王爷帮个忙【新智元导读】AI正在无声改变美国就业市场，而最先倒下的，竟是年轻人！斯坦福大学最新研究发现：22—25岁新人，正遭遇前所未有的就业危机：毕业即失业，正在成为现实。AI「精准打击」这届美国人年轻人，年轻人还有出路吗？

　　1、在AI高度渗透的岗位（软件开发、客服等），年轻人的就业率正在快速下滑；

　　数据来自美国最大工资单软件供应商ADP的实时薪资与就业数据，覆盖数千万份工作，可信度极高。

　　更残忍的是：即便剔除掉科技公司，甚至剔除掉适合远程工作的职业，结果依然一样。

　　「AI教父」、图灵奖+诺贝尔奖双料得主Hinton也一度怀疑自己制造了人类无法控制、可能导致人类灭绝的「可怕」技术——深度学习。

　　没人能笃定地预知未来，预测强AI的影响的难度史无前例，因此一切终归只是猜测。

　　问题的关键是，研究人员用来追踪劳动力市场的主要数据集并不适用此类问题。它们并没有被设计用来实时分析如此具体的职业或年龄组。

　　例如，2025年5月22至25岁的软件开发者的就业状况，就没有公开可用的数据能给出合理的置信度的答案。

　　几个月前，Bharat Chandar写了一篇论文来追踪AI是否导致了失业。

　　Bharat Chandar是斯坦福数字经济学实验室和以人为本的人工智能研究所的博士后研究员。他在斯坦福商学院获得了经济学博士学位

　　当时他虽然可以排除整个劳动力市场普遍受到干扰的情况，但数据不够详细，无法可靠地追踪人们最关心的具体年龄和职业。

　　ADP提供基于云的人力资本管理（HCM）解决方案，将人力资源、薪资、人才、工时、税务和福利管理融为一体

　　在22至25岁的软件开发者中，就业人数自2022年底达到峰值以来，到2025年7月下降了将近20%。

　　之后的11月底，OpenAI上线了ChatGPT，第一个使用样例就是修复代码。

　　之后，GenAI革命席卷而来，软件工程首当其冲。入门级的软件工程师职位开始暴跌：

　　令人意外的是，客服代表陷入了类似的处境——这是另一个被认为高度暴露在AI风险下的职业。

　　相比之下，护士、心理护理员和上门护理员等工作，由于必须到场、需要体力劳动，几乎无法被AI取代。

　　在这些岗位上，22至25岁群体的就业增长反而最快。这从侧面验证了Hinton建议的正确性。

　　对于22至25岁的人群，在受AI影响最小的职业中就业率在上升，但在受AI影响最大的职业中则显著下降。

　　在此期间，美国经济还发生了许多其他变化。尤其是软件开发人员的就业下滑趋势，很可能无法仅用AI来解释，因为自2022年底之后，下滑速度过快。

　　并非所有AI应用都用于「替代劳动力」。一些AI工具反而能帮助人类更好地学习和提升技能，这类属于「增强型」。

　　而在「增强型」AI（如管理、维修）使用率高的岗位上，就业不降反升，增长强劲。

　　就业数据（22-25岁）按自动化AI使用强度归一化（基准：2022年10月）

　　就业数据（22-25岁）按增强型AI使用强度归一化（基准：2022年10月）

　　这些结果与此前的推测相符：AI在「自动化」场景下更多是替代人类劳动，而在「增强型」应用中则更多起到补充和放大的作用。

　　为此，研究者利用ADP的年薪数据，跟踪了不同年龄段、不同AI暴露程度下的薪资变化。结果发现：

　　22—25岁人群在不同AI暴露程度下的年薪走势（归一化至2022年10月）

　　远程办公结束、公司要求返岗？在根本无法远程的岗位（如银行柜员、报税员、旅行社代理）里，也出现了类似结果。

　　疫情造成的教育质量下降？在大多数不需要大学学历的岗位中，甚至到40岁年龄段都出现了就业下滑。

　　综合来看，这些趋势并非完全由AI导致，但在「AI暴露度最高」的岗位上，年轻人确实受到了显著冲击。

　　不同年龄群体在不同AI暴露程度下的就业情况（归一化至2022年10月，仅包含低学历占比超过70%的岗位）

　　总体来看，虽然受教育程度较高的人群往往集中在AI暴露程度更高的岗位，但这些结果表明：低学历劳动者即使在积累了更多工作经验后，也未能获得相应的「AI保护伞」。

　　最后，论文还进行了正式的统计检验，测试这些结果是否可能由美国经济中的更广泛冲击引发（不同企业或行业受影响程度不同）。

　　结果依然表明：即便控制了这些因素，年轻劳动者在AI高度暴露岗位上的冲击依旧显著，和主文的分析一致。

　　论文的结果中最令人意外的一点，是AI冲击如此集中地落在了刚踏入职场的年轻人身上。

　　• 大模型的训练语料主要来自书籍、论文、网络公开教材——恰好是初级员工在大学里吸收的那套显性知识。

　　• 相反，如何读懂老板一句弦外之音、如何快速调整优先级……要想获得这些隐性知识，只有在真实场景中摸爬滚打。它们在语料中稀疏，AI掌握得差。

　　• 于是，AI在「入门级可编码知识」上几乎与人类新毕业生平分秋色，却暂时无法替代资深员工的经验包。

　　在这些岗位里，经验带来的溢价本就有限，AI只要掌握显性流程就能胜任大半。

　　许多公司正处于「观望+试错」阶段：既想验证 AI 能否真正降本增效，又不愿轻易裁员引发士气动荡。最简单、最不留后遗症的调节阀门就是「少招或不招新人」。

　　因此，我们看到初级岗位首当其冲，而被裁减的资深员工比例反而很小；整体工资也未出现大幅下滑。

　　如果未来企业把AI流程跑通，发现依然需要人类做模型微调、质量监督或客户关系，届时可能会重新扩大校招，把年轻人再请回来。