返回快讯

美国年轻人看空AI职业回报

Axios与Generation Lab针对18至34岁美国人的调查显示,27%受访者称自己或熟人曾因雇主用AI替代岗位而失业,但Axios指出实际由AI造成的失业规模可能低于这一主观感受。

对职业前景的预期更显著偏负面:45%的年轻受访者认为AI将损害自身职业发展,认为AI会带来职业帮助的仅占10%,负面预期为正面预期的4.5倍。

技术使用并未同步下降。71%受访者称自己对AI的舒适度与一年前相当或更高;61%过去一个月使用过ChatGPT,48%使用过Gemini,20%使用过Claude。

对生成式AI内容质量的评价也偏负面,57%的Z世代和千禧一代受访者认为生成式AI令内容质量变差,显示高频使用与价值认同正在分离。

另一项针对1,088名18至34岁美国人的CNBC—Generation Lab调查显示,约七成年轻人不信任Mark Zuckerberg、Sam Altman、Jensen Huang和Elon Musk等AI行业领导者能负责任地推进AI。

市场机制上,年轻用户仍在购买或使用AI工具以提高短期效率,但他们把工资替代、初级岗位减少与科技公司控制力上升视为主要成本;资本市场则将算力、模型和数据中心的收益更多归入大型平台与芯片供应商。受益者是掌控模型、云资源和企业预算的科技公司,承压者是可标准化的白领初级岗位及依赖广告流量的内容生产者。axios+1

来源:公开信息

ABAB AI 解读

美国劳动力市场对自动化的焦虑早于生成式AI。20世纪80年代以后,制造业自动化与全球化将重复性生产岗位压缩;2010年代的算法管理和零工平台又把排班、定价和绩效决策软件化。生成式AI的不同之处是它直接进入写作、设计、客服、法律研究与编程等此前被视为白领上升通道的任务,年轻人感受到的并不是技术抽象风险,而是入门岗位、实习与培训岗位可能先被压缩。

资本已经沿着“基础设施先行、应用后置”路径集中。微软以Azure承接OpenAI训练与推理需求,Alphabet通过Google Cloud、TPU与Gemini形成模型—云—分发闭环,Meta以Llama争夺开源模型生态,Nvidia则向云厂商与模型公司出售GPU和网络设备。年轻使用者可免费或低价调用模型,但训练资本开支、数据中心土地电力和企业订阅收入,主要沉淀在少数超大平台的资产负债表中。

历史对比可见于互联网与移动互联网:Google和Meta先用免费服务积累用户与数据,再通过广告技术建立利润池;Uber与DoorDash则用平台分发重构劳动关系。当前AI处在从模型能力展示转向企业工作流嵌入的阶段,真正的替代不是“一个模型取代一份工作”,而是企业将原本由初级员工完成的检索、初稿、客服分流与代码样板整合进软件,改变组织的招聘梯队。

本质属于资本集中。模型训练需要GPU、网络、电力、数据中心、专有数据与分发入口,固定成本远高于普通软件创业;因此规模最大的云厂商可以将算力成本摊入现有客户关系,并以模型折扣绑定开发者和企业。公众对AI的职业恐惧并不要求失业数据立即爆发:只要企业减少新增岗位、降低初级岗位薪资或提高每名员工产出要求,收益便会先向资本和高技能技术劳动力集中。

ABAB News · 认知定律

  1. 使用率上升,不等于收益分配更公平

  2. 技术替代的第一刀,通常砍向入场券

  3. 免费工具扩张时,资本正在收集收费站