标签
Hacker News 每月发布的「Ask HN：谁在招聘？」社区招聘帖，公司可发布在招职位，求职者可按地点、REMOTE/ONSITE 等条件浏览并直接联系招聘方。
Google Trends 数据显示，“用于[职业]的 AI”的搜索量远远超过关于 AI 取代该职业的搜索量——教师为 28:1，翻译人员则高达 44:1——这表明人们在寻求 AI 的帮助，而非担心被取代。
作者认为，关于AI将取代软件工程师和数学家的恐惧是错位的。他指出，这些职业之所以最先被自动化，是因为它们最现代化、流程最透明；而过时的行政和体力工作要等流程更新之后才会被逐步取代。
国际货币基金组织警告称，人工智能是一场“缓慢推进的海啸”，将重塑全球就业市场，对世界各地的就业产生重大影响。
中国国务院宣布了一项新举措，旨在促进就业并帮助劳动力适应人工智能驱动的变革，同时计划在2026—2030年五年规划期间确定新职业并修订200多项国家职业标准。
# 质疑：AI 创造的岗位真的会多于它取代的岗位吗？ ## 引言 我们经常听到一种乐观叙事：每一次技术革命都会消灭旧岗位，但同时也会创造更多新岗位。从纺织机到电子表格，从 ATM 机到互联网，历史似乎一再证明了这一点。于是，"AI 会取代 8500 万个岗位，但会创造 9700 万个新岗位"之类的预测被反复引用，并被当作"无需担心"的定心丸。 但我想认真地质疑一下这个论断。因为它掩盖了三个关键问题：历史类比的局限性、新岗位的质量，以及劳动力市场的分配效应。 ## 一、历史类比的局限性：被反复引用，却经不起推敲 ### 1.1 "技术创造了更多就业"是一个选择性记忆 我们记得的是工业革命最终带来了更充分的就业。但我们同样选择性地遗忘了一些事实： - 工业革命期间，英国经历了长达半个世纪的实际工资停滞、大量童工和恶劣的工作条件。 - 转型期长达一两代人，甚至两三代人。对当时的工人来说，"从长远来看一切都会变好"并不是一句安慰话。 - 有学者（如 James Bessen）指出，ATM 出现后美国银行出纳员数量不降反增——但那是因为银行分支网点增加了，而不是因为 ATM 本身创造了就业。把 ATM 的贡献算进去是错误归因。 用跨越数代人的宏观统计去论证"AI 会造福当下的工人"，在逻辑上是站不住脚的。 ### 1.2 AI 不是普通的技术变革 技术史告诉我们，只有**增量式**的技术才会在转型后留下新的劳动力生态位。而 AI 的特点在于它针对的是**通用认知能力**——阅读、写作、编程、分析、翻译、判断。 这意味着它与电力、流水线、互联网这类工具性技术不同： - 以前的机器替代的是**体力**，而人类还有认知能力可以保留和发挥。 - AI 替代的是**认知**，而我们很难再找到一个"认知之外"的储备库来安置被替代的人。 经济学家 Daron Acemoglu 的研究也指出，过去几十年，自动化对就业和工资的实际推动作用远低于乐观派的估计，而这种"技术乐观主义"往往建立在对技术潜力的高估之上。 ### 1.3 生产力提升未必转化为就业增长 一个被严重忽略的机制是：**就业取决于最终的需求，而不取决于生产的可能性**。如果 AI 让某项服务的产出效率提高 10 倍，但该服务的总需求是相对固定的（例如行政文书、基础客服），那么所需人力自然会大幅下降。效率提升 → 人数下降，这是算术问题，不是信念问题。 ## 二、新岗位的质量：数量对上了，薪水没对上 ### 2.1 大量"新岗位"实际上是低薪服务业 当我们拆解"AI 创造的新岗位"这个数字，会发现其中相当一部分是： - 数据标注员、内容审核员 - 基础客服与外呼人员 - 仓库拣货、配送、清洁等体力服务岗位 - 各类零工与临时岗位 这些岗位往往具备以下特征： - **低薪**：接近或低于地区中位数工资 - **低技能门槛**：可替代性强，议价能力弱 - **低福利**：缺乏稳定的合同保障 - **缺乏成长性**：没有明确的晋升路径 用"新增了 9700 万个岗位"这种总量数字去回应"被替代者的焦虑"，是答非所问。人们真正关心的不是**有没有工作**，而是**能否维持原有生活水平**。如果一个年薪 12 万美元的分析师被 AI 取代后，只能找到一份年薪 4 万美元的服务岗位，那这在统计上是"就业恢复"，在现实中是"阶层滑落"。 ### 2.2 岗位的"数量"与"质量"之间存在系统性错配 历史上的技术革命确实也经历过类似阶段，但区别在于： - 传统制造业中的工人虽然工资不高，但通过工会、集体谈判和长期在职积累了福利与保障。 - 新的 AI 时代岗位大多以零工、合同工的形式出现，缺乏这样的制度缓冲。 - 技能错配的时间成本极高——一个 45 岁的中层职员很难通过短期培训转型为机器学习工程师。 换言之，转型的**总成本**被低估了，因为这些成本主要由被替代的个体承担，而不是由推动技术的企业承担。 ### 2.3 集中度问题：收益归属于少数人 即便 AI 真的提升了整体经济产出，这部分收益的分配也是高度集中的： - 掌握模型、算力和数据的少数公司和少数技术人才 - 拥有资本的投资者 - 能够利用 AI 提升效率的高技能白领 对于绝大多数普通劳动者来说，AI 的普及更可能意味着**工资议价能力下降**，而不是收入上升。这与"AI 创造繁荣"的宏大叙事是矛盾的。 ## 三、更合理的判断：不是"消灭"，而是"重构与分化" 我认为更接近现实的图景是： 1. **总量上**，AI 可能不会让失业率达到灾难性的水平——因为人类总能找到新的消费点。 2. **结构上**，岗位会发生显著的重新洗牌，高薪的常规认知工作（财务分析、法律研究、中层管理、基础编程）受冲击最大。 3. **质量上**，新出现的岗位中相当一部分是低薪、低保障、低成长性的，无法补偿失去的中产岗位。 4. **分配上**，技术红利将显著向资本和顶层技能集中，加剧而不是缓解不平等。 ## 四、几个值得警惕的信号 - 如果 AI 真的创造了更多就业，我们应该看到相关行业**薪资中位数上升**、**招聘竞争加剧**，而不是相反。 - 如果新岗位真的有质量，我们应该看到**职业培训体系的快速反应**，而不是被抛弃的 35 岁+ 群体。 - 如果转型过程是良性的，我们应该看到**系统性的政策配套**（再培训、社会安全网、劳动立法），而不是把责任全部推给个人。 目前这三点都存在明显缺口。 ## 结语 我不认为技术必然导致失业，但我拒绝接受"技术进步 = 就业增长 = 全民受益"这种简化的等式。历史不是一面可以随便拿来印证当下的镜子；它在很多方面恰恰是反面教材。 与其用宏观的乐观预测安抚公众，不如坦诚地承认： - 转型的代价是真实的、由具体的人承担的 - 新岗位的质量问题被系统性地低估了 - 如果没有及时的制度设计与社会再分配，AI 带来的将是一次深刻的、有输有赢的（而输家往往是弱势群体）结构重组 "历史证明一切都会变好"是一种安慰，不是一种分析。我们需要的是后者。 --- **相关讨论**： - *你认为 AI 时代岗位总量的变化，能否真正反映劳动者的实际处境？* - *如果新岗位以低薪服务业为主，社会政策应该如何应对？* - *哪些职业的替代风险最容易被低估？*
AI技术在中国创造了大量数据采集岗位，时薪约为40-80元人民币，这被视为AI对就业市场的新影响。
一项新的美国众议院法案提议，基于代币使用量或收入对人工智能公司征收消费税，以资助就业创造，若AI导致大规模失业，税率与失业率挂钩。
罗伯特·赖希认为，AI已经在导致失业和工资停滞，并警告说，如果没有政策干预，AI的益处将归于少数富人，而大多数工人将被抛在后面。
Hacker News monthly 'Ask HN: Who is hiring?' thread for August 2026, where companies post job openings with location and remote availability. Includes a sample post from Snowflake for Forward Deployed Engineer roles.
英伟达CEO黄仁勋表示，AI数据中心建设将带来管道、电气等技工行业高薪岗位的繁荣，并突显出在科技巨头投入数万亿美元建设基础设施之际，对熟练工人的巨大需求。
OpenAI的最新研究发现，针对特定职业的ChatGPT使用中，有43.5%涉及用户自身职业以外的任务，这表明AI通过跨角色任务交叉，正在拓展人们的工作内容。
中国广东的一家不锈钢厨具工厂完全在无灯光环境下运行，使用专用工业机器人替代了大约100名工人，突显了制造业中自动化技术的悄然普及。
文章探讨了欧洲的社会福利模式能否承受AI带来的就业冲击，对比了欧盟的监管重点与硅谷提出的全民基本收入方案，同时指出AI对就业的实际影响仍不确定。
Anthropic正在招聘科学家加入其团队；申请者可提及发帖人以确保正确路由。
Ramp和Box的最新调查数据显示，AI应用率较高的公司员工数量也在增长，这与早前认为AI会减少就业的担忧相反。调查结果显示，AI应用成熟的企业预期未来会招聘更多人员。