AI 失业潮在哪？宏观数据看不见，不等于没有发生

概述

6 月 9 日，Apollo 首席经济学家 Torsten Slok 在他的 Daily Spark 专栏里抛出一个直白的问题：AI 失业潮在哪？他的答案也很直白。如果 AI 真在引发失业潮，我们应该看到招聘岗位崩塌、失业率攀升，但现实是反过来的。每个失业者对应的职位空缺数已重新回升到 1.0 以上，意思是岗位还是比找工作的人多；5 月非农就业新增 17.2 万，他据此说「没有工人被 ChatGPT 替代的迹象」。

这条结论在 Hacker News 上炸出了 261 条评论（158 赞）。值得注意的不是大家骂他错，而是争论几乎瞬间从「数据对不对」滑向了「这个数据根本看不见我们担心的东西」。这正是这场争论的要害。Slok 没有撒谎，他引用的都是美国劳工统计局（BLS）的官方数字；但他选的口径，即全经济的招聘总量、全行业的失业总人数，恰好是局部冲击的天然消音器。一个总量稳定的劳动力市场内部，完全可以同时发生初级岗位塌方和医疗护理岗位猛增，两者在加总后互相抹平，宏观曲线纹丝不动。所以真正该问的不是失业潮在不在，而是你用哪个口径去看，才看得见它。

争的是什么

表面看，争的是「AI 到底有没有在毁灭就业」。但拆开之后，分歧其实落在三种相互竞争、且并不互斥的解释上，每一种都对应着不同的政策和招聘含义。

第一种是滞后效应。技术冲击就业从来不是当季见效：企业先冻结招聘、再不补缺、最后才裁人，这套传导要走好几个季度甚至几年。持这种看法的人会说，现在的总量数据反映的是过去的决策，AI 的真实冲击还在路上。HN 上有人一句话点破了这种解释的软肋：失业潮「永远是两三年后」，2027 一度被说成拐点，而那已经是一两年前的预言了。滞后效应是个诚实的可能，但它无法证伪，任何「现在还没看见」都能用「再等等」搪塞过去，这让它在解释上很强、在预测上很弱。

第二种是被夸大的叙事。这一派认为「AI 失业潮」很大程度上是企业重组的话术外衣：裁员的真实驱动是零利率时代（ZIRP）过度扩张后的回调、是岗位向海外转移，AI 只是一个听起来更体面、更不像管理失误的说辞。HN 上有从业者直接说，对美国软件工程岗位而言，离岸外包至今仍是裁员的大头。这种解释的力量在于它说清了 CEO 们为什么爱谈 AI 裁员：把成本削减包装成技术进步，对股价和士气都更友好。它的弱点是容易滑向阴谋论，把所有 AI 影响都一笔抹成公关。

第三种，也是最站得住的，是统计口径的盲区。它不否认 AI 在动手，只是说宏观平均值看不见。HN 上最密集的反驳全都指向这里：职位空缺（job opening）不等于真实的工作机会，「幽灵岗位」让招聘数据虚高；5 月新增就业大头在医疗护理，而那是婴儿潮一代老龄化驱动的长期趋势，跟 AI 无关，却把科技岗位的流失填平了；平均工资在涨，但中位数和分位数才看得出有没有掏空中间层。这三种解释不是单选题，很可能是滞后效应叠加统计盲区，再被叙事各取所需地放大或淡化。

谁更有理

把三种解释放在一起掂量：统计口径盲区目前最有解释力，滞后效应是合理的悬而未决，被夸大的叙事则是部分成立但被过度使用的方便说法。

理由在于证据的颗粒度。Slok 的论证全部建立在加总数据上，而加总恰恰是最不可能暴露结构性冲击的地方。一个有说服力的细节来自 HN 上一位经营求职网站的人：他说自己的数据里看不到整体职位空缺的危机，连软件工程师都不缺岗位，但有非常清晰的信号显示，初级（entry level）岗位的需求正承受压力。这正是「总量没事、结构有事」的现场证词。多位工程师附议：现在基本只招已经是资深的人，初级岗位接近于零。如果 AI 的第一波冲击集中在初级、可被工具直接顶替的职能上，那它在 17.2 万这个总数里就是看不见的，因为同期医疗护理、服务业的增量足以把它盖住。

但话不能说满，有两点必须给反方记上。其一，工资数据确实不支持「大批人被挤进低薪岗位」这个假说：HN 上有人引用 BLS 数字，2026 年第一季度全职劳动者周薪中位数为 1235 美元，同比涨 3.4%，中位数上涨意味着至少没有明显的向下挤压。其二，初级岗位难找其实不是 AI 时代的新鲜事，有人回忆 2018 年、2023 年招初级岗本来就难，把当下的困境全算到 AI 头上，可能高估了它的份额。所以更准确的判断是：AI 在啃食的是就业大盘里一块不大但特定的部分（初级编码、初级法务、初级会计这类），这一口它咬得真，但还没大到能在全经济曲线上留下牙印。

为何重要

这件事重要，不是因为它能预测明年的失业率，而是因为它暴露了一个认知陷阱：我们正在用一套为上一代技术冲击设计的统计工具，去观测一场可能沿全新断层线展开的变化。

具体说，如果 AI 的冲击是高度职能化的，专打初级、专打某些可标准化的白领任务，那么任何全经济、全行业的平均指标都会系统性地迟报甚至漏报它。等到失业率这种总量指标终于动起来，往往意味着结构性问题已经积累到溢出了局部、传导到了全局，那时再反应就晚了。对政策制定者，这意味着该盯的不是月度非农总数，而是按岗位层级、按职能、按年龄段（尤其是应届毕业生）的分项数据。对所有把「宏观没事」当定心丸的人，这是一个提醒：你看到的平静，可能只是因为你站得太远。

反过来，这件事也重要在它给「狼来了」式的恐慌降了温。Slok 的数据再有口径问题，至少证明了一件事：到 2026 年年中，AI 还没有引发那种总量级别的、横扫各行业的失业海啸。那些宣称传统软件岗位已经消失、不再需要开发者测试员的断言，在数据面前站不住。真实的图景介于两个极端之间：不是末日，也不是无事发生，而是一场沿特定职能精确推进的、暂时被加总数据消音的局部调整。

该忽略什么

第一个该忽略的，是那个把所有争论简化成「失业率涨没涨」的框架。失业率是个总量、滞后、且口径粗糙的指标：它不区分岗位层级，不捕捉就业不足（underemployment），也看不见一个人从一份全职滑向两三份兼职。拿它来判断 AI 有没有动手，等于用体温计测血压：工具没错，但量错了对象。

第二个该忽略的，是「职位空缺数」这个数字本身的精确感。HN 上反复有人指出，AI 让发布招聘变得几乎零成本，「幽灵岗位」（公司挂着不存在的职位以维持增长假象）和重复挂牌让空缺数严重虚高。需要澄清的是，BLS 的 JOLTS 调查并不是去数招聘广告，而是直接问企业，方法比数广告扎实得多；但即便如此，「每个失业者对应 1.0 个空缺」这种比值的小数点后变动，本就淹没在统计噪声里，那个图表右端「重新回升」的小箭头，不值得当成趋势反转来读。

第三个该忽略的，是任何一方喊出的金句式结论，无论是「没有 ChatGPT 替代工人的迹象」还是「AI 失业潮已经来了」。这两句都对了一半：前者在总量上成立、在结构上盲目；后者在初级岗位的现场成立、在全经济尺度上夸张。把任何一句单独拎出来当判断，都会错。

对建设者的影响

如果你在招人，这场争论有一个可直接落地的含义：别用宏观数据给自己的招聘决策做背书，无论哪个方向。「市场上人很多、好招」和「市场很紧、招不到」可能同时为真，区别只在于岗位层级。从 HN 的现场信号看，资深工程师依然抢手、甚至有创业者抱怨招不到合格的资深人；而初级岗位需求正在塌缩。这意味着如果你的团队结构还是「招一批初级、慢慢带成资深」，你正站在被 AI 改写的那条断层线上：被工具顶替的恰恰是初级那一层的产出。

更现实的提醒是：初级岗位的萎缩在短期是省钱，在长期是把整个行业的人才管线掐断，今天没有初级岗，三五年后就没有可被提拔的资深。HN 上有人把这个困境说得很冷静：现在不招初级「迟早是个大问题，但不是我要操心的问题」。对真正做长期主义的创业者，这恰恰是个反向机会：当所有人都在用 AI 顶替初级产出、放弃培养时，愿意把人和工具组合起来、用资深人带着工具去补初级岗位空缺的团队，反而能以更低成本攒下别人攒不到的人才厚度。判断不在于 AI 强不强，而在于你把它当成裁员的借口，还是当成放大判断力的杠杆。

来源

1. Where is the AI jobs crisis? / blog
2. Where is the AI jobs crisis? (Hacker News) / hn

无官方一手源；本文基于可靠二手报道（具名媒体、交叉印证）写成。