人們的擔憂主要集中兩個方向，一個是在生成式 AI 最先落地的領域，比如編程、文案寫作和平面設計。而另一個則是科技領域——新聞頭條裏充斥着硅谷巨頭裁員，或者初級程序員需求量下降的報道。
然而，人工智能對於就業經濟的影響僅僅止步於此嗎？
最近，麻省理工學院（MIT）與橡樹嶺國家實驗室（Oak Ridge National Laboratory, ORNL）近期發佈的一項聯合研究表明：結果可能比你想象的更糟。
這份被稱爲“冰山指數”（Iceberg Index）的報告指出，人工智能目前的技術能力已經足以覆蓋美國經濟中約 11.7% 的勞動力任務，涉及的薪資總額高達 1.2 萬億美元。
圖 | 報告論文（來源：Project Iceberg）
報告一經發布便引起了廣泛的關注。因爲龐大的數字背後，更揭示了一個長期被媒體忽略的事實：我們目前所看到的科技行業動盪，可能僅僅是表面的冰山一角，而更深層次的結構性變化正在水面之下悄然展開。
從職業到技能：AI 威脅不再侷限於技術圈層
基於可見現象的觀察，被 MIT 的研究團隊定義爲“表面指數”（Surface Index）。根據測算，這一顯性層面的影響僅覆蓋了美國約 2.2% 的勞動力，涉及薪資約爲 2110 億美元。
圖 | 冰山模型（來源：MIT）
如果僅僅盯着這些數據，我們很容易得出一個結論：AI 的衝擊雖然劇烈，但主要侷限於特定的技術圈層。
然而，冰山指數的核心邏輯在於，它不再以職業爲單位來判斷能否被替代，而是深入到了技能與任務的顆粒度。
研究人員利用橡樹嶺國家實驗室的 Frontier 超級計算機，運行了基於“大型羣體模型”（Large Population Models, LPMs）的數字職場模擬。
在這個模型中，每一個美國工人都被數字化爲一個擁有特定技能標籤、地理位置和職業特徵的智能代理。系統將這些代理的數萬種技能與目前市場上存在的 13,000 多種 AI 工具（包括自動化軟件、AI 助手等）進行了交叉比對。
結果顯示，除了顯而易見的編程和創意工作外，大量的認知型和行政型任務在技術上已經具備了高度的可自動化性。這些任務廣泛分佈在金融審覈、物流協調、醫療行政管理、供應鏈監控等領域。
雖然這些工作並不屬於“技術密集型”崗位，但它們構成了現代經濟運行的基礎。它們就像“冰山的水下部分”，其規模是水面部分（科技行業）的五倍之多。大約 1770 萬個工作崗位所包含的核心技能，已經與現有的 AI 能力產生了高度重疊。
從行業媒體的角度來看，這一研究糾正了長期以來關於“誰是 AI 受害者”的敘事偏差。過去，人們傾向於認爲擁有高學歷、從事創造性工作的白領是生成式 AI 的主要目標，或者反過來，認爲從事重複性勞動的藍領會被機器人取代。
但冰山指數表明：那些支撐傳統行業運轉的白領可能是最先受到衝擊的人羣。
以美國田納西州爲例，該州的科技行業規模相對較小，因此在傳統的 AI 風險評估中往往被列爲低風險區。然而，田納西州擁有龐大的物流樞紐和製造業供應鏈，這些產業背後依賴着大量的調度員、採購專員、合規審覈員和財務分析師。
這些崗位的工作內容主要由處理文檔、協調流程和分析數據構成，而這正是當前 AI 技術最擅長優化的領域。因此，田納西州的冰山指數達到了 11.6%，與其“表面指數”的低位形成了鮮明反差。
圖 | 美國各州冰山指數分佈，可見以傳統行業爲主導的中部地區冰山指數比沿岸科技發達地區高（來源：MIT）
傳統經濟指標失效：GDP 增長可能掩蓋結構性問題
此外，MIT 的這項研究還觸及了一個更宏觀的問題：我們賴以判斷經濟狀況的傳統儀表盤，可能正在失效。
在工業時代與互聯網早期，GDP、失業率、人均收入是衡量經濟健康度的重要標準。但研究表明，這些指標與冰山指數揭示的 AI 暴露度幾乎沒有關聯。一個州的 GDP 可以在自動化帶來的效率提升下繼續增長；失業率也可能因勞動力向低薪服務業遷移而保持平穩。然而，這些表面數字難以捕捉勞動力市場內部的深層重組。
（來源：MIT）
美國的特拉華州與猶他州便是典型例子。它們的經濟體量遠不及加州（加利福尼亞州），卻因產業結構高度集中於金融服務和行政管理，呈現更高的 AI 暴露度。如果決策者仍依賴 GDP 和失業率判斷局勢，他們可能會錯過最關鍵的干預窗口。
當結構性失業真正出現在數據中時，技術轉型往往已接近尾聲，原本可供調節的空間已經消失。因此，研究團隊強調：需要以技能爲核心的全新衡量體系，用冰山指數補足傳統經濟指標的盲區。
技能結構的重組也正在重新塑造企業的用人邏輯：AI 系統每天生成的代碼量已超過 10 億行，這直接削弱了科技公司對初級程序員的需求。
同樣的趨勢正在向其他行業延展。金融分析師並不會消失，但由初級崗位承擔的數據整理和基礎寫作正在被自動化接管。結果是人才培養的階梯正在斷裂——許多行業依賴入門級崗位培養未來的專家，而當這些入門級任務被取代，年輕人邁入職業的第一階變得更加困難。
這種變化在醫療和物流領域表現得尤其明顯。醫療機構正在使用 AI 處理繁重的文書工作，在短期內，這被視爲讓醫護人員從繁瑣任務中解放出來。然而，對於專門從事醫療檔案與行政支持的從業者而言，這意味着崗位空間被不斷壓縮。物流行業亦然：AI 對路線規劃和庫存管理的優化，正在減少對中層調度人員的需求。
未來已來？冰山指數的政策應用價值
爲了進一步將理論與實際情況相結合，研究團隊將模型結果與現實數據進行比對，分析了包括 Anthropic 在內的 AI 公司的企業用戶情況。結果顯示，冰山指數所預測的高風險地區，與現實中 AI 採用率較高的地區高度重合，預測“哪些地區將領跑 AI 應用”以及“哪些地區會落後”的準確率達到 69%。
目前，美國多州政府已開始使用這一工具。決策者可以通過縣級乃至社區層面的下鑽數據，爲當地勞動力結構做“體檢”。據此辨識哪些具體技能正面臨淘汰風險，並更精準地分配教育和再培訓資源，從事後救濟走向事前預測。
對企業而言，這份報告同樣是一種提示。人們常將注意力集中在最前沿的模型能力上，但真正改變商業格局的，是那些已被封裝進 SaaS 和辦公自動化工具的 AI 功能。它們無需研發能力，只需訂閱和部署，就能在財務、人事、客服等後臺部門產生顯著的替代效應。目前已有超過 13,000 種此類工具進入市場。
當然，可替代性並不等同於立即的失業。11.7% 的勞動力暴露在風險之中，並不意味着會立刻出現 1700 萬人的失業潮。最終結果取決於企業的採用速度、監管力度與社會對 AI 的接受程度。在許多場景中，AI 將作爲輔助工具存在，幫助人們擺脫重複勞動。然而，“增強”與“替代”之間的界線並不穩定，也高度依賴勞動者是否具備與 AI 協作的新技能。
參考鏈接：
1.https://iceberg.mit.edu/report.pdf
2.https://www.cbsnews.com/news/ai-artificial-intelligence-workers-mit-study/
