AI投资能够让经济规模扩大，却不一定带来与之相称的新增岗位。这正是世界经济论坛（WEF）在《首席经济学家展望：2026年9月》中提示的核心问题：AI采用率预计将继续上升，数据中心投资也可能促进增长；但受访首席经济学家中，61%预计数据中心扩张不会显著创造全球就业。

这并不意味着AI或数据中心没有经济价值。更准确地说，其早期回报可能主要来自单位劳动产出提高、成本下降和资本开支增加；与此同时，调整成本可能更多落在试图进入相关行业的人身上。

GDP增长，不等于岗位同步增加

企业建设数据中心、购置算力设备、部署AI系统，都会直接增加投资，从而推高国内生产总值（GDP）。另一边，AI若帮助员工更快完成任务，或使企业在有人离职后不再补招，企业也能在不扩大员工总数的情况下增加产出。

因此，生产率与经济增长可以上升，但招聘不一定随之普遍扩张。WEF调查显示，97%的受访首席经济学家预计AI采用将增加；79%预计数据中心扩张会遭遇显著阻力；61%则不认为它会带来显著的全球就业增长。

这可视为一种“生产率增长快于就业增长”的情形：投资抬高产出，但就业收益可能有限、滞后，或只集中在少数专业岗位，而非广泛惠及劳动力市场。

美国数据最早亮起的警示灯：入门招聘收缩

目前最可靠的证据并未证明AI已经导致全经济范围的大规模岗位替代。斯坦福数字经济实验室使用截至2026年6月的ADP高频薪资数据研究后指出，没有发现广泛、全经济范围的就业挤出证据。2

但年轻劳动者的表现出现了明显分化。在AI暴露程度较高的职业中，22至25岁劳动者的就业水平，比其若与同龄、AI暴露程度较低群体保持相同趋势时应达到的水平低约19%；有经验的劳动者则没有出现相近缺口。2

这一区别很关键。劳动力市场的冲击未必先以大规模裁员形式出现，也可能先表现为进入职场的通道变窄：初级岗位更少、招聘更谨慎，年轻人获得经验并实现后续晋升的机会减少。斯坦福研究指出，这一现象集中于年轻劳动者，不应被解读为AI已在全经济范围内消灭岗位。2

“AI导致裁员”的公告是信号，不是完整的因果证明

企业在裁员公告中提及AI，确实值得关注；但仅凭此类公告，不能断定AI是唯一原因。业务重组、需求走弱、过去过度招聘以及其他经营因素，也可能同时影响用工决策。

薪资数据所支持的更谨慎结论是：在某些职业中，AI暴露与年轻劳动者就业结果恶化存在关联，而该模式更多反映为招聘减少，并非全经济范围的离职或裁员激增。2

对毕业生和转行者而言，这意味着问题不只是“如何补回消失的岗位”。若企业用AI完成原本交给初级员工的一部分标准化任务，更大的挑战在于：如何保留可信的职业第一阶梯，让新人能积累判断力、行业知识和实践经验。

软件行业说明：需求仍在，入口却可能更难

软件开发常被当作检验AI是否正在替代知识工作者的典型案例，但证据呈现出更复杂的图景。

斯坦福的一份政策简报称，编程密集型职业的就业增长虽已放缓，但仍保持正增长；在AI暴露最高的职业中，几乎没有证据显示AI已广泛压低就业或招聘职位数。过去一年，软件开发者的在线招聘职位增长还快于其他职业。

与此同时，另一项覆盖41个国家的研究发现，采用AI的企业在五年内将高级岗位就业人数增加了6.7%，初级岗位就业则减少了3%；初级员工占就业人数的比重下降1.9个百分点。11

综合来看，这些发现并不能证明AI已消灭软件工作，却提示了一种合理的分配问题：企业可能更看重能够定义需求、核验结果并整合AI产出的资深员工，而对完成标准化初级任务的人手需求下降。结果是，一个职业整体仍有需求，但进入该职业的门槛可能变高。

当生活成本上升，转型的落差会更刺眼

宏观增长不等同于生活水平改善。WEF调查中，88%的受访者预计食品成本上涨，83%预计电力成本上涨；多数地区的实际收入预计停滞或下降。

这会放大AI收益分配不均的问题。一个面临工资增长乏力或求职困难的家庭，也可能同时承担更高的基本生活账单。数据中心扩张尤其敏感，因为它需要更多基础设施投入，并且在WEF调查中被认为很可能引发显著的本地反对声音。

风险在于宏观指标与家庭体验之间出现错位：投资和生产率数据更强，实际收入却受限，而职业生涯起步阶段的机会减少。

财政支持预期减弱，让转型成本更难被缓冲

过去，政府常通过收入支持、职业培训、公共投资等财政措施缓冲经济冲击。但WEF调查表明，这类支持未来可能更有限：69%的首席经济学家认为，自2020年以来，财政支持一直是全球经济韧性的关键来源；但只有28%预计它在未来一年仍将发挥同等作用。

若财政空间趋紧，为劳动者度过结构性转型提供培训、教育、流动支持和地方投资的能力就可能受限。这不代表相关政策无法实施，而是意味着政策设计和精准投放会更重要。

政策讨论已开始聚焦劳动力转型

美国政策界和研究机构已开始围绕AI的劳动力影响进行组织。参议员马克·沃纳与迈克·朗兹提出跨党派的《未来经济委员会法案》，旨在寻找实际可行的措施，加强劳动者培训，并在AI推动岗位变化时提供支持。17

美国企业研究所（AEI）与城市研究所也在2026年6月成立“人工智能与美国劳动力委员会”。该委员会由吉娜·雷蒙多和保罗·瑞安共同主持，负责评估AI对就业、技能和收入的影响，并为劳动者、雇主和政府制定政策选项。

结论：关键不只是创造价值，而是保住职业起点

WEF首席经济学家的判断在逻辑上并不矛盾：AI和数据中心能通过增加投资、提升生产率来支持全球增长，但这两种机制都不能保证广泛创造就业。

目前美国证据更支持保持警惕，而不是陷入宿命论。尚无证据表明出现全经济范围的就业崩塌，但AI暴露较高职业中的早期职业缺口已十分值得关注，而招聘收缩是关键风险。2 政策真正要解决的问题，是不能让一轮生产率繁荣掏空年轻人获得技能、收入与长期向上流动机会的第一道职业阶梯。

AI投资能够让经济规模扩大，却不一定带来与之相称的新增岗位。这正是世界经济论坛（WEF）在《首席经济学家展望：2026年9月》中提示的核心问题：AI采用率预计将继续上升，数据中心投资也可能促进增长；但受访首席经济学家中，61%预计数据中心扩张不会显著创造全球就业。

这并不意味着AI或数据中心没有经济价值。更准确地说，其早期回报可能主要来自单位劳动产出提高、成本下降和资本开支增加；与此同时，调整成本可能更多落在试图进入相关行业的人身上。

GDP增长，不等于岗位同步增加

企业建设数据中心、购置算力设备、部署AI系统，都会直接增加投资，从而推高国内生产总值（GDP）。另一边，AI若帮助员工更快完成任务，或使企业在有人离职后不再补招，企业也能在不扩大员工总数的情况下增加产出。

因此，生产率与经济增长可以上升，但招聘不一定随之普遍扩张。WEF调查显示，97%的受访首席经济学家预计AI采用将增加；79%预计数据中心扩张会遭遇显著阻力；61%则不认为它会带来显著的全球就业增长。

这可视为一种“生产率增长快于就业增长”的情形：投资抬高产出，但就业收益可能有限、滞后，或只集中在少数专业岗位，而非广泛惠及劳动力市场。

美国数据最早亮起的警示灯：入门招聘收缩

目前最可靠的证据并未证明AI已经导致全经济范围的大规模岗位替代。斯坦福数字经济实验室使用截至2026年6月的ADP高频薪资数据研究后指出，没有发现广泛、全经济范围的就业挤出证据。2

但年轻劳动者的表现出现了明显分化。在AI暴露程度较高的职业中，22至25岁劳动者的就业水平，比其若与同龄、AI暴露程度较低群体保持相同趋势时应达到的水平低约19%；有经验的劳动者则没有出现相近缺口。2

这一区别很关键。劳动力市场的冲击未必先以大规模裁员形式出现，也可能先表现为进入职场的通道变窄：初级岗位更少、招聘更谨慎，年轻人获得经验并实现后续晋升的机会减少。斯坦福研究指出，这一现象集中于年轻劳动者，不应被解读为AI已在全经济范围内消灭岗位。2

“AI导致裁员”的公告是信号，不是完整的因果证明

企业在裁员公告中提及AI，确实值得关注；但仅凭此类公告，不能断定AI是唯一原因。业务重组、需求走弱、过去过度招聘以及其他经营因素，也可能同时影响用工决策。

薪资数据所支持的更谨慎结论是：在某些职业中，AI暴露与年轻劳动者就业结果恶化存在关联，而该模式更多反映为招聘减少，并非全经济范围的离职或裁员激增。2

对毕业生和转行者而言，这意味着问题不只是“如何补回消失的岗位”。若企业用AI完成原本交给初级员工的一部分标准化任务，更大的挑战在于：如何保留可信的职业第一阶梯，让新人能积累判断力、行业知识和实践经验。

软件行业说明：需求仍在，入口却可能更难

软件开发常被当作检验AI是否正在替代知识工作者的典型案例，但证据呈现出更复杂的图景。

斯坦福的一份政策简报称，编程密集型职业的就业增长虽已放缓，但仍保持正增长；在AI暴露最高的职业中，几乎没有证据显示AI已广泛压低就业或招聘职位数。过去一年，软件开发者的在线招聘职位增长还快于其他职业。

与此同时，另一项覆盖41个国家的研究发现，采用AI的企业在五年内将高级岗位就业人数增加了6.7%，初级岗位就业则减少了3%；初级员工占就业人数的比重下降1.9个百分点。11

综合来看，这些发现并不能证明AI已消灭软件工作，却提示了一种合理的分配问题：企业可能更看重能够定义需求、核验结果并整合AI产出的资深员工，而对完成标准化初级任务的人手需求下降。结果是，一个职业整体仍有需求，但进入该职业的门槛可能变高。

当生活成本上升，转型的落差会更刺眼

宏观增长不等同于生活水平改善。WEF调查中，88%的受访者预计食品成本上涨，83%预计电力成本上涨；多数地区的实际收入预计停滞或下降。

这会放大AI收益分配不均的问题。一个面临工资增长乏力或求职困难的家庭，也可能同时承担更高的基本生活账单。数据中心扩张尤其敏感，因为它需要更多基础设施投入，并且在WEF调查中被认为很可能引发显著的本地反对声音。

风险在于宏观指标与家庭体验之间出现错位：投资和生产率数据更强，实际收入却受限，而职业生涯起步阶段的机会减少。

财政支持预期减弱，让转型成本更难被缓冲

过去，政府常通过收入支持、职业培训、公共投资等财政措施缓冲经济冲击。但WEF调查表明，这类支持未来可能更有限：69%的首席经济学家认为，自2020年以来，财政支持一直是全球经济韧性的关键来源；但只有28%预计它在未来一年仍将发挥同等作用。

若财政空间趋紧，为劳动者度过结构性转型提供培训、教育、流动支持和地方投资的能力就可能受限。这不代表相关政策无法实施，而是意味着政策设计和精准投放会更重要。

政策讨论已开始聚焦劳动力转型

美国政策界和研究机构已开始围绕AI的劳动力影响进行组织。参议员马克·沃纳与迈克·朗兹提出跨党派的《未来经济委员会法案》，旨在寻找实际可行的措施，加强劳动者培训，并在AI推动岗位变化时提供支持。17

美国企业研究所（AEI）与城市研究所也在2026年6月成立“人工智能与美国劳动力委员会”。该委员会由吉娜·雷蒙多和保罗·瑞安共同主持，负责评估AI对就业、技能和收入的影响，并为劳动者、雇主和政府制定政策选项。

结论：关键不只是创造价值，而是保住职业起点

WEF首席经济学家的判断在逻辑上并不矛盾：AI和数据中心能通过增加投资、提升生产率来支持全球增长，但这两种机制都不能保证广泛创造就业。

目前美国证据更支持保持警惕，而不是陷入宿命论。尚无证据表明出现全经济范围的就业崩塌，但AI暴露较高职业中的早期职业缺口已十分值得关注，而招聘收缩是关键风险。2 政策真正要解决的问题，是不能让一轮生产率繁荣掏空年轻人获得技能、收入与长期向上流动机会的第一道职业阶梯。