炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：虎嗅APP）

本文来自微信公众号： HavenlonLabs ，作者：HavenlonLabs

AI时代，岗位消失的速度，第一次快过岗位创造的速度

每一轮技术浪潮，人类都会问同一个问题：机器会不会抢走工作。

蒸汽机时代问过，流水线时代问过，计算机与互联网时代也问过。答案总是让人安心：马车夫少了，汽车工人、维修技师和物流司机多了；银行柜员少了，程序员、产品经理和支付行业起来了。于是我们形成了一种极其稳固的技术乐观主义——技术不消灭工作，它只是改变工作。

今天讨论人工智能，这句话仍在被反复引用。但这一轮，有一个变量可能已经悄悄改变。

真正值得盯住的，不是AI最终能否超越人类，也不是AGI哪一天到来，而是一条更不起眼、却已经开始影响现实的曲线：AI压缩劳动需求的速度，会不会开始超过AI创造劳动需求的速度。

如果这两条曲线长期交叉，AI革命真正的社会拐点，可能已经发生，而且发生得悄无声息。

工业革命从来不温柔。机器进厂，旧工种消失，旧技能贬值，生产组织被彻底重写。但过去几轮技术革命有一个共同特征常常被忽略：

新技术在提高生产力的同时，也需要大量新增劳动者来承接这份生产力。

汽车工业要建制造厂，制造厂要工程师、工人、采购、仓储与销售；汽车多了，又要公路、加油站、维修店、保险与物流网络。互联网同样如此：网站多了要程序员，软件复杂了要产品经理、设计师、测试与运维，电商起来了又要运营、主播、数字营销与配送体系。

所以过去两百年，存在一个几乎被视为常识的经济关系：

一家公司收入从1亿做到10亿，往往需要更多人；一个产业扩大十倍，往往能容纳更多劳动者。旧岗位消失之后，新经济始终留着一个巨大的就业吸收池。这才是历次技术革命虽有剧痛、却未让"工作"本身消失的真正原因。

AI正在挑战的，恰恰是这个隐藏前提。

这是本轮技术革命最特殊的地方之一。

过去，一家互联网公司业务增长十倍，通常意味着服务器更多、产品更多、客户更多，研发、运营、销售、客服随之扩张。但一家AI原生企业可能从第一天起就在追求另一种组织形态：更少的人，调度更多的机器智能。

一条过去需要20人的业务流程，未来可能是5个人加一组Agent。一个过去需要10名开发、3名测试、2名产品经理的项目，未来也许是少数几位能力极强的人，加上编码、测试、文档与部署工具链。

这意味着一个此前罕见的现象：

AI当然也在创造新职业。AI研究员、模型工程师、数据工程师、AI安全工程师、AI产品经理、算力基础设施工程师都在增加。世界经济论坛《Future of Jobs Report 2025》也将AI与机器学习专家、大数据专家、软件开发者列为增长最快的职业，并预计到2030年，在多重宏观趋势共同作用下，全球可能新增约1.7亿个岗位，同时约9200万个岗位被替代，净增约7800万个。

但这里有一个容易被跳过的细节：这1.7亿并非AI单独创造。其中包含人口结构变化、绿色转型、经济发展与数字化等多重因素；从绝对数量看，增长最大的岗位集中在农业、配送、建筑、护理、销售和教育。

换句话说：

这是两个完全不同的命题，却常常被当成同一个来使用。

我们习惯用裁员来理解技术冲击。某公司裁员一千人，于是新闻标题写AI冲击就业。但AI最值得关注的影响，可能大量发生在新闻镜头之外。

设想一家100人的公司，明年业务增长30%。按过去的生产率，它应该扩张到130人。用上AI之后，现有100人就能支撑新的业务量。于是公司没有裁掉任何人，财报甚至相当漂亮：生产率提升，利润改善，增长继续。

统计意义上，没有100个人失去工作。但事实上，有30个原本会出现的岗位没有出现。

这可以称为隐形岗位消失。它没有解雇通知，没有失业补偿，没有人在社交媒体上宣布自己被AI取代。它只表现为一句极其平静的管理决策：今年暂不扩编。

OECD对5000多家中小企业的调查已经捕捉到早期信号：83%的受访企业表示生成式AI尚未改变总体人员需求；表示人员需求下降的占9%，高于表示需求增加的6%；同时14%的企业表示，生成式AI降低了它们对外部承包商的依赖。

这些数字远谈不上就业崩塌，但它指出了一个方向：

对一个已经工作十年的人来说，"没有裁员"意味着安全。对一个刚毕业、准备入行的年轻人来说，那个没有被创造出来的岗位，就是他的失业。

这也解释了为什么青年就业可能最先感到压力。

几乎所有专业职业都有一条隐形培养链：初级员工做基础工作，中级员工承担复杂任务，高级员工负责判断与决策，最终成长为专家。

问题在于，今天AI最擅长承担的，恰恰是初级岗位过去负责的那部分工作——资料整理、会议纪要、基础代码、简单设计、初稿撰写、数据清洗、报表生成、客服问答、信息检索。

这些工作单看价值不高，却承担着一个关键的社会功能：它们是年轻人进入复杂职业体系的入口。

2025年斯坦福数字经济实验室基于ADP高频就业数据的研究发现，在AI高度暴露的职业中，22至25岁的早期职业劳动者出现了明显的相对就业下降；在控制企业层面冲击后，这一群体的相对就业降幅约为16%，而同类职业中的资深劳动者相对稳定。降幅尤其集中在AI更偏"自动化"而非"增强人类"的岗位。

ILO于2026年8月发布的全球青年就业报告也指出，15至29岁青年目前从事的岗位中，约6.1%属于AI高度暴露类别，而这些岗位与近年持续萎缩的中等技能文职、行政类工作存在明显重叠。

这带来一个比"年轻人不好找工作"更深一层的问题：

一个行业不可能只剩下专家。一个高级程序员之所以存在，是因为十年前有人容许他写过并不完美的代码；一个资深律师能判断复杂案件，是因为年轻时整理过大量卷宗；一位成熟设计师拥有审美判断，是因为他做过无数枯燥的基础稿。

削掉阶梯的下几级，企业在短期获得了效率，但整个社会可能同时损耗了专业能力的培养机制。这比"机器会不会替代人"复杂得多，也难解得多。

因此，判断AI是否进入真正的就业拐点，不能只看失业率，而应同时观察两条曲线：AI每年压缩掉多少人类劳动需求，与AI经济每年新创造多少劳动需求。

只要第二条曲线持续高于第一条，历史规律依然成立：旧岗位消失，新岗位出现，社会在阵痛后重新找到平衡。

但如果有一天，岗位压缩速度持续高于岗位创造速度，且差距不断扩大，事情的性质就变了。这就是所谓的就业剪刀差。

AI越强，单个人能完成的任务越多，企业需要的人越少，人均产出越高，资本回报越高——而整个经济对劳动力的边际需求却可能下行。届时我们将第一次面对一种在工业社会中并不常见的形态：

必须说明，目前还不能断言世界已经跨过这条线。ILO的研究仍认为，全球约四分之一劳动者所在的职业对生成式AI存在一定程度暴露，但多数职业更可能先经历任务重构，而非整体消失。NBER的研究同样发现，AI暴露确实压低了部分任务与职业的劳动需求，但生产率提升也可能推动企业扩张、在别处重新创造需求，总体就业效应目前仍相对温和。

所以，"AI马上让所有人失业"是草率的。但另一个方向的乐观同样草率：

AI改变的，可能恰恰是让这条历史经验成立的那些条件。

商业世界正在越来越推崇一个指标：人均收入（Revenue per Employee）。

过去，一家百亿美元收入的企业需要数万甚至数十万员工。未来，一家估值数百亿美元的AI原生公司也许只需要几千人。当Agent真正成熟，我们甚至可能看到数百人运营庞大业务体系的公司。

从企业经营角度，这是无可指摘的进步：成本下降，决策链缩短，组织摩擦减少，利润率上升。企业家没有理由为了创造岗位，而刻意保留已不再需要的工作。这不是道德问题。

真正的难点在于：

对单个企业而言，少招5个人是效率，少招50个人是效率，少招500个人还是效率。但当一百万家公司同时这样决策，社会面对的就不再是企业效率问题，而是另一个更根本的问题：整个经济体系，究竟还需要多少人参与生产。

现代社会有一个极深的默认设定：多数人通过劳动参与生产，通过工作获得收入，再用收入参与消费；企业从消费中获得收入，继续雇佣劳动者。

工作→收入→消费→企业收入→工作。

过去两百年的工业社会，基本建立在这个循环之上。

如果AI只是提高人的效率，这个循环不会动摇。但如果出现另一种状态——机器与少数人创造越来越多财富，而创造这些财富所需的人越来越少——问题就会变成：

到那一步，讨论的就不再只是就业，而是收入分配、教育体系、社会保障、税收结构、工作时长，乃至个人的价值感。这也是为什么AI最深刻的影响，最终一定会从技术议题走向制度议题。

人们一直在等待一个宏大时刻：机器何时拥有通用智能，何时超越最聪明的人类，何时出现真正意义上的AGI。

这些问题当然重要。但历史真正转向的时刻，往往并不戏剧化。

它可能只是某个普通季度的预算会议。公司业务增长20%，利润增长30%，AI使用量增长200%，然后管理层平静地决定：明年不增加Headcount。

没有机器人走上街头，没有机器宣布自己拥有意识，没有所谓奇点。一切照常运行。只是越来越多公司发现——

如果这件事从例外逐渐变成常态，AI革命真正的社会拐点，或许就已经悄然发生。它不是"机器什么时候超过人"，而是"人类社会第一次发现，技术压缩岗位的速度，开始长期快过技术创造岗位的速度"。

到那一天，我们要回答的问题也不再是"人类还能做什么工作"，而是一个更困难的问题：

AI革命最终改变的，也许从来不只是生产工具。它可能会迫使我们重新审视一个延续了两百年的命题：

本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4882798.html?f=wyxwapp