人工智能正在奪走年輕人的工作？證據愈發充分了

一場關于“技術、工作與經濟的未來”的學術辯論，折射出深遠影響

德里克·湯普森（Derek Thompson）2025年8月27日

在當下這個充滿重大經濟疑問與擔憂的時代，長期來看，我始終認為美國經濟存在一個有趣的謎題：人工智能是否已開始奪走年輕人的工作？

若你只是偶爾關注“AI對年輕畢業生就業影響”的相關討論，那么你認為答案是“有可能”“肯定是”或“幾乎不可能”，都情有可原——畢竟這些觀點實在令人困惑。讓我們梳理一下：

1、有可能！

今年4月，我在《大西洋月刊》發表了一篇文章，提出“年輕大學畢業生就業疲軟，或許暗示著AI帶來的沖擊”。我的觀察始于一個客觀事實：紐約聯邦儲備銀行發現，近幾個月來，應屆大學畢業生的就業機會“明顯惡化”。在眾多解釋（包括緊縮的貨幣政策、特朗普執政相關的整體混亂局勢等）中，我想到了一種可能——企業或許正利用ChatGPT完成那些過去依賴年輕大學畢業生的工作。正如哈佛大學本科學位項目院長、經濟學家戴維?戴明對我說的：“從根本原理來看，生成式AI能做的事、能替代的工作，正是白領公司里年輕大學畢業生通常負責的內容。”

2、肯定是！

我的文章發表后不久，其他幾家主流新聞媒體和AI領域權威人士，對我這種“謹慎觀點”表達了更強烈的認同。《紐約時報》稱，對部分應屆畢業生而言，“AI引發的就業末日或許已來臨”。Axios新聞網報道稱，“AI正將應屆大學畢業生拒于職場門外”。Anthropic公司首席執行官達里奧?阿莫代在一次備受關注的采訪中預測，勞動力市場將迎來“血洗”，并大膽斷言未來五年內，AI可能會淘汰一半的入門級白領崗位。到了6月，“AI即將摧毀大學畢業生就業市場”的說法已甚囂塵上——直到……

3、幾乎不可能！

當對AI的恐慌達到頂峰時，幾位敏銳的分析師對這一觀點提出了質疑。經濟創新集團（EconomicInnovationGroup）的一份報告分析了多組政府數據后發現，“幾乎沒有證據表明AI對失業率產生了影響”，更沒有證據顯示“暴露于AI影響下的勞動者正轉向受AI影響較小的職業”。事實上，報告指出，“絕大多數企業表示，AI對其雇傭情況沒有凈影響”。《金融時報》的約翰?伯恩-默多克指出，“近期備受討論的入門級科技崗位招聘收縮現象，在近幾個月似乎已出現逆轉”。經濟評論員諾亞?史密斯綜合了更多相關研究，得出結論：“大量證據似乎強烈反駁了‘AI正奪走應屆大學畢業生、科技從業者乃至任何人工作’的觀點。”

說實話，我曾認為這場辯論已塵埃落定。我當時的結論是：AI或許并未對年輕人的就業造成破壞。但現在，我開始重新思考這個結論。

上周，我收到斯坦福大學的郵件，得知該校學者針對這一問題開展了新研究。在一篇最新論文中，幾位斯坦福經濟學家分析了私營企業ADP的薪資數據（覆蓋數百萬勞動者），時間跨度直至2025年年中。他們發現，在“高AI暴露度”崗位（如軟件開發者、客服專員）中，22-25歲的年輕勞動者就業率自ChatGPT問世以來下降了13%。值得注意的是，經濟學家還發現，年齡較大的勞動者以及“低AI暴露度”崗位（如家庭健康助理）的就業率保持穩定，甚至有所上升。該論文作者之一、斯坦福大學經濟學家ErikBrynjolfsson（與BharatChandar、RuyuChen合著）對《華爾街日報》表示：“當你專門聚焦‘高AI暴露度’的年輕勞動者時，會發現就業情況出現了明顯變化。”

短短五個月內，“AI是否在減少美國年輕人就業機會”的答案經歷了四次轉折：從“或許是”到“肯定是”，再到“幾乎不可能”，如今又變成“可能是”。你或許會覺得這種反復很煩人，但我認為這是好事——這正是我期望看到的“社會經濟趨勢公共評論模式”：圍繞對美國社會有重大影響的議題，展開有理有據、數據翔實且態度真誠的辯論。

為更深入理解斯坦福大學的新論文，我聯系了兩位合著者ErikBrynjolfsson和BharatChandar，并安排了采訪。以下是經過精簡和編輯的采訪內容，同時包含對論文中關鍵圖表的詳細分析。

Thompson（采訪者）：這篇論文的核心目標是什么？最重要的發現又是什么？

Erik Brynjolfsson：關于AI與年輕人就業的討論一直很多。我聽到企業的說法與現有研究結論不一致，說實話，我之前也不知道答案。我們開展這項研究時沒有預設立場。

當我們深入分析數據后發現，過去幾年里，22-25歲年輕人在“高AI暴露度”細分崗位（如軟件開發者、客服專員）中的就業率出現了顯著下降。

之后我們思考：是否有其他因素能解釋這種現象？我們列出了多種可能的假設，比如新冠疫情與遠程辦公、科技行業過度招聘后的收縮、利率變化等，并努力控制這些變量的影響，但最終結果仍清晰顯示“AI暴露度與年輕勞動者就業率下降”存在關聯。

需要明確的是，這并非“因果關系測試”——我們沒有讓部分企業使用AI、另一部分不使用來做對比。但這是一項全面的觀察性分析，已排除了所有我們能想到的明顯干擾因素。如果有人提出其他可能的干擾因素，我們也愿意進一步驗證。目前來看，“高AI暴露度崗位”與“年輕人就業率下降”之間的相關性非常明確。

Thompson：讀者通常喜歡看圖表，而且這篇訪談會發布在Substack上，能否介紹一下論文中最能支撐結論的關鍵圖表？

Bharat Chandar：我認為圖1引發了廣泛關注，該圖展示了年輕軟件工程師/開發者和客服專員的就業變化。數據清晰顯示，在這些崗位中，僅年輕勞動者的招聘量出現了下降。

（圖表說明：上圖為《華爾街日報》轉載的“圖1”。可以看到，在ChatGPT等大型語言模型“高暴露度”崗位中，最年輕勞動者的就業率有所下降，而中年和年長勞動者的就業率則保持穩定，甚至有所上升。）

此外，圖2關于家庭健康助理崗位的就業變化也備受關注，因為該圖呈現了完全相反的趨勢。家庭健康助理屬于“低AI暴露度”崗位——這類工作多為面對面的體力勞動，AI很難替代。數據顯示，該崗位入門級勞動者（以年輕人為主）的就業率增長更快。這說明“年輕人就業率下降”并非整體經濟趨勢，而是主要集中在“高AI暴露度”崗位中。

（圖表說明：圖2顯示，不同崗位受AI的影響差異顯著。在“高AI暴露度”的入門級營銷崗位中，年輕人就業機會下降最明顯；而在“低AI暴露度”的健康助理崗位中，年輕人就業率的增長幅度超過了年長勞動者。）

Thompson：其他研究并未發現AI對年輕人就業有影響，你們的論文為何能得出不同結論？

Chandar：我們的主要優勢在于ADP的數據——該數據每月追蹤數百萬勞動者的就業情況，讓我們能更精準地分析具體群體的變化。

幾個月前，我曾用“當前人口調查”（CPS，一種研究者常用的實時勞動力市場調查數據）寫過一篇論文，當時得出的結論與約翰?伯恩-默多克等人的研究類似：從整體經濟來看，“高AI暴露度”崗位并未出現明顯的就業動蕩。但CPS數據有一個局限——當你將分析范圍縮小到特定群體（比如22-25歲的軟件工程師）時，樣本量會變得非常小，無法得出確切結論。

而ADP數據恰好解決了這個問題。憑借每月數百萬的觀測樣本，我們可以按“年齡+職業”細分數據，即便針對“22-25歲軟件工程師”這樣的小群體，也能得出可靠的估算結果。

Thompson：論文中一個很有意思的點是，你們區分了“AI自動化崗位”與“AI輔助型崗位”的不同影響——比如“將文章翻譯成西班牙語”“格式化技術文檔”這類任務，現有AI就能自動化完成；但“為企業制定營銷策略”則需要人類參與，AI僅能提供輔助。這種“自動化vs輔助”的區分在論文中是如何體現的？

Chandar：我們采用了多種“AI暴露度”衡量標準，其中一種來自Anthropic公司的“Anthropic經濟指數”（基于Claude大模型的數據）。該指數分析用戶與Claude的對話，將其與具體任務和職業關聯，并判斷AI在該職業中的應用屬于“自動化”還是“輔助性”。

“自動化”指的是，人類通過與AI對話，完全替代了原本需要自己完成的工作；“輔助性”則更多是指，人類通過使用Claude學習知識、提問解惑、獲取反饋。我們發現了一個有趣的結果：在“AI自動化為主”的職業中，年輕人就業率大幅下降；而在“AI輔助為主”的職業中，并未出現這種情況。這一點可在論文的圖6和圖7中看到——這一發現很有說服力，因為它表明“并非所有大模型應用都會導致年輕人失業”，影響主要集中在“自動化應用”領域，而非“輔助性應用”領域。

（圖表說明：圖6和圖7包含多條曲線，這里為你簡化解讀：圖中黑色曲線代表“高AI暴露度”崗位中年輕勞動者的就業增長率。上圖顯示，在“AI可自動化完成工作”的崗位中，年輕人就業率呈下降趨勢；而在“AI輔助人類工作”的崗位中，年輕人就業率呈上升趨勢。）

Thompson：哪些職業屬于“AI自動化為主”，哪些屬于“AI輔助為主”？

Chandar：“自動化為主”的職業多為軟件工程、審計、會計等——這些崗位有明確的工作流程，大模型擅長完成這類“一次性任務”，無需過多人工反饋。

“輔助為主”的職業則更多是復雜崗位或管理崗位。這類工作不是“把任務交給AI就完事”，而是需要在使用大模型的基礎上，進行更多溝通協調和戰略思考。在這類崗位中，我們沒有發現“年輕人就業率下降”的趨勢。

Thompson：是否可以這樣理解：在同一家公司中，生成式AI工具可能會減少某個部門的年輕勞動者數量（比如法律部門——年輕員工的工作多為閱讀文件、檢索信息、整合發現、撰寫報告），但同時可能會增加另一個部門的年輕勞動者數量（該部門中AI更多用于輔助）？也就是說，“AI正在讓X公司裁員”的說法并不準確，更準確的是“AI讓X公司A部門減員，同時讓B部門增員”。這種理解是否正確？

Chandar：完全正確。我們的一項分析恰好證實了這一點——雖然過程有些復雜，但結論與你描述的一致。在分析中，我們控制了“企業”這一變量，發現即便在同一家公司內，“高AI暴露度”崗位的就業率也比“低AI暴露度”崗位更低。具體來說，“最高AI暴露度”崗位的就業率，比“最低AI暴露度”崗位低13%。

這一發現很有說服力，因為它表明“年輕人就業率下降”并非由企業層面的整體經濟沖擊（如利率變化）導致——若為整體沖擊，理應影響全公司所有崗位，但實際情況是，即便是同一家公司，不同AI暴露度的崗位也出現了差異。

Thompson：這一研究對“AI擅長什么、人類勞動者擅長什么”有何啟示？

Brynjolfsson：這一點帶有一定推測性，但很重要。大模型的學習素材是書面化、已編碼的信息，比如書籍、文章、論壇內容、互聯網數據等。而年輕人在課堂（比如斯坦福大學）學到的知識，與大模型能復制的內容存在重疊。

年長勞動者則更多依賴“隱性知識”——即行業內的技巧和經驗，這些內容并未被書面化。由此可見，年輕人掌握的知識，與大模型可替代的內容重疊度更高。

Chandar：我想補充一點，即“短期任務vs長期任務”的區別。大模型在“長期任務所需的戰略思考”方面表現不佳，這也解釋了為何入門級勞動者（多承擔短期任務）受影響更大，而有經驗的勞動者（多負責長期戰略）受影響較小。

另一個因素是“結果可觀測性”——對于“容易判斷完成質量”的任務，AI的替代性更強。這是由AI的訓練機制決定的，總體而言，AI更擅長這類任務。

Thompson：這篇論文對“大學應如何應對AI”“學生應如何選擇專業”有何啟示？

Brynjolfsson：一個明顯的建議是：學會使用AI。但矛盾的是，我發現資深程序員比初級程序員更熟悉AI工具——高校的課程體系尚未更新。或許高校不僅需要教授編程原理，還應明確教授“如何像職場中那樣使用AI工具”。

此外，大模型在很多領域表現不佳，比如涉及體力勞動的崗位——這類崗位的重要性可能會日益提升。

總結：我們今天學到了什么？

我認為諾亞?史密斯的基本觀點是正確的：理解經濟的實時變化并非易事，任何方向的過度自信都不可取。但我現在更傾向于相信自己最初的直覺——這篇論文或許是目前最有力的證據，證明AI已開始影響年輕人的就業市場。

這一結論也契合我在AI相關研究中一直強調的核心觀點：當下關于AI的討論，多聚焦于“未來可能性”——比如2030年AI能否治愈癌癥？2027年AI是否會毀滅世界？甚至會不會在同一個月內既治愈癌癥又毀滅世界？——卻回避了“AI當前對經濟的影響”這一現實問題。

事實上，AI基礎設施支出的增長已支撐美國年度GDP保持正增長；AI已在高中和大學引發“作弊危機”；AI與年輕焦慮群體的互動已產生實際影響；而現在，AI或許還在扭曲年輕人的就業市場。

最近有人問我，在撰寫社會科技趨勢相關內容時，對“預測未來”有何建議。我的回答是：預測未來是不可能的，因此最好的做法是“準確描述當下”。

大多數人活在“過去”——固守過時的敘事和模型，而那些關注“當下正在發生什么”的人，在他人眼中仿佛是“能預測未來”，但實際上他們只是在“描述當下”。

在“AI與就業”的辯論中，我預計還會出現更多轉折。我無法承諾能預測AI的未來，但我能承諾：會盡最大努力，如實記錄這場辯論的每一次變化。

本文編譯自substack，原文作者Derek Thompson

https://substack.com/@derekthompson/p-172039373