斯坦福460万人数据：AI抢走的不是35岁的饭碗，是22岁的

深夜的出租屋，和一份460万人的样本 同样是"用AI"，为什么结果天差地别？资本已经用脚投票，但回报还没跟上个人在加速用AI，企业反而有点"退烧"给普通人的三条启示想看完整报告？

如果你以为AI冲击的是35岁的中年人，这份报告可能要推翻你的判断。

斯坦福数字经济实验室刚更新了AI经济指标报告，样本覆盖2.5万家企业、730多个职业、460万名工人，从ChatGPT发布追踪到现在。结果出乎很多人意料：就业收缩最明显的，不是"35岁危机"人群，而是22-25岁、职业生涯刚起步的年轻人——他们在AI高暴露岗位上的就业每年收缩3.8%，而同样年龄在低暴露岗位上的人，就业还在以2.0%的速度增长。一正一负，接近6个百分点的差距。

为什么这个结论重要？因为它把"AI抢饭碗"的焦虑，从感觉拉回到了数据。

先看一个画面。凌晨一点，出租屋的灯还亮着，手机屏幕的光打在脸上，招聘App刷了又刷，"已读不回"的红点一个接一个。这两年，不少应届生对这样的画面再熟悉不过——简历投出去像石沉大海，朋友圈里"AI取代XX岗位"的标题一个比一个吓人。

但焦虑解决不了问题，数据可以。这份报告用"金丝雀仪表盘"（与ADP薪资数据合作）按月追踪不同职业、不同年龄段的就业变化。整体看：AI暴露度高的职业年均增长1.1%，低暴露度职业年均增长2.0%——差距存在，但并不悬殊。

可一旦把年龄拆开，画面就完全不同了。

22-25岁、AI高暴露岗位上的年轻人，就业每年收缩3.8%；同龄人在低暴露岗位，就业还在涨。而家庭健康助理这类低暴露岗位，需求反而持续增长。换句话说：AI的冲击不是均匀撒网，而是精准落在特定年龄段、特定岗位上。

很多人困惑：大家都在用AI，凭什么有的职业受影响、有的不受？报告借助Anthropic经济指数，把AI使用拆成了两类——自动化和增强。

自动化，是让AI替你把任务干完；增强，是让AI帮你把任务干得更好。数据显示：一个职业里"自动化型"使用占比越高，就业下滑或增长放缓就越明显；而"增强型"占比与就业趋势几乎没有关联。

这个区分，值得每个打工人停下来想三秒。AI影响的从来不只是"人"，更是"任务"——那些能被整段替换的任务，才是真正的冲击点。

AI不抢所有人的饭碗，它精准点名的，是那些"任务能被整段替换"的岗位。
自动化，是你在和机器赛跑；增强，是你在骑机器。

同样是拥抱AI，"把活干完"和"把活干好"是两条路。前者你在和机器赛跑，后者你在骑机器。岗位选择和个人技能打磨，都该押注后者。

除了就业，报告还用"转型追踪器"盯着12项经济指标，判断AI是否带来了"爆炸式增长"。截至2026年5月：12项里，7项没有转型证据、3项只有轻度证据、2项属于强证据。

强证据的两项里，最值得关注的是资本份额——它在持续上升。翻译成大白话：生产正在越来越多地转向资本（算力、设备、基础设施），而不是劳动力。与此同时，全要素生产率（TFP）的增长依然中性，说明AI还没带来效率的全面跃升。

资本已经用脚投票了，普通人的收入增长，还得再等等。

这个信号值得盯住：基础设施建设在加速，但产出端的回报还没兑现。AI浪潮里，钱先去了哪里，往往比口号更能说明趋势。

采用监测器的数据更有意思：个人层面的AI使用率一路走高，但最近的企业职场采用出现了逆转迹象。不过，企业整体对AI的投入意愿并不低——超过大多数应用场景的企业都计划在未来三年增加采用，唯一例外是LLM文本生成。

而目前采用率与预期差距最大的两个方向，是机器人和自动驾驶。这或许意味着：下一波真正的增量，不在我们每天聊天的对话框里，而在物理世界。

第一，别只看平均数。平均值掩盖了年轻人在高暴露岗位上的剧烈收缩。如果你是应届生或刚换行，选赛道时值得认真看一眼目标岗位的"自动化浓度"——它替代的是任务，还是只辅助人？

第二，往"增强"方向走。仙踪问道团队在整理这类研究时有个体会：同样是拥抱AI，把活干完和把活干好，是两种截然不同的职业命运。前者是自动化，你在和机器赛跑；后者是增强，你在骑机器。每次打开AI工具前，不妨问自己一句：这次，我是在让AI替我做，还是在让AI帮我做得更好？

第三，数据比情绪可靠。仙踪问道在实践中观察到，不少人对于AI就业的恐慌，其实来自标题党式的二手解读。回到原始报告、看清样本和口径之后，焦虑往往会消解一大半——比如这次，很多人以为"AI要横扫所有白领"，但真实数据显示冲击高度集中在特定年龄段和特定岗位类型。

AI对就业的影响是一场正在进行的长实验。别让标题决定你的焦虑，让数据决定你的选择。

如果你也在关注AI和职业发展，欢迎关注我——后续会持续拆解这类报告，只讲有数据支撑的结论，不讲空话。你所在的岗位，目前更接近"被AI增强"还是"被AI自动化"？评论区聊聊你的感受。