梯子的第一级台阶，被人抽走了——16位诺奖得主的AI就业警告，指向的不只是失业|克拉克|梯子|诺奖

一

先讲一件小事。

2025年初，硅谷某中型SaaS公司撤掉了全部初级前端工程师岗位。不是裁员，是"不再新招"。三个在职的初级工程师被告知：你们的位置保留到合同到期，之后团队只需要Senior和Staff级别。

HR在内部邮件里写了一句耐人寻味的话："We're restructuring for an AI-augmented workflow."

这件事没有上新闻。类似的决定在过去十八个月里静默地发生在无数家公司——从旧金山到班加罗尔，从深圳到柏林。它们没有联合声明，没有经济学家的签名背书，只有一行行内部邮件和一份份被标记为"已关闭"的岗位JD。

但2026年7月13日，所有这些沉默的决定，被一份来自斯坦福大学的文件打亮了。

二

那天，斯坦福大学数字经济实验室（Stanford Digital Economy Lab）牵头发布了一份声明——《我们必须立即行动》（We Must Act Now）。

签名栏的长度令经济学界侧目：16位诺贝尔经济学奖得主，加上超过200位全球顶尖学者与行业专家。名单读起来像一部当代经济学的名人录：2024年诺奖得主达龙·阿西莫格鲁（Daron Acemoglu）和西蒙·约翰逊（Simon Johnson）领衔，迈克尔·斯宾塞（Michael Spence）、约瑟夫·斯蒂格利茨（Joseph Stiglitz）、保罗·克鲁格曼（Paul Krugman）、本·伯南克（Ben Bernanke）悉数在列。

更值得注意的是，签名者中不止有学院派。前谷歌CEO埃里克·施密特（Eric Schmidt）、OpenAI首席财务官莎拉·弗赖尔（Sarah Friar）、Anthropic联合创始人杰克·克拉克（Jack Clark）、深度学习领域的两位奠基人约书亚·本吉奥（Yoshua Bengio）和杰夫·迪恩（Jeff Dean）——这些人构成了AI产业链的核心决策圈。

造枪的人和用枪的人，同时站在了一份呼吁"小心枪"的声明上。

这份声明的核心判断可以用两句话概括：未来十年，AI的能力将实现跨越式提升，由此推动的经济变革规模可能超过工业革命，但速度快得多。这把双刃剑，既可能带来生活水平的大幅跃升，也可能引发大规模岗位替代与失业潮。

声明本身并不长，措辞审慎、结论克制。但真正让这份文件从学术圈溢出到公众视野的，不是声明文本，而是斯坦福团队同步披露的一组就业监测数据。

三

数据很冷，但冷得精确。

斯坦福大学数字经济实验室长期运行着一套实时就业监测系统，跟踪AI对不同职业类别、不同年龄层、不同资历段劳动力的影响。声明发布时，团队公开了截至2026年上半年的几组关键发现。

第一组：22至25岁年轻人在"AI高暴露度"职业中的就业人数，正以每年超过4%的速度萎缩。

这不是预测。这是已经发生的事。每年4%的萎缩意味着，如果一个行业在2022年雇用了10万名入门级年轻人，到2026年，这个数字已经减少了大约16%。四年，六分之一。

第二组：入门级软件岗位的雇佣量，自2022年末以来累计暴跌近20%。

软件行业曾被视为"AI时代最安全"的领域——毕竟，写代码的人总该懂得如何使用AI工具。现实证明这个逻辑并不成立。恰恰因为AI最擅长的就是生成代码，入门级程序员的价值被大幅压缩。一个高级工程师配合Copilot类工具，过去需要三个初级工程师才能完成的工作量，现在一个人就能消化。

第三组数据同样刺眼：资深员工的就业状况相对稳定。那些拥有十年以上经验、具备复杂决策能力的从业者，并未出现显著的岗位流失。他们的角色不是被替代，而是被"增强"——AI成了他们的杠杆，而非他们的替代品。

把这三组数据放在一起看，结论清晰得令人不安：最先被AI挤出的，不是工厂里的蓝领工人，而是刚走出校门的白领新人。

这颠覆了过去二十年关于"技术性失业"的主流叙事。历次工业革命中，自动化最先冲击的是体力劳动者、流水线工人、低技能重复工种。蒸汽机替代织工，机器人替代装配工，算法替代客服。每一次，人们都说"往上走就行了，去做需要创造力的工作"。

但AI这一轮，规则变了。

入门级的白领工作——初级分析师、助理程序员、文案编辑、财务审计助理、法律研究员——恰恰是AI最擅长处理的品类。这些岗位的共同特征是：高度结构化、可模板化、依赖信息处理而非物理操作。AI不需要学会走路和拿杯子，就能替代一个初级分析师的大部分工作。

于是，梯子不见了。

四

一个隐喻或许有助于理解这件事的严重性。

职业发展的路径像一架梯子。入门级岗位是第一级台阶。一个人踩上去，才有机会往上攀爬——积累经验、建立人脉、获取资质、承担更复杂的任务。每一级台阶都通向下一级。最终，他可能成为高级工程师、合伙人、总监、高管，或者干脆转型创业。

但第一级台阶被抽走了。

年轻人站在梯子底下，仰头看着上面所有的台阶，发现自己根本没有地方落脚。

这不是一个简单的失业问题。这是一个社会流动性的问题。

当一个22岁的毕业生发现，市场上80%的相关岗位都要求"3-5年经验"，而能提供经验积累的入门级岗位正在以每年4%的速度消失——他面对的困境不是"找不到工作"，而是"找不到进入职业体系的入口"。

更残酷的是，这种困境具有代际传递性。富裕家庭的年轻人可以通过家庭网络获得实习和推荐机会，通过 unpaid internship 积累经验，通过家族资源进入高门槛行业。而来自普通家庭、依赖公开招聘市场进入职场的年轻人，正在被系统性地挡在门外。

阿西莫格鲁在他的研究中反复强调一个概念："so-so automation"——平庸的自动化。它替代了人力，但没有显著提升生产率，同时摧毁了大量就业岗位，加剧了不平等。斯坦福团队监测到的入门级岗位萎缩，正是这个概念的活体样本：企业用AI工具替代初级员工，省下了人力成本，但这些初级员工原本承担着训练和筛选未来高级人才的"学徒"功能。

学徒制的消失，意味着未来高级人才的供给也将萎缩。只不过这个后果，要五到十年后才会显现。

五

声明引发的争议，几乎和声明本身一样大。

第一层争议指向内容。多位经济学家和科技政策研究者指出，这份声明的最大问题在于：它只负责"喊问题"，没有给出具体政策清单。

《我们必须立即行动》——这是标题。但"立即行动"的具体内容是什么？声明文本中提到的政策方向非常笼统：加强劳动力培训、完善社会安全网、推动AI治理框架、考虑对AI替代效应征税。每一条都是正确但空洞的方向性表述，没有任何一条有明确的时间表、预算规模或实施路径。

有评论者在社交媒体上写道："这封公开信更像是一份诊断书，而不是一份治疗方案。它告诉世界'你病了'，但没有开药方。"

第二层争议指向签名者本身的立场矛盾。这份名单上不仅有学院派经济学家，还有正在深度参与AI军备竞赛的产业界人物。前谷歌CEO施密特目前仍在多家AI公司担任顾问和投资人。OpenAI的CFA莎拉·弗赖尔所在的公司在2025年实现了爆发式增长，其商业模式的核心逻辑之一，恰恰是用AI解决方案替代企业的人力支出。Anthropic的联合创始人杰克·克拉克同样身处AI扩张的最前线。

一边推进AI替代人工，一边呼吁警惕AI导致的失业潮——这种身份上的张力，让声明的公信力在不同阵营中得到了截然不同的评价。支持者认为，这恰恰证明了警告的严肃性："连造AI的人都在喊停了，说明问题真的严重。"反对者则认为，这是一种精心计算的风险对冲：先主动承认问题，抢占道德高地，从而在后续的监管博弈中获得更大的话语权。

第三种，也是最技术性的争议，关于"AI高暴露度"的衡量框架。

斯坦福团队将职业按"AI暴露度"进行分级，这一分级方法本身并非独创，学术界和政策界已有多套并行框架。据不完全统计，目前至少存在五种主流的AI职业暴露度评估模型，它们在行业分类标准、暴露度定义、权重设置和数据来源上各有不同。不同框架得出的结论存在显著分歧：某一种框架下被判定为"高暴露度"的职业，在另一种框架下可能只是"中等暴露度"。

这意味着，"入门级岗位正在萎缩"这一结论虽然方向上被广泛认可，但具体的萎缩幅度、受影响人群的精确规模、以及趋势的可持续性，仍存在相当大的测量不确定性。

六

把视角拉远一点，这件事的真正重量，不在声明本身，而在声明试图标记的那个转折时刻。

工业革命用了大约一百年的时间完成社会结构的重组。蒸汽机在18世纪末开始大规模应用，到19世纪中叶，工厂制度才基本确立，到19世纪末，现代劳动法、工会运动、教育体系才开始系统性地回应工业化带来的冲击。整整一代人、甚至两代人在这个过渡期中承受了巨大的痛苦——童工、贫民窟、十二小时工作制、职业病，都是那个时代的注脚。

但当时的变革速度至少给了社会喘息的空间。技术扩散受限于交通、通讯和教育的基础设施瓶颈。一个纺织工人被机器替代后，或许还有十年的时间来学习新技能，或者至少等待下一代人完成教育升级。

AI时代的节奏完全不同。

从ChatGPT公开发布（2022年11月）到入门级软件岗位雇佣量暴跌20%（2026年上半年），只用了大约三年半。从AI能力被学术界广泛讨论到企业大规模部署AI替代方案，中间的滞后期被压缩到了前所未有的短。

声明中有一句措辞值得反复咀嚼："We are deploying a transformative technology at a pace that outstrips our ability to understand its consequences."

我们正在以一种超出理解能力的速度，部署一种变革性技术。

这不是危言耸听。这是一种冷静的、来自技术内部参与者的自我警告。

七

回到梯子。

经济学中有一个经典概念叫"人力资本投资"。一个人接受高等教育，投入时间和金钱，本质上是在做一项长期投资——预期未来的劳动收入能够覆盖这些前期投入。这个投资逻辑成立的前提是：教育体系培养的技能，在劳动力市场上有对应的岗位可以承接。

当入门级岗位以每年4%以上的速度萎缩时，这个前提正在被动摇。

更深层的问题在于教育体系的反应速度。大学的专业设置、课程内容、学制安排，通常以五年甚至十年为周期进行调整。而AI能力的迭代周期以月计算。一个2024年入学的计算机科学本科生，到2028年毕业时，他所学习的许多技术细节可能已经被AI工具完全自动化。他带着为"旧世界"准备的知识，走进了一个"新世界"，发现门口没有他能进的岗位。

这不是教育质量的失败。这是教育体系与劳动力市场之间的时间差被技术加速彻底撕裂了。

八

还有一个很少被讨论的维度：心理层面。

社会学研究中有一个概念叫"地位不一致"（status inconsistency）——当一个人的教育水平、收入水平和社会期望之间出现显著落差时，会产生深层的心理失序感。入门级白领岗位的消失，恰恰在制造这种落差。

一个花费四年时间（甚至更长时间）完成本科学位的年轻人，预期进入一个需要其专业知识的白领岗位。当他发现市场只需要高级工程师和AI操作员，而他既不是前者、也没有机会通过学习成为后者时——他面对的不仅是经济困境，还有身份危机。

2025年以来，多个国家的青年失业率持续走高，"学历贬值"成为社交媒体上的高频词汇，"全职儿女"从戏谑变成一种实际的生存策略。这些现象的成因是多维度的，但AI对入门级白领岗位的挤压，无疑是其中一个被低估的变量。