AI时代的“就业双轨制”:被替代的岗位与被创造的岗位

系列定位：本文是“AI时代人和组织成长”系列的第55篇。前文已完成个人能力跃迁（第50篇）、OPC创业（第51-52篇）、组织重构（第53篇）、CEO角色重构（第54篇）。本篇将视角从“组织内部”扩展到“外部劳动力市场”，系统回答AI时代哪些岗位在消失，哪些在爆发，以及你该如何选择自己的“轨道”。

2026年春天，美国就业市场出现了一组矛盾的画面。

一边是科技巨头的大规模裁员。亚马逊以向AI转型为背景裁撤了1.6万个岗位，多家科技巨头累计裁撤了数万名基础编码人员。高盛研究部在2026年4月发布的AI追踪报告中指出，AI已对美国就业市场造成“可测量的拖累”，过去一年每月净减少约16,000个岗位。高盛的模型显示，每月约有2.5万个岗位被AI替代，同期AI辅助创造了约9,000个新岗位，净减约1.6万个。瑞银的报告则更直接，在美国企业宣布的裁员中，26%直接归因于人工智能；42%的公司预计将因AI而减少招聘。

另一边却是AI岗位的井喷式增长。据脉脉《2026春招职场洞察报告》，2026年1-4月，AI领域岗位量同比增长8.7倍，具身智能岗位暴增15倍。AI解决方案架构师年薪最高达150万元。招聘平台Indeed的数据显示，OpenAI、Google及AWS对“工程师＋顾问”混合型AI人才的岗位空缺，较一年前增加了近19倍。更具冲击力的是，同期AI领域岗位在新经济岗位中的占比从约2.78%飙升至22.03%，每4个新岗位里，就有1个和AI相关。

这两个画面同时出现在2026年的春天，构成了AI就业市场的AB面。它们不是矛盾，而是“双轨制”正在成形的信号，一轨通向替代与萎缩，一轨通向创造与爆发。

本文是系列第55篇。第50篇我们讨论了“执行-组合-定义”三层能力断裂，第53篇讨论了组织内部的中层坍缩，第54篇讨论了CEO角色重构。这一篇，我们将视角从“企业内”扩展到“全社会”，用数据回答哪些岗位在消失，哪些在爆发，分析其背后原因，以及你该如何选择自己的“轨道”。

一、宏观图景：AI就业替代的整体规模

要理解AI对就业的真实冲击，首先需要看清宏观数字背后的不同“镜头”：为什么有的预测是8亿，有的说是900万？下面将拆解这些看似矛盾的数据。

1.1 如何读懂那些“打架”的数字

关于AI会替代多少岗位，不同机构的预测差异巨大。

麦肯锡全球研究所预测，到2030年，全球约有4亿至8亿个工作岗位会受到自动化技术的显著影响。这是最常被引用的数字，但也是最容易被误解的数字。它说的是这些岗位中相当一部分的工作内容将会被技术变革所改变，但岗位本身不一定会消失。

IMF总裁格奥尔基耶娃在2026年达沃斯论坛上给出了另一组数据：全球40%的岗位将被AI重塑或淘汰；在发达经济体中，这一比例更将跃升至60%。IMF的分析进一步指出，在受影响的60%发达经济体岗位中，约一半可能会受益于AI集成从而提高生产率；而对于另一半，AI可能会执行目前由人类完成的关键任务，从而降低劳动力需求，导致工资降低和招聘减少。

牛津经济研究院的预测则更为具体：20%的全职岗位将被AI深度接管。世界经济论坛在《2025年未来就业报告》中指出，AI和信息处理技术预计将创造约1100万个岗位，同时减少约900万个岗位。从全球整体看，到2030年，预计将有1.7亿个新岗位被创造，9200万个岗位被替代，净增约7800万个。

这些数字差异巨大，但并非彼此矛盾，它们只是从不同“焦距”观察同一现象：麦肯锡的“8亿”是望远镜（看自动化影响的总量），IMF的“40%-60%”是CT扫描（看岗位暴露的结构），WEF的“900万净替代”是显微镜（看净消失的岗位）。核心结论是一致的：AI正在大规模重塑就业结构，净效应尚不确定，但结构性分化已不可逆转。

1.2 美国的近期实证：AI开始“可测量地”影响就业

高盛研究部在2026年4月发布的AI追踪报告中首次提供了量化证据：AI已对美国就业市场造成“可测量的拖累”，过去一年每月净减少约16,000个岗位，其中约25,000个岗位被AI替代，约9,000个新岗位被创造。在1.6亿人的美国劳动力市场中，16,000在总量上只是沧海一粟，但它释放了一个强烈的信号：AI已经开始在统计层面影响就业。

瑞银2026年5月的报告进一步确认了AI裁员的普遍性：在美国企业宣布的裁员中，26%直接归因于人工智能；42% 的公司预计将因AI而减少招聘，较2025年10月上升了11个百分点。

从行业分布看，最易受AI影响的专业和商业服务领域，据Yardeni Research总裁引述美国劳工统计局数据，2026年3月裁员人数较去年同期增加15万人。斯坦福数字经济实验室的研究发现，在AI暴露度最高的职业中，22-25岁年轻工作者的就业相对下降了16%，而同一职业中年长工人的就业保持稳定。下降的方式并非大规模裁员，而是公司不再开设新的入门级岗位，让AI工具加上资深同事消化掉了原本由新人完成的基层工作量。

一个反直觉但极具洞察力的发现是，在AI暴露度最高的职业中，30岁以上的工人同期就业反而增长了6-12%。AI冲击正在以一种“静默替代”的方式重塑就业结构，它不为年长员工让路，而是截断了年轻员工的职业生涯起步阶梯。

这背后是对职业晋升路径的结构性重塑。企业并非简单地用AI替代劳动力，而是在重塑整个层级体系，用“资深人力+AI工具”的复合能力替代原先的“金字塔”式人力梯队。入门级岗位不再是“培训基地”，而是正在被直接蒸发的能力需求。

1.3 中国的信号：结构性收缩已经开始

中国市场同样未能幸免。智联招聘数据显示，2026年春节后三周，企业总招聘职位数同比下降，白领岗位需求降幅明显，且与AI技术应用高度相关。编辑、翻译、教育培训等岗位需求显著缩减，销售与商务拓展类岗位也持续下降。

更具冲击力的是技术类岗位的断崖式下滑。智联招聘2026年一季度报告显示，普通后端开发、前端开发岗位的需求同比下降52%，薪资涨幅基本停滞。但与此同时，AI相关岗位却在爆发式增长，AI产品经理招聘需求同比增长81%，人工智能工程师需求同比增长17%。

与此同时，国考报名人数再创新高，年轻人用“考公”对冲AI风险。这是中国特有的“体制内缓冲带”。短期看，体制内岗位是避风港；但长期看，AI同样在渗透政府服务，公务员岗位的“AI免疫”不会持久。

二、“消失的轨道”：哪些岗位正在被替代

宏观数字揭示趋势，但具体到职业层面，替代并非均匀分布。2.1节列出了当前最危险的高危岗位清单，以及它们正在被替代的真实规模。

2.1 高危岗位清单：谁在“K型曲线”的右下枝？

美国劳工统计局（BLS）已将18个职业类别标记为“高度AI暴露”，合计约1,000万个工作岗位。2024年5月至2025年5月，这18个职业的总体就业人数下滑0.2%，而同期美国整体就业增长了0.8%，两者已出现明显背离。

具体到单个职业，冲击触目惊心。客服代表一年内减少130,180人，降幅4.8%，这是绝对数量最大的单一职业萎缩。秘书与行政助理减少31,030人，降幅1.8%。批发与制造业业务代表减少28,670人，降幅2.3%。

若拉长视角，萎缩最剧烈的职业更为惊人：信用授权员、审计员和文员下滑26.2%，广播播音员下滑20.8%，业务工程师下滑13.2%。

中科院科技战略咨询研究院院长潘教峰在2026年两会期间指出，计算机程序员、会计与审计人员、法律与行政助理、客户服务代表、电话推销员、校对与文字编辑等职业，面临较高的替代风险。

应届生小李，24岁，计算机专业本科毕业。他投了50份初级程序员简历，面试时被问的不是“你学过哪些编程语言”，而是“你用过哪些AI编程工具”。他尴尬地发现自己还在手写基础的CRUD代码（Create、Read、Update、Delete，是计算机中四种基本数据操作的中文缩写），而面试官告诉他，这些工作公司的AI工具“一分钟就搞定了”。更残酷的是，很多企业的初级岗位正在被直接取消。最新的调查显示，43%的CEO计划在未来一两年内削减初级岗位，更有20%的公司已经因AI而完全停止招聘入门级员工。不是“少招一点”，而是“根本不招了”。小李的“第一份工作”，正在被AI截断。

2.2 “替代”的三阶段模型：不是一夜消失，而是温水煮青蛙

AI替代一个岗位，不是“咔嚓”一刀，而是分三个阶段渐进侵蚀。理解这一节奏，才能看清“消失”不是突然发生的，而是缓慢而确定的。

第一阶段，也是AI辅助阶段，人做主要工作，AI打杂。AI处理标准化子任务，人类负责整体流程和异常处理。岗位还在，但效率提升，人数开始自然缩减。

第二阶段，是AI主导阶段，AI做主要工作，人审核纠错。AI可独立完成大部分核心任务，人类退居“监督者”和“例外处理者”。岗位大幅缩水，薪资下降，岗位性质发生根本改变。

第三阶段，是AI自主阶段，AI独立完成全流程，人仅处理极端例外。岗位消失，或转型为“AI训练师/审计师”。

以客服岗位为例，其三阶段演进最为清晰。

第一阶段（2022-2025年）：AI处理标准问答，人处理复杂投诉。Gartner预测，到2026年30%的客服岗位将被AI替代。

第二阶段（2025-2027年）：AI处理大部分请求，人仅处理少量极端案例。更多机构选择“自然减员”的方式，而非直接裁员。

第三阶段（2027年后）：AI自主闭环，人类岗位转向“AI训练师”和“异常处理专家”。

2.3 哪些职业正处于“高风险窗口”？

根据三阶段模型的时间推进，可以大致勾勒出各职业所处的“风险窗口”。

1-2年内（已在发生）：基础排版、标准翻译、初级数据录入、常规客服、会议纪要生成。这些岗位的“纯执行层”会快速被AI消化。不是岗位消失，而是一个人加AI等于以前五个人的产出。

3-5年内：初级审计底稿、合同标准化审查、基础行研报告、常规咨询PPT框架搭建、会计凭证处理。这一波会冲击“干了三年左右”的专业人士。你的经验积累速度，可能跑不过AI的学习曲线。

5-8年内：复杂的跨表格财务分析、需要行业语感的咨询诊断、非标准化的法律文书、有一定策略要求的视觉设计。AI在这些领域会变成极强的副驾驶，但仍然需要人类来踩刹车和承担最终责任。

2.4 替代背后的逻辑：被替代的是“执行层”，不是“人”

回到本系列第50篇长文中的“执行-组合-定义”三层能力框架，AI替代的职业画像与这三层能力形成了精准的对应。

执行层执行的是高重复性、规则明确、数据充分的任务，这正是AI替代的重灾区，比如编程、设计、文案、客服、基础分析、初级法律助理。

组合层的工作任务是整合资源、协调团队、设计流程。AI难以完全替代，但可以大幅增强人类能力。部分中层管理岗位正在被“压缩”而非“替代”。

定义层的职责是战略判断、问题定义、价值取舍。AI无法替代。

被替代的不是“程序员”这个职业，而是“只会写代码”的执行层能力。被替代的不是“设计师”，而是“只会做图”的执行层能力。一个程序员如果只会写CRUD、单元测试、文档注释，AI工具可以高效完成这些重复性工作。麦肯锡的研究揭示了AI替代的“边际效应”，收入最低的美国人被AI替代的可能性是收入最高者的14倍。

BCG的最新报告指出，未来2-3年，超过半数的工作将被AI重塑；但真正消失的职位，仅约一成。大多数人不会“失业”，而是会经历“职业重构”。这正是三阶段模型中，从“辅助”到“主导”再到“自主”的渐进过程。岗位可能在，但工作内容、技能要求和薪资结构将被彻底改写。

因此，理解“消失的轨道”的关键，不是列出一张“即将失业的职业清单”，而是看清你的工作内容中，“执行层”占比多少？如果超过70%，你就已经处于高风险区。不是“你会不会失业”，而是“你的工作方式必须改变”。这才是替代背后真正的危机。

三、“增长的轨道”：哪些岗位正在被创造

替代的暗面背后，是创造的亮面。AI不仅在“消灭”岗位，更在以前所未有的速度“创造”新岗位。

3.1 AI岗位的爆发式增长

如果说“消失的轨道”描绘的是就业市场的暗面，那么“增长的轨道”则呈现了另一番景象。光速般扩张的AI岗位，正在成为劳动力市场最强劲的增长引擎。

领英最新发布的《2026全球劳动力市场洞察报告》显示，过去两年AI创造的岗位数量（至少130万个）实际上多于其取代的岗位。这130万个AI相关岗位中，规模最大的是数据标注员，约77.4万个；此外还包括AI工程师、AI取证分析师、Head of AI，以及增长速度极快的“前置部署工程师/产品经理”。

在中国，猎聘数据显示，2026年1-2月，AI岗位数量同比增长约12倍。脉脉高聘人才智库发布的《2026春招职场洞察报告》提供了更精确的增量数据：2026年1-4月，新经济行业新发岗位量同比增长22.6%，AI领域岗位量同比增长8.7倍，具身智能赛道岗位量暴增15倍，已成为最核心的增量赛道。AI领域岗位在新经济岗位中的占比从约2.78%升至22.03%。字节跳动、大疆等依然是AI人才的招聘大户。北京和杭州的新发AI岗位渗透率分别高达30.17%和28.54%，即每10个新岗位中约有3个是AI岗。

更宏观地看，AI岗位在全部新经济岗位中的占比已从2025年同期的2.29%飙升至26.23%，每4个新岗位里，就有1个和AI相关。

3.2 新职业图谱：三类岗位群

综合领英、脉脉、科锐国际等多方数据，AI正在催生的新职业可以归纳为三个岗位群。

（1）技术原生群：让AI“做事”

这一群体直接参与AI模型开发、算法优化和系统部署。AIDevBoard团队基于近万条真实招聘数据，覆盖约528家公司，给出了2026年最硬核的行业切片：当前AI领域在招岗位总数达到8720个，平均薪资高达22.6万美元。其中，LLM（大语言模型）相关岗位平均薪资24.3万美元，Agent（智能体）岗位平均薪资23万美元，两者加起来超过5000个岗位，占整体需求的58%。

在中国，科锐国际《2026人才市场洞察及薪酬指南》显示，多模态算法工程师年薪区间在60万至150万元，具身智能算法工程师年薪最高可达200万元。

（2）复合协调群：让AI与人“协同”

这一群体是传统岗位的“升维”产物。他们不一定写代码，但必须“懂业务、会沟通、能调教AI”。智联招聘数据显示，AI产品经理需求同比上升81%，人工智能工程师需求同比上升17%。

更惊人的是，春节后前三周，AI智能体人才需求量同比暴增455%。面向应届生的人工智能工程师职位数同比增长39.2%，高出总体职位增速17个百分点，平均招聘月薪达17038元。

Randstad的数据显示，全球对AI解决方案负责人的需求同比增长226%，资深AI领导岗位空缺率超25%。这不仅说明需求旺盛，更说明这类“复合型”人才极度短缺。

（3）治理判断群：让AI“做对的事”

当AI的决策开始影响招聘、信贷、司法、医疗等高风险领域时，一个全新的职业群应运而生，这就是AI治理与审计。典型岗位包括AI治理专家、AI审计师、AI合规分析师、AI伦理委员会顾问等。

据海德思哲（Heidrick & Struggles）的一份人才分析显示，AI伦理技能（AI ethics skills）人才需求同比增长142%，AI UX人才需求增长92%。Selby Jennings在2026年发布的《Audit: 2026 Talent Insights》报告中指出，审计师必须能够评估AI驱动模型、确保合规、评估算法透明度，这正在催生围绕AI治理、数据完整性和伦理风险的新的人才需求。

三类岗位群的简要特征对比如表1所示。

表1 AI催生的三类岗位群特征对比

类别	核心任务	典型岗位	薪资水平	对应能力层
技术原生群	“让AI做事”：开发模型、部署系统	LLM工程师、Agent开发工程师、AI Infra	最高（22.6万美元均薪）	执行层→组合层
复合协调群	“让AI与人协同”：产品设计、方案架构	AI产品经理、人机协作专员、AI解决方案架构师	中等偏高	组合层
治理判断群	“让AI做对的事”：审计、合规、伦理	AI审计师、AI治理专家、伦理顾问	快速增长中	定义层

一个重要的“泡沫警示”：提示词工程师曾在2023-2024年被热炒，但2026年纯Prompt工程岗需求已降至仅8.1%，正被“AI应用开发工程师”等需要“从对话到任务闭环”能力的新角色取代。AI岗位本身的半衰期比传统岗位更短，今天的热门岗位，可能两年后就被AI替代。

3.3 薪资分化：AI人才市场的“K型曲线”

AI岗位的增长不仅体现在数量上，更体现在“价值分化”上。AI人才市场自身也在经历一场“K型分化”。

在中国，脉脉数据显示，AI科学家/负责人平均月薪超过13万元，AI Infra岗位约7.3万元，大模型算法工程师约7.1万元。具身智能岗位平均月薪已从5.9万元升至6.2万元。字节跳动、大疆等巨头在快速扩量的同时也在“加薪抢人”。

尚贤达猎头的分析指出了这一分化的本质：顶尖AI科学家、AI负责人、大模型核心算法人才，年薪持续突破百万甚至千万元级别。而普通“会调用AI工具”的基础岗位，则开始出现薪资回落。这意味着，AI岗位本身也在经历“执行层→组合层→定义层”的三层过滤，会“用AI”不值钱，会“造AI”很值钱，会“判断AI的对错”最值钱。

3.4 增长背后的逻辑：被创造的是“组合/定义层”能力

这些新岗位不是凭空出现的。它们与本系列第50篇长文定义的“三层能力”框架形成了精准映射。

技术原生群对应的是“执行层→组合层”的升级，这些人不满足于“用AI”，而是“造AI”，这正是第50篇中“组合层能力”在就业市场中的具象化。

复合协调群对应的是“组合层”能力。AI产品经理需要将技术语言“翻译”为业务语言；人机协作专员需要设计AI与人的分工边界。这些能力，既不是写代码，也不是拍板决策，而是“把对的事情组织好”。

治理判断群对应的是“定义层”能力。AI审计师需要判断算法是否公平、合规、可解释；AI治理专家需要定义“什么AI可以做、什么不可以做”。这正是第50篇中“定义层能力”，不是回答“怎么做”，而是判断“什么值得做”。

领英报告中“过去两年AI创造的岗位数量（至少130万个）实际上多于其取代的岗位”，之所以能够成立，正是因为AI在“消灭”执行层的同时，正在“创造”组合层和定义层岗位。从数量上看，新创造的岗位总量已经超过了被替代的岗位；但从价值分布上看，这两个层级的岗位数量虽然绝对值远小于被替代的执行层岗位，但它们的“价值密度”远高于后者。这就是为什么AI岗位薪资持续攀升，而传统白领岗位薪资停滞的根本原因。

被替代的是“执行层”，被创造的是“组合/定义层”。这既是就业“双轨制”的本质，也是个人职业发展的“坐标系”。

3.5 “中间地带”：人机协作岗位的崛起

不是所有岗位都在“消失”与“爆发”的极点上，大量岗位处于“人机协作”的中间地带。这些岗位不是被AI替代，而是被AI“升维”了。

微软2026年工作趋势指数显示，人机协作正在成为知识工作的默认操作模式。德勤《2026年全球人力资本趋势报告》呼应了这一判断，指出仅有6%的领导者在“真正推进”人机协作的设计，这说明这一领域仍处于“蓝海”阶段。

领英2026年报告已经将“人机协作专员”列为最紧缺岗位之一，要求“懂业务、会沟通、能调教AI”，这正是“组合层能力”的具象化。一个会调教AI、设计人机协作流程、审核AI输出的“人机协作专员”，其价值不是“替代AI”，而是“驾驭AI”。这恰恰回答了第二部分结尾的那个问题，“你的工作内容中，‘执行层’占比多少？”如果一个人开始从“执行者”转变为“编排者”，她就从“消失的轨道”跃迁到了“增长的轨道”。

四、双轨制背后的结构性逻辑

替代与创造的两极分化，并非偶然。它们背后有一条清晰的分水岭，不是行业，而是能力层次。4.1节将系统阐述执行层、组合层、定义层与AI影响的对应关系。

4.1 替代与创造的分水岭：不是行业，是能力层次

为什么同样是“程序员”，有人被替代，有人却被高薪争抢？为什么同样是“设计师”，有人失业，有人却成为稀缺资源？

答案不在行业标签里，而在能力层次里。

回到本系列第50篇长文定义的“执行-组合-定义”三层能力框架，AI对就业的影响可以清晰地投射到这三个层次上，具体如表2所示。

表2 能力层次与AI影响的就业结果映射

能力层次	核心任务	AI影响	就业结果	典型职业变化
执行层	把事情做对	高（替代）	岗位大幅萎缩	初级程序员→AI编程工具
组合层	把对的事情组织好	中（增强/重构）	岗位重构，需求爆发	项目经理→AI编排者
定义层	定义什么是对的事情	低（不可替代）	岗位稀缺，价值飙升	CEO、战略顾问、AI伦理专家

执行层从事的高重复性、规则明确、数据充分的任务，这是AI替代的重灾区。初级程序员写CRUD、初级设计师做素材、初级分析师做数据清洗，这些工作的核心是“把事情做对”，遵循既定规则，产出可量化的结果。AI在速度和一致性上远超人类，且边际成本趋近于零。

这正是第二部分列举的高危职业的共性：编程、设计、文案、客服、基础分析、初级法律助理、数据录入。它们共同的特点是“执行层占比超过70%”。

组合层负责的是整合资源、协调团队、设计流程、解读复杂信息。这类工作的核心是“把对的事情组织好”。AI可以辅助生成方案，但无法替代人类在跨部门沟通中的“翻译”能力、在资源调度中的“权衡”能力、在项目推进中的“人际”影响力。

这部分岗位不会被AI替代，但会被AI“重构”。中层管理者、项目经理、产品经理、人机协作专员、AI编排者，他们正在经历的不是“失业”，而是“角色重塑”。他们的价值从“传递信息”转向“判断信息”，从“监督执行”转向“设计流程”，从“管理下属”转向“管理AI”。

定义层的工作任务是战略判断、问题定义、价值取舍、道德权衡。这类工作的核心是“定义什么是对的事情”。AI可以提供数据、模拟情景、预测概率，但AI无法替人类回答“我们为什么存在”“这个方向值不值得走”“这件事该不该做”。

CEO、战略顾问、AI伦理专家、AI审计师，这些岗位不仅不会被AI替代，反而会因为AI放大了执行效率而变得更加稀缺和值钱。

因此，不是“程序员”这个职业在消失，而是“只会写代码”的程序员在消失；不是“设计师”在消失，而是“只会做图”的设计师在消失。被替代的是“执行层能力”，被创造的是“组合/定义层能力”。

4.2 企业组织阶段与个体命运

在本系列第53篇长文中，我们提出的五阶段组织成熟度模型，同样映射到个体就业的命运。具体如表3所示。

表3 组织AI成熟度阶段与个体就业影响映射

组织阶段	AI角色	对个体的就业影响
L1-L2（工具辅助/流程嵌入）	替代执行层	执行层岗位被AI替代，个体被迫升级；不升级则被淘汰
L3（跨部门协作）	流程引擎	组合层岗位需求爆发（编排者、协调者、人机协作专员）
L4-L5（决策重构/组织原生）	决策参谋/自主智能体	定义层岗位成为最稀缺资源，价值飙升

个体所处的组织阶段，直接决定了TA是被替代还是被升级。

在一家处于L1-L2的企业中，AI被当作“工具”使用，替代的是执行层。员工如果不升级到组合层能力，就会面临被裁员。在一家处于L3的企业中，AI成为“流程引擎”，组合层岗位需求激增，员工有机会从执行层“跃迁”到组合层。在一家处于L4-L5的企业中，AI成为“决策参谋”，定义层岗位成为最稀缺的资源，薪资溢价极高。

这解释了为什么“内卷”和“AI替代”会同时发生。大量企业仍停留在L1-L2，它们的选择是“用AI降本”，而不是“用AI重构”。当企业只想着“用AI替代人”时，员工就被推向了“消失的轨道”；当企业开始思考“用AI增强人”时，员工才有机会跃迁到“增长的轨道”。就业双轨制的底层动力，不仅是技术本身，更是组织对技术的“选择”。

五、K型分化与代际冲击

第四部分的诊断，描绘了一幅结构性的分化图景：执行层萎缩、组合层重构、定义层稀缺。这不是抽象的学术分类，而是正在发生的真实人生。

5.1 就业市场的“K型曲线”

翰德人才管理咨询发布的《2026人才趋势报告》指出，“K型分化”已成为贯穿各行业的主导逻辑：资源向高价值领域加速集聚，低价值领域持续承压。“K型曲线”不是“贫富差距”的另一种说法，它的独特之处在于：K的右上枝和右下枝同时向上和向下，而不是像传统的“M型社会”那样中产消失后两极分化。K型分化意味着一部分人在向上，一部分人在向下，中间层的撕裂速度最快，但向上和向下的人群并不直接竞争，他们根本不在同一个赛道里。

K的右上枝（高薪、高技能、高增长）是掌握AI核心技术（如大模型算法、多模态算法、AI基础设施搭建、AI智能体研发）的复合型人才，以及兼具机械控制与AI算法融合能力的跨领域专家。这类人才薪资飙升，供不应求。

K的右下枝（低薪、低技能、萎缩）是从事订单/发票手动录入、基础数据统计报表、初级编程、标准文案等重复性工作的岗位。这类岗位需求萎缩，薪资停滞或下降。

K的中间裂缝（中产坍缩区）是中层管理者、传统白领、35岁+的专业人士。他们正在经历“坍缩焦虑”。岗位不一定马上消失，但权力、薪资、职业安全感被系统性侵蚀。这是最容易被忽视、却最令人窒息的群体。

据Revelio Labs的数据显示，与2022年4月的峰值水平相比，到2025年底企业发布的中层管理职位数量下降了约42%。这不是暂时冻结招聘，而是对特定岗位的结构性消灭。这正是K型曲线“中间裂缝”的量化印证。

5.2 代际冲击的三层断裂

不同代际面临的AI冲击截然不同，代际冲击与本系列第50篇长文定义的“执行-组合-定义”三层能力框架形成了精准的映射。

（1）Z世代（1995-2010年出生），执行层入口正在被截断

Z世代的困境最容易被看见，他们的“第一份工作”正在蒸发。高盛数据显示，AI每月净减少约1.6万个岗位，Z世代和入门级白领承受了最大的冲击。

智联招聘集团CEO康雁在2026年指出，AI正在重新定义“入门级”的含义，就是那些曾经需要新人“熬三年”才能掌握的技能，现在AI可以在几秒钟内完成。中国社会科学院人口与劳动经济研究所所长蔡昉进一步警告，AI大模型正在让年轻人的入门级技能“贬值”，就业阶梯的“第一级”正在被抽走。据奥纬咨询2026年全球调查，43% 的CEO计划在未来一到两年内削减初级岗位，不是“少招一点”，而是“根本不招了”。

这对应着第50篇中的“执行层入口消失”。Z世代需要进入的岗位，正是“执行层”的起点。当这个入口被截断，他们面临的不只是“找不到工作”，而是“找不到属于自己的职业跑道”。

（2）80后（1980-1995年出生），组合层岗位正在坍缩

80后的困境更为隐蔽，也更令人窒息。

38岁的老张，在互联网公司干了12年，从程序员一路做到技术经理，管着15个人的团队。2026年初，公司采购了一套AI项目管理工具，可以自动分配任务、追踪进度、生成报告。老张的工作从“安排人”变成了“审核AI的安排”。三个月后，HR通知他：公司将缩减管理层级，你的团队会并入更大的部门，你可以降级做资深工程师，或者拿赔偿走人。老张选了赔偿。离职后他发现，市面上所有的高级管理岗位都要求“有AI产品落地经验”，而他过去几年都在“管人”，没有“管过AI”。他的管理经验，正在被AI稀释。

需要说明的是，代际界限并非绝对。36氪报道中的一位95后中层，她已不属于80后群体，同样遭遇了“被绕过”的困境。这说明AI对中层的冲击已经渗透到更年轻的群体中，但整体而言，80后仍是中层坍缩的主力人群。

这对应着第50篇中的“组合层岗位坍缩”。80后多年积累的管理经验（协调资源、整合信息、监督执行），正是AI最容易替代的“组合层”职能。AI无法替代的是“价值判断”和“战略决策”，而80后从未被允许参与这些。他们的岗位不是被AI“消灭”，而是被AI“绕过”。他们成了K型曲线中间的“裂缝”里最沉默的群体。

哈佛商学院的研究发现，生成式AI正在改写职场生态：新鲜人职缺大幅萎缩，老鸟反成AI时代的得利者。BCG的研究进一步揭示，AI可以直接连接决策层和执行层，不再需要“传话”的人。

（3）70后及更年长群体（1970年前出生），经验正在被数据化

70后及更年长群体的困境，则触及了职业安全感最核心的基石：“经验”的价值正在被算法重新定价。

52岁的老王，在一家制造业企业干了近30年，从操作工做到生产厂长。他对每条产线的脾气了如指掌，哪个机台容易出故障、哪个班次效率最高、哪个供应商的材料容易出问题。2025年底，公司上了AI生产调度系统。新来的年轻工程师拿着数据报表告诉他：“AI预测，下季度A产线需要减产30%，B产线需要增产20%。”老王看着报表，直觉告诉他“不对”，但他说不出“哪里不对”。因为AI的结论是基于他亲笔签过字的所有历史数据生成的。他第一次感到自己干了30年积累的经验，被一个算法“取代”了。

全国政协委员吴瑞君在两会发言中点出了AI就业冲击的特殊性：青年、中年及低技能劳动者群体面临突出转型压力。70后及更年长群体不仅是“低技能劳动者”的对立面，他们中的很多人反而是企业中经验最丰富的资深员工。但AI压缩的是“执行层”，也在稀释“经验层”。“我干了二十年”这句话，在AI时代的护城河，正在快速变浅。

需要特别注意的是，全国政协委员吴瑞君聚焦“低技能劳动者”面临的整体转型压力，而本节聚焦的70后及更年长群体中，不乏“经验最丰富的资深员工”。他们的困境不是“技能低”，而是“经验层被数据化”。两者的交集，是本节论述的核心张力。但“我干了二十年”这句话在AI时代的护城河，正在快速变浅。

这三层代际困境，对应着第50篇“执行-组合-定义”三层的系统性“断裂”。这一代人的困境，不是“能力不够”，而是“能力类型与AI时代错配”，具体如表4所示。

表4 代际冲击的三层断裂

代际	核心困境	对应能力层	核心痛点
Z世代（1995-2010）	执行层入口消失，“第一份工作”正在蒸发	执行层	本应“熬经验”的入门级岗位被AI截断
80后（1980-1995）	组合层岗位坍缩，“管理阶梯”被抽走	组合层	中层管理的信息协调价值被AI压缩
70后及更年长群体	经验层贬值，“隐性知识”被数据化	经验层	多年积累的行业经验和直觉正在被算法量化和替代

“中间挤压”效应最讽刺的地方在于，80后用十年时间爬上中层，学会了“管人”，但AI说“不需要你管”了；70后及更年长群体用三十年时间积累经验，学会了“凭直觉判断”，但AI说“你的直觉可以量化”了。AI不是抢走了他们的工作，而是抢走了他们最引以为傲的“能力”本身。

而这一切，发生在就业市场的结构性变革中。K型分化的“中间裂缝”里的那些人，比如80后中层管理者，他们既没有Z世代的学习速度，也没有退休的安全网。他们是K型曲线中“无声的缝隙”里，人数最多、也最容易被忽略的一群人。

六、中国就业市场的特殊性

与欧美相比，中国AI就业冲击的形态被四重“中国特色”深刻改写。这些特殊性决定了AI在中国的替代节奏、社会影响和政策应对，与欧美截然不同。

6.1 体制内“缓冲带”：当考公成为AI避险工具

2026年国家公务员考试的数据揭示了这一现象的规模。尽管招录计划从2025年的3.97万人缩减至3.81万人，减少了1602人，是自2019年以来国考首次缩招，但报考人数却创下历史新高，共有371.8万人通过了用人单位的资格审查。平均竞争比从2025年的95:1攀升至98:1，最热门岗位甚至达到数千比一。招录在“缩量”，竞争却在“爆炸”。

2026届毕业生中，计划报考体制内职位的比例升至25.1%，较2025届的22.5%上升了2.6个百分点。超过四分之一的新毕业生将“体制内”作为首选，“求稳”已不是个人偏好，而是一种集体避险行为。

对“体制内缓冲带”的判断需一分为二。短期内，体制内确实是AI的“避风港”。但同样需要清醒地看到，当AI能写材料、能填表格、能分派任务时，体制内那些可替代、低价值、重复性的岗位，同样会被压缩。2026年国考首次缩招，已有论者将之与“AI提升政府效率”挂钩。体制内缓冲带短期有效，但长期看，AI同样在重塑政府的运行方式。求稳不能求“不动”，而应求“能变”。

6.2 “35岁现象”与AI叠加：双重淘汰的“完美风暴”

中国职场本就有35岁歧视的传统。AI大规模替代入门级岗位后，35岁+白领正面临“年龄歧视+技术替代”的双重淘汰。这是中国独有的“代际叠加”冲击。

38岁的小张在一家金融科技公司做了8年数据分析，从初级分析师做到数据团队负责人。2026年初，公司上线了AI数据分析平台，原来需要他团队5个人花一周完成的报告，AI几分钟就能生成。三个月后，HR通知他：公司将缩减数据团队，你可以降级做数据分析师，或者拿赔偿走人。小张选择了赔偿。离职后他发现，市场上所有的高级数据岗位都要求“有AI产品落地经验”，而他过去几年都在“管人”和“做报表”，没有“管过AI系统”。他的管理经验和数据分析技能，同时面临贬值。

中国社会科学院学部委员蔡昉在2026年两会期间及之后的多次公开演讲中指出，AI大模型将让“一老一小”群体的就业率先受到冲击，大龄劳动者的数字鸿沟被进一步拉大。AI冲击恰恰击中了中国劳动力市场已有的“一老一小”结构性短板。AI加剧了已有的年龄歧视，而非创造了全新的年龄歧视。

但对于能够完成能力跃迁的35岁+群体，情况则完全不同。据某招聘平台2026年5月发布的行业数据分析，35岁以上程序员中，那些已从“执行者”升级为“决策者”或“价值创造者”的群体，其平均薪资显著高于30岁以下群体。AI时代的分水岭不是年龄本身，而是你是否已经越过了执行层，进入了组合层甚至定义层。

6.3 “新蓝领”的数字化替代：从“避风港”到“风暴中心”

外卖骑手、快递员、网约车司机曾被称为吸纳劳动力的“新蓝领三宝”，被视为AI时代最后的“避风港”。但北大国家发展研究院院长姚洋在2026年明确指出，外卖骑手这一职业很可能在十年内消失。随着自动驾驶技术的日趋成熟，无人机配送和无人车送餐将全面取代人工配送。

无人业态对标准化、可程序化岗位的替代是不可逆的，直接压缩基层劳动者就业空间，结构性失业风险逐步显现。目前，无人机飞手、低空物流配送员等新职业正在兴起，但问题是，从骑手到飞手的转型，意味着从“体力劳动”到“技术操作”的跃迁。门槛大幅提高，不是所有人都能完成这个跨越。无人配送对基层劳动者的冲击，将在未来十年内持续加剧。

6.4 区域分化：一线城市的AI繁荣与三四线城市的“就业塌陷”

AI对就业的冲击并非均匀分布，一线城市与三四线城市正在形成新的“数字鸿沟”。民生智库的热点洞察数据显示，一线城市约72%的企业明确要求求职者掌握AI工具，二线城市降至34%，三线及以下城市不足10%。AI技能已成为一线城市就业的“准入门槛”，但在中小城市，它仍是一个遥远的概念。

上海交通大学教授陆铭的研究发现，AI发展总体上会强化大城市及周边区域的集聚效应，客观上存在加剧“强者愈强”区域分化的可能性。但他同时指出，AI并不会改变“集聚中走向平衡”的区域发展核心规律，集聚效应并非绝对挤压中小城市的发展空间。此外，通过税收优惠、产业园区建设、人才引进补贴等措施，越来越多AI企业正在布局二线城市，部分新一线城市招聘需求增幅亮眼。

从区域视角看，“AI就业塌陷”最严重的是三线及以下城市，这类城市既没有一线城市的“AI繁荣”吃到红利，也没有二线城市的“产业外溢”承接转移，传统岗位被AI替代的速度，快于新岗位进入的速度。

6.5 政策回应：国家如何应对AI就业冲击

面对AI对就业的结构性冲击，国家层面的政策工具箱已经启动。2026年5月18日，国务院就业促进和劳动保护工作领导小组印发了《稳岗扩容提质行动方案》，针对包括AI带来的就业担忧等需求，给出了一整套行动方案。方案明确提出要“打造贯穿全职业生涯的技能培训体系”，从进厂到退休前，只要有需求，都能找到对应的培训项目。人社部也已启动“人工智能技术技能提升行动”，劳动者可通过线上平台免费学习相关课程。

全国政协委员、西南财经大学大数据研究院院长寇纲在两会发言中指出，2026年政府工作报告明确“围绕发展新兴产业、未来产业培育新职业新岗位”，加大对人力资本要素投资，是更好适应人工智能时代需要的基础性工程。从“稳岗扩容提质行动”到“技能照亮前程”，国家层面已释放出清晰的信号：政策正在从“被动应对”转向“主动干预”。

诊断到这里，似乎全是坏消息。体制内缓冲带在变窄，35岁+面临双重淘汰，新蓝领岗位正在被替代，区域分化加剧。但诊断不是为了绝望，而是为了找到药方。政策已在行动，关键在于个体的选择。

七、行动指南：如何选择你的“轨道”

诊断至此，我们已经看清了AI就业冲击的全貌：宏观数据揭示了“双轨制”的存在，微观案例呈现了替代与创造的AB面，代际分析展示了三层断裂，中国特殊性暴露了四大结构性问题。但诊断不是为了绝望，而是为了找到药方。

7.1 自检：你处于哪一层能力？

回到本系列第50篇长文定义的“执行-组合-定义”三层能力框架，用一个简单的问题评估自己：你的工作内容中，这三类任务的占比是多少？

一是执行层，重复性、规则明确、可数据化、产出可量化的任务。例如写标准代码、做数据录入、生成常规报表、回复标准客服邮件。

二是组合层，整合信息、协调资源、设计流程、跨部门沟通、质量控制。例如项目管理、团队协调、流程优化、需求分析。

三是定义层，战略判断、问题定义、价值取舍、伦理权衡。例如产品战略、商业决策、AI治理、组织设计。

一个简单的自检方法：回顾你过去一周的工作时间，估算三个层次的占比。

如果执行层任务占比超过70%，你已经处于高风险区。你的工作内容正是AI最容易替代的领域。不是“你会不会失业”，而是“你的工作方式必须改变”。

如果组合层任务占比在20%-50%，你处于“被重构区”。你的岗位不会消失，但工作内容会被AI大幅重塑。你需要向“AI编排者”方向升级。

如果定义层任务占比超过20%，你拥有AI无法替代的护城河。你的价值不在于“做得快”，而在于“判断得准”。

以我们前文的三个合成案例为例。应届生小李的工作中，执行层任务占比约90%，他处于高风险区；IT经理老张的工作中，组合层任务占比约70%，他正处于“组合层坍缩”的裂缝中；厂长老王的工作中，定义层任务占比约50%，他的困境不是“能力不够”，而是“经验正在被数据化”，但他有定义层能力的底子，转型潜力最大。

7.2 三条转型路径

基于第50篇的三层能力框架，我们设计了三套转型路径。

（1）从执行层到组合层，成为“AI编排者”

适用人群：执行层任务占比超过70%的Z世代、初级岗位从业者。

转型方向：从“执行者”到“编排者”。你不是被AI替代，而是成为AI的管理者。

具体行动：

①停止“手工作业”，把重复性、标准化的任务交给AI工具；

②学习设计人机协作流程，思考“哪些任务AI做、哪些任务人做、两者如何交接”；

③成为团队中的“AI调度官”，主动承担AI工具的选型、部署、培训职责。

时间预期：6-12个月。

（2）从组合层到定义层，成为“价值判断者”

适用人群：组合层任务占比超过50%的80后中层、项目经理、产品经理。

转型方向：从“协调者”到“判断者”。不再满足于“把流程跑通”，而是专注于“这个方向对不对”。

具体行动：

①将信息处理交给AI，不再亲自做数据汇总、进度追踪、报告撰写，让AI成为你的“超级助理”；

②专注价值判断，把时间投入在“为什么做这个”“什么值得优先”等问题上；

③培养“AI审计”能力，学会质疑AI的输出，比如置信区间、数据偏差、边界条件变化时结论会变吗？

时间预期：3-5年。

（3）跨界复合，技能叠加

适用人群：任何层次都可以尝试，特别适合70后及更年长资深员工。

转型方向：在本职之外，学习第二技能，形成“T型”或“π型”能力结构。

具体行动：

①工程师学产品，技术背景的人学习需求分析、用户研究、商业思维；

②销售学数据分析，业务背景的人学习用AI分析客户数据、预测市场趋势；

③设计师学AI工具，从“会设计”升级为“会用AI设计”，再到“会训练AI设计”；

④管理者学AI治理，学习AI伦理、合规、风险管理。

时间预期：1-2年。

7.3 代际差异化建议

综合以上对不同代际的深入诊断，以下为针对性的转型药方汇总，如表5所示，供你对照参考。

表5 代际差异化转型药方

代际	诊断	药方
Z世代	执行层入口消失，“第一份工作”正在蒸发	不要再把“编程”当作铁饭碗。你的第一份工作可能不是“执行者”，而是“AI编排者”。从大学开始就学习AI工具，用AI完成作业、做项目、攒作品集。面试时展示的不是“我会什么”，而是“我用AI做出了什么”。如果你只会“写代码”，你就是可以被AI替代的；如果你会“设计AI协作流程”，你就是AI的管理者。
80后	组合层岗位坍缩，“管理阶梯”被抽走	接受“中层坍缩”的现实。你的管理经验（协调、监督、信息传递）正在被AI稀释，但你的业务理解、人际网络、行业洞察是AI无法替代的。从“管人”转向“管AI”，从“传递信息”转向“价值判断”。学习AI编排、人机协作设计，成为团队中的“AI调度官”。
70后及更年长群体	经验层贬值，“隐性知识”被数据化	将经验“资产化”。你的行业经验不是知识，是“隐性知识”。写出来、讲出来、教出来，成为内部培训师、行业顾问、知识导师。AI可以量化“显性知识”，但无法替代“隐性知识”（直觉、判断、经验）。你的价值不在于“我知道怎么做”，而在于“我知道什么情况该怎么做”。同时，学习AI工具的基本操作，不是为了“变成程序员”，而是为了“与AI对话”。

7.4 一个最重要的提醒：不要追逐“热门岗位”

在第三部分，我们提到了“提示词工程师”从爆红到需求萎缩的案例。2023-2024年，“提示词工程师”被炒作为“AI时代最性感的职业”，年薪百万、供不应求。但到了2026年，纯Prompt工程岗需求已降至仅8.1%，正被“AI应用开发工程师”等需要“从对话到任务闭环”能力的新角色取代。为什么？因为AI自己学会了写Prompt。当AI进化到可以“自我提示”时，专门做提示工程的人就没价值了。

这个教训告诉我们，不要追逐“热门岗位”，要追逐“稀缺能力”。热门岗位是“风口”，风一过就摔下来。稀缺能力是“地基”，无论风向怎么变，你都有立足之地。

真正的护城河不是“某个具体的岗位”，而是我们在本系列长文第50篇中提出的组合层和定义层能力，这在任何行业都是稀缺的，在任何时代都是值钱的。

组合层能力指设计流程、协调资源、整合信息、人机协作，这些能力不会过时。

定义层能力指战略判断、问题定义、价值取舍、伦理权衡，这些能力更不会过时，因为AI越强大，“什么值得做”的问题就越重要。

7.5 从自检到行动

读完这篇文章，你可能会感到焦虑、迷茫，甚至绝望。但请记住，焦虑不是终点，而是行动的起点。回到那个最本质的问题：当AI接管了执行，你还能做什么？

如果你的答案是“我不知道”，那么你的第一优先级不是“找工作”，而是“找自己”。花一周时间，用7.1的自检框架，诚实地评估自己的能力结构。然后，选择一条转型路径，开始行动。

如果你的答案是“我能做判断、我能担责任、我能定义方向”，那么你已经站在了“增长的轨道”上。

八、结语：不是“失业”，而是“能力换轨”

回到开篇的两个画面：一边是裁员，一边是招聘井喷。它们不是矛盾，而是同一枚硬币的两面。这枚硬币的名字，叫“双轨制”，一轨通向替代与萎缩，一轨通向创造与爆发。被替代的是“执行层”，被创造的是“组合/定义层”。

这不是一篇关于“AI会抢走多少工作”的预测报告，而是一份关于“如何在这场结构性变革中重新定位自己”的诊断书。

被替代的不是“程序员”，而是“只会写代码”的程序员。被创造的不是“AI岗位”，而是“能用AI放大判断力”的人。

就业双轨制的终点，不是“失业”，而是“能力换轨”。你无法阻止AI替代执行层，但你可以选择是被动地等待被替代，还是主动地完成能力换轨，从执行层跃迁到组合层，从组合层跃迁到定义层。

Z世代失去了“第一份工作”的入口，但可以用AI工具直接完成“执行层”的跨越，直接进入“组合层”；80后失去了“管理阶梯”，但可以转向“AI编排者”，从“管人”升级为“管AI”；70后及更年长群体的“经验”正在被数据化，但他们的“隐性知识”和“行业判断”仍是AI无法替代的稀缺资产。

当你把AI当作“对手”，你注定会输，因为AI在速度、精度、成本上全面碾压人类。但当你把AI当作“工具”，你就有机会成为AI的管理者，不是“比AI更强”，而是“与AI不同”。

不同之处在于，人有“问题定义权”，在数据之外做出价值判断；人有“责任承担”，在算法失去边界时站出来负责；人有“意义赋予”，在效率至上的时代追问“为什么值得”。

从本系列第50篇长文的“能力三层断裂”，到第53篇的“组织重构”，到第54篇的“CEO角色重构”，再到本篇的“就业双轨制”，我们一直在追问同一个问题：在AI时代，人的不可替代性究竟在哪里？

答案从未改变：不是比AI更强，而是与AI不同。

现在，轮到你来回答了。你的轨道，你来选择。

全文完

本文是“AI时代职业价值”系列的第55篇。前篇已覆盖个人能力跃迁、创业形态、组织重构、CEO角色重构。本篇从“组织内”扩展到“全社会”，系统回答了AI时代就业市场的结构性分化。系列六篇共同构成了从“个人能力”到“组织变革”到“劳动力市场”的完整闭环。