2月27日，美国金融科技公司Block宣布裁员40%，约4000人，以全面转型为AI公司。AI概念戏剧性地导致其股价暴涨超20%。这家在硅谷算不上举足轻重的公司的案例，却透露出AI快速发展可能引发的经济连锁反应。

在这背后，有一个数字，在过去三年被改写了四次。

2023年3月，OpenAI说:美国约19%的工人会看到超过50%的工作任务被AI影响，这个过程需要十年。

2026年1月，Cognizant说:这个比例已经是30%，而现在距离ChatGPT发布才三年。

同一个月，斯坦福数字经济实验室在分析了2.85亿条招聘广告后发现：AI高暴露度行业的入门级岗位招聘量下降了18%-40%，而资深员工的需求在上升。

如果你还在用"AI会不会抢走人类工作"这个二元问题来理解这场变革，你已经落后了。真正在发生的不是岗位的消失，而是劳动力市场结构的熔断：入口在关闭，中间层在塌陷，而站在塔尖的极少数"AI驾驭者"正在收割一切。

更可怕的是，根据Citrini Research对2028年的推演，这场撕裂才刚刚开始。

2023年的刻舟求剑与2026年的凛冬骤至

把时钟拨回2023年3月，ChatGPT刚刚引爆全球。OpenAI的研究人员联合多所大学发表了一篇里程碑式的论文、《GPTs are GPTs》（生成式预训练模型是通用目的技术）。

当时，OpenAI的团队采用了一套基于任务暴露度（Exposure）的评分模型。他们得出的结论是：美国约80%的劳动力至少有10%的工作任务会受到GPT的影响，而约19%的打工人会看到超过50%的任务被波及。

更有意思的是，他们发现了一个“高薪悖论”，与过去几十年自动化技术（如机械臂）总是最先淘汰蓝领工人不同，GPT时代，薪酬越高的认知型工作，暴露度反而越高。 在技能树上，编程和写作技能与AI暴露度呈强正相关，而科学和批判性思维则被认为是“安全区”。

在那个时间节点，研究人员明确标注了一个局限性：他们没有将视觉等多模态能力计算在内。他们那时候甚至都没考虑到工具使用能力。

在2023年的框架里，AI仍然是一个被困在屏幕里、只懂处理文本和代码的缸中之脑。他们给出的上限预测是，这场重构可能需要长达十年的时间（到2032年）才会彻底展开。

时间来到2026年初，全球IT服务巨头Cognizant发布了他们对2023年研究的更新报告《新工作，新世界 2026》。



报告的开篇就表明“我们原本预测需要十年（到2032年）才会发生的事情，现在已经提前六年就在我们眼前上演了。”

数据显示，今天美国已有93%的工作受到AI不同程度的影响。

Cognizant用了一个指标叫“速率得分”（Velocity Score），说白了就是你的职业被AI吃掉的速度有多快。

如下图所示，此前所有职业的AI暴露度年均增长2%，现在已经跃升到9%，相当于加速了4.5倍。这意味着，那些在2023年看起来属于“AI动不了我”的职业，现在正以4倍速度被卷进来。



具体到岗位上，任务暴露度超过50%的岗位比例从2023年的0%飙升至30%（原预测2032年仅为15%），而所有任务至少暴露25%的岗位则增长了17%，达到69%。



Cognizant测算，仅在美国，这相当于将价值4.5万亿美元的人力劳动成本转移给了AI，约占美国GDP的15%。

这种加速是从哪儿来的呢？

报告用了一个很细的分类，描绘了不同暴露度的分层。

E0 (No exposure)- 完全不暴露，32%的任务

E1 (Direct exposure)- 直接用GPT就能省一半时间，10%的任务

E2 (LLM+ tools)- 需要配套软件但可行，17%的任务

E3 (With image capability)- 加上视觉能力后可行，17%的任务

Full automation- 完全可自动化，10%的任务（这是2023→2026最大的跃升，从1%到10%）

从这个分类我们就可以看到，从E1到E3，也就是LLM加上多模态（眼睛与耳朵）和高级推理（大脑）以及随之而来的Agentic AI 智能体（手与脚）带来的改变最大。单纯的ChatGPT其实影响有限（10%），但一旦Agent能使用专业工具，影响就扩大到27%，再加上视觉处理的范畴，则直接覆盖到了44%的工作。



比如一个修水管的工人，AI单独看或想都替代不了他，但当AI能“看懂漏水的位置+推理出可能的原因+生成维修方案+自动下单配件”，那他的工作就被重构了。虽然还得他去拧螺丝，但前期诊断和后续报告都不需要他了。

这种复合能力的爆发，导致了几个在2023年无法想象的后果。

第一，管理层不再安全。曾几何时，CEO和高管们认为协调、预算分配和决策是人类独有的。但在2026年，Agent能够自主安排日程、根据支出模式重新分配预算、追踪项目进度。Cognizant的数据显示，CEO的AI暴露度从25%飙升至超过60%。



第二，蓝领与物理世界的防线被渗透。建筑工人、机械师和水管工曾被认为是AI无法触及的低风险区。但在多模态和AR穿戴设备的加持下，AI现在能够分析现场照片以诊断管道泄漏，或者读取建筑蓝图。建筑业的AI暴露度从4%上升到了12%，交通运输业从6%暴涨至25%。 一个水管工不会失业，但他未来的工作方式是被AI头显直接指挥的。



按可由AI完成的任务百分比排名，Cognizant选出了受AI影响最大的六个职业。



排在榜首的是财务经理，84%的工作内容可以被AI接手。换句话说，财务规划、预算分析、风险评估这些核心任务，AI都能插上一手。

计算机和数学相关职位紧随其后，受影响程度达到67%。商业和财务运营、办公室和行政支持这两个大类都在60%到68%之间。法律职业63%，管理工作（包括高管层）60%。

过去几个月，软件开发领域的变化尤其明显。Anthropic的首席工程师鲍里斯·切尔尼（Boris Cherny）今年1月透露了一个令人惊讶的数字：他们公司几乎100%的代码，都是由自家AI产品Claude Code和Opus 4.5编写的。

“就我个人而言，我已经有两个多月没亲手写过代码了，连小修改都不做。”切尔尼说，“昨天我提交了22个拉取请求，前天提交了27个，每一个都是Claude写的。”

当然，他们发现34个职业完全没有任何任务暴露。这些职业清一色是纯体力、现场、手工活：砌砖工、屠宰工、洗碗工、石匠、轮胎修理工...

这些变化，可能意味着劳动力市场的极化会加剧。

高技能的人用AI变得更高产，低技能的人困在无法自动化的低薪苦活里，中间那批能自动化但还没完全自动化的中等技能白领工作最危险。

而这正是在当下招聘市场中真实发生的事。

大数据不会撒谎：入口已经关闭，中间层正在塌陷

预测看起来很紧迫，但在过去现实中的劳动力市场到底发生了什么？

当我们把目光转向由Lightcast、PwC、Indeed、Stanford等机构汇编的过去三年（2023年-2026年）的在线招聘广告大数据时，会发现很多符合预言的部分。

报告当时预测，高工资职业普遍展现出更高的暴露度，并且暴露度与职业所需的编程和写作技能正相关，与科学和批判性思维技能负相关。这些在招聘广告数据里都得到了验证。

而且方向也大体正确，即越是知识密集、文本密集、规则密集的工作，AI渗透越快；越是需要物理操作、现场判断、人际互动的工作，暴露度越低。

被超越的部分是速度。2023年的报告预测这些变化会在十年内展开，结果三年就看到了显著的结构性变化。更重要的是，报告当时强调我们的暴露度测量不区分劳动增强和劳动替代，言下之意是技术可行不等于实际采用。但现实是，企业的采用速度比学术界预期的快得多。

深入去看，我们会看到一幅被研究者命名为“混合转型”（Hybrid Transformation）的图景。这个温和的学术术语掩盖不了它的本质，即一场正在发生的阶级重组。

首先，在这个转型中，得利最多的是AI使用者。截至2025年底至2026年初，纯粹的“AI技能岗位”在整体招聘市场中占比依然不高，大约在4.2%左右。 但它的增速是极其恐怖的，生成式AI相关岗位的提及率相比2023年增长了3倍以上。



而且，从2023年低期，招聘开始分化，所有招聘在减少的情况下，提到AI的招聘却在一路上行。



市场对这极小部分掌握新生产力工具的人给予了极其丰厚的回报。PwC和Lightcast的数据高度一致：在同一职业中，包含AI技能要求的岗位平均能获得15%到30%的薪资溢价，甚至在某些核心知识领域（如律师、金融分析师）工资差异能拉大到56%。

这绝不是全体打工人的“共同富裕”，而是工资结构的剧烈分化。企业愿意为能用AI十倍速提升产出的人付高薪，同时开始冻结那些只做传统重复性脑力劳动的人的薪水。

其次，是在这三年间，入门级白领岗位的“隐性死亡”。AI并没有在宏观层面造成总就业人口的断崖式崩塌（目前招聘总数仍在疫情后常态波动），但在“新手村”，一场屠杀已经发生。

斯坦福数字经济实验室结合ADP薪酬数据与数千万份简历的分析表明，自2022年末ChatGPT爆发以来，在AI高暴露度行业中，22-25岁年轻人群的就业出现了显著的收缩（下降约6%，软件开发等领域甚至回落20%），而同行业的年长资深员工就业依然在增长。



一篇基于2.85亿条美国岗位广告的因果识别研究估算，ChatGPT发布后，高AI可替代性职业的岗位广告数量相对低可替代性职业平均下降了约12%。而且这个效应对无需高学历/无需更多经验的入门岗位更强，分别达到18%和20%的降幅。行政支持类职位的降幅甚至接近40%。



这被称为“偏向资历的技术变革”（Seniority-Biased Technological Change）。 过去，大公司需要招聘大量的应届生和初级员工来做基础的代码审查、数据清洗、草拟财报、整理法律文档。现在，资深员工借助几个AI Agent就能搞定这些脏活累活。

一项覆盖6200万劳动者的研究发现，从2023年一季度起，采用GenAI的企业初级岗位就业明显下滑。企业不是在裁人，而是干脆不招了。

因为中级员工用上AI之后，能干更多活。企业甚至懒得开掉初级员工，因为不招新人，让老人自然流失就够了。这种温水煮青蛙式的裁员，连劳动法都管不着。

年轻人进入职业阶梯的“第一级台阶”被AI抽走了。

最后一个趋势是，任务重写（Task Rewriting）取代职业消亡。2013年牛津大学曾有过一个著名的恐怖预测，认为未来“47%的岗位会被自动化”。它为什么至今没有发生？因为职业是一个壳，里面包裹着无数个“任务”（Tasks）。

Indeed和Revelio Labs的数据显示，岗位名称没有消失，但HR写在招聘广告里的“岗位职责（JD）”被重写了。 在财务、文书、初级代码岗位中，“日常对账”、“生成标准代码”等容易被AI取代的任务占比正在直线下降；取而代之的是，企业要求应聘者具备“复杂性管理”、“AI系统引导”、“边缘案例解决”和“质量验证与判断”的能力。



这印证了Cognizant的洞察。即使一个职位有39%的任务被AI接管，剩下的61%也需要人类把AI干完的活整合起来，放入更大的商业语境中。未来一两年内的时代是“人类+AI”的重构，纯粹的执行者被淘汰，留下的是审判者和协调者。

但审判者和协调者也不需要那么多。

一个资深审判者+AI能干过去10个初级执行者的活，企业只需要原来1/5的人就够了。所谓的人机协作，本质上是用少数精英+AI，替代掉大多数普通人。

通向2028，Agent奇点与全球智能危机

如果我们把当前招聘市场的“结构性挤压”和Agent技术的进化曲线向前延伸，会发生什么？

在回答这个问题之前，先看看过去三年发生了什么？2023年，OpenAI说"需要十年"，2026年，Cognizant说已经发生了；2023年，完全自动化的任务占1%，2026年，这个数字是10%；2023年，入门级岗位还在正常招聘，2026年，AI高暴露行业的初级岗位招聘量已经下降了18%-40%。

如果这个加速度不变，2028年会是什么样？

Citrini Research在一篇名为《2028年全球智能危机：来自未来的金融史思想实验》的深度推演中，描绘了一个令人毛骨悚然的后奇点世界。

在这个剧本中，时间线被设定在2028年6月。

在2026年到2027年间，市场沉浸在一种荒诞的狂欢中。因为AI Agent的大规模部署，标普500指数和纳斯达克一路狂飙，企业利润屡创新高。劳动生产率达到了1950年代以来的最高水平。创造产品的Agent不需要睡觉，不需要医保，也不会生病。

但经济学家们很快发现了一个致命问题，即幽灵GDP。它指的是那些在国民账户上闪闪发光、却从未在实体经济中流转的财富。

为什么？因为北达科他州的一个GPU集群完成了过去曼哈顿一万个白领的工作，而机器是不会去买咖啡、交房租、看电影或者去度假的。占美国经济70%的消费主导型市场开始垦坍。

如果我们把当前招聘市场的“结构性挤压”和Agent技术的进化曲线向前延伸，这个词很可能会从隐喻变成现实。

过去的技术创新（如云计算、互联网）大多属于资本支出（CapEx），它创造了庞大的上下游就业。但Agent的引入是运营支出（OpEx）的直接替代。

2026年，当Agentic工具（如Claude Code的进阶版）迎来能力阶跃时，企业CIO们发现，他们可以用内部的AI原型在几周内替代掉每年几十万美金的SaaS服务。软件公司（如ServiceNow）为了保住利润，只能裁减自己15%的员工，并把省下来的钱投入到更强的AI工具中去抵御竞争。

这是一个没有任何物理制动机制的负反馈循环：AI变强 → 企业裁员 → 用裁员省下的钱买更多AI算力 → AI变得更强 → 进一步裁员。

被优化的白领们失去了收入，消费降级，导致企业收入下降，企业为了维持利润率，只能更加激进地引入AI并裁员。财富以前所未有的速度向掌握算力资本的极少数人集中。

2027年，危机的烈火将从软件行业蔓延到了整个“中介层”。在过去五十年里，人类社会建立了一个极其庞大的“利用摩擦力变现”的商业帝国。因为人类没有时间、缺乏耐心、存在信息差，所以我们愿意忍受旅行平台、保险续保、房产中介的抽成。

但在2028年的世界里，消费者全面接入了个人AI Agent。这些Agent会在后台24小时不知疲倦地全网比价、自动退订那些忘记取消的SaaS订阅、瞬间完成房产交易的尽职调查和合同审查。传统的订阅经济（赌你忘记取消）和中介经济（赌你懒得比价）在一夜之间土崩瓦解。人类所谓的“商业黏性”，在冷酷的机器最优化算力面前，被证明只不过是一层温情脉脉的“摩擦力”外衣。

“技术总会创造新工作”神话的破灭

几百年来，面对卢德分子的恐慌，经济学家总是用一句金科玉律来安慰大众：“技术在消灭旧工作的同时，总会创造更多的新工作。”ATM机淘汰了部分柜员，但银行开出了更多网点；互联网干掉了黄页，却创造了电商和外卖。

但这一次不一样。因为过去的新工作，都必须由人类来做。当AI进化为“通用智能体”（General Intelligence）时，它不仅能胜任旧工作，它在新工作上的学习速度和执行成本也远胜人类。AI确实创造了新岗位（比如提示词工程师、AI安全审查员），但每创造一个新岗位，就同时让几十个传统高薪白领岗位变得多余。而且，这些新岗位的生命周期极短，很快又会被下一代更强、更便宜的Agent自我迭代掉。

所有的线索都在指向同一个结局。AI不会像终结者那样在物理世界上消灭人类，但它正在以一种极其高效、极致理性的方式，重构人类社会的劳动价值网络。

但这还只是问题的第一步。

到了2028年，真正的问题是当一个社会里,机器创造了99%的价值,但机器不消费、不买房、不看病、不交税,这个社会的循环怎么转起来?

我们可以嘲笑Citrini的2028剧本是危言耸听,但过去三年的数据已经证明,技术的加速度远超人类社会的适应速度。2023年,OpenAI说需要十年;2026年,Cognizant说已经发生了。那么2028年,会不会真的出现那个GDP数字狂飙、但消费垦坍的时刻?

也许答案不在技术本身,而在一个更古老的问题上，当生产力的主体不再是人类时,人类凭什么分配财富?

这个问题,亚当·斯密没回答过,马克思也没回答过。因为在他们的时代,劳动永远是人类的。

Block裁掉的那4000人，华尔街欢呼的那20%涨幅，已经告诉我们资本选择了哪条路。

问题是，我们选择什么？

在2026年，我们必须回答这个问题。

因为留给我们的时间,可能只剩下24个月。