夜雨聆风Anthropic 在 2026 年 3 月发布了一份名为《AI 对劳动力市场的影响：新度量与早期证据》的报告。
报告得出了几个结论
1、AI 远未达到其理论能力上限，实际应用覆盖率仅为理论可行范围的一小部分。
2、列出了受AI冲击比较高的十个职业。
3、受AI冲击高行业的从业者更偏向高龄、女性、高学历、高收入群体。
4、2022 年末以来，这些行业的从业者的失业率并未出现系统性上升，但有初步证据显示，高暴露度职业对年轻劳动者的招聘有所放缓。
我们可以看到受到冲击比较大的职业，或者说被替代概率比较大的职业，是传统意义的白领职业。
结合姚顺宇（理论物理学家，现为Google DeepMind高级资深研究科学家）最近接受访谈时表达的内容
“AI 是一个很中心化的技术，它会让少部分人变得更强，但会让大部分人失去他们的独特价值。”
“对于传统的软件工程来说，最后变成的结果可能就是，千分之一的人干了过去所有人的工作，拿着现在一百倍的工资。”
他也提到编程领域有两个结构性优势，使得其容易被AI替代：
第一，奖励信号定义清晰。SWE 任务天然可测，输入输出一匹配就是成功。模型可以通过强化学习自我打分、自我提升，不需要人在中间做评估。
第二，数据基座天然存在。GitHub 几十年沉淀了海量高质量代码，构建训练环境非常方便。
也就是说，工作过程会留下大量可量化的数据，结果可以被打分，那这项工作就很容易被AI取代。
那什么样的人，能够不被AI替代？
他回答是，要具有三种能力。一是技术上一定要强（必要条件）。二是能理解自己的工作在大组织里怎么适配进去。三是规划能力强，能把复杂事拆解成小事交给不同的 AI。
不过又补充到，也许这三种能力，之后也会被AI取代。
哈哈哈~
从我自身感受来讲，我觉得Anthropic和姚顺宇的观点在我这行也比较适用。我这一年来已经没招过实习生了，AI几乎已经完全把实习生和初级员工的任务取代了。
人类社会的职业的传统起点往往是“学徒制”，师父领进门，徒弟打下手。就交易这个行业而言，有个师父带和没师父带是完全不一样的，我自己也是有老师一路带过来的，没有老师带，我现在走不到这一步。没人带，新人的培养周期和培养成功率都会大大降低，也就更难成为暂时还难以被AI替代的老鸟。
新人入行会更难，行业对新人的需求也会更低。对年轻人就业的冲击是真实的。
对于交易这个行业而言，冲击最大的是两类人：
1、做案头资料收集工作的实习生、新员工
2、对市场缺乏理解的初级量化程序员
但是，如果新人不从基层做起，的确也积累不了对市场的理解……
我也思考过，什么能力能保证自己在AI时代的竞争力。
我们所谓做交易，简单说可以理解为炒股；AI时代，就是用AI炒股。不过用AI炒股没那么容易。
不是有人想的，AI是全知全能的智库，你问这个股票明天涨跌，他会回答出来。
大语言模型，本质上是一个概率模拟器，你问问题，它写出最有可能出现的答案或者做出你最有可能让它执行的操作。
如果是一个答案非常清晰且数据非常充分的问题，对它来说就很容易回答。
但是交易市场的环境，是一个充斥着大量似是而非、相互矛盾又没有绝对对错信息的环境，且高度博弈的市场。你一个策略用的人多了就会失效，最大概率的那个答案反而可能是一个失效的答案。所以粗糙且盲目地问AI，是没什么效果的。
我做的事情是，给AI一个方向，把要做的事拆分成一小块一小块，让AI去干活，我盯着AI干活，检查这个结果有没有问题。
给方向、拆分、检查这些还是需要市场认知和理解的。暂时新人和AI无法替代，但是我不知道这个时间窗口有多久，AI的进步太快了。
我还是觉得身边不少人对AI太过乐观了，没意识到冲击，并不意味着AI没有替代他们。大部分人类的上限会被AI锁死……
再来看看第二个问题：
对于之前的技术，我们习惯的陈词滥调是：虽然短期会影响一些岗位，但是长期会产生更多新就业。
但是，这次似乎有点不一样。
之前的技术革命，主要替代的是某一项机械性的工作，主要是体力劳动，而且给了一个比较长的时间让大众和社会结构去适应这样的变革；
但是这次似乎是直接对人的替代，是认知性质的工作被替代，需要判断、需要表达的脑力工作被替代。
如果搭配具身智能，人和机器的边界是会逐步模糊的，虽然这应该还会有比较长一段时间。
和人的认知能力不一样，AI更像是在模仿一个有认知能力的人，但是当前AI在日常认知任务中完成的比普通人好，甚至是优于90%以上的人。
AI本身是对人的替代！
做得比人更好，更节省时间和成本！
且现在AI发展的速度太快，留给大众和组织结构的调整时间不一定会很多。
新的供给和需求产生还需要时间，需要其他技术上的突破，比如能源、材料、航空航天上的，去拓展人类社会的边界；但是对白领工作的冲击应该近几年就会逐渐显露。
直接会有两个问题：
1、AI对就业的冲击具有“破坏快、创造慢”且受益者不一的特征，可能导致青年和大龄劳动者面临结构性就业困难。
2、更根本的挑战在于分配：AI带来的生产率跃升，其红利能否通过制度安排公平地惠及广大劳动者，而非仅由资本持有者获得，是避免社会需求萎缩、经济陷入下行螺旋的关键。
当然，这种社会问题我也解决不了，也没有任何必要去掺和，物竞天择，优胜劣汰，我更多是看其中对我自己的机会和挑战是什么。
其实在我看来，这两个问题短期内根本无法解决，但不至于那么吓人。
因为——
权力与权利，都在人身上；
且真正有资产和权力的一批人，大多是一群年龄大的，对AI这种新事物接受慢的人；
资产、生产资料仍然是属于人的，为人所有，为人所用，
人去支配资产和生产资料，还是会以他熟悉的、属于人的认知的方式去使用，
比如说，我熟悉的资管行业，里面很重要的一环是信任关系，
信任关系依然是需要人与人之间建立的，很难受直接对AI产生信任关系；
对生产资料的持有者来说，AI是更高效的生产工具，带来更强的产出。
当然，许多年龄大的领导高管，也是不懂AI、更不相信AI的，依然会维持原有的生产状况；但是这种生产状态，在市场竞争中，会面临使用AI的更高效的组织的冲击；
我简单举个例子，量化机构对传统主观投资机构、传统游资的冲击就非常的明显，传统投资机构老旧的生产力这几年明显比量化差很多。
但是，对一些非市场化、不以盈利为第一目的的组织来说，这种冲击要慢得多、小得多。
但是，我认为对于没资源的年轻人来说，初级的白领工作，在AI冲击下，上限更容易被锁死，因为给得多点，真不如用AI划算……
也是我所在的金融分析这行，一个AI顶10个实习生或者3~5个初级员工，一个初级员工的工资，就够给AI开上好几年会员……
不过除了效率，我们社会的运行，还要考虑稳定等等，目前这个社会还是人主导的，AI发展到一定程度，出于稳定考虑，也会去锁AI的使用。
而且，AI发展一定会受到能源问题的限制，人类的生理结构才是工作最省能量的……这个限制也可能会比较快遇到。
AI带来的生产效率的提升，首先获益的应该依然是大厂，分配问题很难的。
所以，到最后，回到大学生就业问题上了，因为很多大学生是往白领这个方向培养的……这个之后聊志愿填报的时候再细说。
最后一点，回到我自己，AI对我来说影响到底怎么样，此后我该怎么做，保持竞争优势？
我认为我还算是AI的受益者，弥补了我数据处理的短板，的确一个人就可以组研究团队了。
AI在交易方面运用到最前沿的，应该就是头部量化机构了，毕竟deepseek也是幻方量化搞出来的。
目前其实和量化大厂的直接竞争不大，因为我们这种个人的策略能够维持比较好收益率的策略，一般体量比较小，5000万以下，量化大厂看不上。
量化大厂真正的最强策略，要拿更精细的数据，这不是个人能做到的。
就海洋霸主和小鱼之间段位差太多，不在同一个赛道。
直接冲击是一批传统主观投资。
资源相对没那么多的年轻人，就该用新技术去干老登……
当然，后面我不准备再写下去了，其实这一段才是重点，我还写了不少，不过不公开了，底牌不能露……
