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。

