2025 年 8 月，斯坦福经济学家 Erik Brynjolfsson 团队发表了一篇震动劳动经济学界的论文：基于美国最大薪资服务商 ADP 的行政数据，他们发现 22 至 25 岁年轻人在高 AI 暴露度职业中的就业出现了统计学上显著的相对下降。批评声浪立刻涌来——Google 的经济学家说这是利率周期的问题，Apollo Global Management 的 Torsten Slok 反问"AI 就业危机在哪里？"，还有人归咎于科技行业过度招聘、远程办公扭曲、疫情噪音。
但 Brynjolfsson 没有停下来辩论。他做了一件事：把数据做成一个实时更新的仪表盘，让所有人盯着看。
2026 年 6 月，斯坦福数字经济实验室（Stanford Digital Economy Lab）与 ADP 研究院联合发布 Canaries Dashboard——得名于煤矿中的金丝雀，它们最先感知到瓦斯泄漏，用自己的生命为矿工发出警报。这个仪表盘覆盖约 460 万美国雇员、730 余种职业，每月更新一次，基于真实的薪资处理数据而非问卷调查。它所揭示的信号，比任何学术辩论都更具杀伤力。
核心数据：一道正在裂开的代际断层
Canaries Dashboard 截至 2026 年 4 月的数据呈现了一幅不对称的图景。在 22 至 25 岁年龄段，高 AI 暴露度职业中的就业正以 每年 3.8% 的速度收缩；而在同一人群中，低 AI 暴露度职业的就业却在以 每年 2% 的速度增长。
这不是一个微弱的信号。两个群体之间接近 6 个百分点的年化差距，在同一劳动力市场的同一时段内展开。具体到职业层面，早期职业生涯的软件开发者和客服代表出现了大幅就业下降，而家政护理助理——一种几乎不受 AI 影响的体力和人际交互型工作——在同一人群中反而实现了就业增长。
更令人警觉的是趋势的方向。从 2024 年 4 月的年化下降 2.8%，恶化至当前的超过 4%。 月均降幅约为 0.3%，虽然波动较大，但年同比趋势的一致性消除了任何随机漫步的可能。用 Brynjolfsson 对《Fortune》的话说："不管它是什么，它没有消失。"
总体数据的欺骗性
如果把所有年龄段加总，你会发现什么？
高 AI 暴露度职业整体仅收缩了 0.2%。自从 ChatGPT 于 2022 年 11 月发布以来，AI 暴露度职业的年就业增长率实际上还增长了 1.1%，而低暴露度职业增长了 2%。加总数据几乎看不出任何问题。
这就是 Canaries Dashboard 的方法论革命——不去看平均，而是去看分布。ADP 首席经济学家 Nela Richardson 在 ADP 研究院的博客中写道："在总体层面，AI 对就业的影响仍然温和。但当按职业阶段来衡量 AI 的影响时，戏剧性的差异就出现了。"
实际上，22 至 25 岁的早期职业工作者仅占仪表盘基线样本的 7%。一个占总就业不到十分之一的群体，其困境被淹没在更庞大的中坚就业数据中，是统计学上的必然结果。但后果并非必然无害：当政策制定者看到失业率保持低位、总体就业仍在增长时，他们不会有任何动力去启动劳动力再培训或社会保障改革。而金丝雀正在一片一片地倒下。
这种代际断层并非止于 25 岁。31 至 34 岁的中期职业工作者在 AI 暴露度职业中也在收缩，年化下降 1.7%。而 35 至 40 岁群体反而在以 2% 的速度增长。AI 不是在消灭所有工作，它在消灭"上坡路"——年轻人进入知识型职业的通道。
为什么是年轻人？
机制并不神秘。AI 先吞噬任务，再吞噬岗位。它最先触及的是那些不需要多年经验积累的工作内容：信息检索、摘要生成、日程安排、格式化处理、文本组装——这些恰好是交给职场新人的任务。资深员工积累了难以编码化的、岗位特定的经验技能，这些技能构成了一道缓冲层。初级员工还没有。
Richardson 反复强调"自动化"与"增强"（augmentation）的区分，这是理解整个仪表盘的关键二分法。在 AI 增强人类能力的职业和职业阶段，就业出现增长；在 AI 直接替代人类执行的职业和阶段，就业出现收缩。早期职业工作者恰恰集中在每个职业中最容易被自动化的那一层。
Canaries Dashboard 使用了 Anthropic Economic Index 的数据来分解 AI 的使用模式——"自动化"（用户完全委托任务）和"增强"（人类与 AI 系统协作）。结果显示，自动化比率与就业趋势之间存在清晰的相关性：自动化使用占比越高的职业，就业指数下降或增长越微弱。而增强比率与就业趋势之间没有明显的单调关系。仪表盘自身的结论直截了当："在 AI 用于自动化工作的场景中，入门级就业出现了下降；在增强型使用场景中，变化则温和得多。"
压力测试——把每一种反驳都跑了一遍
Brynjolfsson 没有只停留在发布数据。他对每一项主要反驳进行了逐一排除。
利率假说？方向都不对——对利率最敏感的建筑业，恰好是 AI 暴露度最低的行业。科技行业过度招聘？他把整个科技行业从样本中剔除，模式依然成立。远程办公效应？控制了，没变。"如果你拿掉整个科技行业，或者拿掉所有科技相关职业，无论你怎么切，这个效应都在，"Brynjolfsson 告诉《Fortune》。
他与 MIT 经济学家、诺贝尔奖得主 Daron Acemoglu 之间的学术论辩也进入了公开化阶段。Acemoglu 认为 AI 的生产率提升被严重高估，而 Brynjolfsson 的模型产出要大得多。在接受采访的当天早晨，两人还在互发邮件试图寻找共识。"我们试图找到一些共同点，"Brynjolfsson 说。但有一点双方看法一致：AI 应该被用来补充人类劳动者，而非替代他们。分歧只在于规模和速度。正如 Brynjolfsson 本人所说："时间会告诉我们答案。很快我们就会看到谁是对的。"
方法论创新：为什么这个仪表盘与众不同
Canaries Dashboard 的方法论之所以值得单独讨论，是因为它解决了 AI 劳动力市场研究中一个根本性的数据滞后问题。传统劳动统计数据——如美国劳工统计局（BLS）的月度就业报告——依赖调查数据，发布延迟数月，且缺乏足够的职业细分粒度来捕捉 AI 驱动的任务级变化。
Canaries Dashboard 的三个关键创新：
第一，数据源。 ADP 是美国最大的薪资处理商，为雇佣超过 2,600 万美国工人的企业提供服务。仪表盘使用的是一个五年平衡面板——约 25,000 家企业、460 万成功匹配到职业代码的雇员——聚焦于同一批企业内部的就业演化，排除了企业进入退出的干扰。
第二，更新频率。 月度更新，比 BLS 报告提前数月提供信号。在 Brynjolfsson 看来，这至关重要："我们正在盲目飞入世界历史上最重要的时期之一。我们不能依赖轶事或滞后指标。"
第三，曝光度而非预测。 仪表盘使用 Eloundou 等人（2024）的 AI 暴露度评分，将职业按五分位数分组，同时结合 Anthropic Economic Index 的使用模式分解。它测量的是相关性而非因果关系——但正如团队在 2026 年 2 月的更新中所指出的，当引入最广泛的控制变量后，AI 暴露度职业中就业下降的"显著性"从 2024 年开始出现，而更早的波动可归因于非 AI 因素。
RAISE US：数据背后的政策含义
Canaries Dashboard 并非孤立的学术项目。它直接为一项正在展开的重大政策实验提供了实证基础。
就在仪表盘数据更新前后，RAISE US——一个由前美国商务部长 Gina Raimondo（民主党）和前印第安纳州州长 Eric Holcomb（共和党）联合创立的跨党派非营利组织——宣布已筹集超过 5 亿美元，用于在美国四个州（阿肯色、康涅狄格、马里兰、犹他）试点新型劳动技能再培训项目。创始企业伙伴包括 Amazon、Microsoft、Anthropic、OpenAI Foundation 和 Bank of America。顾问委员会上有前众议院议长 Paul Ryan、亿万富翁投资人 Stephen Schwarzman、AFL-CIO 主席 Liz Shuler，以及经济学家 David Autor、Erik Brynjolfsson 和 Raj Chetty。
Raimondo 在宣布成立时直言不讳："我们正在谈论一种可能动摇我们国家和民主制度的失业水平。如果你想引领世界 AI，你就必须采取行动，确保我们的民主制度不会崩塌。"
Canaries Dashboard 提供的，正是这种行动背后最稀缺的东西：按周、按月可以观测的实时数据，而非等待季度或年度报告出炉后再做反应。它不仅说明了"需要培训"，更揭示了"哪种培训"——必须区分增强型 AI 使用（这类技能在就业市场上增长）与自动化型 AI 使用（这类任务的市场在收缩）。一刀切的培训项目无济于事。
金丝雀的意义
Canaries Dashboard 最重要的贡献或许不是任何一个具体的数字，而是它终结了一场辩论。关于"AI 是否在消灭工作"的问题，答案已经不再是简单的"是"或"否"。答案是："是的，但它只消灭年轻人的入门工作，而平均值掩盖了一切。"
如果 22 至 25 岁在 AI 暴露度职业中消失的工作岗位，原本是年轻人积累经验、进入 35 至 40 岁职业黄金期的必经之路，那么仪表盘目前记录的，可能只是一个更大结构断裂的序幕。31 至 34 岁群体已经开始出现 1.7% 的收缩——这是下一只金丝雀。
正如 Brynjolfsson 对《Fortune》所说的那样，他正在与西北大学经济学家 Bob Gordon 进行一场为期十年的生产力赌约（挂在 longbets.com 上）。"我已经领先了，"他说。但他也提醒，这场技术变革的速度是工业革命的十倍——"上一次我们自动化了肌肉，这一次我们自动化了大脑。"
Canaries Dashboard 的价值正在于此：它不预测未来，它只告诉你现在正在发生什么。在煤矿深处，金丝雀不需要会说话。它只需要停止歌唱。
