10年后AI抢不走你饭碗的,只剩这5个理由

他拒绝了这个价格，然后说了一句话：「学习画画十多年，我突然之间不知道自己能做什么了。」^[1]

3 年过去了，这句话从画师传到了翻译、客服、程序员、文案。2026年 8 月，中国 16-24 岁（不含在校生）劳动力的失业率是 18.9%^[2]；美国斯坦福的研究发现，22-25 岁的年轻人在最容易被 AI 替代的岗位上，就业人数比应有水平低了 19%^[3]。

说这话的也不只是自媒体。2025 年 5 月，Anthropic 的 CEO Dario Amodei 公开警告，AI 可能在 1 到 5 年内消灭一半的入门级白领岗位，把失业率推到 10% 到 20%^[4]。

国际货币基金组织总裁格奥尔基耶娃更早给过一个数字，AI 会影响全球近 40% 的工作，在发达经济体是 60%^[5]。造 AI 的人和管全球经济的人，都在拉警报。

于是你会在各种地方刷到同一个标题：10 年之后，人类只剩这 5 份工作了。

我先把结论放在这里：这个说法是错的，但它错得很有价值。

10 年后不会只剩 5 份工作。世界经济论坛的预测是，到 2030 年全球会新增 1.7 亿个岗位，同时消失 9200 万个，净增 7800 万^[6]。工作的总数大概率还在。

但人的收入，会越来越集中到 5 个 AI 拿不走的理由上。 这是全文的核心判断。职业名称会变，岗位会拆分重组，但能让一个人被雇用、被付钱的理由，只剩下这 5 个：需要有人签字负责，需要有人动手，需要有人照顾，需要有人被信任，需要有人被看见。

为什么值得花 45 分钟读完这篇？因为我翻了 46 份材料，从 1930 年凯恩斯的文章，到上个月刚发布的中国青年失业率；横向对比了中国、新加坡、菲律宾、印尼、越南、日本和美国；还专门找了反对我这个判断的最强论证，放在第 7 部分。

全文分 4 块。

第 1 到 3 部分讲历史，为什么过去 100 年的「机器抢工作」预言一次次落空，又为什么这一次不一样。

第 4、5 部分讲现在，中国、东南亚、日本、美国分别在发生什么。

第 6、7 部分是分析，5 个理由到底是什么，以及这个判断最可能错在哪里。最后一部分写给家长和自己，现在该准备什么。

机器会抢光人类工作，这句话不是 ChatGPT 之后才有的。过去 100 年，几乎每一代人都认真地听过一次，而且每次说这话的，都是当时最聪明的那批人。

把这几次预言放在一起看，你会发现一个规律：方向每次都对了一点，结论每次都错了一大截。

1930 年，凯恩斯给孙辈的一封信

1930 年，大萧条刚开始，英国经济学家凯恩斯写了一篇文章，叫《我们孙辈的经济可能性》。他在文中提出了一个新词，「技术性失业」。

凯恩斯，1929 年（图：Public domain，Wikimedia Commons）

他的定义很精确：我们发现节约劳动的手段，速度超过了我们为劳动找到新用途的速度^[7]。

这个定义放到今天一个字都不用改。机器省下人力的速度，快过社会给这些人找新活干的速度，中间那段差，就是失业。

但凯恩斯并不悲观。他算了一笔账，认为 100 年后，也就是 2030 年前后，生产力会高到人类每天工作 3 小时就够了。他的原话是，「每天 3 小时的轮班或者每周 15 小时的工作，可以把这个问题推迟很长一段时间」^[7]。

今天离 2030 年还有 4 年。我们确实比 1930 年富裕得多，但没有人每周只工作 15 小时。凯恩斯说对了技术性失业会出现，说错了它的规模和人类的选择：生产力提高之后，人们没有选择少干活，而是选择了更多的东西、更多的服务、更多新的工作。

1964 年，一封写给总统的信

30 多年后，同样的担心换了个名字回来了。

1964 年 3 月 22 日，一个叫「三重革命特设委员会」的团体给美国总统约翰逊写了一封备忘录。签名的人里有 2 次诺贝尔奖得主鲍林、后来拿了诺贝尔经济学奖的缪尔达尔，还有一批当时最有影响力的社会活动家^[8]。

他们警告的是「控制论革命」，也就是计算机加自动化。信里说，机器会带来几乎无限的生产能力，同时持续减少所需工人的数量，并且不断抬高工作的技能门槛^[8]。结论是大规模失业即将到来，政府必须提前准备。

这封信的分析其实相当专业。计算机确实在接下来几十年里重塑了工厂和办公室，技能门槛也确实一路上涨。

但结果呢？2 位研究技术与就业的经济学家 Frank Levy 和 Richard Murnane 在 2013 年回头算过，1964 年之后美国经济新增了 7400 万个工作，那次警告「只对了一半」^[9]。

1970 年代，ATM 和银行柜员

如果要找一个被讲得最多的反例，那就是 ATM。

世界上第一台 ATM 于 1967 年 6 月 27 日在伦敦恩菲尔德的巴克莱银行启用^[10]。在美国，自动取款机在 1970 年代出现，90 年代中期开始大规模铺开。到 2015 年前后，美国已经装了 40 多万台^[11]。按直觉，柜员这个职业应该很快就没了，毕竟取钱存钱是柜员最主要的工作。

实际发生的事情恰好相反。

波士顿大学的经济学家 James Bessen 发现，1988 到 2004 年，美国城市里一个银行网点需要的柜员数量，从 20 人降到了 13 人^[11]。单个网点确实省了人。但开一个网点的成本也跟着降了，于是银行开了更多网点，城市里的银行网点数量增加了 43%^[11]。

一减一加，柜员的总数没有下降。从 1980 年代到 2010 年，美国柜员人数从大约 50 万人增加到将近 60 万人^[12]。

柜员的工作内容也变了。数钱、点钞这种活交给了机器，柜员更多地在做理财推销、处理复杂业务、维护客户关系。职业名称没变，干的事情已经换了一半。

伦敦恩菲尔德，世界第一台 ATM 的原址（图：Philafrenzy，CC BY-SA 4.0，Wikimedia Commons）

这就是后来被反复引用的「ATM 悖论」：自动化拿走了一个工作里的部分任务，反而让这个工作变得更便宜、更普及，最后需要的人更多了。

预言为什么总是落空

把这 3 次放在一起，规律很清楚。

每一次，预言者都准确地看到了技术能替代哪些任务。凯恩斯看到了生产力的指数增长，1964 年的那封信看到了计算机对体力和文书工作的冲击，所有人都看到了 ATM 能取代柜员数钱。

每一次，他们也都低估了两件事。第一，任务被拿走以后，剩下的部分可能变得更值钱。第二，东西变便宜之后，需求会被放大，人们会想要更多、更新的东西，而这些新东西需要新的人来做。

所以过去 100 年的经验似乎很简单：别慌，技术总会创造比它消灭的更多的工作。

但这个故事还没讲完。ATM 之后，柜员这个职业后来怎么样了？这是下一部分要讲的事情，也是很多人引用 ATM 悖论时故意不提的后半段。

这一部分要把这个结论拆开：那些预言并没有全错，它们错的是时间和方式。技术总是先拿走任务，然后让岗位换一个渠道悄悄消失。

ATM 故事的后半段

ATM 没有干掉柜员，但手机银行干掉了。

2010 年代以后，美国柜员数量开始持续下降。原因不是 ATM 突然变聪明了，而是人们干脆不去银行了。手机拍照就能存支票，转账、查账、申请贷款都在 App 里完成，网点越开越少。

柜台还在，人已经不在（插画：北哥）

美国劳工统计局的最新数据是，2025 年全美柜员大约 33.92 万人，预计 2025 到 2035 年还会再减少 13%，大约 4.47 万个岗位^[13]。官方给出的原因写得很直白：网上银行工具让去柜台的客户变少了，网点在关闭，加上功能更强的 ATM^[13]。

从将近 60 万到 33.92 万，柜员少了 40% 多。ATM 悖论讲的那段故事是真的，它只是只讲了前 30 年。

这里有一个很重要的细节。替代柜员的，不是专门为「替代柜员」设计的技术。ATM 是冲着柜员来的，结果没成功；手机银行是冲着「让用户方便」来的，结果顺手把柜员这个职业挤小了。

这一点放到今天的 AI 上同样成立。最终让一个职业萎缩的，往往不是那个专门对准它的产品，而是改变了用户行为的那个东西。

新工作很多，但不在原来那个人身上

那么，「技术创造的工作比消灭的多」这句话还成立吗？

MIT 经济学家 David Autor 和同事做过一项很扎实的研究。他们翻了美国 1940 到 2018 年的人口普查职业名称，发现 2018 年大约 60% 的工作，在 1940 年根本不存在^[14]。这个数字经常被用来证明人类不用担心。

但同一项研究里还有一个不太被引用的结论：1980 到 2018 年，自动化对就业的负面效应，是 1940 到 1980 年的 2 倍多；而技术创造新任务的正面效应，在后一个时期反而变小了^[14]。研究者的总体判断是，特别是 1980 年以后，技术替代掉的美国工作，比它创造的更多^[14]。

这 2 个结论放在一起，才是完整的图景。

新工作确实一直在出现，但它们出现在不同的地方、需要不同的技能、雇用不同的人。1980 年在工厂里当机械师的那个中年人，没有变成 2018 年的软件工程师。新工作属于他的孩子，或者属于另一个城市的另一个人。

对一个国家来说，就业总量可以很好看；对一个具体的人来说，「技术会创造新工作」这句话没有任何安慰作用。

47%、14%、9%：数字为什么差这么多

到了 2013 年，预言进入了数据时代。

牛津大学的 Carl Frey 和 Michael Osborne 发表了一篇论文，估算美国 47% 的就业处于被计算机化的高风险中^[15]。这个数字后来被全世界的媒体引用了无数次，几乎成了「机器抢工作」的标准答案。

但很少有人读到论文里的一句话，作者明确写了，他们没有试图估计实际会有多少工作被自动化^[16]。47% 衡量的是技术上有没有可能，不是会不会真的发生，也没有给时间表^[16]。

后来的研究给出了完全不同的数字。曼海姆大学的研究者估算是 9%，经合组织 OECD 的估算是 14% 的工作属于高风险，另有 32% 的工作风险在 50% 到 70% 之间，会发生显著变化^[16]。

从 47% 到 9%，差别在于看的是「职业」还是「任务」。如果把一个职业当成一个整体，只要核心任务能被自动化，整个职业就算高风险；如果把职业拆成一个个任务，就会发现大多数工作里总有一些部分机器做不了，这个工作就不会整个消失，而是被重新组合。

这个方法上的区别，恰好解释了为什么预言总是说早了。

2016 年，最有名的一次失误

还有一个预言值得单独记一笔。

2016 年，被称为「深度学习教父」的 Geoffrey Hinton 说：「现在就应该停止培养放射科医生。显而易见，5 年之内深度学习就会比放射科医生做得更好。」^[12]

Geoffrey Hinton，2024 年诺贝尔物理学奖得主（图：Arthur Petron，CC BY-SA 4.0，Wikimedia Commons）

2021 年过去了，2026 年也快过去了。放射科医生不但没有消失，在美国还出现了严重短缺，一些医院的影像检查要排几个月的队^[12]。梅奥诊所的放射科人员从 2016 年的约 260 人，增加到了 400 多人^[12]。Hinton 后来自己也承认，当时说得太宽泛，只盯着看片子这一项任务，时间也判断错了^[12]。

放射科医生为什么没被替代？这个问题我放到第 6 部分回答，它跟这篇文章的核心判断直接相关。

历史给出的 3 条规律

把这 100 年连起来看，可以总结出 3 条规律。

第一，技术拿走的是任务，不是职业。一个职业要整体消失，需要它的大部分任务同时被拿走，这通常比所有人预期的都慢。

第二，职业的萎缩往往来自一个意想不到的渠道。打败柜员的不是 ATM，是手机。

第三，新工作总会出现，但它不会自动落到被替代的那个人身上。

前 2 条说明我们不用恐慌，第 3 条说明我们不能大意。而接下来要讲的这一次，生成式 AI 恰好在第 3 条上，跟过去所有的技术都不一样。

过去的自动化，先冲击的是工厂和柜台。这一次不一样，生成式 AI 第一批拿走的，是坐办公室的年轻人的入门机会。

先被碰到的是写、画、译、答

2023 年 3 月，ChatGPT 发布不到 4 个月，OpenAI 和宾夕法尼亚大学的研究者发表了一篇论文，标题很直接，《GPTs are GPTs》。他们估算，美国大约 80% 的劳动者，至少有 10% 的工作任务会受到大语言模型的影响；大约 19% 的劳动者，至少一半的任务会受到影响^[17]。

更重要的是另一个发现：收入越高的工作，暴露程度往往越高^[17]。

这跟过去完全反过来了。流水线自动化先碰的是低收入的体力岗位，而这一次，先碰的是写报告、做设计、翻译文件、回复客户这些需要读写能力的工作。

国际劳工组织 ILO 在 2025 年的全球测算印证了这一点：全球约 25% 的工作暴露于生成式 AI，但高收入国家是 34%，低收入国家只有 11%^[18]。越富裕的经济体，越多的人在用电脑工作，暴露得也就越多。

冲击最先落到了创意和语言行业。英国作家协会 2024 年调查了 787 名会员，36% 的翻译和 26% 的插画师说，自己已经因为 AI 失去了工作^[19]。国内的情况类似，2025 年中国传媒大学撤销了 16 个本科专业和方向，包括翻译、摄影、漫画；华东师范大学停招了 24 个专业，包括翻译、广告、绘画^[20]。

一位做了几年开发的程序员对记者说：「程序员的存在感，一天比一天低了。」^[20]

新人是怎么被挤出去的

但如果只看「哪些行业受影响」，会漏掉这一次最关键的变化：受影响的是哪些人。

斯坦福数字经济实验室的 Erik Brynjolfsson 团队，用美国最大的薪资服务商 ADP 的工资单数据做了一项追踪研究，覆盖几百万名劳动者，最新的修订版更新到了 2026 年 6 月^[3]。他们的发现可以概括成 3 句话。

第一，没有出现全经济范围的大规模失业^[3]。

第二，22 到 25 岁的年轻人，在 AI 暴露度最高的职业里，就业人数比如果保持跟低暴露职业同步增长应有的水平，低了 19%；有经验的劳动者则没有这个缺口^[3]。

第三，这个缺口主要不是因为年轻人被裁员，而是因为公司少招新人^[3]。

第三点特别值得琢磨。没有人被开除，没有新闻报道，只是今年的招聘计划比去年少了几个名额。年轻人在简历石沉大海的时候，甚至不知道自己是被 AI 挤掉的。

队伍还在往前挪，门却窄了（插画：北哥）

研究还发现了一个分界线：在 AI 主要用来替代人的工作里，就业下降；在 AI 主要用来辅助人的工作里，就业持平甚至上升，尤其是有经验的人^[3]。

为什么偏偏是新人

2023 年，Brynjolfsson 和同事研究了一家公司的 5179 名客服人员。引入 AI 助手以后，平均每小时解决的问题数量提高了 14%；新手和低技能员工的提升高达 34%，而资深员工几乎没有变化^[21]。

这个结果乍一看是好消息，AI 帮新人快速追上了老手。但从公司的角度换个方向想：如果 AI 能让一个新手干出接近老手的活，那么公司还需要那么多新手吗？

入门级岗位存在的意义，原本就是让新人一边干简单的活一边学习。现在简单的活 AI 做得又快又便宜，新人的练手机会就没了。

2023 年那位被裁的插画师说得更直接：「行业不需要初级者，新人进不来，也就成长不起来。」^[22]

也有人急着按下暂停键

当然，企业也在试错。

瑞典支付公司 Klarna 是最激进的那一个。2023 年，它冻结招聘，员工人数下降了 22%，目标是让 AI 处理 75% 的客服对话，还宣称自己的 AI 助手干了 700 个客服的活^[23]。

Klarna CEO Sebastian Siemiatkowski（图：TechCrunch，CC BY 2.0，Wikimedia Commons）

到了 2025 年 5 月，Klarna 的 CEO Sebastian Siemiatkowski 在接受彭博采访时改了口。他说，成本在这件事里成了过于主要的考量，「最后得到的是更低的质量」^[24]。Klarna 开始重新招聘人工客服，CEO 还强调，一定要让客户清楚，只要你想，永远会有一个真人在^[24]。

Klarna 的故事经常被当成「AI 替代失败」的证据。我觉得更准确的理解是：AI 能接住大部分对话，但接不住最后那一部分需要被信任的时刻。这一点在第 6 部分会再展开。

数据还在继续往一个方向走

再看几个最新的数字。

Anthropic 在 2026 年 3 月发布的经济指数显示，大约 49% 的职业，至少有四分之一的任务已经在使用 Claude 完成^[25]。这个比例在几个月里几乎没有变化，说明 AI 已经铺进了一半的职业，但还没有吃掉任何一个职业的全部。

美国劳工统计局 2026 年 7 月发布的预测把 AI 列为明确原因：2024 到 2034 年，客服代表预计减少 5.5%，大约 15.37 万个岗位；与此同时，数据科学家预计增加 33.5%，软件开发人员增加 15.8%^[26]。

一边减少的是重复回答问题的人，一边增加的是设计和管理 AI 系统的人。中间那条线，正好划在入门级的位置上。

所以，Amodei 那个「一半入门级白领岗位」的警告^[4]，在数据里有影子，但还没有成为现实。今天能确定的是方向：这一次，技术不是从最底层的体力劳动开始往上吃，而是从办公室里最年轻的那一层开始，往两边挤。

那么，这个冲击在中国和东南亚长什么样？

同样是 AI 冲击，中国和东南亚的焦虑长得完全不一样。中国怕的是年轻人太多、岗位太少；东南亚怕的是靠人力成本吃饭的那只饭碗被搬走。

先看一张表，把几个关键数字放在一起。

（东南亚暴露度数据来自国际劳工组织 2026 年东盟报告^[27]；中国国家层面的同口径数据暂缺。）

中国：毕业生在找工作，养老院在找年轻人

2026 届全国普通高校毕业生预计 1270 万人，比上一届又多了 48 万^[28]。

今年 8 月，国家统计局公布的 16-24 岁（不含在校生）劳动力失业率是 18.9%，比 7 月上升了 1 个百分点，和去年同期持平；25-29 岁是 7.5%，而 30-59 岁的主体劳动力只有 3.9%^[2]。

需要说清楚的是，这个失业率不能直接算到 AI 头上。毕业季、经济周期、行业调整都在里面，目前没有公开研究能把 AI 的贡献单独剥离出来，这部分数据暂缺。但斯坦福在美国看到的那个机制，少招新人，在中国的高校里已经有了很具体的投影：翻译、摄影、漫画、广告、绘画这些专业，正在被一批批撤销或停招^[20]。

与此同时，另一组数字正在往反方向走。

截至 2025 年末，中国 60 岁及以上人口 32338 万，占总人口 23.0%；65 岁及以上 22365 万，占 15.9%^[29]。全国养老服务从业人员 139.5 万人，养老机构里持证护理员的比例是 47.4%^[29]。

2025 年底发布的一份养老护理员职业调研报告预测，未来 5 年护理员缺口超过 500 万，其中 85% 到 95% 在居家和社区^[30]。现有护理员里，40 到 59 岁的占 83.25%，30 岁以下的不到 2%^[30]。

半月谈记者今年 9 月走访北京的养老服务中心，看到的是同一幅画面：护理员大多 50 岁左右，月薪 5000 到 6000 元包吃住，年轻人不愿意来^[31]。一位 32 岁、干了 11 年养老的中心负责人说：「工资待遇不高，普惠型养老机构盈利空间小，支撑不了高工资。」^[31]

把这两组数字放在一起，就是中国的现状：一边是 1270 万毕业生在找坐办公室的工作，一边是 500 万个照顾人的岗位找不到人。 AI 正在压缩前者，却几乎碰不到后者。

国家层面也在调整。2024 年，人社部发布了 19 个新职业，其中包括「生成式人工智能系统应用员」^[32]。新职业在出现，但它需要的人数，和每年 1270 万的毕业生规模相比，还不在一个量级上。

菲律宾：最早感受到寒意的国家

如果说中国的焦虑是「人太多」，菲律宾的焦虑就是「饭碗被搬走」。

菲律宾是全球呼叫中心和业务外包的中心。根据菲律宾 IT 与业务流程协会（IBPAP）的数据，2025 年这个行业有 189 万从业者，营收 400 亿美元^[33]，BBC 的报道称这大约相当于菲律宾经济的 10%^[34]。

马尼拉一座外包从业者的雕像（图：TheNuggeteer，CC BY-SA 4.0，Wikimedia Commons）

这个行业的生意模式，是把欧美公司的客服、文案、数据处理拿过来，用更低的人力成本做完。而这些，恰好是生成式 AI 最擅长的。

2026 年 7 月，IBPAP 正式下调了 2028 年的目标：就业从原定的 250 万人，下调到 185 万到 214 万人；营收从 590 亿美元，下调到最高 505 亿美元^[33]。

协会 CEO Jack Madrid 说，这是「对行业走向更诚实的评估」，目标里最重要的词是「AI-enabled」^[33]。9 月的预测更清楚：未来几年营收增速会持续快于就业增速，人均营收从约 2.18 万美元涨到约 2.36 万美元^[35]。

营收还在涨，人却不怎么加了。这是 AI 冲击最典型的形态。

ILO 的数据显示，菲律宾约有 1270 万人，超过就业人口的四分之一，在 AI 暴露的职业里，是东南亚最高的之一^[27]。

BBC 今年 8 月采访了几位被裁的外包内容写手。一位做了 15 年内容的写手说：「我们训练了取代我们的 AI。」^[34] 另一位说，AI 生成的内容不准确，她们得花更多时间编辑和核查事实，「严格来说，我们的工作量增加了」，但最后还是被裁了^[34]。

新加坡：暴露度最高，但官方说「还不确定」

新加坡是东南亚 AI 暴露度最高的国家，42.2% 的就业在暴露职业里^[27]。这很好理解，新加坡的经济以金融、专业服务和办公室工作为主。

但新加坡官方的态度相当谨慎。今年 2 月，人力部在回答国会质询时说，AI 正在重塑劳动力市场，但它对入门级专业岗位的具体影响「仍不确定」，并列出了 AI 学徒计划、毕业生行业见习计划等一系列支持措施^[36]。

市场数据已经出现了一些信号。今年 3 月公布的 6 所自治大学联合调查显示，毕业生 6 个月内就业率是 83.4%，前一年是 87.1%^[37]。人力资源咨询公司 Aon 9 月的调查则显示，入门级员工人数同比下降 3.2%，起薪反而上涨了 2.5%^[37]。

人更少，起薪更高。公司在招更少、但更能干的新人。

印尼和越南：暴露度低，不等于安全

印尼和越南的暴露度都在 21% 左右，在东南亚里偏低^[27]。这主要是因为这 2 个国家还有大量的农业、制造业和非正规就业，坐在电脑前工作的人比例更低。

但 ILO 的报告指出了 2 个值得注意的细节。一是女性在最高暴露类别里的比例是 4.8%，男性是 2.3%，因为文书和行政岗位以女性为主^[27]。二是在印尼和菲律宾，年轻人在最高暴露类别里的占比都高于成年人^[27]。

所以，即使整体暴露度低，这 2 个国家正在进入办公室的那一代年轻女性，承受的冲击并不小。

2 种焦虑，1 个共同点

把中国和东南亚放在一起看，差别很明显：中国的问题是供给太多，东南亚的问题是外需在变。

但有一个共同点：受冲击最集中的，都是刚进入职场、做办公室工作的年轻人；而真正缺人的，都是需要在现场、需要动手、需要照顾人的岗位。

这个规律在日本和美国，表现得更加清楚。

如果中国和东南亚还在冲击的早期，日本和美国给出的就是更完整的答卷。两份答卷指向同一个结论：最缺人的岗位，恰好是 AI 最难碰的那些。

日本：一个机器人大国，依然缺 57 万个护理员

日本是全世界老龄化最早、最深的国家之一，也是最早认真研究护理机器人的国家之一。按理说，如果有哪个国家能用技术解决护理缺人的问题，应该是日本。

但日本厚生劳动省 2024 年 7 月公布的推算是：到 2040 年度，日本需要约 272 万名介护职员，而 2022 年度实际只有约 215 万人，缺口约 57 万人；相当于每年要多招约 3.2 万人才能补上^[38]。

这个缺口的背后，是一个简单的事实：照护的核心工作，翻身、喂饭、洗澡、陪伴、观察老人的情绪变化，需要一双手和一个在场的人。技术可以帮忙，比如用传感器监测、用设备辅助移位，但到今天为止，还没有一台机器能独立完成这些事。

中国现在走的，正是日本 20 年前开始走的路。上一部分说到的 500 万护理员缺口，在日本已经是一个被精确计算、按年分解的国家任务了。

美国：数据中心越多，电工越缺

美国的答卷更有意思，因为它同时展示了 AI 的两面。

一面是被 AI 压缩的岗位。上文提过，美国劳工统计局预测 2024 到 2034 年客服代表会减少 5.5%^[26]，柜员到 2035 年会再减少 13%^[13]。

另一面，是被 AI 直接带火的岗位，而且很多人想不到是哪一类。

AI 需要数据中心，数据中心需要电。战略与国际研究中心 CSIS 2025 年 9 月发布的研究估算，每建 1 兆瓦的 AI 数据中心，大约需要 1800 个电工工时；到 2030 年，美国在常规增长之外，还需要额外 6.3 万到 14 万名技术工人来建数据中心^[39]。

AI 越强，拉线的人越缺（插画：北哥）

美国劳工统计局本来就预测，电工在 2024 到 2034 年会增长 9%，每年大约有 8.1 万个职位空缺^[39]。

一个程序员用 AI 写代码，可能让公司少招一个初级程序员；但为了让这个 AI 跑起来，某个地方需要多一个拉电缆的电工。

AI 越强，对物理世界的人力需求反而越大。这是很多讨论里被忽略的一笔账。

世界经济论坛：增量最大的是谁

把视角拉到全球。世界经济论坛 2025 年的《未来就业报告》调查了 1000 多家公司，覆盖 55 个经济体、超过 1400 万名员工^[6]。

报告里有 2 个排名，经常被混在一起，其实说的是完全不同的事。

按增长百分比排，增长最快的是大数据专家、金融科技工程师、AI 和机器学习专家^[40]。这些岗位增速快，但基数小。

按绝对数量排，增量最大的是农场工人、外卖和快递司机、建筑工人；护理人员和中学教师也会显著增加^[6]。而下降最快的，是收银员、行政助理，以及平面设计师^[6]。

换成大白话：未来 5 年，全世界新增最多的工作，不在写字楼里，而在田里、路上、工地上、病床边和教室里。

莫拉维克悖论：难的容易，容易的难

为什么会这样？早在 1988 年，机器人专家 Hans Moravec 就给出过答案。

他在《心智孩童》一书里写道，让计算机在智力测验或下跳棋上表现出成年人的水平，相对容易；但要让它具备一个 1 岁孩子的感知和行动能力，却很难，甚至不可能^[41]。

这就是后来被称为「莫拉维克悖论」的观察。人类觉得难的事情，比如下棋、做数学、写文章，对机器来说反而容易；人类觉得理所当然的事情，比如走路、抓一个鸡蛋、看一眼就知道老人今天不太对劲，对机器来说极难。

38 年过去了，大语言模型把这个悖论推到了极致。AI 已经能写论文、写代码、做设计，但让它叠好一件衣服，仍然是一项前沿研究。

家用机器人走到哪一步了

那么，人形机器人会不会很快补上这块短板？

2026 年确实是人形机器人的热闹年份。根据今年 6 月的一篇行业梳理，宇树的 G1 起价 1.6 万美元，1X 的家用机器人 NEO 售价 2 万美元，或者每月 499 美元租用^[42]。

展会上的双足人形机器人（图：Om Umekar，CC BY-SA 4.0，Wikimedia Commons）

但同一篇报道也写得很清楚：NEO 在很多家务场景下，仍然要靠一个戴着 VR 头显的远程操作员来完成^[42]。《时代》周刊记录过 Figure 的机器人叠衣服，掉了 2 次，第 3 次才成功，Figure 的 CEO 自己说：「我们还没到那一步。」^[42] 行业人士估计，真正的家庭自主还要 18 个月到几年^[42]。

所以，今天的家用人形机器人，更像是一个由远程的人来操作的身体。它在把动手的工作从现场搬到远处，还没有把人从这份工作里拿掉。

两份答卷的共同答案

日本告诉我们，照护的缺口不会因为技术先进就自动消失。美国告诉我们，AI 越强，物理世界的岗位反而越缺人。世界经济论坛的全球数据则告诉我们，未来 5 年新增最多的工作，都在需要人到场的地方。

把前 5 部分的线索合在一起，一个模式已经浮现出来：被拿走的，是可以在屏幕上完成的任务；留下来的，都有一个必须由人来做的理由。

这些理由到底是什么？

现在可以回答标题里的问题了。10 年后留下来的不是 5 个职业，而是 5 个理由。 一份工作里装着越多这样的理由，它就越难被拿走。

下面一个一个说。

第 1 个理由：签字的人

AI 可以写出诊断，但不能被吊销执照；可以算出账目，但不能坐牢；可以画出图纸，但不能在桥塌了以后被追责。

这就是为什么监管在往同一个方向走。2025 年 2 月，湖南省医保局明确要求「严禁使用人工智能等自动生成处方」^[43]。欧盟的 AI 法案第 14 条规定，高风险 AI 系统必须能被自然人有效监督；在一些特定场景里，系统给出的识别结果，必须由至少 2 名具备能力、受过培训并有权限的自然人分别确认，才能据此采取行动^[44]。

现在可以回答第 2 部分留下的问题了：放射科医生为什么没被替代？

看片子只是放射科医生工作的一部分。他们还要结合病史判断、和临床医生沟通、决定要不要加做检查，最后在报告上签名，为这个结论承担法律责任。

AI 让看片子更快更准，医院就能做更多的影像检查，需要签字的报告也就更多了。梅奥诊所的放射科从约 260 人增加到 400 多人^[12]，我的判断是，背后很可能就是这个逻辑，和当年的 ATM 如出一辙。

AI 越能干，需要有人为它的结论签字的地方就越多。 未来的很多工作，会变成「AI 做，人签」。

第 2 个理由：动手的人

莫拉维克悖论已经说了 38 年，到今天依然成立。美国的数据中心热潮让电工成了 AI 的直接受益者^[39]，世界经济论坛预测增量最大的岗位是农场工人、司机和建筑工人^[6]。

但这个理由的保质期最短。人形机器人已经卖到 1.6 万美元一台^[42]，虽然很多家务还要靠远程操作，可它在进步。如果有一天，一台机器人的价格低于一个护理员一年的工资，并且能自主完成大部分工作，「动手」这个理由就会松动。

所以动手类的工作，越是在非标准的环境里干活越安全。在工厂流水线上重复同一个动作，机器人早就能做；钻进一个老房子的天花板里排查线路，10 年内还很难。

第 3 个理由：照顾的人

中国 60 岁以上的人口已经超过 3.2 亿^[29]，日本到 2040 年还缺 57 万个介护职员^[38]。照顾人的需求，是未来 10 年最确定会增长的需求之一。

但这里有一个必须说清楚的问题：需求大，不等于工资高。

北京的护理员月薪 5000 到 6000 元，年轻人不愿意来^[31]。原因那位养老中心负责人已经说了，普惠型养老机构利润薄，付不起高工资^[31]。照护行业付钱的人和被服务的人往往不是同一个人，付钱的是子女、医保和政府，所以价格很难涨上去。

照顾的人一定会被需要，但能不能被体面地付钱，取决于社会愿意为照护付多少钱。这一点我在第 7 部分还会展开。

第 4 个理由：被信任的人

Klarna 的故事在这里收尾。它让 AI 接管了大部分客服对话，最后发现质量在下降，于是重新招人，CEO 强调的是：客户想要的时候，永远要有一个真人在^[24]。

人在什么时候需要另一个人？在做重大决定的时候，在出了问题需要有人兜底的时候，在需要被说服、被安抚、被理解的时候。

斯坦福的研究提供了数据上的旁证：在 AI 主要用来辅助人的岗位上，有经验的员工就业是持平甚至上升的^[3]。这些人身上积累的，往往就是客户和同事对他们的信任。

老师是最典型的例子。AI 讲题可以讲得比大多数老师都清楚，但让一个 10 岁的孩子愿意坐下来、愿意再试一次、在考砸以后还相信自己，这件事需要一个他信任的人。

我自己在做 AI 教育，我的判断是：AI 会让「讲题」这件事越来越便宜，但会让「让孩子愿意学」这件事越来越值钱。

第 5 个理由：被看见的人

1997 年，IBM 的深蓝战胜了国际象棋世界冠军卡斯帕罗夫。按照「AI 替代」的逻辑，人类下棋这件事应该从此失去意义。

打败卡斯帕罗夫的深蓝，现陈列于美国计算机历史博物馆（图：Anton Chiang from Cupertino, CA, USA，CC BY 2.0，Wikimedia Commons）

结果正好相反。今天，国际象棋网站 Chess.com 有 2.5 亿注册用户，每天活跃用户超过 1000 万^[45]。AI 早就比任何人类棋手都强，但人们依然想看人和人下棋，想自己下棋。

没有人会花钱看 2 台 AI 踢足球。人们付钱，是想看另一个人的努力、风格、失误和突破。运动员、演员、主播、手艺人、有个人风格的创作者，他们卖的不只是作品，还有「这是一个人做的」这件事本身。

那位原画师在接受采访时说过一句容易被忽略的话：「自己创作和给别人修图肯定还是不一样的。」^[1] 被 AI 冲击最大的，是没有署名的执行工作；有名字、有风格、被人认出来的作品，冲击要小得多。

一份工作里有几个理由

这 5 个理由不是 5 个职业，而是一把尺子。拿它去量任何一份工作，数一数里面有几个理由。

一个医生同时占了签字、信任、照顾 3 个理由，很难被替代；一个小学老师占了照顾、信任、被看见，也很安全；而一个按字数收费、不署名的翻译，可能 1 个理由都不占，这正是翻译行业最先感受到寒意的原因。

所以，与其问「哪 5 份工作会留下来」，不如问：我现在做的事，或者我的孩子将来要做的事，里面装着几个理由？

你大概在朋友圈刷到过这个标题：「10 年之后，人类只剩这 5 份工作了」。它不是这篇文章的标题。这篇文章说的是另一件事：饭碗不会只剩 5 个，但让人被需要的理由，大概只剩这 5 个。

这两句话差得很远。「只剩 5 份工作」说的是岗位数量，是在预言一场灭绝；「只剩 5 个理由」说的是收入凭什么流向你，是一个关于分配的判断。前者是恐慌，后者是尺子。

但我不想因为改了说法，就绕开最难的部分。恰恰相反，正因为「5 个理由」比「5 份工作」温和，它才更需要被检验。

这一部分做三件事：推翻 3 个流行的共识，看清楚是谁在推动这场焦虑，然后把最强的反对意见摆出来。

第 1 个共识：AI 会先取代体力和低技能工作

这是最普遍的直觉，也是错得最彻底的一个。

前面的数据已经很清楚：国际劳工组织的测算里，高收入国家的暴露度是 34%，低收入国家只有 11%^[18]；美国的冲击集中在 22 到 25 岁的办公室新人^[3]；世界经济论坛预测增量最大的，恰恰是农场工人、司机和建筑工人^[6]。

这个共识不成立。生成式 AI 先碰到的，是受过教育、坐在电脑前的人。很多家长花了十几年，把孩子从体力劳动推向办公室，而这一次，办公室恰好是风口。

第 2 个共识：历史证明，技术总会创造更多工作

这个共识部分成立。

总量上，它大概率还会继续成立，世界经济论坛的预测仍然是净增长^[6]。但前面讲过的 3 个事实，让这句话对个人几乎没有意义：柜员在 ATM 时代没少，却在手机银行时代少了 40% 多^[13]；1980 年以后，自动化的负面效应翻了一倍多^[14]；菲律宾的外包行业营收在涨，就业目标却在下调^[33]。

新工作会出现，但它出现在别的城市、别的行业、别的年龄段身上。「总量没问题」和「你没问题」，是两件完全不同的事。

第 3 个共识：学会用 AI 就不会被淘汰

这个共识也部分成立，但它的有效期正在缩短。

那位菲律宾写手说的「我们训练了取代我们的 AI」^[34]，恰好说明会用 AI 不等于安全，她们每天都在用。客服研究的数据更说明问题：AI 让新手提升了 34%，让资深员工几乎没有变化^[21]。会用 AI 的门槛正在快速下降，它很快会变成和会用 Excel 一样的基本功，是必要条件，但不再是优势。

真正的问题不是「你会不会用 AI」，而是「你用 AI 做的那件事，最后需不需要一个人来负责、来动手、来照顾、来被信任、来被看见」。

是谁在推动这场焦虑

那为什么「只剩 5 份工作」这样的说法传播得这么快？看一看每个角色想要什么，就清楚了。

写文章的人想要流量。「只剩 5 份工作」比「工作总量大致稳定，但结构在分化」好传播 100 倍。这个激励对我也一样有效——所以我把它写成「5 个理由」，没敢写成「5 份工作」。

卖 AI 的公司需要证明 AI 有用。AI 能替代越多的人，就越值钱。但公平地说，Amodei 的警告不能简单归结为营销，他明确说过，作为这项技术的生产者，有责任和义务诚实地说出将要发生什么^[4]。造 AI 的人主动警告 AI 的风险，这本身是值得尊重的。

买 AI 的企业想要降本。Klarna 的 CEO 事后承认，成本在决策里占了太大的比重，结果是质量下降^[24]。很多企业在用 AI 裁员时，算的是第 1 年的账，不是第 3 年的账。

被影响的人，声音最小。少招的那几个新人不会上新闻，因为他们从来没有被雇用过^[3]。

这个结构决定了，公共讨论里的声音会系统性地偏向 2 个极端：要么「AI 会取代一切」，要么「AI 只是工具，别担心」。真正发生的事情，夹在中间，而且没有人有动力把它讲清楚。

照护行业的错位

激励结构还解释了另一个现象：为什么最缺人的照护行业，工资反而上不去。

在照护行业，付钱的人和被服务的人不是同一个人。老人是服务对象，付钱的是子女、医保或者政府。子女想要的是「靠谱、便宜」，医保想要的是「控费」，没有一方有强烈的动力去为护理员加薪。结果就是那位负责人说的，普惠型机构利润薄，付不起高工资^[31]，年轻人不愿意来，30 岁以下的护理员不到 2%^[30]。

所以第 3 个理由「照顾的人」，有一个前提：社会要愿意为照护付更多的钱。日本已经把护理缺口当成国家任务来规划^[38]，中国在推长期护理保险，长护险的护理服务人员已经有约 40 万人^[29]。这个钱会不会到位，是这个理由能不能兑现的关键。这是我的推测，目前还没有数据能证明护理员工资会明显上涨。

最强的反对意见

现在，把最有力的反方摆出来。

反方会这样说：你列的 5 个理由，只是 AI 还没追上的时间差。AI 的进步是指数级的，10 年足够长。机器人会在 10 年内学会叠衣服、拉电缆、给老人翻身，到时候动手和照顾这 2 个理由都会失效。

法律也可以修改，只要保险公司愿意为 AI 的决策承保，签字的人就不再必要。至于信任和被看见，今天已经有无数人在和 AI 聊天、看虚拟主播。连 Amodei 本人都说，大规模冲击会在 1 到 5 年内发生^[4]。所以你的判断只是在拖延一个必然的结论。

这个反驳很有力，我接受其中的一大部分。

我接受「这 5 个理由都有保质期」。动手的保质期最短，人形机器人已经在卖了^[42]，进步的速度也确实可能超出预期。我也接受法律会变，没有哪条法规是永久的。

但我不接受「10 年内全部失效」，理由有 3 个。

第一，关于技术时间表的预测，过去 100 年几乎每次都偏早。凯恩斯说 2030 年每周工作 15 小时^[7]，Hinton 说 5 年内不需要放射科医生^[12]，今天的家用机器人还离不开远程操作员^[42]。说这些话的，都是各自领域最聪明的人。

第二，法律的改变需要一个前提：出了事以后，谁赔、怎么赔、赔多少，要有一套被社会接受的体系。今天的监管方向恰好相反，是在把签字权明确留给人^[43][44]。这个方向要逆转，需要很多年的事故、判例和保险数据积累。

第三，信任和被看见，不是能力问题，是选择问题。AI 下棋早就超过了人类，但人们依然选择看人下棋^[45]。即使 AI 能做得一样好，很多人在关键时刻依然会选择一个人。

所以，我会根据反方意见修正一下核心判断：5 个理由里，保质期最长的是签字和信任，其次是被看见和照顾，最短的是动手。 如果你在为 10 年后做准备，越靠前的理由，越值得投入。

这些判断最终要靠事实来检验。下一部分，我会给出 3 个可能的剧本，以及每个剧本对应的、普通人在新闻里就能看到的信号。

最后一部分落到行动上。我的建议是：别去押「哪个专业安全」，去练 5 个理由对应的能力。 专业会被撤销、被合并、被改名，能力会跟着人走。

3 个剧本，和你能看到的信号

先把未来 10 年最可能的 3 种走向摆出来。每个剧本后面附了 2 个信号，你在新闻里就能看到，不需要任何专业知识。

这 3 个概率是我的主观判断，不是计算结果。最乐观剧本的依据是客服研究里新手提升 34% 的那个数字^[21]，AI 确实有把门槛拉低的能力；最危险剧本的依据，是今天已经同时存在的 18.9% 青年失业率^[2]和超过 500 万的护理员缺口^[30]。

给家长：5 个能力，从小就能练

如果你的孩子现在在上小学或初中，10 年后他正好进入职场。对应 5 个理由，有 5 件事从现在就可以做。

台灯、作业本，和一个不说话的音箱（插画：北哥）

练签字，就是练做决定并承担后果。 让孩子自己选周末的安排、自己管零花钱、自己为选错负责。会做题的孩子很多，敢拍板并且愿意为结果负责的孩子很少。

练动手。 做饭、修东西、做实验、搭模型。这些看起来跟考试无关的事，是在训练莫拉维克说的那种机器最难学会的能力。

练照顾。 照顾弟弟妹妹、照顾家里的老人、养一只宠物。察觉另一个人的需要，是照护和教育行业最核心的能力，也是最难被替代的能力之一。

练被信任。 说到做到，表达清楚，能在别人犹豫的时候讲明白一件事。这在未来比任何单项技能都值钱。

练被看见。 让孩子有一个属于自己的作品，一幅画、一个视频、一个小项目，上面写着他的名字。执行类的工作会越来越多地交给 AI，有署名、有风格的作品不会。

至于 AI 本身，不用急。教育部基础教育教学指导委员会 2025 年发布的《中小学生生成式人工智能使用指南》提出，小学阶段严禁学生独立使用开放式的生成式 AI 工具^[46]。这个要求是对的，会用 AI 很快会变成基本功，晚一点学不会吃亏；但上面这 5 种能力，错过了窗口期很难补。

给正在工作的人：数一数你的理由

拿第 6 部分那把尺子量一量自己的工作。

如果你的工作里只有 0 到 1 个理由，比如按件计价、不署名的执行工作，那现在就该开始往工作里加理由：争取对结果负责的角色，建立自己的客户关系，让自己的名字出现在作品上。

如果你的工作里已经有 2 到 3 个理由，你最应该做的是用 AI 把自己从重复任务里解放出来，把时间花在签字、信任和被看见上。

给出海的团队：东南亚的 3 堵墙

如果你在做 AI 出海，尤其是教育和服务方向，东南亚有 3 堵墙要提前看清。

第一堵是付费能力。印尼、越南的家庭收入和中国一二线城市差距很大，定价必须本地化。这堵墙用钱和时间能解决。

第二堵是监管。各国对 AI 进入教育和医疗的态度差别很大，新加坡在推 AI 学徒计划^[36]，而菲律宾正在为 30 多万外包从业者做技能升级^[34]。这堵墙需要本地的合规团队，部分能用钱解决。

第三堵是信任。在任何一个国家，家长把孩子交给一个产品，最终信任的都是产品背后的人。这堵墙不能用钱快速解决，需要本地的人长期在场。这恰好就是第 4 个理由。

回到那位原画师

文章开头那位原画师说：「学习画画十多年，我突然之间不知道自己能做什么了。」^[1]

3 年后再看这句话，我想给出一个回答：他要找的，不是一份不会被 AI 替代的新职业，而是往自己的工作里装进更多的理由。署上自己的名字，对作品的结果负责，被一批信任他的客户记住。

10 年后，人类不会只剩 5 份工作。但能让一个人被需要的理由，大概只剩这 5 个。

最后想问问你：

你觉得自己现在的工作里，最强的那个理由是什么？

A. 签字负责

B. 动手做事

C. 照顾别人

D. 被人信任

E. 其他（评论区说说）

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～ 谢谢你看我的文章，我们，下次再见。

/ 作者：北哥