“它不会消失”，美国斯坦福团队更新数据，初级岗位压力仍在

前不久8月，由斯坦福大学经济学家埃里克·布林约尔松领衔的团队发表了一项深入研究，借助美国最大薪资软件提供商安德普的大规模高频行政数据，考察人工智能对就业的影响。

研究结论相当鲜明：自生成式人工智能广泛应用以来，在受人工智能影响最深的职业中，22岁至25岁劳动者的就业出现了显著的相对下降，即便控制了其他经济冲击因素，结果依然成立。批评者随即提出反驳。谷歌的经济学家认为，问题出在利率；也有人归因于科技行业过度招聘、远程办公带来的扭曲，以及病情时期的数据噪音。

就在本月早些时候，阿波罗全球管理公司的托斯滕·斯洛克仍在坚持认为，初级岗位招聘疲弱是低招聘、低裁员就业市场的一部分，并追问：“人工智能就业危机到底在哪里？”

不过，布林约尔松不仅持续更新数据，还与安德普研究院展开合作。后者是这家私人薪资数据提供商的经济研究部门，覆盖大约每6名美国劳动者中的1人。更细致的检验显示，这种影响并未消退。布林约尔松对《财富》表示：“不管原因究竟是什么，它都不会消失。”

这些新数据来自“金丝雀仪表盘”。这是布林约尔松领导的斯坦福数字经济实验室与安德普研究院扩大合作后的核心成果，也是对前不久夏天那篇引发广泛关注论文的延续。该平台汇集了460万名劳动者、730多个职业的信息。该实验室将其列为多项可免费访问、持续更新的人工智能经济指标中最受关注的一个，用于近乎实时地追踪人工智能对劳动力市场的影响。

在布林约尔松看来，这也是对那些认为原始发现只是短暂波动的批评者的部分回应。他在平台发布时说：“我们正在盲目驶入世界历史上最具影响力的时期之一。我们需要及时、可信的证据，来理解人工智能在哪些地方创造了价值，又在哪些地方扰乱了工作。”

这一仪表盘处理的薪资数据覆盖约六分之一的美国劳动者。按年龄和人工智能暴露程度拆分后，数据显示出一条不断扩大的断层线。

从整体看，数字仍然相对温和。截至2026年4月，受人工智能影响最深的职业同比仅收缩0.2%，而受影响最小的岗位则增长0.1%。自2022年底聊天生成预训练转换器发布以来，人工智能暴露职业的年度就业增幅实际上提高了1.1%，而暴露程度最低的职业提高了2%。如果只看headline数据，局面并没有失控。

但如果按职业阶段切分，情况就变了。对于22岁至25岁的劳动者，高人工智能暴露职业中的就业如今正以每年3.8%的速度萎缩，而且这种早期职业阶段的下滑在第一年后进一步加剧：截至2024年4月时降幅为2.8%，此后扩大到每年超过4%的降幅。按月看，平均降幅约为0.3%，但布林约尔松指出，与同比减速趋势相比，月度数据噪音更大。

同一年龄组中，人工智能暴露程度最低的岗位则保持每年2%的增长。31岁至34岁的中生代劳动者也在收缩，同比下降1.7%。相比之下，35岁至40岁的劳动者就业增长了2%。

这项技术并不是在全面消灭工作，而是在削弱进入职业体系的入口。随着数据不断积累，这种趋势也显示出越来越高的针对性。

其中的机制并不神秘。人工智能先吸收的是任务，而不是整个岗位；它最先触及的，往往是不需要多年经验的工作内容，比如检索、摘要、排程、格式整理，以及机械性的信息拼装。这些任务恰恰更多分配给职业生涯初期的人。资深劳动者已经积累了那些难以编码、又高度依赖具体岗位经验的技能，因此仍能在一定程度上抵御替代；初级劳动者则尚未形成这种缓冲。

安德普首席经济学家内拉·理查森也是布林约尔松这项研究的合作伙伴。她认为，自动化与增强之间的区别，是关键变量。那些人工智能用于增强人类工作的职业，就业增长更具持续性；而那些人工智能直接自动化任务的职业，则会出现收缩。职业生涯早期劳动者集中在各类职业中最容易被自动化的那一层，因此正处于第二类之中。

理查森在6月16日针对首批仪表盘数据发布的博客文章中强调：“从总体上看，人工智能对就业的影响仍然有限。”但她接着写道，如果按职业阶段来衡量人工智能的影响，“就会出现显著差异”。

理查森表示，围绕人工智能与就业的大量争论，本质上仍带有“猜测”性质，因为其中变量太多，不确定性也极大。她最近对《财富》表示，现实情况要“更复杂细致”：人工智能是自下而上地扰动任务，而不是自上而下地消灭岗位。她写道：“在那些人工智能能够放大人的能力和潜力的职业与职业阶段中，我们看到的是就业增长。”

布林约尔松表示，他已经用各种主要反驳理由对这一发现进行了压力测试。利率假说的方向并不成立——对利率最敏感的职业，如建筑业，反而是人工智能暴露程度最低的。他还剔除了整个科技行业，单独隔离了远程办公效应。无论怎样切分，模式都没有改变。

他说：“即便把整个科技行业拿掉，或者把所有与科技相关的职业拿掉，或者换不同方式切分数据，仍然会看到这种效应。”

最初那篇论文的数据截至2025年8月，而新的仪表盘把时间延长到了2026年4月，涵盖了聊天生成预训练转换器问世后近4年的劳动力市场数据。这种效应并没有回归均值，反而持续存在，并且每个月大致扩大0.5个百分点。

麻省理工学院经济学家、诺贝尔奖得主达龙·阿西莫格鲁，已成为这一领域最知名的人工智能怀疑论者之一。过去几个月里，他与布林约尔松多次公开交锋。阿西莫格鲁的模型给出的生产率估计远低于布林约尔松，这一差距让布林约尔松感到困惑，尽管他仍对这位曾经的麻省理工同事保持高度尊重。

布林约尔松说，就在接受采访当天早上，他还刚刚与阿西莫格鲁“来回讨论”过。“我们正试图找到一些共同点。”

共同点确实存在。两人都认为，人工智能应当用于补充人类劳动者，而不是取代他们。用布林约尔松的话说，他们一直在“反复强调”这一点。但在生产率问题上，双方距离依然很大。阿西莫格鲁认为，如果人工智能使用得当，仍可能带来显著收益；布林约尔松则觉得这一立场多少有些矛盾。

他说：“我不明白他为什么会给出这么低的生产率数字。我也会直接这么告诉他。但时间会说明一切。很快我们就会知道谁是对的。”

阿西莫格鲁则没有缓和自己的公开怀疑态度。他最近对《财富》表示，围绕人工智能生产率的大量讨论“没有头脑”，他的解释是，这些说法的猜测成分已经接近虚构，并不是单纯说它们“愚蠢”。

值得注意的是，如今争论的重点已不再是人工智能是否具有变革性，而是这种变革的幅度和时间表。这本身就是一种转变。一年前，布林约尔松还在努力说服主流经济学家认真对待这个问题；如今，争论已经转移到他所设定的议题上，而他正在构建的数据，正是为了给这场争论提供定论。

布林约尔松对规模问题保持谨慎。他把自己放在硅谷灾难论者与那些认为人工智能只会把生产率提高零点几个百分点的主流经济学家之间。但他所处的这个“中间地带”，历史意义依然十分巨大。他用来类比这场冲击的，不是互联网，甚至也不是全球化。

呼应他在2016年《纽约时报》畅销书《第二次机器时代》中的比较，布林约尔松认为，这更像工业革命——那是人类上一次制造出彻底改变工作与生产率的机器。“那一次，机器自动化并增强了我们的肌肉；现在，我们是在对大脑做同样的事。这怎么可能不是同样大，甚至更大的变化？”他说，“我认为它会更大，而且速度快10倍。”

但眼下，在人工智能暴露程度较高的职业中，职业生涯早期劳动者正在承担一种尚未反映在总体数据中的代价。“金丝雀仪表盘”这个名字正是基于这一逻辑：煤矿里的金丝雀并不会阻止危险，它们只是提醒你，倒计时已经开始。

布林约尔松还提到，他与西北大学经济学家鲍勃·戈登有一个友好的赌约：双方打了一个10年赌，赌的是到本十年结束时，生产率是否会显著提高。煤矿里的金丝雀并不会阻止危险，它们只是提醒你，倒计时已经开始。

作者：尼克·利希滕伯格