摘要：Goldman Sachs一张“今天60%的工作在1940年并不存在”的图，再次把AI时代的就业焦虑推到台前。真正需要讨论的，不是AI会不会替代岗位，而是技术如何重塑职业结构，以及个人、企业和社会应该如何应对这场深层迁移。
摘要：Goldman Sachs一张“今天60%的工作在1940年并不存在”的图，再次把AI时代的就业焦虑推到台前。真正需要讨论的，不是AI会不会替代岗位，而是技术如何重塑职业结构，以及个人、企业和社会应该如何应对这场深层迁移。
一、60%的工作曾经不存在，这到底意味着什么
最近一张由Goldman Sachs整理、a16z Growth转发的图，在社交媒体上引发了不少讨论。图里的结论非常醒目，甚至有点反直觉：今天60%的就业岗位，在1940年并不存在。换句话说，我们今天习以为常的大量工作，本质上是过去八十多年里伴随技术进步、产业升级、消费变迁和组织演化逐步长出来的新职业。
这个结论背后的学术支撑，来自MIT经济学家David Autor等人的长期研究。MIT News在2024年对这项研究的介绍中提到，美国当前大约六成岗位，属于1940年尚未广泛存在的“新工作”。研究者还指出，这些新岗位的出现并不只来自技术发明，也来自人口结构变化、消费需求升级、制度安排演进等多重因素。也就是说，工作世界并不是静止的，它始终在被社会的真实需求重新塑形。
图表里最有代表性的，是专业人士、管理岗位、技术员、销售和服务类岗位。这些领域中，1940年后新出现的职业占比都很高。与之形成对照的是农业，传统岗位占比仍高，但总量显著萎缩。这个变化其实非常清楚地说明了一件事：技术进步不是简单地“消灭工作”，而是不断改变哪些工作更重要、哪些能力更稀缺、哪些分工更值得被市场支付。
二、为什么每次技术革命都会制造同一种焦虑
如果把今天人们对AI的担忧抽象出来，核心其实并不新。蒸汽机时代，人们担心机器取代手工劳动。电气化时代，人们担心流水线压缩工匠的价值。计算机和互联网兴起时，同样有人担心办公室文员、会计、客服和中层管理者会被自动化大面积替代。今天轮到大模型和智能体，焦虑再次袭来，只不过这次被触碰的，是更多被视作“脑力工作”的岗位。
这种焦虑之所以反复出现，是因为技术革命确实会打碎原有秩序。它会提高效率，会压缩重复性劳动，会削弱一部分旧技能的价值。Goldman Sachs在2026年关于AI与劳动力市场的研究中提到，AI已经对部分入门岗位和高度标准化岗位形成压力，一些年轻人和初级白领感受到的冲击尤其明显。也正因为如此，很多人把“技术进步”直接等同于“岗位消失”。
但历史反复证明，技术的影响从来不是单向度的。它一边替代旧任务，一边创造新任务；一边削弱旧岗位，一边催生新职业；一边压缩原有流程，一边扩展新的市场边界。问题不在于技术会不会改变工作，而在于改变会先打到谁、谁又能最快适应并占据新位置。这正是AI时代焦虑最真实、也最复杂的来源。
三、技术真正改变的，不是岗位名字，而是价值创造方式
很多人以为，所谓新职业，就是诞生几个新名词，比如软件工程师、产品经理、数据科学家、AI训练师、提示词工程师。其实这只是表面。技术更深层的作用，是改写价值是如何被创造出来的。当一种技术让生产、协作、决策和服务方式发生变化时，围绕这种新方式的一整套岗位体系就会随之出现。
1940年的人很难想象，今天会有云计算架构师、短视频运营、跨境电商投放、工业软件实施顾问、AI模型评测、数字营销分析师这样的工作。不是因为这些工作特别玄妙，而是因为在当时的产业结构中，根本不存在对应的需求土壤。先有新的技术平台，后有新的商业模式，再有新的岗位分工，这是职业演化更常见的路径。
这也解释了为什么我们不能只盯着“哪些岗位会被替代”。更应该追问的是，AI会让哪些环节更廉价、哪些决策更快速、哪些服务更规模化、哪些需求被进一步释放。一旦这些问题的答案发生变化，新的职业形态就会顺势生长出来。很多时候，岗位不是被技术直接发明出来的，而是被被放大的市场需求“逼”出来的。
四、AI时代真正危险的，不是替代本身，而是转型不同步
看到“60%的工作曾经不存在”，有些人会立刻得出一个很轻松的结论：既然历史上技术创造了那么多工作，那AI也一定会自动创造更多工作，我们完全不用担心。坦率地说，这种理解太粗糙了。它忽略了一个至关重要的现实：从宏观统计看，新工作会出现；但从个体经历看，转型期的痛苦可能非常具体，也非常漫长。
农业现代化就是一个典型例子。机械化让农业生产率大幅提升，宏观上是文明进步，微观上却意味着大量农业劳动者必须离开原有职业。并不是每个人都能平滑地切换到工业和服务业，也不是每个地区都能同步提供足够的新机会。技术革命带来的不是平均分配的红利，而是重新洗牌的过程。
AI时代同样如此。对于企业来说，AI可能首先替代的是标准化、重复性高、判断链条短的工作内容。对于个人来说，最先感受到压力的，往往是那些正处在职业起点、还没有形成深度行业壁垒的人。近期一些关于美国劳动力市场的观察已经指出，AI对年轻求职者和初级岗位的挤压正在提前显现。这意味着，即便未来总就业规模未必收缩，职业通道本身也可能被重写。
五、未来的新工作，可能会从哪些地方长出来
没有人能准确列出十年后的完整职业目录，就像1940年的人不可能精确预言今天的工作版图一样。但从当前趋势看，至少有几类新工作正在露出轮廓。
第一类，是围绕AI基础设施和模型能力直接产生的岗位。包括模型训练、数据治理、AI安全与合规、推理优化、知识库构建、AI工作流设计、智能体编排、人机协同界面设计等。这些岗位有的已经显性化，有的仍藏在更传统的职位名称之下，但本质上都是新技术扩散过程中的新增分工。
第二类，是“懂行业又懂AI”的复合型岗位。未来真正有竞争力的人，未必是纯技术最强的人，而可能是那些既理解行业规则、客户需求、业务流程，又知道如何把AI嵌入实际场景的人。比如懂制造业工艺的AI应用经理、懂金融风控的模型运营负责人、懂医疗流程的智能系统实施顾问。这类岗位的核心不是写算法，而是把AI变成可用的生产力。
第三类，是生产率提升后被释放出来的新消费、新服务和新组织需求。技术降低了成本，往往会带来服务普及。当过去只有大型企业做得起的智能化能力，未来中小企业也可以低成本获取时，围绕部署、培训、审计、整合、运营、陪跑的服务岗位反而会大量出现。这些工作不一定听起来“前沿”，但很可能构成AI时代最稳定的就业基础。
六、个体真正需要建立的，是迁移能力
如果说工业时代的职业安全感，主要来自于掌握一项稳定技能，并在一个相对可预测的组织中长期积累；那么AI时代的职业安全感，越来越可能来自另一件事：你有没有持续迁移自己的能力。
所谓迁移能力，不是每年追一个新热点，也不是把所有工具都学一遍，而是能够在技术变化时迅速判断，自己已有的经验、知识和判断力，怎样与新的工具链重组。一个会计不一定要变成算法工程师，但要理解AI如何改变财务分析和审计流程；一个内容从业者不一定要开发模型，但必须知道AI如何改变选题、写作、分发和运营；一个制造业从业者不一定亲自写代码，但需要知道数据、传感器、可视化和智能系统会如何重写工厂管理方式。
换句话说，未来最危险的状态，不是你不会某一个新工具，而是你还在用旧时代的岗位想象来定义自己。岗位名称也许没变，但岗位里的核心任务已经换了；组织架构可能看起来一样，但真正创造价值的方法已经不同了。能不能及时看见这种变化，并主动靠近新的价值链节点，决定了个体在AI时代的韧性。
七、企业和社会也必须重新理解“就业”这件事
从企业角度看，AI绝不只是一个“降本增效工具”。它更像一台组织结构重写器。真正领先的公司，不会停留在给员工装几个AI插件，而是会重新定义流程、岗位边界、数据治理方式和人机协作关系。企业如果只想着用AI削减成本，而不重构能力体系，最后很可能只得到局部效率提升，却错过新的增长曲线。
从社会角度看，未来几年更值得关注的，也不只是“总岗位数”，而是职业通道是否仍然畅通。尤其是青年人、应届生和中低技能劳动者，能不能在AI重构初期找到新的训练路径和进入机会，关系到技术红利能否被更广泛地分享。如果新岗位只向少数高技能人群集中，而大量人被卡在旧通道外面，那么即便总量上有新增工作，社会感受到的也仍然会是焦虑和不稳定。
因此，围绕AI的真正议题，可能不是简单地争论“它会不会取代人”，而是如何设计更好的职业培训、岗位转化、组织学习和人才承接机制。技术不会自动带来公平的结果，但制度、教育和企业实践可以决定，这场变化是成为少数人的机会，还是更多人的跃迁通道。
八、写在最后：不要神化AI，也不要低估它改写工作的力量
那张“60%的工作在1940年还不存在”的图之所以重要，不在于它给了我们一个简单的乐观叙事，而在于它迫使我们承认：工作世界从来都不是静止的。今天被我们视作理所当然的许多职业，本身就是上一轮技术革命和产业迁移的结果。既然如此，面对AI，我们既不该盲目恐慌，也不能掉以轻心。
真正成熟的态度，是同时看到两面。第一面是，替代一定会发生，阵痛一定会出现，部分旧岗位、旧路径、旧优势会被快速削弱。第二面是，新需求也一定会生长，新协作方式一定会出现，新职业会在新的价值链上逐步被定义出来。技术不会停止改写工作，而人的任务，是尽量站到变化的上游。
历史反复证明，最后真正留下来的，不是最抗拒变化的人，也不是最会喊口号的人，而是那些愿意理解变化、使用变化、并把自己重新组织进变化之中的人。对个体如此，对企业如此，对整个社会也是如此。AI时代的就业焦虑，并不是一句“别怕，历史会创造新工作”就能安抚的。但如果我们因此看清了工作如何被重新发明，也许就更有机会在下一轮变迁中找到自己的位置。
参考资料
-
MIT News（2024-04-01）：Most work is new work, long-term study of U.S. census data shows
-
David Autor, Caroline Chin, Anna Salomons, Bryan Seegmiller：New Frontiers: The Origins and Content of New Work, 1940-2018
-
Goldman Sachs（2025-08-13）：How Will AI Affect the Global Workforce?
-
Goldman Sachs（2026-03-18）：How Will AI Affect the US Labor Market?
-
MIT News（2024-04-01）：Does technology help or hurt employment?
-
Yale Insights（2026-05）：The Real Job Destruction from AI Is Hitting Before Careers Can Start