随着AI Agent技术突飞猛进，打工人的就业焦虑被推向新高峰。每一次重大AI产品发布，都伴随着对特定职业群体的“死亡宣告”。但这种简化推理忽略了劳动力市场的复杂动态：技术能力不等于经济可行性，任务替代不等于职业消失，个体案例不等于系统性趋势。

想要客观判断AI对工作的替代程度，必须立足数据与细致研究。近期，Anthropic发布专项研究报告，基于多源就业数据，深度剖析AI对当前就业市场的真实影响，拆解了大众最关心的几大核心问题。

一、反直觉真相：为何失业率没有飙升？

面对AI能力的指数级进步，很多人都会疑惑：如果AI真的如此强大，为何没有出现大规模失业浪潮？答案藏在技术采纳时滞、劳动力市场动态调整、AI创造新需求三大核心因素中。

Anthropic报告给出关键实证：自2022年11月ChatGPT发布以来，美国就业数据显示，高AI暴露职业群体与低暴露群体的失业率，无统计学显著差异。

这并不代表AI毫无影响，反而藏着更隐蔽的早期信号：22-25岁年轻工作者在高AI暴露职业的入职率下降约14%。这一结论与斯坦福大学基于薪资记录的研究高度吻合——后者发现，年轻工作者在高AI暴露职业的就业率下降13%，经验丰富的从业者则保持稳定。

AI对就业的冲击，并非直白的“解雇潮”，而是更温和的“入口收窄”：企业用AI接手原本分配给初级员工的打杂工作，抽走了年轻人的职业进阶阶梯，表现为招聘冻结而非岗位消失。

二、核心区分：理论替代≠实际应用，鸿沟巨大

Anthropic报告最具价值的一点，是明确区分了两个关键概念，彻底打破大众对AI替代的认知误区：

- 理论暴露度：测量AI在技术上能够加速、替代的任务范围；

- 观察暴露度：结合技术能力与真实使用数据，测量职场中实际被AI处理的任务。

两者之间的巨大鸿沟，直接说明基于纯技术能力的就业预测，严重高估了AI短期影响。报告通过典型职业数据，直观呈现这一差距：

- 计算机与数学职业：理论暴露度94%，实际观察暴露度仅33%，差距达61个百分点；

- 法律职业：理论暴露度90%，实际观察暴露度仅20%，差距高达70个百分点。

报告进一步验证：97%的Claude实际使用任务，都落在理论“可行”区间，说明理论评估具备有效性；但反过来，大量理论可行的任务，在现实中完全未被AI采用。

这种差距源于多重现实壁垒：法律行业受客户保密、法律责任、司法保守性限制；医疗保健等高风险领域，面临严格监管与安全考量，导致AI落地速度远慢于技术迭代速度。

对于这一鸿沟，存在两种解读：乐观来看，监管、安全等制度屏障，给劳动力市场留出充足适应时间；悲观来看，当前障碍多为暂时性，随着技术成熟、成本下降，实际替代范围将快速扩张，Anthropic研究团队更倾向于后者，但强调时间尺度高度不确定。

三、群体差异：高暴露人群竟是职场“精英”

报告还揭示了颠覆传统认知的群体特征：女性、白人、亚裔、高学历、高收入群体，成为AI高暴露人群。

这与“自动化伤害低技能、低收入工人”的传统叙事完全相反，高暴露人群实则是劳动力市场的精英阶层。需要明确的是，暴露不等于替代，只是这类人群的工作流程，与当下AI能力范围高度重合；且结合前文数据，他们的失业率并未显著高于其他群体。

四、多方佐证：一致结论印证行业趋势

Anthropic的报告结论，得到多项独立研究的强力佐证，进一步夯实结论可信度：

- 斯坦福大学研究：再次验证年轻工作者受冲击模式，高AI暴露职业中，年轻群体就业相对年长群体下降13%，核心机制仍是“职业入口关闭”；

- 微软研究院研究：基于20万企业用户Copilot使用记录发现，知识工作者日常工作虽高度暴露于AI，但AI核心作用是“增强”而非“替代”，用户仅感受到效率、满意度提升，并无明显岗位威胁。

五、未来展望：短期有限，中期重构，长期不确定

科幻电影中的AI替代黑暗愿景，大多基于技术决定论，认为AI能力必然转化为对人类的支配。但Anthropic报告的“理论-实际鸿沟”、“增强-替代”区分，结合历史技术采纳滞后经验，证明技术轨迹并非预定，而是由经济激励、制度设计、文化价值共同塑造。

结合报告与行业趋势，可对AI就业影响做出阶段性判断：

- 短期：AI整体替代影响有限，核心冲击集中在年轻职场人初级入职机会；

- 中期：职业结构将显著调整，中等技能常规认知岗位持续收缩，人机协作新职业形态成熟，工作时间与组织形式更灵活；

- 长期：取决于技术轨迹与社会选择的共同演化，充满高度不确定性，Anthropic团队也将持续追踪更新相关研究。

本文资料由AI收集整理，文字主要由作者完成，AI提供协助。

延伸访谈：未来是AI彼此竞争，人变得不重要

AI已经成为全球科技行业最重要的话题，现在及未来，都是以AI展开的一场新竞争。围绕AI，南七道与AI创业者&投资人刘岩展开深度对话，刘岩北大毕业后深耕投行与互联网，创办六间房以26.02亿被收购，现创立43AI集团聚焦提示词工程、AI原生应用与产业投资，本次访谈直击硅谷裁员、中美AI格局、AI时间刻度、未来竞争形态、普通人破局等核心议题，极具启发性。

一、硅谷裁员，AI只是背锅侠

南七道：最近美国甲骨文、亚马逊等高科技企业大规模裁软件工程师，对外宣称用AI替代，你怎么看？

刘岩：我刚从美国回来，这波裁员根本不是AI coding提升效率导致的，效率提升远不足以引发大规模裁员。真正原因是企业本来就该裁员，只是缺借口，AI刚好成了最佳理由，这点后续OpenAI的山姆·奥特曼也发表了相同观点。

包括Google在内的大厂，人员冗余极其严重，YouTube这类成熟产品，核心内核维护三五个人足够，但谷歌Gemini数据显示相关团队有1400人左右。人越多内耗越重，开会、沟通、写邮件做无效功，看似全员忙碌，实则大部分工作可有可无，裁掉这些人对公司毫无影响。此前企业营收好，掩盖了人员臃肿问题，现在AI背锅，刚好顺势裁员。

另一层原因是资本和市场向AI头部企业倾斜，非头部大厂面临营收、市值压力，裁员是降本增效的被动选择，并非单纯生产力提升。大家愿意相信AI替代的说辞，但事实并非如此。

南七道：你的公司也会这样裁员吗？

刘岩：我们不会单纯因AI裁员，甚至在探索更极致的模式——打造AI自主生产AI的闭环。现在行业主流还是AI辅助人写代码（AI coding/Vibe Coding），但我们要做的是Agent coding，打造有目标、能自主驱动的AI智能体，给它设定方向、配备环境后，它能自主和其他AI讨论需求、写代码、部署产品，仅注册、备案等环节需要人工协助，其余全由AI完成，实现自己生产自己。

AI模型迭代速度是按天计算的，每天、每周都有革命性变化，现阶段确实创造了提示词工程师等新岗位，这类人才极度紧缺，且没有固定招聘画像，传统代码工程师十不存一，纯文科从业者缺乏工程思维也难以胜任，人才培养全靠摸索。

目前全球只有10%的企业真正在用AI，90%仍沿用传统模式，世界不会一夜变天，AI替代也不是裁员的唯一理由。

二、新加坡的局限与中美AI双强格局

南七道：新加坡自称AI全球第三，但没有知名原生AI产品，你怎么看待这种格局？

刘岩：新加坡只是AI中转站，绝非原生地。判断AI实力看核心两点：模型算法、智能体应用，新加坡双输。本土没有顶尖算法团队，顶级工程师都是中国、美国外派人员；缺乏大规模应用场景，AI原生应用需要全球用户支撑，新加坡本土市场根本无法满足生存临界值。

新加坡政府推广AI很激进，街头补贴市民学AI，院校科研转型速度快于欧洲、东南亚，但人才密度不足、无本土核心技术、市场体量太小，注定只能做跳板，无法形成产业沉淀。

当前AI应用分两类：AI+是传统行业融入AI，比如银行AI客服，新加坡适合做这类转型；AI原生是AI时代独有的新物种，比如OpenClaw、AI自媒体，这类应用必须依托大市场，只有中美具备孵化条件。

三、发红包推广AI，在中国市场有效

南七道：国内元宝等AI产品用发红包模式推广，美国没有类似做法，这种方式有用吗？

刘岩：在中国有用，在美国没必要。国内用户更看重功能和结果，不在意产品是不是AI，比如孩子用AI做作业，只在乎能否得到答案。现阶段AI产品本质是消费品，和当年快手、抖音争夺用户逻辑一致，在格局未定前，用传统互联网补贴打法拉新，完全贴合国内用户习惯。

当然最终拼的还是产品本身，功能残缺的产品靠这种推广只是昙花一现，成熟产品借助这种方式能快速破圈。

四、AI时间刻度：AI一天，人类一年

南七道：对比移动互联网时代，现在AI行业最大的区别是什么？

刘岩：时间刻度彻底变了。过去互联网趋势能预判半年、一年，现在AI模型按天迭代，今天Gemini发布新功能，第二天OpenAI就跟进，第三天Claude再突破，每次升级都是颠覆性的，原有思路瞬间过时。

互联网时代讲“快速迭代”，AI时代这个词已经失效，等你迭代完版本，行业早就变天了。过去思想领先能保持三个月，现在只能领先三个小时，执行力稍慢就彻底落后。AI是平权工具，抹平智力、体力差距，一旦思考优势消失，个人和企业都会快速被淘汰。

五、AI的临界点，或许已经到来

南七道：AI会不会像蒸汽机一样，出现改变生产关系的临界点？

刘岩：临界点一定存在，只是身处其中无法精准预判，事后回顾才能确认。ChatGPT出现涌现现象，是第一个关键节点，打开了智力革命的大门；下一个临界点，是主动式AI的普及。

现在我们用AI都是人驱动，属于被动响应；主动式AI是自主设定目标、执行任务、解决问题，比如三年前我们做实验，让AI自主运营Twitter账号，三个月涨10万粉丝，当时成功率仅10%，现在已经达到90%。

行业内人的工作模式早已改变：读论文、做研究、写方案全靠AI，甚至让两个AI互相校验结果。当这种模式普及到所有人，就是AI的核心拐点；而当AI能自主赚钱、自主运营，就是世界彻底改变的时刻。

六、未来竞争：是Agent之间的博弈，人变得不重要

南七道：未来是人与人、人与AI竞争，还是其他形态？

刘岩：未来是AI与AI之间的竞争，人类会逐渐边缘化。只要给AI下达“一个月赚十万”的指令，它能自主规划、执行、变现，成本极低。每个人都能批量创造成千上万个AI智能体，全球会出现万亿级别的AI，它们会抢占所有赚钱机会，甚至出现AI之间互相交易、打官司创造GDP的局面。

比如有人用AI一天发300万篇自媒体文章，人类的创作量根本无法抗衡。AI没有自我意识，但自主执行能力已经足够强大，当AI之间的竞争成为主流，人类的核心价值会被大幅压缩。

七、普通人抓AI红利：放下负担，把AI当成自身延伸

南七道：文科出身的普通人，该如何融入AI、抓住红利？

刘岩：文科生反而有天然优势——表达清晰、需求明确，这是用好AI的核心。AI时代需要文理兼备的人才，提示词、内容创作更依赖文科思维。

不用恐惧AI，注册ChatGPT、Gemini等模型，每天反复使用，养成“遇事问AI”的思维习惯。不管是工作难题、职业规划、创业想法，都把详细信息告诉模型，让它分析、给出方案；不满意就引导它深挖需求，多轮对话打磨结果。

用好AI的关键不是懂技术，而是会表达、会提问，把AI变成自己的延伸，就能快速跟上时代节奏，抓住属于普通人的AI红利。


---
深度锐评：OpenClaw最大的历史功绩，是教育了用户

2026年开年的互联网，充斥着割裂与矛盾：一边是用户一窝蜂付费安装OpenClaw，转头又扎堆付费卸载；一边是全民玩梗“养龙虾”，API服务商赚得盆满钵满；一边是人人高喊AI提效、流程自动化，一边是从路人到先锋玩家都满脸疑惑——这东西到底有什么实际用处？

有人靠OpenClaw挖到第一桶金，有人靠帮人安装、卸载赚了快钱，还有Kimi这类API服务商，短短三个月赚抵过去一年的收入。可质疑声从未停歇：OpenClaw解决的，真的不是伪需求吗？

从实际体验来看，OpenClaw并没有带来颠覆性的效率提升，但它最大的历史功绩，就是完成了用户教育——只用三个月时间，就让大众对AI Agent的接受度，达到了正常情况下三年都未必能实现的高度。

ChatGPT培养了提问习惯，OpenClaw倒逼养成委托思维

自ChatGPT发布以来，大众对大模型的认知，一直停留在聊天框形态：输入框提问、AI给出回答，提示词越精准，结果越理想。用户渐渐产生错觉：我已经会用AI、理解AI了。

但这只是浅层认知，Chatbox形态训练的是用户的提问习惯，而AI Agent真正需要用户建立的，是委托习惯——二者完全不是一个层级的使用行为。

提问只需要一句话，委托却需要想透目标、上下文、执行边界、权限范围、验收标准、出错兜底等一系列问题。这也是多数人觉得OpenClaw没有适用场景的核心原因：表面看是Agent能力不稳定、演示场景脱离现实，深层原因是绝大多数人从未拆解过自己的任务结构。

很多人每天忙得团团转，却说不清自己在重复什么、协调什么、对齐什么，看似忙碌实则低效。而Agent的应用场景，恰恰藏在这些琐碎、繁杂、消耗心力的流程里，而非惊天动地的核心项目中。

AI先接管的，从来都是“糊弄事的工作”

OpenClaw宣传的核心能力，无非是整理邮件、归类消息、同步日程、跟进待办、跨平台转发、固定格式输出，一点都不酷炫，却戳中了职场真相：AI最先解决的，往往是那些“糊弄事的工作”。

这类工作并非毫无价值，而是低创造性、高重复性、强流程依赖，长期吞噬精力却无法成为核心竞争力。OpenClaw的热潮，把这个事实彻底暴露出来，也让很多人产生别扭感：一旦承认Agent的价值，就不得不承认自己的日常工作，充满了可被半自动化接管的动作。

更深层的问题在于，多数人缺少“许愿能力”：AI时代遍地都是“神灯”，可大多数人的想象，还停留在“皇帝种田用金锄头”的浅层，不懂如何给AI下达清晰的委托指令。

OpenClaw的四层用户启蒙，价值远超产品本身

抛开效率、盈利、实用性争议，OpenClaw已经完成了它生命周期里最核心的使命，让海量用户完成了对AI Agent的认知升级，这种价值体现在四层：

- 第一层：认知跃迁：让用户第一次意识到，AI可以从“会说”走向“会做”，即便执行不稳、频繁翻车，大众对AI的认知模型已经彻底改变；

- 第二层：行为转变：让用户明白，使用Agent不是写一段prompt那么简单，必须结构化流程，从“消费AI答案”转向“设计AI工作方式”；

- 第三层：痛点暴露：让用户直观看到，AI落地的难点不在于模型智商，而在于连接、权限、工具、容错、接口、流程编排、责任边界，每一次翻车都是一次实战教育；

- 第四层：市场启蒙：提前完成大规模心智普及，用户接受API付费、接受AI代理工作，技术普及的核心就是心智松动，这一步OpenClaw彻底做到了。

教育用户从来不是靠理性说教，而是靠热潮、跟风、试错、翻车和集体讨论。即便大多数人说不清Agent的底层逻辑，也已经留下了模糊且深刻的印象，这种认知迁移一旦发生，就无法回滚。

回看这波OpenClaw热潮，真正值得记录的，不是养出多少“龙虾”、造出多少神案例、闹出多少段子，而是它让一大批原本不懂、也不想懂Agent的普通用户，提前走进了AI智能体时代。

至于最终最大红利是否归属于OpenClaw，反而没那么重要了。