夜雨聆风当AI不仅能写代码、做方案，还能帮你整理会议纪要的时候，有些变化已经悄悄发生了。
先聊一个可能很多人没注意到的趋势。
根据 layoffs.fyi 的实时追踪数据，2026 年开年至今，美国科技行业已经有超过 7 万名员工离开公司，涉及 80 家企业。而 2025 年全年这个数字是 17 万。
这轮调整和以往不太一样。
过去企业缩减规模，多半是因为融资不顺或者营收承压。但这一次，很多公司在公开声明里提到的理由是：技术升级带来的人效提升。
一家硅谷公司 CEO 在内部信中写得很直白——一个会用 AI 工具的工程师，产出可以抵得上过去三四个人。
这不是什么遥远的预测，是正在发生的事情。
看一组历年数据：
美国科技行业年度岗位调整规模
2026 年才过了不到四个月，调整人数已经接近去年全年的一半。节奏在加快。
从各公司公开的信息来看，几个方向比较明显：
客服和支持团队的 AI 化程度已经很高，很多企业的智能客服覆盖率超过了 70%；内容审核这类工作，AI 模型能处理掉大部分初筛；初级开发岗位，随着编程助手的普及，一个人能干过去几个人的活；数据标注这个新兴行业本身，也正在被自动标注技术侵蚀。
有意思的是，受影响的不仅仅是基层岗位。年薪几十万美元的中高层技术岗，同样在这轮调整范围内。因为 AI 改变的不仅是"执行层"，也在改变"管理层"的工作方式。
关于 AI 对就业的影响，市面上其实有不少研究报告。挑几份比较权威的来看。
世界经济论坛 2025 年未来就业报告
| 净变化 | |
也就是说，未来五年全球净减少约 400 万个工作岗位，其中超过两成的变化来自 AI 和自动化。
消失的主要是行政助理、数据录入、出纳、银行柜员这些岗位。新增的则是 AI 专家、数据分析师、信息安全、可持续发展这些方向。
不是简单的岗位减少，而是岗位结构在变。
高盛 2024 年的研究报告给出了另一个维度的数据：
全球约 3 亿个全职岗位可以被生成式 AI 部分自动化，但真正能被完全替代的，大约只有四分之一。他们同时测算，AI 最终可能推动全球 GDP 增长约 7%，也就是 7 万亿美元左右。
高盛的判断是：AI 更多是在"增强"大多数工作，而不是"替代"。但问题是，那些被替代的人，并不会自动变成"被增强"的人。
麦肯锡 的预测更具体——到 2030 年，全球约 30% 的工作时间可以被 AI 自动化。相比他们 2023 年的预测（21.5%），这个比例大幅上调了。在办公室场景里，AI 可以替代 40% 到 50% 的工作时间。
有一个开源项目（madeye/jobs）做了一件很有意思的事——用 AI 给约 250 个中国职业做 AI 影响评分，0 到 10 分，覆盖了大约 7.8 亿就业人口。
（图片来源：https://madeye.github.io/jobs/）
声明：数据由 AI 模型估算生成，参考了国家统计局的产业就业结构权重，仅供参考，不代表官方统计结果。
先看几个核心数字：
总就业人数约 7.8 亿。加权平均 AI 影响分 3.2（满分 10）。影响分 7 分以上的高影响岗位涉及约 9365 万人，占总就业的 12%。这些高影响岗位对应的年工资总额大约 12.7 万亿元。
换句话说，绝大多数人的工作短期内不会受到直接冲击，但确实有近一亿人站在了转型的十字路口。
按影响程度大致可以分为几档：
三分之二的人（66%）基本不需要担心 AI 的直接影响。剩下的三分之一里，又有一半是"有影响但不至于伤筋动骨"。
真正值得关注的是那 7%——五千多万人。
影响分最高的几个职业：
软件工程师（9/10，400 万人）、前端开发（9/10，150 万）、证券分析师（9/10，40 万）、翻译（9/10，60 万）、电话销售（9/10，300 万）、数据分析师（8/10，200 万）、会计（8/10，800 万）、客服（8/10，800 万）、UI 设计（8/10，120 万）、测试工程师（8/10，150 万）、银行柜员（8/10，200 万）……
这些岗位有一个共同点：工作内容高度数字化、流程相对标准化。
反过来，影响分最低的职业：
搬家工人（0/10）、种植业农民（1/10，9500 万人）、建筑工人（1/10，3000 万）、装修工人（1/10，1200 万）、家政服务员（1/10，2500 万）、理发师（1/10，800 万）。
这些岗位也有一个共同点：需要在物理世界中动手操作，场景非标准化。
AI 能写出不错的代码，但它暂时还搬不动一袋水泥。
数据里有一个规律，可能和很多人的直觉不太一样：
学历越高，平均 AI 影响分越高。
原因其实不复杂——高学历岗位大多是"坐在电脑前处理信息"的工作，写报告、做分析、写代码、做设计，这些恰好是 AI 目前最擅长的领域。而低学历岗位很多是"在物理世界里干活"，盖房子、修水管、种地，这些恰恰是 AI 最不擅长的。
当然，这不意味着读书没用。高学历人群虽然"受影响"的程度更高，但他们通常也更有资源去转型和适应。真正面临挑战的，可能是那些中等收入、中等技能的岗位——既不像体力劳动那样"AI 暂时够不着"，也不像高技能岗位那样"有足够的转型空间"。
变化最明显的几个行业：
信息技术（影响分 7.7，就业 2330 万）、金融（7.3，2585 万）、商业服务（6.9，1920 万）、文化传媒（6.1，1845 万）。
这几个行业的共同特征是：工作内容以信息处理为主，数字化程度高，AI 工具落地速度快。
相对稳定的几个行业：
农林牧渔（1.5，1.73 亿）、个人与生活服务（1.6，7270 万）、建筑工程（2.0，8430 万）、餐饮住宿（2.3，5680 万）。
这些行业的工作场景复杂、非标准化程度高，AI 短期内很难深入渗透。
这个问题很难给出精确答案，但可以做一个基于数据的粗略估算。
参照美国的经验——2025 年科技行业约 17 万人岗位调整，其中约 40% 与 AI 相关，也就是约 6.8 万人。美国科技行业就业约 1400 万人，AI 相关岗位变动占比约 0.5%。
中国信息技术行业就业约 2330 万人，如果按相同比例估算，大约 11-12 万人。考虑到中国 AI 应用落地速度更快、劳动力成本更低（AI 替代的投资回报更高），这个数字可能会上浮到 15-25 万。
再把金融、商业服务、文化传媒等行业加进来，2025-2026 年，中国因 AI 和自动化直接导致的岗位变动（包括转岗、岗位缩减、自然流失不补等），保守估计可能在 60 万到 120 万人之间。
如果算上间接影响——比如企业因为 AI 效率提升而减少招聘——这个数字可能会更高。
不过放在 7.8 亿的总就业基数里，这个比例其实不到 1.5%。对绝大多数人来说，AI 带来的不是"丢工作"，而是"换一种方式工作"。
看这些数据的时候，有几个角度值得留意。
"影响"不等于"消失"。影响分高，更多意味着工作方式会被重塑。程序员不会消失，但工作内容可能会从"写代码"变成"审代码"。
数据本身也有局限。用 AI 给职业打分，难免带有模型自身的判断倾向。它可能高估了 AI 的能力边界，也可能低估了人类独有的那些东西——创造力、共情力、面对不确定性时的判断力。
还有一个时间维度的问题。影响分 9 分，是明年就会发生，还是十年后才来？数据没有回答。但方向是清晰的。
同时，新岗位也在出现。"生成式 AI 应用员"已经出现在了榜单上（8 分，50 万人）。AI 在改变旧岗位的同时，也在催生新岗位。
看完这些数据，最大的感受其实挺朴素的：
AI 不是来"抢饭碗"的，它是来提醒我们重新审视自己的工作——里面有多少是真正只有你能做的？
如果你的工作大部分是重复性的、数字化的、流程化的，那变化确实正在靠近。
如果你的工作涉及创造力、人际互动、需要处理复杂多变的实际场景，那可以稍微安心一些。
但不管你在哪个位置，主动了解 AI、学会用 AI，大概都是当下最稳妥的选择。
毕竟，与其担心被 AI 替代，不如先学会让 AI 帮自己干活。
数据来源：layoffs.fyi 美国科技行业岗位调整追踪；World Economic Forum《2025 年未来就业报告》；Goldman Sachs《Generative AI 对经济增长的潜在影响》；McKinsey《生成式 AI 的经济潜力》；Oxford University 自动化风险研究；madeye/jobs 中国职业 AI 影响分析（基于 Gemini 3 Flash 评分，参考国家统计局就业结构权重）。以上数据仅供参考，不代表官方统计结果。
