程序员被 AI 替代了吗？Anthropic 用自家数据给了一个意外的答案

程序员的 AI 暴露度高达 75%，在所有职业中排名第一。

看到这个数据的时候，我的第一反应是：完了，这不就是在说我们自己吗？

但当我把 Anthropic 这篇报告从头到尾读完，发现事情没那么简单。失业率没涨，薪资没降，但有一个更让人不安的信号藏在数据里：22-25 岁年轻人进入高暴露职业的比率，下降了 14%。

AI 不是在裁人，是在关小入口。

这篇报告最有价值的，与其说是结论，不如说是它提出的新测量方法，让我们第一次能用真实数据，而不是猜测，来回答 AI 到底替代了多少工作这个问题。

这篇报告是什么来头

3 月 5 日，Anthropic 经济研究团队发布了一篇研究：Labor market impacts of AI: A new measure and early evidence[1]。

核心创新是一个叫 observed exposure（实际暴露度） 的新指标。以前大家衡量 AI 对职业的影响，用的是理论上 AI 能不能做这个任务，但理论和现实之间差了十万八千里。Anthropic 的做法是把理论能力和 Claude 的真实使用数据结合起来，看 AI 实际上在做哪些工作任务。

为什么需要这个新方法？因为之前的预测，坦白说，都不太准。

十几年前，有研究说美国四分之一的工作会被外包到海外，结果呢？大部分岗位的就业反而增长了。美国劳工统计局自己的职业增长预测，也只比按过去趋势画条直线好一点点。甚至工业机器人对就业的影响，学术界至今还在吵。

所以 Anthropic 的态度很务实：与其猜未来，不如先建一套靠谱的测量工具，然后持续跟踪。

一、AI 暴露度最高的 10 个职业

先看最直观的数据。

按 observed exposure 排名，前三是：

1. 1. 计算机程序员 — 75%
2. 2. 客服代表 — 排名第二（主要来自 API 自动化流量）
3. 3. 数据录入员 — 67%

暴露度高意味着什么？意味着这个职业的大部分工作任务，AI 在实际场景中已经在做了。

但这里有一个关键区分：暴露不等于替代。

Anthropic 把 AI 的使用模式分成两种：

• • Automated（自动化）：AI 直接完成任务，人不参与
• • Augmented（增强）：人和 AI 协作，AI 辅助完成

在计算暴露度时，自动化给满分，增强只算一半。这意味着同样是 75% 暴露，如果大部分是增强模式，实际的替代风险要小得多。

AI 暴露度最高的 10 个职业

AI 暴露度最高的 10 个职业

另一端呢？30% 的工人暴露度为零。他们的工作任务在 Claude 的使用数据中几乎没出现过。这些职业包括：厨师、摩托车修理工、救生员、调酒师、洗碗工。

一个明显的规律：需要物理操作和面对面互动的工作，AI 目前完全无法触及。

二、理论 vs 现实：那道巨大的鸿沟

这是整篇报告中我觉得最有意思的部分。

以计算机和数学领域为例：

• • 理论上，94% 的任务可以被 AI 加速
• • 实际上，只有 33% 的任务真正在被 AI 处理

理论能力和实际使用之间，差了将近 3 倍。

理论能力 vs 实际暴露度

理论能力 vs 实际暴露度

为什么差距这么大？报告列了几个原因：

• • 法律和合规限制：很多任务理论上 AI 能做，但法规不允许
• • 软件集成门槛：需要专门开发工具和接口
• • 人工审核要求：高风险任务需要人类最终把关
• • 信任还没建立：用户和企业对 AI 的信任度还不够

报告举了一个特别生动的例子：「授权药物续方并向药房提供处方信息」这个任务，理论上 AI 完全能做（标注为满分暴露），但在实际数据中，没有人让 Claude 做这件事。

这说明什么？AI 的能力天花板和实际落地之间，隔着监管、信任、基础设施三座大山。

对于那些担心被替代的人来说，这其实是个好消息：就算 AI 理论上能做你的工作，现实中的种种约束会让这个过程慢得多。

但对于做 AI 产品的人来说，这也意味着巨大的机会：那 60% 的差距，就是等待被开发的市场。

三、最让人不安的发现：年轻人找工作变难了

说到就业数据，整体看起来其实还算平稳。

Anthropic 用美国当前人口调查（CPS）的数据，把高暴露职业和低暴露职业的失业率做了对比。结论是：从 ChatGPT 发布以来，高暴露职业的失业率并没有显著上升。差异小到统计上无法区分。

这听起来让人松一口气。但报告紧接着给出了一个让人紧张的数据：

22-25 岁年轻人进入高暴露职业的新入职率，下降了 14%。

没人被裁，但也没人被招了。

22-25 岁年轻人新入职率变化

22-25 岁年轻人新入职率变化

低暴露职业的年轻人入职率维持在每月 2% 不变，但高暴露职业的入职率下降了大约 0.5 个百分点。而且这个趋势在 25 岁以上的人群中并不存在。

这意味着什么？

AI 对就业市场的冲击，更像慢慢关门，而非突然裁员。 现有的员工可能暂时安全，但新人进入的门槛在悄悄抬高。企业可能在想：既然 AI 能处理一部分初级工作，那这个 junior 岗位是不是可以不招了？

对应届生来说，这比裁员更难应对。裁员至少有补偿，有社会关注。但不招了是无声的，你甚至不知道自己被什么替代了。

四、下一代该怎么培养？

看完这些数据，我一直在想一个问题：如果我有孩子，现在该怎么引导他的学习方向？

数据给了一些启示。

AI 替代的是什么？ 可自动化的执行层任务。写代码、录数据、回复客户咨询、处理标准化文档，这些是 AI 暴露度最高的工作内容。

AI 替代不了什么？ 复杂情境下的判断、物理世界的操作、面对面的人际互动。厨师、机械师、救生员的暴露度为零，这些工作的核心能力，恰好是 AI 做不到的。

高暴露职业里，什么人更安全？ 做增强（augmented）模式工作的人比做自动化（automated）模式工作的人更稳固。也就是说，会用 AI 协作的人，比被 AI 替代的人，处境好得多。

这几点合在一起，指向一个结论：

纯技能训练的价值在下降。

十年前，学会 coding 是一条几乎确定的上升通道。现在呢？程序员的 AI 暴露度 75%，编程依然有用，但只会写代码的含金量在快速缩水。

那什么在升值？

• • 提出好问题的能力。AI 能回答问题，但不能提出问题。知道该问什么，比知道怎么答更重要。
• • 跨领域连接的能力。AI 在单一领域内很强，但把两个看似不相关的领域连起来，做出创新判断，这还是人类的专长。
• • 与 AI 协作的能力。不只是会用 ChatGPT，更要理解 AI 能做什么、不能做什么，知道什么时候该信任它、什么时候该质疑它。
• • 物理世界的动手能力。暴露度为零的职业有一个共同点：它们都需要在物理世界中操作。

说得直白一点：问题的关键从学什么不会被替代变成了怎么学才能和 AI 互补。

作为一个每天都在用 AI 工具写代码、做研究的人，我的真实感受是：AI 确实让很多执行层的工作变得不值钱了，但它同时也让能提出好方向、能做出好判断的人变得更值钱了。工具越强大，掌握工具的人和被工具替代的人之间的差距就越大。

对开发者和 AI 从业者意味着什么

回到更切近的问题。

短期：你的工作是安全的。数据很清楚，失业率没有上升。但薪资增长可能会放缓，因为企业发现用 AI 可以用更少的人做同样的事。

中期：往增强方向靠比往自动化方向靠更安全。如果你的工作是 AI 能完全替代的标准化任务，风险确实在上升。但如果你是在用 AI 做更复杂的事，你反而更有价值。

给带新人的人：这个数据对 mentor 和团队 lead 也很重要。年轻人进入行业的门槛在抬高，如果你在招人或带新人，可能需要重新想想 junior 岗位到底需要什么能力。纯执行能力已经不够了，要培养的是 AI 做不了的那一半：判断力、沟通力、系统思维。

你在工作中感受到 AI 的冲击了吗？是变得更高效了，还是感觉到了压力？评论区聊聊。

感谢你的时间，能读到这里。如果有所共鸣，一个「赞」或一次「在看」，就足够了。我是洞见，我们，下次再见。

引用链接

[1] Labor market impacts of AI: A new measure and early evidence: https://www.anthropic.com/research/labor-market-impacts