美國年輕人看空AI職業回報
Axios與Generation Lab針對18至34歲美國人的調查顯示，27%受訪者稱自己或熟人曾因僱主用AI替代崗位而失業，但Axios指出實際由AI造成的失業規模可能低於這一主觀感受。
對職業前景的預期更顯著偏負面：45%的年輕受訪者認爲AI將損害自身職業發展，認爲AI會帶來職業幫助的僅佔10%，負面預期爲正面預期的4.5倍。
技術使用並未同步下降。71%受訪者稱自己對AI的舒適度與一年前相當或更高；61%過去一個月使用過ChatGPT，48%使用過Gemini，20%使用過Claude。
對生成式AI內容質量的評價也偏負面，57%的Z世代和千禧一代受訪者認爲生成式AI令內容質量變差，顯示高頻使用與價值認同正在分離。
另一項針對1,088名18至34歲美國人的CNBC—Generation Lab調查顯示，約七成年輕人不信任Mark Zuckerberg、Sam Altman、Jensen Huang和Elon Musk等AI行業領導者能負責任地推進AI。
市場機制上，年輕用戶仍在購買或使用AI工具以提高短期效率，但他們把工資替代、初級崗位減少與科技公司控制力上升視爲主要成本；資本市場則將算力、模型和數據中心的收益更多歸入大型平臺與芯片供應商。受益者是掌控模型、雲資源和企業預算的科技公司，承壓者是可標準化的白領初級崗位及依賴廣告流量的內容生產者。axios+1
來源：公開信息
ABAB AI 解讀
美國勞動力市場對自動化的焦慮早於生成式AI。20世紀80年代以後，製造業自動化與全球化將重複性生產崗位壓縮；2010年代的算法管理和零工平臺又把排班、定價和績效決策軟件化。生成式AI的不同之處是它直接進入寫作、設計、客服、法律研究與編程等此前被視爲白領上升通道的任務，年輕人感受到的並不是技術抽象風險，而是入門崗位、實習與培訓崗位可能先被壓縮。
資本已經沿着“基礎設施先行、應用後置”路徑集中。微軟以Azure承接OpenAI訓練與推理需求，Alphabet通過Google Cloud、TPU與Gemini形成模型—雲—分發閉環，Meta以Llama爭奪開源模型生態，Nvidia則向雲廠商與模型公司出售GPU和網絡設備。年輕使用者可免費或低價調用模型，但訓練資本開支、數據中心土地電力和企業訂閱收入，主要沉澱在少數超大平臺的資產負債表中。
歷史對比可見於互聯網與移動互聯網：Google和Meta先用免費服務積累用戶與數據，再通過廣告技術建立利潤池；Uber與DoorDash則用平臺分發重構勞動關係。當前AI處在從模型能力展示轉向企業工作流嵌入的階段，真正的替代不是“一個模型取代一份工作”，而是企業將原本由初級員工完成的檢索、初稿、客服分流與代碼樣板整合進軟件，改變組織的招聘梯隊。
本質屬於資本集中。模型訓練需要GPU、網絡、電力、數據中心、專有數據與分發入口，固定成本遠高於普通軟件創業；因此規模最大的雲廠商可以將算力成本攤入現有客戶關係，並以模型折扣綁定開發者和企業。公衆對AI的職業恐懼並不要求失業數據立即爆發：只要企業減少新增崗位、降低初級崗位薪資或提高每名員工產出要求，收益便會先向資本和高技能技術勞動力集中。
ABAB News · 認知定律
使用率上升，不等於收益分配更公平
技術替代的第一刀，通常砍向入場券
免費工具擴張時，資本正在收集收費站