三份 AI 就业报告读完：美国怕替代，中国怕失业，日本怕没人

移居日本第1217天。

2026 年 3 月 5 日，Anthropic 发了一份有关AI和工作岗位的报告。

2026 年 4 月，OpenAI 跟着出了一份。

2026 年 6 月 30 日，OpenAI 又出了一份。

四个月，两家头部公司，连发三份报告。

我把他们都读了一遍。读完以后，后背有点发凉。

不是因为数据吓人。恰恰相反，三份报告自己都说得很克制——目前失业率没有系统性上升。但把它们放在一起看，我发现了另一件事：AI 替代不是我想的那种"开关"。它是传导。传到不同国家，画出来的地图完全不一样。

我身处日本——三份报告没一份提到日本。中国也只在另一份 Stanford AI综述报告里有几行数据。

三张地图里，没有一张是我能直接用的。

四个月三份报告，AI 替代研究本身也在进化

先把这三份报告放在时间线上看。

3 月 5 日：Anthropic 第一个出手，发布《Labor Market Impacts of AI》（《AI 对就业市场的影响》）。他们用了一个新指标，叫 Observed Exposure——观察到的暴露度。意思是，不只看 AI 理论上能不能做这个工作，看 AI 实际上被怎么用。他们把 Claude 在 Claude.ai 和 API 上的实际使用数据，跟美国劳工统计局（BLS）的职业数据结合，给出了一个能跟 BLS 就业预测对得上的暴露度分数。

4 月：OpenAI 的首席经济学家办公室也发了报告，叫《The AI Jobs Transition Framework: Mapping AI's Near-Term Impact on Jobs》（《AI 工作转型框架：AI 对就业的近期影响图谱》）。他们觉得，光看暴露度不够。暴露度高，不一定意味着工作会被替代。

老师在 ONET 任务评分里暴露度高——ONET 是美国劳工统计局维护的职业词典，每个职业对应一份任务清单——但老师还是要站到教室里去。所以 OpenAI 在暴露度之外，加了两个维度：

一个是人力必要性（Human Necessity）——这份工作需不需要人真的在场（监管、关系、物理）。

一个是需求弹性（Demand Elasticity）——服务降价后，需求会不会涨起来？

把这两层加进去之后，900 多个职业被分成了四类。

6 月 30 日：OpenAI 把同一份方法论搬到了欧盟，发布《The AI Jobs Transition Framework for the EU》（《AI 工作转型框架：欧盟版》）。用欧洲自己的职业词典 ESCO（2,609 个职业）和 Eurostat（欧盟的就业统计，跟美国 BLS 一个量级）的数据，重做了一遍。

四个月两家头部公司连发三份 AI 与就业有关的报告，方法论每次都在升级。这件事已经说明：AI 替代不是一个静态结论，是一个动态研究对象。

今年 3 月还在用单一指标，4 月就加了维度，6 月已经扩展到跨大西洋。这套研究工具的迭代速度，本身就反映了 AI 替代这件事的复杂度。

OpenAI 的首席经济学家在报告里写了一段话：

"近期的就业市场影响可能比较渐进，但长期影响可能是巨大的。"

——他们也承认自己没画完这张地图。

两家头部公司，四个月，三份报告。地图画了三版，每版都比上一版更细。但都还在画。

美国视角（1）：Anthropic 的"实际暴露度"

先说 Anthropic 那份。

他们发现一个很扎眼的数据：计算机程序员的实际暴露度是 75%——所有职业里最高。其次是客服代表（约 70%）、数据录入员（67%）。

这三个职业有什么共同点？白领、文字处理、可远程。这是 Anthropic 自己数据里的"重灾区"。

但他们同时也发现另一头：30% 的工人零暴露。他们做的事，在 Claude 实际使用数据里根本看不到。厨师、摩托修理、救生员、调酒师、洗碗工、更衣室服务员，统统是 0%。

0% 不是因为这些工作不重要。是因为这些职业要么需要物理在场，要么需要临场判断——AI 还够不着。

还有一组数据更值得看：Anthropic 拿自己平台的数据，跟 2023 年 Eloundou 那份任务级评分做了对比。97% 的 Claude 实际使用，落在 Eloundou 评分"理论可行"的任务上。

也就是说，三年前那份被很多人质疑过的论文，评分是准的。AI 真的做到了它说能做到的那些事。

Anthropic 还做了个细节拆分——把"程序员和数学家"这种类别单独拎出来看：理论可行 94%，Claude 实际覆盖只有 33%。翻译过来就是，AI 已经能做的事里，大部分人还没真的开始用。

Anthropic 在报告开篇写了一句很老实的话：

"过去所有预测 AI 影响的尝试，都给我们一个教训——保持谦逊。"

紧接着又写了一句：

"The impacts of AI, however, might be less like COVID and more like the internet or trade with China."

——AI 的影响可能不像新冠那样一夜剧变，更像互联网，或者像中美贸易那种渐进但持续的结构变化。

互联网用了 15 年吃掉传统零售。AI 可能更快。但路径是一样的。

程序员的 75%，今天就在这个过程里。

美国视角（2）：OpenAI 的"四象限"

再说 OpenAI 那第一份。

他们觉得 Anthropic 的方法还是不够用。光看 AI 已经在工作场景里被怎么用，不够。还得看另一件事——这份工作，需不需要人真的在场。

所以他们在暴露度之外，加了人力必要性和需求弹性两个维度。

人力必要性分三种：

• 监管/问责：法官、律师、法庭记录员——必须有人签字负责
• 关系：教师、护士——必须面对面建立信任和关怀
• 物理：水管工、理疗师、消防员——必须真的在现场

需求弹性说的是：服务降价之后，需求会不会涨起来？

• 消防员 -0.3：再便宜你也烧不了几次房子
• 家庭护理 -0.7：便宜了也买不了多少
• 编辑 -1.0：便宜了会多请一些
• 平面设计师 -1.5：便宜了会用得更多
• 软件开发者：高弹性，AI 降价反而需求涨

把这两层加进去之后，OpenAI 把全美 900 多个职业、1.52 亿个岗位，分成了四类：

• 18% 高自动化风险（High Automation Risk）——暴露高、人力不必要、需求不弹性
• 24% 工作重组（Job Restructuring）——暴露高、人力必要、需求跟不上
• 12% 随 AI 增长（AI-Augmented Growth）——暴露高、需求弹性大，AI 降价反而扩需求
• 46% 短期变化小（Limited Near-Term Impact）——AI 现在够不着，但别当成永久绝缘

你刚读到 18%，可能松了口气——不是 80%，不是 50%。

但别松得太早。OpenAI 紧接着告诉你还有 24% 是"重组"。

重组不是替代。你的工作还在，但被 AI 重塑了。原来三个人做的事，现在一个人加 AI 就能做。原来 8 小时的工作，现在 4 小时干完，剩下的 4 小时用来干别的。这不是"失业"，这叫工作内容变了。但变完之后，可能就不需要原来那么多人。

OpenAI 自己写了一段原话：

"An AI-exposed occupation may still remain human-led if regulation, trust, liability, care, or physical-world constraints keep a worker at the center of the service."

翻译过来就是：即使 AI 能做很多事，但只要有监管、信任、责任、关怀或者物理这些约束把人放在中间，这个工作就不会被替代。

听着是不是挺好？但问题是——很多工作，这些约束正在一点点被打破。

OpenAI 还给了一张更扎眼的图，叫 能力悬差（Capability Overhang）。数据是这样的：

• 高自动化风险职业：理论暴露 91.0%，实际使用 22.8%——差距 68.1 个百分点
• 随 AI 增长职业：理论暴露 92.8%，实际使用 24.6%——差距 68.2 个百分点

68个百分点是什么概念？

用我自己的话说——火已经烧到门口，只是烟还没冒出来。不是"还没发生"，是"正在以你能感知到的速度往你身上扑"。

我老婆用 Claude Code 搭了一套电商半自动上品系统——从其他平台抓数据、转换格式、生成 listing、人工确认、批量上架。她完全不懂编程，没做过产品经理，但这件事她做到了。

半年前我一个人写 listing、写代码、整理成绩。现在我带 AI 一起做。做的不是同一件事了，但叫同一个名字。

欧盟视角：同一份方法论，不同的 14%

四个月后，OpenAI 把同一份方法论搬到了欧盟。

用欧洲的 ESCO 职业分类（2,609 个职业）和 Eurostat 就业数据，重做了一遍。

结果是这样的：

• 14% 高自动化潜力（High Automation Potential）——比美国的 18% 少 4 个百分点
• 27% 工作重组——比美国的 24% 多 3 个百分点
• 12% 随 AI 增长——和美国持平
• 47% 短期变化小——和美国持平

同一个公司，同一份方法论，同一拨研究者。差 4 个百分点。

这 4 个百分点是什么？是统计噪音吗？不是。是结构性差异。

OpenAI 自己说清楚了原因——

"Europe employs relatively more people in manufacturing, skilled trades, transport, care, education, and public-service occupations, where work is often place-based, physical, or tied to relatively fixed service volumes. The U.S. has relatively more employment in managerial, sales, and digitally deliverable business-service occupations."

翻译过来就是：欧盟更多就业在制造业、技术工种、交通运输、护理、教育、公共服务——这些职业要么基于地点，要么需要物理在场，要么绑定固定服务量。美国更多就业在管理、销售、数字化可交付的商业服务——AI 改写这些比改写流水线快得多。

欧盟版报告还给了一个美国版没有的数据——按"人力必要性"分类，欧盟的职业怎么分布：

• 49% 物理必要性（Physical Necessity）（护士查房、水管工上门、教师站到教室——这些事 AI 够不着）
• 28% 监管/问责必要性（Regulatory/Accountability Necessity）（律师、海关官员、语言学家）
• 9% 关系必要性（Relational Necessity）（危机社工、中学教师）
• 14% 其他未归类必要性（Residual）（客服代表、就业顾问）

欧盟近一半职业，AI 在物理层面够不着。

这就是为什么欧盟少 4 个百分点——不是 AI 强弱差异，是门口站着的工人干啥的差异。在美国，AI 替代的是写邮件的；在欧盟，AI 替代的是抄电表的——后者根本没有。

还有更有意思的：同一个欧盟，27 个成员国内部分裂得离谱。挑三个极端的国家看——

卢森堡最特别——金融和专业服务密集，22% 增长、41% 重组——AI 来这里不是替代人，是把人放进去。

德国 17% 高自动化（最高之一）——制造业密集。

罗马尼亚 59% 短期变化小（最高）——产业结构没跟上 AI。

中间其他 24 国差距没这么大，但同一份方法论里能差出 10 多个百分点，已经够说明问题。

你以为欧盟是一份报告？是 27 份。你以为美国 vs 欧盟是"两种地图"？是 29 种。

两份报告指向同一件事：能力够 ≠ 已经在替代

两份报告虽然角度不同，但指向了同一个判断：AI 替代不是"开关"，是"传导"。

Anthropic 在"程序员和数学家"这个类别里发现：理论可行 94%，但 Claude 实际只覆盖了 33%。

OpenAI 在高自动化风险职业里发现：理论暴露 91%，但实际只有 22.8%。能力悬差 68.1 个百分点。

两份报告指向同一件事——AI 替代是传导过程，不是开关过程。能力够，只是不等于已经在传导到就业市场。传导需要时间、需要企业改造、需要组织重构、需要人学着用。

Anthropic 还揭示了另一个早期信号——22 到 25 岁的年轻工人，在高暴露职业里的入职率，比 2022 年下降了 14%。刚刚到统计显著。

失业率没涨，但 22 岁的人已经进不去了。这不是"AI 替代"的开关故事，这是入口先收窄的故事。入口收窄是先于裁员发生的早期信号。

Stanford AI Index 2026 的数据更进一步——美国 22-25 岁软件开发者就业比 2024 年下降约 20%。

两份数据放在一起——22-25 岁这个年龄段，正是 AI 替代的真正领先指标。失业率统计是滞后的，年轻人入职率才是早期信号。

如果我现在招新人，大概率不会再招一个"只会做传统方式"的人，会招"会带 AI 一起做事"的人。但这种人本来就少。招不到合适的人，岗位就空着。岗位空着，统计上看是"暂时没招到"，不是"被 AI 替代"。但本质上是 AI 让招人这件事更挑了。

我对自己的位置也有个大致判断——我是 Hermes 和 Codex 重度使用者，也是跨境电商从业人，同时写博客、做内容。落到 OpenAI 的框架里，内容创作和运营是高暴露任务（ChatGPT 已经能写、Claude 已经能改），但业务判断、客户关系、跨文化沟通是人力必要的。我自己大概在 24% 重组那一类。

我老婆的电商上品系统——她一个人做的小业务，高暴露任务 + 需求弹性极高——大概在 12% 随 AI 增长那一类。

身边做纯翻译、纯插画、纯文案的朋友——如果是公司雇员，大概在 18% 高自动化风险；如果自己接单，可能反而在 12%。

同样一个工种，"在公司"还是"自己干"，命运完全不一样。

东方未画：美国怕替代，中国怕失业，日本怕没人

两家头部公司的研究加起来，覆盖了 1 个美国 + 27 个欧盟国家——大概 8 亿人。

全球 80 亿人口，被画到的不超过 10 亿。 剩下的 70 亿人，正在用别人的地图走自己的路。

US/EU 的研究假设了通胀+紧就业+制度完善的环境。中国和日本都不在这个环境里。地图没法拿过来就用。

中国——AI 会是通缩 + 失业的"压力放大器"么？

中国的就业问题，我就不引用官方数字来说了。我用三组侧面印证——灵活用工规模、大学生真实就业率、社融信贷数据。

第一组：灵活用工。

中国新就业形态研究中心 2026 年 6 月发布的《2025 中国蓝领群体就业研究报告》显示，2025 年中国灵活就业人员已经达到 2.8 亿，预测 2026 年突破 3.2 亿，占城镇就业的 44%——从过去的"补充形式"变成了"重要支柱"。

这个"灵活就业"是什么？是外卖员、家政服务员、网约车司机、快递员、货车司机、网络主播、保洁、保安——一周从事 1 小时以上劳动就被算成就业。3.2 亿人，占城镇就业 44%，听起来很"灵活"，但换种说法就是——7.25 亿就业人口里有 44% 没有稳定岗位。

灵活就业人员中，拥有大专及以上学历的比例正在逐年攀升。大量原本期望进入 IT、房地产、金融、互联网行业的白领和高校毕业生，因为失业或就业市场收缩，最终进入了外卖、网约车、自媒体——门槛低的行业。

2026 年 6 月，多地运输监管部门发布网约车饱和预警——广州、上海、三亚等地网约车单车日均接单量已跌破 10 单，司机日均工作超 11 小时，扣除费用后月收入大幅缩水。外卖行业也出现"抢单难""每单单价下降"。

蓄水池装满了，水从哪流出去？

第二组：大学生真实就业率。

2026 年高校毕业生规模预计达到 1270 万人，同比增加 48 万，再创历史新高——比整个瑞典的人口还多。

但更扎心的是：媒体披露 2026 届毕业生实际签约率不到 50%——也就是说有 600 多万应届毕业生，毕业即失业或待业。

剩下的怎么分布？25.1% 的毕业生计划报考公务员、事业单位或教师（比上届提高 2.6pp）。国有企业以 45.7% 的占比成为首选企业类型。一个央企 1730 个岗位收到超过 119 万份简历，平均每个岗位近 700 人竞争。

而 70% 的企业已经启用 AI 简历初筛。985 文凭在算法面前可能只是一串字符。学历通胀正在真实发生。 过去"读研就能高薪"的逻辑逐渐失效。"硕博送外卖""名校生卷基层岗"已经不鲜见。

第三组：社融信贷数据。

央行 2026 年 5 月数据显示，5 月住户贷款减少 6314 亿元——其中短期贷款减少 6942 亿元，中长期贷款仅增加 628 亿元。前 5 个月住户贷款累计减少。居民不借钱、不消费、不愿加杠杆。

同期，M2-M1 剪刀差扩大至 3.4 个百分点，企业部门投资意愿也不强。不是没钱（央行一直在放水，M2 增速 8.5%+），是不愿花钱、不愿投资。

三组数据放在一起——3.2 亿灵活就业 + 600 万应届未就业 + 住户贷款连续减少——画出来的画面很一致：

通缩环境下，需求没有扩张，岗位没有增量，人只能向灵活就业蓄水池里挤。

US/EU 假设的是通胀+紧就业环境，AI 来不来是个选择题。中国是通缩+青年失业+灵活用工激增的环境——AI 来了会不会让失业更糟，才是真问题。

1270 万应届毕业生实际签约率不到 50%，25.1% 毕业生挤考公考编（比上届提高 2.6pp），45.7% 首选国企，一个央企 1730 个岗位收 119 万份简历——这些数字加在一起，16-24 岁青年失业率到底是多少，已经不重要了。

在通货紧缩+青年失业的中国，AI 替代地图画的可能是错的——在通缩环境里，AI 不会让物价降到更低，只会让人更难找到工作。

中国 2024 年还安装了全球 54% 的工业机器人（Stanford AI Index 数据）——制造业自动化已经走在前面。AI 是继续加速自动化，还是替代一些本来就不多的脑力岗位？这跟 US/EU 的故事不在一个维度上。

日本——AI 是超老龄化 + 招工难的"人口解药"么？

再看日本。

日本的就业故事，跟中国完全反过来。

失业率 2025 年均值 2.5%——OECD 平均 4.9%，日本是全球最低之一。求人倍率 1.22——直白说就是 122 个岗位对应 100 个求职者，每个找工作的人平均有 1.22 个空位等他。劳动力人口 7000 万——创 1953 年有记录以来最高。

劳动力 7000 万创历史最高——听起来很好，但日本仍然不够用。为什么？因为 65 岁以上人口占总人口 29.3%（2024 年）。2050 年这个数字会到 38.7%——每 2.6 个人里就有 1 个 65 岁以上。人口塌缩不是趋势，是倒计时。

2025 年春斗工资涨幅 +5.25%——春斗是日本每年春季劳资谈判，"春斗涨 5.25%"翻译过来就是日本企业为了招到人愿意多付的钱，是 34 年来最高。但这背后不是"经济繁荣"，是招不到人。企业必须涨薪才能把人留下来。

非正规就业比例——女性 53.4%，男性 22.2%——加起来超过 1000 万女性在做兼职、临时工、合同工这些不稳定岗位。日本的"充分就业"数字下面，藏着质量下降的结构性问题。

我身处日本的体感：招人是真的难——服务业招不到人，制造业招不到人，连我做电商想找兼职帮手都难。日本大企业还在用传真机，一些传统软件大企业，内部甚至无法上外网，AI 推进更是慢。但一旦日本企业开始用 AI，替换速度可能比美国还快——因为招不到人，它没有退路。

在老龄化+招工难的日本，AI 替代地图画的可能是多余的——这里不是 AI 替代人，是人不够，AI 来补。

美国问的是 AI 会不会替代我。中国问的是 AI 会不会让我找不到工作。日本问的是 AI 能不能填上招不到人的坑。

三个问题，三种怕。三个国家，三种 AI 故事。

为什么 US/EU 的地图在中国/日本"画不出"

把这三个国家并排放——

US/EU 的 AI 替代研究，所有框架的前提假设都是"通胀+紧就业+制度完善"。

• OpenAI US 假设：CPS 数据 + ChatGPT 使用数据
• OpenAI EU 假设：Eurostat 数据 + ESCO 体系
• Anthropic 假设：BLS 数据 + Claude 实际使用

这三个假设在中国和日本全不成立：

• 中国没有与 CPS/Eurostat 类似的实时劳动力 AI 使用数据
• 日本也没有
• 中国通缩+青年失业的环境下，AI 影响和通胀+紧就业环境完全不同
• 日本招工难的环境下，AI 影响的方向（补缺 vs 替代）也完全不同

因此，US/EU 的地图在中国和日本都"画不出"，不是数据缺，是底层假设完全不同。

中国的问题是 AI 让失业更糟，日本的问题是 AI 不够快补上缺口。同样一份 OpenAI 报告，搬过来也找不出答案。

80 亿人，被画到的不超过 10 亿

这三份报告里的所有数据、所有框架、所有地图，都是 Anthropic、OpenAI 用 4-6 个月时间画出来的。

但这些地图的前提假设（通胀+紧就业+制度完善）在中国和日本都不成立。

AI 替代地图，是用脚画出来的——但脚底下的土地不一样，画出来的地图也不一样。

中国和日本，需要自己的 AI 替代地图——不是抄欧美，是从通缩/通胀、青年失业/招工难、灵活用工/充分就业这些结构性差异出发重新画。

US/EU 的研究结论，放在中国还能成立吗？放在日本呢？放在印度呢？放在东南亚呢？放在非洲呢？放在拉美呢？

我不知道。 但我知道一件事——等有人画出来的时候，可能已经晚了。

我不在美国，不在欧盟——我生活在日本，也更了解中国。两家头部公司给我画了地图，但画的全是别人。也许这是好事——等我看到自己的地图时，可能我已经不在路上了。

接下来三个月我要做的事——继续用 Hermes + Codex + Claude 在日本跑跨境电商 + AI 工作流，把电商系统从"半自动"推到"全自动"。

AI 替代地图会继续被画下去，但画笔不在我手里，我只能借着用。

我期待有一天，能看到一份用 ESCO 一样细的颗粒度、画出来的日本版或中国版 AI 替代地图。那份地图，应该从一个完全不同的假设开始画：

不是"AI 来了怎么办"，而是"在通缩/失业潮/老龄化/招工难的环境里，AI 到底在做什么，能做什么"。

在那之前，我们这些在头部AI公司关注地图以外国家生活的人，只能用别人的地图先凑合看看。