海量判例，重塑既有任务的速度非常惊人，而能够接纳更多劳动者的新名词生态，仍在孕育之中。
正如苏黎世大学经济学教授 D. Yanagizawa-Drott 在转发 OpenAI 首席经济学家推文时的辛辣讽刺：
“如果世界上真有什么超级智能（AGI），那它最了不起的能力，大概是得先准确预测出它自己创造的新工作到底叫什么名词。”
▲ 教授 Yanagizawa-Drott 调侃：能预测出自己创造的新工作名词才叫真“超级智能”
04撕开裂口：今天那些已经叫出名字的“怪异职业”
虽然未来宏大的新产业还没成型，但商业世界的敏锐触角，已经在泥土中拱出了一批奇形怪状的早期新岗位。
它们就是 Satcher 所说的：在产品和商业模式刚刚探出头时，第一批拥有名字的“先遣队”。
根据 LinkedIn 的追踪数据，仅在 2023 到 2025 年短短两年间，全球就新增了约 130 万个 AI 相关专属岗位。这些名字在一两年前看起来就像印刷错误：
- 前线部署工程师（Forward-Deployed Engineers, FDE）
：他们介于纯代码研发与客户业务之间，带着处于演进阶段的模型扎进客户的车间、律所和急诊室，充当现实业务与技术系统之间的精密桥梁。 - AI 成本与算力管理分析师（AI Cost Management Analyst）
：如同 T-Mobile 等企业设立的全新编制，专门负责给失控的 Token 账单与 Agent 调用限流，在技术落地中充当稳健守门员。 - 高阶认知训练专家
：据《经济学人》与培训平台 Mercor 的披露，如今的高端数据标注正加速转向医学博士、资深法律顾问构成的专业网络，平均时薪达 90 美元。
但请注意：这些早期的“新名词”，往往带着浓厚的过渡期色彩。
就像当年蒸汽火车刚发明时，铁轨旁需要配备大量的“加煤工”与“机车引路人”。随着内燃机与电气化时代的到来，这些名字会比旧职业更快地消失在历史长河里。
今天拿着 150 美元时薪给 OpenAI 调教模型的投行分析师，或许就是第一批“数字加煤工”。一旦模型彻底掌握了现金流折现与 LBO 模型的逻辑闭环，这个时薪 150 美元的狂欢派对就会在某个清晨戛然而止。
05阵痛的深渊：在新词汇发明之前，人总得吃饭
把技术变迁描摹得过于浪漫，在现实的房贷与账单面前往往显得轻浮。
OpenAI 的科学家们在文章深处也不得不承认一个残酷的真理：历史上的技术转型，从来不保证“无缝衔接”，更难以做到“原地复活”。
新工作确实会诞生，但它们很难在相同的时间与地点，精确承接受到冲击的同一批劳动者。
被数码相机彻底砸掉饭碗的柯达胶卷冲印工，并不会在第二天早晨推门变成 Instagram 上的千万粉网红；被流水线机器人优化的汽车冲压工，大概率也无法在一个月内完成培训，变成坐在硅谷办公室里的自动驾驶测试工程师。
一位读者在推特上的犀利留评，撕开了所有经济学图表温情脉脉的面纱：
“学者们还在喋喋不休地争论哪些老工作会死、哪些新名词还没诞生。但在这群造词大师把字典编好之前，我们这代人，每天都是要吃饭的。”
新旧范式交替的夹缝期，是劳动者必须直面的严峻考验。在这个断层里，充斥着转型阵痛、技能重置与岗位更迭的彷徨。
面对这场人类历史上前所未有的重构，或许我们能抓住的唯一确定性，就是文章引述的那份网络安全从业者调查：今天全球 36% 的网络安全专家，最初都只是在普通 IT 岗位上，主动兼任并承担了一小部分安全防护职责，以此为跳板，最终顺水推舟进入了那个当年还没有名字的全新领域。
历史从不等待人类发明出优雅的词汇。
当旧的名词在风中碎裂成齑粉，不要躺在过时的职业头衔里坐以待毙。用工具武装自己，把触角伸向传统职责边界之外的灰色地带。
在下一个人人争抢的新名词被正式印上名片之前，最可靠的生存之道，是让自己成为那个去定义新动词的人。