2023年3月，OpenAI发布论文，将大语言模型的能力与美国劳工部1016个职业的19265项任务匹配，结论是约80%的美国劳动者至少10%的工作受GPT影响，编程与写作的暴露度接近100%。同年，高盛估算全球约3亿个全职岗位可能暴露于自动化，麦肯锡认为生成式AI每年可为全球经济增加2.6万亿至4.4万亿美元。此后三年，认知经历了从“替代叙事”到“增强叙事”再到“实际校准”的转变。
2024年，GitHub调查显示92%的美国开发者在工作中使用AI编码工具，Stack Overflow调查中81%的人认为AI提高了生产力。2025年2月，Anthropic报告指出软件工程任务占AI使用的37.2%，57%属于增强，43%属于直接自动化。2026年3月，Anthropic将“理论AI覆盖度”与“实际AI覆盖度”分离，发现法律、艺术、教育等领域理论覆盖度超过80%，但实际应用集中在计算机、金融、管理、办公等领域，显示从技术可行到组织部署之间存在显著时滞。
哈佛商学院的研究引入学习曲线概念：学习曲线陡峭的职业（如编程、法律）中，初级技能更容易被AI自动化，截断新人“边做边学”的路径；学习曲线平缓的职业（如护理、维修）中，AI赋能新手，扩大就业准入。这导致同一职业内部的代际分化：资深程序员生产力倍增，而应届生发现找工作更难。就业结构可能从金字塔形变为“葫芦形”——资深者稀缺，新人入门困难，中间层空洞化。
企业财务数据亦显示这一趋势。2026年6月《晚点LatePost》报道，中美头部科技公司资本开支多已超过研发费用，员工总数下降或停滞，人均产出上升。中国企业数量是2021年水平的仅有美团、京东、拼多多、腾讯，其中仅拼多多和腾讯实现员工数与人均利润同步增长。年龄焦虑门槛从35岁提前至25岁。Token消耗成为新的运营成本，资金流向芯片厂商和云厂商。
微观层面，《财新周刊》记录的四个个案体现被动承受：AI数据分析师在系统搭建后被裁，转行薪资降30%；音乐宣传人员因AI取代外包而工作负担加重；真人短剧运营因业务转向AI短剧而团队整体裁撤；视觉设计师在哺乳期后失业，新招聘要求一人掌握多项AI技能。这些案例表明，即使身处AI行业内部，也可能面临替代风险。
理论框架方面，任务模型、技能偏向性技术变革、创造性破坏与补偿机制提供了分析视角。任务模型强调技术替代的是任务而非职业，劳动者在不同任务间重新分配时间；技能偏向性技术变革解释了同一职业内部的风险差异；补偿机制则推演新岗位的创造路径，但前提是组织消化能力和资本投资偏好决定落地节奏。
声明：文章不代表CHAINTT观点及立场，不构成本平台任何投资建议。投资决策需建立在独立思考之上，本文内容仅供参考，风险 自担！转载请注明出处：https://www.chaintt.cn/60689.html