人工智能正在夺走年轻人的工作？证据愈发充分了

一场关于“技术、工作与经济的未来”的学术辩论，折射出深远影响

德里克·汤普森（Derek Thompson）2025年8月27日

在当下这个充满重大经济疑问与担忧的时代，长期来看，我始终认为美国经济存在一个有趣的谜题：人工智能是否已开始夺走年轻人的工作？

若你只是偶尔关注“AI对年轻毕业生就业影响”的相关讨论，那么你认为答案是“有可能”“肯定是”或“几乎不可能”，都情有可原——毕竟这些观点实在令人困惑。让我们梳理一下：

1、有可能！

今年4月，我在《大西洋月刊》发表了一篇文章，提出“年轻大学毕业生就业疲软，或许暗示着AI带来的冲击”。我的观察始于一个客观事实：纽约联邦储备银行发现，近几个月来，应届大学毕业生的就业机会“明显恶化”。在众多解释（包括紧缩的货币政策、特朗普执政相关的整体混乱局势等）中，我想到了一种可能——企业或许正利用ChatGPT完成那些过去依赖年轻大学毕业生的工作。正如哈佛大学本科学位项目院长、经济学家戴维・戴明对我说的：“从根本原理来看，生成式AI能做的事、能替代的工作，正是白领公司里年轻大学毕业生通常负责的内容。”

2、肯定是！

我的文章发表后不久，其他几家主流新闻媒体和AI领域权威人士，对我这种“谨慎观点”表达了更强烈的认同。《纽约时报》称，对部分应届毕业生而言，“AI引发的就业末日或许已来临”。Axios新闻网报道称，“AI正将应届大学毕业生拒于职场门外”。Anthropic公司首席执行官达里奥・阿莫代在一次备受关注的采访中预测，劳动力市场将迎来“血洗”，并大胆断言未来五年内，AI可能会淘汰一半的入门级白领岗位。到了6月，“AI即将摧毁大学毕业生就业市场”的说法已甚嚣尘上——直到……

3、几乎不可能！

当对AI的恐慌达到顶峰时，几位敏锐的分析师对这一观点提出了质疑。经济创新集团（EconomicInnovationGroup）的一份报告分析了多组政府数据后发现，“几乎没有证据表明AI对失业率产生了影响”，更没有证据显示“暴露于AI影响下的劳动者正转向受AI影响较小的职业”。事实上，报告指出，“绝大多数企业表示，AI对其雇佣情况没有净影响”。《金融时报》的约翰・伯恩-默多克指出，“近期备受讨论的入门级科技岗位招聘收缩现象，在近几个月似乎已出现逆转”。经济评论员诺亚・史密斯综合了更多相关研究，得出结论：“大量证据似乎强烈反驳了‘AI正夺走应届大学毕业生、科技从业者乃至任何人工作’的观点。”

说实话，我曾认为这场辩论已尘埃落定。我当时的结论是：AI或许并未对年轻人的就业造成破坏。但现在，我开始重新思考这个结论。

上周，我收到斯坦福大学的邮件，得知该校学者针对这一问题开展了新研究。在一篇最新论文中，几位斯坦福经济学家分析了私营企业ADP的薪资数据（覆盖数百万劳动者），时间跨度直至2025年年中。他们发现，在“高AI暴露度”岗位（如软件开发者、客服专员）中，22-25岁的年轻劳动者就业率自ChatGPT问世以来下降了13%。值得注意的是，经济学家还发现，年龄较大的劳动者以及“低AI暴露度”岗位（如家庭健康助理）的就业率保持稳定，甚至有所上升。该论文作者之一、斯坦福大学经济学家ErikBrynjolfsson（与BharatChandar、RuyuChen合著）对《华尔街日报》表示：“当你专门聚焦‘高AI暴露度’的年轻劳动者时，会发现就业情况出现了明显变化。”

短短五个月内，“AI是否在减少美国年轻人就业机会”的答案经历了四次转折：从“或许是”到“肯定是”，再到“几乎不可能”，如今又变成“可能是”。你或许会觉得这种反复很烦人，但我认为这是好事——这正是我期望看到的“社会经济趋势公共评论模式”：围绕对美国社会有重大影响的议题，展开有理有据、数据翔实且态度真诚的辩论。

为更深入理解斯坦福大学的新论文，我联系了两位合著者ErikBrynjolfsson和BharatChandar，并安排了采访。以下是经过精简和编辑的采访内容，同时包含对论文中关键图表的详细分析。

Thompson（采访者）：这篇论文的核心目标是什么？最重要的发现又是什么？

Erik Brynjolfsson：关于AI与年轻人就业的讨论一直很多。我听到企业的说法与现有研究结论不一致，说实话，我之前也不知道答案。我们开展这项研究时没有预设立场。

当我们深入分析数据后发现，过去几年里，22-25岁年轻人在“高AI暴露度”细分岗位（如软件开发者、客服专员）中的就业率出现了显著下降。

之后我们思考：是否有其他因素能解释这种现象？我们列出了多种可能的假设，比如新冠疫情与远程办公、科技行业过度招聘后的收缩、利率变化等，并努力控制这些变量的影响，但最终结果仍清晰显示“AI暴露度与年轻劳动者就业率下降”存在关联。

需要明确的是，这并非“因果关系测试”——我们没有让部分企业使用AI、另一部分不使用来做对比。但这是一项全面的观察性分析，已排除了所有我们能想到的明显干扰因素。如果有人提出其他可能的干扰因素，我们也愿意进一步验证。目前来看，“高AI暴露度岗位”与“年轻人就业率下降”之间的相关性非常明确。

Thompson：读者通常喜欢看图表，而且这篇访谈会发布在Substack上，能否介绍一下论文中最能支撑结论的关键图表？

Bharat Chandar：我认为图1引发了广泛关注，该图展示了年轻软件工程师/开发者和客服专员的就业变化。数据清晰显示，在这些岗位中，仅年轻劳动者的招聘量出现了下降。

（图表说明：上图为《华尔街日报》转载的“图1”。可以看到，在ChatGPT等大型语言模型“高暴露度”岗位中，最年轻劳动者的就业率有所下降，而中年和年长劳动者的就业率则保持稳定，甚至有所上升。）

此外，图2关于家庭健康助理岗位的就业变化也备受关注，因为该图呈现了完全相反的趋势。家庭健康助理属于“低AI暴露度”岗位——这类工作多为面对面的体力劳动，AI很难替代。数据显示，该岗位入门级劳动者（以年轻人为主）的就业率增长更快。这说明“年轻人就业率下降”并非整体经济趋势，而是主要集中在“高AI暴露度”岗位中。

（图表说明：图2显示，不同岗位受AI的影响差异显著。在“高AI暴露度”的入门级营销岗位中，年轻人就业机会下降最明显；而在“低AI暴露度”的健康助理岗位中，年轻人就业率的增长幅度超过了年长劳动者。）

Thompson：其他研究并未发现AI对年轻人就业有影响，你们的论文为何能得出不同结论？

Chandar：我们的主要优势在于ADP的数据——该数据每月追踪数百万劳动者的就业情况，让我们能更精准地分析具体群体的变化。

几个月前，我曾用“当前人口调查”（CPS，一种研究者常用的实时劳动力市场调查数据）写过一篇论文，当时得出的结论与约翰・伯恩-默多克等人的研究类似：从整体经济来看，“高AI暴露度”岗位并未出现明显的就业动荡。但CPS数据有一个局限——当你将分析范围缩小到特定群体（比如22-25岁的软件工程师）时，样本量会变得非常小，无法得出确切结论。

而ADP数据恰好解决了这个问题。凭借每月数百万的观测样本，我们可以按“年龄+职业”细分数据，即便针对“22-25岁软件工程师”这样的小群体，也能得出可靠的估算结果。

Thompson：论文中一个很有意思的点是，你们区分了“AI自动化岗位”与“AI辅助型岗位”的不同影响——比如“将文章翻译成西班牙语”“格式化技术文档”这类任务，现有AI就能自动化完成；但“为企业制定营销策略”则需要人类参与，AI仅能提供辅助。这种“自动化vs辅助”的区分在论文中是如何体现的？

Chandar：我们采用了多种“AI暴露度”衡量标准，其中一种来自Anthropic公司的“Anthropic经济指数”（基于Claude大模型的数据）。该指数分析用户与Claude的对话，将其与具体任务和职业关联，并判断AI在该职业中的应用属于“自动化”还是“辅助性”。

“自动化”指的是，人类通过与AI对话，完全替代了原本需要自己完成的工作；“辅助性”则更多是指，人类通过使用Claude学习知识、提问解惑、获取反馈。我们发现了一个有趣的结果：在“AI自动化为主”的职业中，年轻人就业率大幅下降；而在“AI辅助为主”的职业中，并未出现这种情况。这一点可在论文的图6和图7中看到——这一发现很有说服力，因为它表明“并非所有大模型应用都会导致年轻人失业”，影响主要集中在“自动化应用”领域，而非“辅助性应用”领域。

（图表说明：图6和图7包含多条曲线，这里为你简化解读：图中黑色曲线代表“高AI暴露度”岗位中年轻劳动者的就业增长率。上图显示，在“AI可自动化完成工作”的岗位中，年轻人就业率呈下降趋势；而在“AI辅助人类工作”的岗位中，年轻人就业率呈上升趋势。）

Thompson：哪些职业属于“AI自动化为主”，哪些属于“AI辅助为主”？

Chandar：“自动化为主”的职业多为软件工程、审计、会计等——这些岗位有明确的工作流程，大模型擅长完成这类“一次性任务”，无需过多人工反馈。

“辅助为主”的职业则更多是复杂岗位或管理岗位。这类工作不是“把任务交给AI就完事”，而是需要在使用大模型的基础上，进行更多沟通协调和战略思考。在这类岗位中，我们没有发现“年轻人就业率下降”的趋势。

Thompson：是否可以这样理解：在同一家公司中，生成式AI工具可能会减少某个部门的年轻劳动者数量（比如法律部门——年轻员工的工作多为阅读文件、检索信息、整合发现、撰写报告），但同时可能会增加另一个部门的年轻劳动者数量（该部门中AI更多用于辅助）？也就是说，“AI正在让X公司裁员”的说法并不准确，更准确的是“AI让X公司A部门减员，同时让B部门增员”。这种理解是否正确？

Chandar：完全正确。我们的一项分析恰好证实了这一点——虽然过程有些复杂，但结论与你描述的一致。在分析中，我们控制了“企业”这一变量，发现即便在同一家公司内，“高AI暴露度”岗位的就业率也比“低AI暴露度”岗位更低。具体来说，“最高AI暴露度”岗位的就业率，比“最低AI暴露度”岗位低13%。

这一发现很有说服力，因为它表明“年轻人就业率下降”并非由企业层面的整体经济冲击（如利率变化）导致——若为整体冲击，理应影响全公司所有岗位，但实际情况是，即便是同一家公司，不同AI暴露度的岗位也出现了差异。

Thompson：这一研究对“AI擅长什么、人类劳动者擅长什么”有何启示？

Brynjolfsson：这一点带有一定推测性，但很重要。大模型的学习素材是书面化、已编码的信息，比如书籍、文章、论坛内容、互联网数据等。而年轻人在课堂（比如斯坦福大学）学到的知识，与大模型能复制的内容存在重叠。

年长劳动者则更多依赖“隐性知识”——即行业内的技巧和经验，这些内容并未被书面化。由此可见，年轻人掌握的知识，与大模型可替代的内容重叠度更高。

Chandar：我想补充一点，即“短期任务vs长期任务”的区别。大模型在“长期任务所需的战略思考”方面表现不佳，这也解释了为何入门级劳动者（多承担短期任务）受影响更大，而有经验的劳动者（多负责长期战略）受影响较小。

另一个因素是“结果可观测性”——对于“容易判断完成质量”的任务，AI的替代性更强。这是由AI的训练机制决定的，总体而言，AI更擅长这类任务。

Thompson：这篇论文对“大学应如何应对AI”“学生应如何选择专业”有何启示？

Brynjolfsson：一个明显的建议是：学会使用AI。但矛盾的是，我发现资深程序员比初级程序员更熟悉AI工具——高校的课程体系尚未更新。或许高校不仅需要教授编程原理，还应明确教授“如何像职场中那样使用AI工具”。

此外，大模型在很多领域表现不佳，比如涉及体力劳动的岗位——这类岗位的重要性可能会日益提升。

总结：我们今天学到了什么？

我认为诺亚・史密斯的基本观点是正确的：理解经济的实时变化并非易事，任何方向的过度自信都不可取。但我现在更倾向于相信自己最初的直觉——这篇论文或许是目前最有力的证据，证明AI已开始影响年轻人的就业市场。

这一结论也契合我在AI相关研究中一直强调的核心观点：当下关于AI的讨论，多聚焦于“未来可能性”——比如2030年AI能否治愈癌症？2027年AI是否会毁灭世界？甚至会不会在同一个月内既治愈癌症又毁灭世界？——却回避了“AI当前对经济的影响”这一现实问题。

事实上，AI基础设施支出的增长已支撑美国年度GDP保持正增长；AI已在高中和大学引发“作弊危机”；AI与年轻焦虑群体的互动已产生实际影响；而现在，AI或许还在扭曲年轻人的就业市场。

最近有人问我，在撰写社会科技趋势相关内容时，对“预测未来”有何建议。我的回答是：预测未来是不可能的，因此最好的做法是“准确描述当下”。

大多数人活在“过去”——固守过时的叙事和模型，而那些关注“当下正在发生什么”的人，在他人眼中仿佛是“能预测未来”，但实际上他们只是在“描述当下”。

在“AI与就业”的辩论中，我预计还会出现更多转折。我无法承诺能预测AI的未来，但我能承诺：会尽最大努力，如实记录这场辩论的每一次变化。

本文编译自substack，原文作者Derek Thompson

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