就业到底发生了什么？把 AI 的炒作与现实分开
文章摘要
说明：斯坦福 SIEPR 站点对所有非浏览器访问均返回 Akamai 的 403（curl 加完整浏览器头、WebFetch、r.jina.ai 阅读器代理、多个 CORS 代理均被拦），因此以下要点来自搜索引擎抓取的该简报正文摘要，以及 HN 讨论中对图表和数据的直接引用与核对。
这是斯坦福经济政策研究所（SIEPR）的一份政策简报，作者为 Neale Mahoney（SIEPR 主任，曾任白宫国家经济委员会顾问）、Erika McEntarfer（前美国劳工统计局局长）与 Karsen Wahal。文章的立场从标题就摆明了：把关于「AI 正在摧毁就业」的叙事，与数据能支持的部分分开。
核心结论是：目前几乎没有证据显示 AI 正在造成显著的净就业损失。 简报用 IPUMS-CPS 数据做了一个直观的对照——把劳动力按「AI 暴露度」分成五等份，自 2022 年以来，暴露度最高的那一档，失业率上升了 0.77 个百分点；而暴露度最低的那一档，同期失业率上升了 0.85 个百分点，反而略高一点。也就是说，如果 AI 真在系统性地取代人，最该先被取代的那批人并没有表现得更差。这个差值意味着在美国整体就业中，看不到可测量的 AI 净替代效应。文章第一张图展示的正是这几条按暴露度分组的失业率曲线，它们在整个时期基本同涨同跌——这一点也成了评论区争论的焦点。
简报梳理的其他几条趋势包括：AI 对劳动者生产率的影响好坏参半但总体为正；企业采用率在加速，但在经济中分布极不均匀；写代码密集型职业的就业增长确实有所放缓，但仍然为正，且过去一年软件开发岗位的线上招聘增长快于其他职业；在采用了企业级 AI 的公司中，采用后两年内就业增长了 10%。文章还给出一张汇总各项生产率研究的图（评论区称为 Figure 3），其中 GitHub Copilot 的任务时间节省幅度最高。
简报也没有全盘唱多：它承认新毕业生面临的艰难就业市场可能部分与 AI 有关，并把 Anthropic CEO Dario Amodei「AI 可能消灭一半白领岗位、把失业率推到 20%」的预测作为需要被数据检验的对象之一。整体基调是：AI 对总体就业的影响目前很可能是小的，真正值得政策关注的是入门级岗位与技能形成，而不是笼统的「就业末日」。
HN 评论精华
这条帖子拿到 302 分，讨论质量相当高，主线是「这份研究的时间窗口是不是已经过时了」。
最高赞是 simonw 提出的方法论质疑，也是整条帖子的主轴。 他指出：编码 agent（Claude Code、OpenAI Codex）真正好用起来是在去年 11 月底，对多数人来说因为圣诞假期实际上要到今年 1 月；通用 agent（OpenClaw、Anthropic Copilot、ChatGPT “Work”）还要更晚。这一类软件对工作的影响，可能远大于 2022–2025 年间那些以聊天为主的系统。主要覆盖 2022 到 2025 年底的研究，可能恰好错过了一次实质性的能力跃升。
这条引来了两种回应。支持的一侧：qarl2 说去年 12 月是他第一次觉得这些 harness「像真正的工人一样干活」，所有令人印象深刻的事都发生在过去六个月；01100111 说他最近被 agent 模式惊艳，但非 agent 模式在各家前沿模型上仍然很糟。反对的一侧火力也不小：ballsac 直接反讽「编码 agent 真正好用起来是在……2026？5？4？3？这话我听太多次了」；twister2920 更简短：「大家把表重置一下。」cineticdaffodil 用了「真苏格兰人谬误」的梗——「真苏格兰人时期才刚刚开始，之前的都只是小苏格兰人。」raincole 给出了更同情的框架：任何关于 AI 影响的研究都必然是滞后指标，这不是研究者的错，而是领域推进速度的必然结果。
AbsurdCensor 提供了另一种解释：这也不是第一份得出类似结论的研究了——程序员和 IT 在疫情期间被严重超招，现在出现大量岗位流失，而把锅甩给 AI 很容易，实际上背后有大量经济因素，AI 提升的生产率也没有大家想的那么多。samstokes 补了一个巧妙的观察：公司早在 2026 年 1 月之前就在拿 AI 当裁员的借口了，这本身印证了简报的结论；2026 年确实有上升，但这既可能是 AI 真的造成了更多裁员，也可能只是 AI 变成了一个更好用的借口。overgard 现身说法：他和整个团队今年一月被一家大厂裁掉，官方理由是「AI」，但大家都知道真实原因是「2022 年超招」；他四月就找到了新工作，而且没花太大力气。
对图表本身的质疑。 FrustratedMonky 注意到第一张图上所有失业率曲线都以相同比例同涨同跌，因此「也许当前就业市场根本不是 AI 的问题，而是那些一直在驱动失业的其他经济变量——也许更可怕的是，是经济本身在受苦」。iLoveOncall 纠正说：这张图实际显示的是越暴露于 AI 的行业，失业受影响越小。dahart 提出了两个更技术性的问题：为什么图上疫情前一年多就有缓慢上升的失业率，这与 BLS 数据（2020 年 3 月骤升）不符；以及 2015 年的「AI 暴露度」到底是什么，那时候 LLM 还没被发明——他读了被引论文后发现，这些五等份本质上归结为「是否使用电脑」，而不是我们今天理解的 AI。giantg2 吐槽 Figure 3 显示 Copilot 的任务时间节省最高，「而我的经验里它是最垃圾的」。keeda 给出了关键解释：Figure 3 里大多数生产率研究来自 2023–2024 年，那时 Copilot 确实是最先进的 AI 编码工具——「神奇之处在于，这些数字来自 AI 编码基本还是『加了辣的自动补全』的年代」。keeda 还补充了一个常被忽略的事实：AI 在工作中的采用率其实很低——即便超过 50% 的美国人自报每周至少用一次 AI，它也只占了 6% 的工作时长，这正是谷歌那份研究所说的「广泛但浅层的使用」。
「员工有没有动机汇报真实生产率提升」这条线相当扎心。 newsomix9xl 的论证是：如果用 AI 意味着裁员、不用 AI 也意味着裁员，而没人真的在跟踪 AI 的影响，那么表演式采用就是最安全的策略，真实收益应当被藏起来。agumonkey 用亲眼所见印证了这一点：第一周员工休息室里人人对 LLM 兴奋不已，「我一小时就能干完一天的活」；到周末的组会上口径已经变得温和，「嗯，能比平时挖得深一点，一周确实省下几小时」；散会后这些人已经在互相说，他们绝不会汇报真实的生产率提升，因为那是自杀。gymbeaux 说他的同事在群体场合绝不承认代码是 AI 写的，私下里却都承认了。
关于生产率分布，评论区出现了两条互相矛盾的高赞评论，被 zahlman 直接点出来：cjbgkagh 认为生产率服从帕累托分布，AI 是一把更锋利的刀，让本来就高产的人按比例更高产，于是 80:20 会变成 90:10、95:5、99:1；而 chewbacha 认为生产率提升集中在经验较少的工程师身上，到了资深工程师那里会消失甚至转负——「LLM 把你的基线拉向平均值，你在平均线以下它就提升你，在平均线以上它就拖累你」。jvanderbot 给出了调和的解释：对初级工程师 50% 的提升可能小于对资深工程师 10% 的提升（因为基数不同），所以两者并不矛盾；而且「收益集中于初级」也可能只是初级工程师被分配的工作类型决定的——真正难的事集中在最资深的人手里，而「难」现在也意味着「不容易被 Claude 搞定」。chewbacha 还提出了一个更长期的担忧：他用 LLM 做完的工作，记忆留存明显更差，这让他怀疑经验较少的工程师其实没有在积累经验；他的「锡纸帽推论」是这正是科技公司 CEO 想要的——低技能、可以少付钱的工人。VladVladikoff 从小公司老板的角度给出了相反的结论：低技能的人看不出 LLM 产出的缺陷，所以他现在不打算招任何初级，最有价值的反而是资深工程师。
其他值得一提的角度。 ralusek 说三个月前他还在求老板给他招五个工程师，现在他一个都不想要了——不只是因为不需要，更因为「初级工程师用 AI」的前景让他恐惧：他再也没法通过扫一眼代码判断一个人的水平，也不可能审完 AI 能产出的那么多代码。ajb 给出了本帖最有历史纵深的一条：真正的威胁未必是岗位消失。当手工艺人被工厂取代时，自动化花了很久才真正减少工人数量；快速发生的是资产的转移——工匠原本拥有的技艺与经验，被工厂主拥有的资本设备所取代，工人从有保障的工作和一定自主权，变成被工厂体系支配的可替换商品。中产阶级的成长本质上就是「工人在自己的技能与经验中持有人力资本」的岗位的成长，这才是今天真正的风险所在。tancop 的解释更直白：这不是因为 AI 好到能替代工人，而是因为它好到足以在非技术管理者眼中看起来能替代工人，从而给高管一个裁员（或不招）以做漂亮利润率的借口——根源和大多数经济问题一样，是金融资本主义奖励短期利润，CEO 因裁员太多而被解雇的风险，远低于因裁员不够而被解雇。exabrial 用缝纫机做类比：机器普及后工厂雇的人数量差不多，但产出从每天 20 件变成了几千件；asdff 反问了这个类比的软肋：如果桌上真有 100 倍在等你，为什么你之前不靠多招人就达到 100 倍规模？需求才是约束。sensanaty 转贴了自己在另一篇讨论下的长评：他所在的约 2000 名开发者的成熟盈利公司，在两年时间、几乎无限预算和工具权限的条件下对整个巨型 monorepo 做了正式评估。pjmlp 的观察是：AI 让更少的人能做更多事，但项目需求量并不足以让所有人都有活干。