美国1.43亿岗位AI暴露度图谱曝光,AI冲击白领经济：342种职业数据揭示3.7万亿美元工资面临自动化风险核心摘要：Karpathy 使用美国劳工统计局（BLS）的职业数据，对 342 种职业进行评估，并给每个职业一个 AI Exposure Score（AI 暴露度），范围是 0–10。0 表示 AI 几乎无法替代，10 表示 AI 很容易替代或高度自动化。然后他把这些职业按就业人数加权，得出一个结论：美国 1.43 亿个工作岗位的平均 AI 暴露度是 4.9。表面看起来，这个数字很“温和”。似乎意味着 AI 的影响是中性的。但真正重要的是 分布（distribution），而不是平均值。大量白领工作集中在 7–10 的高暴露区间。详细我们一起来看：
近日，一张由前 OpenAI 研究负责人、特斯拉前 AI 总监 Andrej Karpathy 发布的“美国职业 AI 暴露度地图”（AI Exposure of the US Job Market）在互联网再次流传。该项目最初发布于个人网站 karpathy.ai/jobs，但上线不久后即被撤下，目前仍可通过互联网档案（Web Archive）访问。
这项研究基于美国劳工统计局（Bureau of Labor Statistics, BLS）的职业分类数据，对 342种职业按照“AI 暴露度”（AI Exposure）进行评分，并以可视化方式呈现美国就业结构与 AI 自动化潜力之间的关系。评分范围为 0到10，数值越高，表示该职业的任务越容易受到生成式 AI 与自动化技术的影响。
143百万岗位的AI平均暴露度为4.9
根据该项目的数据，美国约 1.43亿个就业岗位的加权平均 AI 暴露度为 4.9。这一数字处于中间水平，表面上似乎意味着 AI 对整体就业结构的冲击相对温和。然而，研究的关键并不在平均值，而在职业之间高度不均衡的分布。
在可视化图中，每个矩形代表一个职业，面积表示就业人数，颜色从绿色到红色表示 AI 暴露程度从低到高。结果显示，大量高薪白领职业集中在橙色和红色区域，而许多需要现实环境操作的职业则位于绿色区域。
换句话说，AI 的影响并不是均匀扩散，而是呈现明显的结构性特征。
“屏幕经济”成为AI冲击最集中的领域
研究结果显示，大量以信息处理为核心的职业处于高暴露区间。例如：
会计与审计人员（Accountants and Auditors）人力资源专员（Human Resources Specialists）市场研究分析师（Market Research Analysts）软件开发工程师（Software Developers）项目经理（Project Managers）客服人员（Customer Service Representatives）行政文员（Secretaries and Administrative Assistants）
这些岗位的 AI 暴露度普遍在 7到9之间。
其共同特征在于，工作内容主要依赖信息处理、文档生成、数据分析和在线沟通，而这些任务正是当前大语言模型与生成式 AI 技术最擅长的领域。
例如，在招聘、客服、财务分析、软件开发等场景中，AI 已经能够承担部分原本由人类完成的任务，包括文档撰写、数据整理、代码生成、客户沟通和流程自动化等。
因此，该研究所揭示的并非单一职业风险，而是所谓 “屏幕经济”（screen-based economy） 的整体暴露度问题。
体力劳动与现实环境工作反而更具“AI护城河”
与之形成鲜明对比的是，一些传统体力劳动或需要现实环境操作的职业在该模型中表现出较低的 AI 暴露度。例如：
建筑工人（Construction Laborers）屋顶工（Roofers）电工（Electricians）家庭护理人员（Home Health Aides）清洁与维护人员（Janitors and Building Cleaners）
这些岗位普遍位于绿色区域，AI 暴露度通常在 1到3之间。
原因在于，虽然生成式 AI 在信息处理领域取得显著进展，但在现实世界复杂环境中的感知、移动和操作能力仍然有限。机器人技术在建筑、护理和维护等场景的普及仍面临成本与技术挑战。
因此，在当前阶段，“身体在场”（physical presence）正在成为新的职业护城河。
3.7万亿美元年薪集中在高暴露岗位
该研究中另一个引发关注的指标是工资结构。
根据估算，美国约有 3.7万亿美元的年薪集中在 AI 暴露度 7分以上的岗位中。这意味着生成式 AI 潜在影响的不仅是少数职业，而是美国经济中相当规模的知识工作群体。
其中包括金融、法律、软件开发、行政管理、人力资源、市场分析等多个关键行业。
这也解释了为何该研究在发布后迅速引发广泛讨论。一些观察人士认为，该项目被撤下可能与数据容易被过度解读有关。AI 暴露度并不等同于岗位消失，而更可能意味着 岗位任务结构的变化。
高暴露与高增长并存的职业悖论
值得注意的是，一些职业在 AI 暴露度评分中虽然较高，但同时仍然属于增长型职业。例如软件开发工程师在该模型中的 AI 暴露度达到 9分，但根据美国劳工统计局预测，该职业未来十年仍将保持较高增长率。
这反映出 AI 技术对就业结构的复杂影响：一方面，AI 可以自动化部分任务；另一方面，AI 也可能创造新的需求，从而扩大整个行业规模。
因此，AI 更可能改变职业内部的任务分配，而非简单地消灭职业本身。
职业结构正在进入重构阶段
从更宏观的角度看，这项研究揭示了一个重要趋势：AI 对就业市场的冲击并非传统意义上的“蓝领替代”，而是首先作用于知识工作体系。
随着生成式 AI 在写作、编程、分析和决策支持领域持续发展，未来许多职业的工作方式可能发生深刻变化。
对于企业而言，这意味着需要重新设计岗位结构与技能体系；对于个人而言，则意味着职业竞争力将越来越依赖于创造力、判断力和复杂沟通能力，而非单纯的信息处理能力。
尽管该项目已经从原始网站撤下，但通过互联网档案保存的数据仍然为观察 AI 与就业结构之间的关系提供了一个重要窗口。
美国就业市场
2026年03月15日
美国就业市场
IBM 逆势扩大初级岗位招聘：重塑人才成长路径，赋能 AI 时代人机协同彭博社报道IBM宣布计划在2026年将美国入门级员工招聘规模扩大三倍，并根据人工智能时代调整岗位职责。尽管人工智能似乎正在抑制对初级职业人才的整体需求，但IBM仍计划在2026年将美国入门级员工的招聘规模扩大三倍。该公司拒绝透露具体的招聘数字，但表示此次扩张将“全面进行”，涉及众多部门。
纽约 — 2026 年 2 月 12 日 —— 在 AI 技术迅速普及、行业普遍预计 AI 将替代大量基础性岗位的背景下，IBM（International Business Machines Corporation） 正采取完全不同的策略——宣布将在 2026 年将其在美国的 entry-level（初级）岗位招聘规模扩大 3 倍，并同时重新设计这些岗位的核心职责，使其更契合“人类优势”而非重复性任务。
此计划由 IBM 首席人力资源官 Nickle LaMoreaux 在「Charter’s Leading with AI Summit」上首次披露。据 LaMoreaux 表示，公司对这些初级岗位的职位描述进行了重大调整，减少了传统上容易被自动化工具替代的任务，例如机械式编程，将重点放在“人本能力”上，比如客户互动、问题解构与协作沟通。
IBM 并未具体披露最终的招聘人数，但从官方职业页面来看，该公司的 entry-level 招聘包括一系列面向毕业生和早期职业者的 项目与计划，例如咨询类 IBM Associate Program、Sales Accelerator Program、Apprenticeship Program（学徒项目）等，覆盖咨询、销售、技术、数据与业务支持等方向。
岗位重塑：聚焦人类不可替代技能
IBM 这一战略背后的核心逻辑是：即使 AI 能自动执行某些技术性任务，人类在“人机协同”环境下仍具备独特价值。LaMoreaux 强调，这些初级岗位不再只是传统意义上的“入门级数据处理或编码”，而是更强调与客户沟通、跨团队合作、将技术转化为业务价值的能力。
多位评论者认为，这种岗位转型恰好呼应了目前业内人才结构的变化——企业需要“能将 AI 结果转译成实际业务成果的人才”，而不只是执行性任务的操作员。
AI 时代背景下的招聘悖论与机会
这一宣布正值 AI 技术在劳动力市场影响日益凸显之时。此前研究与报道显示，AI 已显著改变了 entry-level 工作的定义——传统的数据清理、重复性程序开发等任务正在迅速被自动化工具取代，部分企业已开始削减此类岗位。
更早之前，IBM 内部高管就曾指出，未来岗位更强调“critical thinking（批判性思维）”和“power skills（人本强技能）”，并认为不能再简单雇佣新人去完成诸如创建电子表格等容易被自动化的任务。
将招聘重心转向具备这些能力的初级人才，实际上代表着一种人才培养战略——企业持续投资基础人才、为中层和高级岗位建立内部人才管道。这在 AI 时代尤其重要，因为如果企业放弃 entry-level 人才培养，将来可能在高级岗位人才储备上面临断层。
技能重塑与 HR 战略启示
专家指出，目前最需要招聘的人才类型包括：
客户成功与销售技术岗位：强调人机协同沟通与业务理解；
咨询与解决方案交付岗位：围绕业务挑战提供创新思路；
数据分析与业务洞察岗位：结合数据、AI 输出与行业背景提出可执行结论；
技术支持与跨团队协作岗位：不仅懂技术，更能协调解决复杂问题。
这些岗位本质上要求新人具备沟通协调、业务敏感性、跨功能协作能力以及持续学习心态——即目前 AI 尚无法替代的“人类核心竞争力”。
结语
在 AI 改写劳动力结构的过程中，IBM 的战略选择提供了一个重要参考：企业若想在未来竞争中胜出，不仅要拥抱 AI 技术，更要重新定义人才增长路径，以“人本技能 + AI 工具协作能力”培养下一代业务与技术领导者。这不仅有助于公司长期竞争力，也为 HR 在人才策略设计、招聘与培养体系规划上提出了新的方向。
扫一扫
添加客服
