1. 首頁 > 生活百科 > >

面對越來越強的模型和崗位消失，我們該做點什么？

人工智能百度自動駕駛文心大模型

面對越來越強的模型和崗位消失，我們該做點什么？



面對模型越來越強 ， 崗位消失和白領陣痛 ， 個人和企業該如何應對？
文｜王眾
編｜趙艷秋
今天一早 ， 被谷歌Gemini 3的發布刷屏了 。 大家都在感嘆這是今年最強大模型 。 有人甚至直言：我們這一代人 ， 可能剛剛站在了一個非常離譜的起點上 。 從今天開始 ， 會不會寫前端、會不會調框架可能沒那么重要了 。 是的 ， 大模型正在改變我們的運行規則 。
實際上 ， 近一個月以來 ， 全球職場正經歷前所未有的“白領淘汰風暴” 。 這場風暴的詭異之處在于 ， 被淘汰者并非傳統認知中的“低技能群體” ， 而是以本科及以上學歷為主 ， 覆蓋開發、文案策劃、中層管理、人力、財務、法務等曾被視作 “職場安全島” 的中產崗位 。 費城聯儲的研究顯示 ， 高薪且要求本科學位的崗位 ， 最容易被AI替代 ， 遠高于藍領崗位平均水平 。
而工信部《2025年人工智能就業白皮書》和麥肯錫《生成式AI的經濟潛力》的最新數據顯示 ， AI總體替代率已達23% ， 意味著每4個崗位中 ， 就有近1個正被AI技術重構 。 這場關于職業安全的討論 ， 已從“未來預判”變為“當下命題” 。
AI正在首當其沖沖擊白領 ， 一些崗位已進入“倒計時” 。 站在這樣的節點上 ， 個人與企業該如何主動應對？
01
“裁舊招新” ， 大公司戰略重構
2025年10月 ， 硅谷七姊妹開啟了裁員風暴 。 但與以往不同的是 ， 這次巨頭們邊裁員、邊追加AI投資 。 以往裁員都是偷偷摸摸進行 ， 算是公司“負面” ， 這次則大張旗鼓 ， 股市不跌反漲 。
【面對越來越強的模型和崗位消失，我們該做點什么？】值得警惕的是 ， 這其中也夾雜一些企業為了短期盈利和市值拉高而進行的裁員 ， 這種個體行為或將導致集體非理性的跟隨 。
亞馬遜宣布全球裁員約1.4萬人 ， 沖擊人力資源、廣告 ， 以及AWS云業務的非核心團隊 ， 其中人力部門裁員在10%以上 ， 同時將2025年資本支出抬升至1250億美元 ， 其中約七成投向AI與數據中心 ， 并在機器學習等核心領域高薪擴招 。
Meta年初按績效裁減約3600人后 ， 9月再裁AI基礎設施部門600人 ， 但仍保留TBD Labs等大模型核心團隊 。
微軟5月裁員6000人 ， 受影響最大的是LinkedIn、Xbox及銷售、市場、招聘等非技術崗和中層管理者；同期追加800億美元投入AI基建 ， Copilot等生成式AI研發預算占比升至40% 。
Salesforce7月裁撤4000個客服崗位 ， CEO公開確認AI已承擔50%客服工作量 ， 部門成本下降17% ， 并擴招提示詞工程師、AI產品經理等新興崗位 ， 且薪資溢價約兩倍 。
同在今年 ， 福特、摩根大通與埃森哲已將AI升級為運營核心并同步調整編制與預算 。 福特在4月成立了Latitude AI子公司 ， 在采購、物流、財務流程全面植入生成式AI ， 目標在2026年前把整體運營費用率再降1.5% 。 摩根大通5月下發內部備忘錄 ， 除AI與數據科學崗位外暫停新增技術招聘 ， 優先用LLM完成合規審閱和信貸風險報告 。
埃森哲表示持續的裁員行動將延續到今年11月底；其AI和數據專業人員則從2023財年的4萬人增長到目前的7.7萬人；77.9萬員工中 ， 超過55 萬人已經接受了Gen AI基礎知識的培訓 。 埃森哲CEO在電話會議上表示 ， 如果員工無法掌握AI技能 ， 等待他們的就是“被優化” 。 與裁員相對的則是增長的業務量 ， 埃森哲財報揭示 ， 2025財年AI相關新訂單達59億美元、涵蓋6000多個項目 。
02
白領崗位的軟肋
除了“無情的機器人”可以24小時穩定工作外 ， 在工信部等白皮書中指出 ， 白領崗位相對AI的弱點 ， 可以歸結為高度規則化和替代性成本低 。
首先 ， 許多所謂“白領核心工作” ， 本質上是可結構化的標準流程 。 比如 ， 在財務領域 ， 根據報道財務機器人三分鐘即可完成月度報表；數據錄入員與初級會計的替代率均達90%；四大會計師事務所已裁減30%基礎審計崗 。
法律領域的智能產品處理500頁文件僅需3分鐘 ， 法律文書助理替代率60%、專利檢索員替代率55% ， 崗位萎縮 。 某律所初級律師因不熟悉法律科技工具 ， 被迫轉行 。
病理分析方面 ， AI系統的讀片速度和準確率已逐步接近專業人員 ， 病理切片分析員替代率達到65% 。
在客服領域中 ， 根據報道 ， 有企業提到智能客服可用來解決90%售后問題；另一家公司宣傳AI客服系統日均處理200萬通電話 ， 重復問題自動解決率92%；電話客服替代率已達85% ， 在線文字客服替代率達70% 。 工信部《2025年人工智能就業白皮書》的數據 ， 電話客服崗位替代率達 85% 。
其次 ， 成本核算顯示出白領崗位的“性價比崩塌” 。 Salesforce裁撤4000個客服崗位后 ， 年節省約2000萬美元 ， 而相應AI系統的部署成本僅800萬美元 ， 6-9個月即可回本 。
麥肯錫在《生成式AI的經濟潛力》報告中預判：生成式AI每年可為全球經濟新增4.4萬億美元價值 ， 但將重塑63個行業的核心崗位 ， 其中75%的新增價值來自營銷銷售、客戶運營、軟件工程和研發 ， 這些正是白領群體最集中的領域 。
03
“幸存者”和下一個風暴點
目前 ， 仍難被AI完全取代的崗位 ， 集中在強人際交互與高度原創兩類 。 強人際交互類包括心理咨詢師、高端銷售（客戶關系維護）、個性化教育工作者與養老護理員——這些崗位依賴情感共鳴與個性化服務 。
高度原創類則涵蓋原創藝術家、科研人員、非遺傳承人、戰略顧問等 ， 這些工作需要跨領域思考與原創性突破 ， 超出當前AI的能力邊界 。
另有一類“AI協作”崗位 ， AI訓練師、提示詞工程師、AI倫理審查員等 ， 它們直接服務于AI生態 ， 需求持續增長 。
AI代碼合規審查員已成為微軟、亞馬遜等公司的新增核心崗位 ， 負責審核AI生成代碼的合規性與安全性 ， 防止算法歧視 。 多家企業包括亞馬遜與埃森哲正在擴招的人機協作管理員 ， 負責監督AI系統運行并處理復雜異常情況 ， 例如AI客服無法解決的投訴 ， 職位要求“懂行業且會用AI工具” 。
但是 ， 也有一些現在看似穩定的職業或將遭遇挑戰 。 隨著能力指數級提高 ， AI對創造型人才的替代速度和替代程度可能會超出人們的認知 。 去年 ， 由Sakana AI、牛津大學Foerster實驗室、加拿大不列顛哥倫比亞大學團隊聯合開發的AI科學家系統 ， 能獨立完成從研究思路生成、代碼編寫、實驗執行到論文撰寫的全流程 ， 單篇論文成本僅15 美元（約107.62元人民幣） 。
OpenAI的技術布局也在重塑科研職場生態 。 奧特曼在直播中展示的下一代模型原型“Omega-3” ， 已在數學推理、跨模態理解和自主實驗設計等領域實現突破 ， 標志著AI從科研輔助工具向“準研究者”轉型 。 OpenAI預計 ， 到2026年9月 ， AI將能勝任“實習研究助理”級別的工作 ， 并在 2028年前發展成一名完全自動化的“合格AI研究員” 。
由于人工智能帶來的科研新范式 ， 研究領域或將是下一個暴風點 。
04
工業革命與AI時代的新工種
實際上 ， 技術對就業市場的沖擊從未停歇 ， 從工業革命時期的機器取代手工勞動 ， 到當下AI吞噬白領的工作 ， 兩次變革本質都是生產力躍遷引發的“創造性破壞” 。
工業革命的替代核心是解放“重復性體力勞動” ， 集中沖擊了紡織業 。 1806-1817年間 ， 英國約克郡剪絨工廠從5家增至72家 ， 剪絨機器從100架暴增至1462架 ， 3378名平絨工人中 ， 1170人完全失業 。 工廠增加、工人減少的同時 ， 工資也在下降 。 在英國蘭開斯特郡 ， 一名織布工的周薪從1800年的25先令 ， 暴跌到1811年的14先令 。 生活困境直接催生了砸毀織布機的盧德運動等 。
AI的替代核心是解放“重復性認知勞動” ， 且呈現跨產業、高速度、高學歷指向的特點 。 值得注意的是 ， AI替代有“局部替代徹底、全面替代有限”的特征 。 美國Scale AI與Center for AI Safety的聯合研究顯示 ， 盡管AI在特定任務中表現亮眼 ， 但真實工作場景中的自動化率不足 3% ， 復雜任務中因無法驗證交互效果、修正錯誤 ， AI的交付合格率遠低于人類 。
工業革命在摧毀舊崗位的同時 ， 也催生了全新的就業生態 。 19世紀上半葉 ， 英國大規模城鎮化 ， 工業就業占比迅速增長 ， “技術依附型”崗位爆發 ， 產業規模的擴張也催生了管理型崗位 。
AI的就業創造效應也呈現出“速度快、跨度廣、技能密集”的特點 。 生成式AI從技術突破到催生提示詞工程師、AI倫理審計師等新職業僅用時18個月 ， OpenAI生態系統已孵化出超過200種新型職業 ， 涵蓋模型微調師、對齊工程師、AI工具和Agent集成工程師、AI產品項目經理、AI體驗和UX設計師、Agent生態運營經理、AI部署落地工程師、GPT Apps 開發者等 。
中國的就業結構變化尤為顯著 ， 自2019年以來 ， 人社部會同有關部門發布了五批共74個新職業 ， 其中包括大數據工程技術人員（2019年發布）、人工智能訓練師（2020年發布）、智能硬件裝調員（2021年）等 。
05
技能焦慮蔓延 ， 如何破局？
盡管有新的工種出現 ， 但勞動者的技能焦慮正在加速蔓延 。 2024年蓋洛普調查顯示 ， 近25%的勞動者擔憂工作被AI取代（2021年僅為15%）；與此同時 ， 市場對AI技能的學習需求激增 ， 多家在線教育平臺披露AI課程注冊量與學習時長高速增長 ， 個別平臺增幅達三位數以上 。
埃森哲2025年披露已為55萬名員工開展生成式AI基礎培訓 。 企業提供在崗培訓與轉型本應成為核心解法 ， 但實際進展仍遠滯后于需求 。
美國培訓行業報告顯示 ， 2024年美國企業在員工培訓上的總支出約980億美元 ， 人均培訓支出774美元——這一數字雖不算低 ， 卻難以追上技能需求的快速迭代 ， 技能缺口依然嚴峻 。
破解困局需要三方發力：其一 ， 構建“全社會短訓網絡” ， 以需求為導向推出“AI+行業”速成班 ， 快速輸出復合型技能人才 ， 尤其鼓勵企業提供在崗培訓 。
人們可以關注國家相關部門的政策和動作 ， 例如 ， 2025年起人社部推動全體專業技術人才的人工智能通識繼續教育 ， 地方層面也有配套動作 ， 比如河南出臺計劃 ， 2025~2027年年均開展 AI應用培訓超5萬人 ， 并將AIGC應用培訓納入職業培訓補貼范圍 。 此外 ， 各地涌現出一批培訓主體 ， 且大多與企業合作提供實習就業通道 ， 就業比例較好 。
其二 ， 推動企業“轉型即孵化” 。 與其簡單裁員 ， 不如將老員工轉化為轉型“種子” 。
例如 ， 有安全技術公司發起“智能體合伙人計劃” ， 鼓勵一線員工就地轉型 ， 學習AI技能 ， 把經驗構建為智能體 ， 輔助崗位工作 。 有企業將質檢員工 ， 培養為質檢數據標注員 ， 并篩選有潛力的員工定向培養為“行業垂直標注師” ， 專攻細分場景；在企業AI轉型的同時 ， 將這批員工獨立組建為專業標注服務公司 ， 既承接母企業需求 ， 又對外輸出技術服務 ， 形成“內部造血+外部賦能”的良性循環 。 有企業本身有人才學院 ， 面向下一代數字經濟培養相關AI人才 。
其三 ， 個人層面錨定 “AI+專業” ， 強化不可替代性 。 中國勞動和社會保障科學研究院大數據和政策仿真研究室主任張一名 ， 在分析人工智能變革勞動力市場時指出 ， 技術與業務深度融合的復合型人才正在成為市場主流 ， 這一趨勢未來只會更強 。
在此背景下 ， 個人既要把主流AI工具真正嵌入本職工作 ， 讓專業能力在效率與產出上形成可量化優勢；又要在關鍵環節提升AI難以替代的能力 ， 例如法律從業者加強AI生成文書的復核與倫理判斷能力；同時可通過跨領域培訓打造復合技能標簽 ， 如“財務＋數據分析”或“運營＋Prompt 工程” 。 把“不可替代性”變成職業壁壘 ， 在崗位重構的周期中保持更強的流動性和上升空間 。
這些路徑未必能立竿見影消弭焦慮 ， 卻為“人機協同”時代的技能轉型提供了更務實的注腳 。

    推薦閱讀