文｜谢瑞瑞
编辑｜徐青阳
250年前，亚当·斯密在《国富论》中写下一个后来被反复引用的例子：在制针工厂里，如果一个人独立完成全部工序，一天做不了几根针；但如果把流程拆成拉铁丝、切断、磨尖、装针头等环节，让不同工人各自负责其中一步，产量会成倍提高。
此后很长时间里，现代企业组织都建立在类似逻辑之上：把复杂工作拆细，再交给不同岗位完成。
21世纪的今天，LLM（大模型）出现后，它能快速、统筹地完成许多跨任务的工作，任务切换成本大大降低。上海科技大学 CEISD（教育、创新和可持续发展研究中心）主任杨燕青表示，这挑战了分工理论，“LLM抹平任务切换成本，分工逻辑从‘人与人细分’转向‘人机协同闭环’。”
这种变化也带来一个更现实的问题：AI 会带来工作的消失？继而让人失业吗？
2026 世界人工智能大会（WAIC）期间，上海科技大学 CEISD 与合作伙伴联合发布《AI 时代的中国劳动力市场：从职业消失论到任务重组论》报告。报告基于 65200 条任务、1267 个细分职业，试图从任务层面测算 AI 对中国就业市场的冲击与重组效应。
报告认为，AI 并不会简单地批量淘汰某一类职业，而是更快地拆分、改写和重组岗位内部的具体任务。企业调整岗位职责和用人要求的速度，正在快于更换职业名称的速度。
其中值得关注的是，复合型闭环岗位成为就业市场的最大新特征，同期市场约有2100万个岗位由任务重组而生，占总招聘岗位的18.6%。
“过去几年，全社会陷入‘职业替代焦虑’，大家盯着职业名称分析，本质是观察的尺度错了。”项目首席数据科学家、上海科技大学 CEISD 客座学者陈沁表示，团队基于线上招聘数据搭建中国版动态 C-O*NET，目标是把研判单位从“职业名称”下沉到“可更新的岗位职责”。
01 “AI高暴露职业”？
近年来，“AI 淘汰职业名单” 引发舆论的高度关注，会计、客服、文案、设计等岗位被贴上 “高危淘汰” 标签，一个新名词应运而生——“AI高暴露职业”。
图1：AI暴露与人类互补
AI 高暴露职业，指该职业内部大量工作任务可被当前人工智能技术高效执行或替代。
该报告以 Java 开发和电话客服两组大众认知里的 “高暴露职业”为例，认为二者 AI 暴露分数同处高位，但局面迥异：
客服岗位整套话术、工单录入等均可由大模型独立完成，人类互补分值极低，招聘规模持续收缩；Java 工程师虽可依靠 AI 生成基础代码、撰写接口文档，但架构设计、故障处置等高责任、高现场判断任务无法被机器接管，资深技术岗薪资持续上行。仅依靠职业标签划分风险，会出现系统性误判。
研究团队整合五大招聘平台自 2022 至 2026 年超 7 亿条原始招聘记录，搭建月度更新动态职业任务库，将所有岗位、专业实现分层、分时精准量化监测。
并依托数据库13项标准化任务打分维度，该团队还搭建 “AI 暴露—人类互补” 四象限坐标系，作为研判岗位就业韧性的统一标尺。
图2：收缩端LLM暴露-0.47最强，扩张端具身+0.55、现场+0.53
十三维度相关性赛马实验证实，劳动力市场收缩的核心驱动是 AI 可独立完成任务占比；扩张赛道两大核心指标为现场依赖、具身实操能力。单纯高 AI 暴露不等于失业风险，只有同步缺少人类判断、现场兜底能力的岗位，才会出现招聘需求大幅下滑。
02 AI冲击敞口落地：瞄准职场新人
报告还以 2026 年 1—4 月 4001 万条线上招聘需求为测算基准，中性统计口径下，33.2% 岗位属于高 AI 暴露任务组合，其中 26.6%落入高暴露低互补替代压力区，这意味着国内线上招聘市场每四个岗位，就有一个面临被AI加速的结构性调整。
地域、行业分层数据显示结构性分化：新一线、二线城市基础文职、内容岗的加速敞口高于一线城市；一线高端线下服务业、医疗岗位缓释AI冲击；在行业维度上，基础运营、财务核算、图文内容、电话销售四大行业需求缩减最显著；制造、医疗、线下照护、设备运维等强现场赛道需求保持稳定。
图3：职业大类：外圈理论上限，三层内圈=逐年累计缺口
在冲击分层特征上，AI 收缩效应并未均匀覆盖全部职场人群，而是集中在 5k—8k薪资、1—3 年工作经验的入门中端劳动者；与之形成鲜明对比，12k 以上高薪岗位需求全部回暖，50k 以上资深岗位招聘占比正向增长，5—10 年成熟从业者几乎不受 AI 影响。
这是一条强者越强，新人“消亡”的逻辑：过去依靠新人完成文档、录入、标准化沟通等基础工作由大模型承接，低薪练手岗逐渐减少，形成全行业 “入口陷阱”，应届生传统职场训练链条面临直接断裂。
报告还将 2022 年底大模型落地后的招聘市场调整划分为三个阶段。研究团队解释称，“当期缺口”反映的是当年线上新增招聘需求相对对照组的变化，“累计缺口”则反映多年来招聘需求收缩的累积影响。
数据显示，2024 年企业仍以工具试点为主，相关岗位招聘需求仅缩减 2.6%；2025 年市场进入“恐慌超调”阶段，当期缺口扩大至 30.1%，部分企业暂停基础文职类岗位招聘；到 2026 年，招聘需求开始理性回稳，当期缺口回落至 16.9%，累计缺口为 15.1%。
研究团队同时提醒，上述数据衡量的是线上新增招聘需求相对对照组的变化，并不等同于 AI 实际替代岗位的比例。由于线上招聘样本对县域和蓝领岗位覆盖有限，相关结论也不能直接外推至宏观就业整体。
03 重构分工：复合闭环职能成市场核心增量
目前外界对于AI的憧憬，在于期待其能够催生大量全新职业赛道，但报告数据给出相反结论：2023 至 2026 年新增职业名称体量极小，仅大模型算法、机器人工程师小幅扩张，推荐、风控、SLAM 传统算法岗持续收缩，算法类整体招聘负增长，AI 行业内部结构轮换，无额外新增就业容量；而全市场增长最多最快的岗位均是职业重构改造而来。
尽管AI暴露岗位招聘规模收缩，但岗位承载的工作职责并未同步消失。大量可文本化任务脱离专属岗位，跨行业扩散至生产、技术、销售全链条，单一专项岗位失去不可替代价值。
企业的招聘逻辑也从单一专业技能转向优先筛选能够独立走完需求、执行、校验、汇报完整闭环的求职者。
新兴复合职责具备清晰特质：纯线上标准化文本工作占比大幅降低，高度依赖现场操作、设备实操、风险后果判断，具备强现场、强协同、强责任的复合型人才持续受益。
图4：LLM暴露越高的职业职责越易变宽：从专做一件事到一人多职
04 高考分数线对AI 暴露无感
该报告还依托全国二十余省份高考录取、专业招聘双向大数据，发现市场与高校存在双重供需错配。
一方面是方向错位：本科专业招生热度与四年后市场招聘需求相关系数为 0.23；另一方面是时间错配：本科培养周期为4年， AI 三年即可完成一轮完整市场重构，学生毕业时岗位结构已变，形成供需蛛网波动。
2019 至 2025 七年时间内，高 AI 暴露专业相对低暴露专业的录取热度差值稳定不变，即便 2025 年AI市场冲击达到高点，考生填报、高校扩招未现调整。
图5：2025级本科过半招生投向替代压力与协作转型两个高暴露象限
研究团队表示，C-O*NET 数据库持续动态按月更新，未来将开源开放，为学科研究、高校教育创新、国家和地方就业政策制定提供长效量化支持。