被人工智能淘汰的工人，正在陷入一场难以自救的循环。高盛最新研究显示，AI 冲击劳动力市场的迹象已从科技行业蔓延至金融、保险、房地产和专业服务等更广泛领域，而失业工人不仅比其他被裁员者更难找到新工作，重新就业后往往又落入 AI 下一轮替代的射程之内。
高盛经济学家 Pierfrancesco Mei 在最新报告中写道，在非制造业领域，AI 采用率较高的行业如今已呈现出更弱的就业增长和更高的失业率。数据显示，被 AI 高度暴露岗位淘汰的工人，再就业平均需要多花约一个月时间，且在失业一年后仍处于失业状态的概率比其他被裁员者高出约 10 个百分点。
与此同时，高盛首席经济学家 Jan Hatzius 指出，每提升 10 个百分点的 AI 采用率，对应行业的就业增长将减弱约 0.9 个百分点，失业率将上升约 0.9 个百分点。
更令人担忧的是，这场冲击的全面爆发或许尚未到来。高盛经济学家 Joseph Briggs 警告，历史规律表明自动化裁员往往集中于经济衰退期，当前企业在盈利繁荣期选择暂缓裁员，一旦经济下行，多年积压的 AI 替代性裁员可能在同一时间集中释放，与周期性失业叠加共振。
AI 就业冲击：从科技蔓延至主流行业
此前，市场对 AI 取代就业的担忧曾被普遍质疑。Apollo 分析师 Torsten Slok 在今年 8 月表示，AI 对就业的冲击 " 微不足道 "，其研究发现 AI 主要压缩的是薪资而非岗位数量—— AI 暴露度最高岗位的薪资增速，在 2023 年后比低暴露岗位慢 6.7%，但就业人数并未出现统计意义上的显著变化。
然而，高盛的最新数据呈现出明显的转折。Mei 利用美国人口普查局 " 流离失所工人补充调查 " 的新数据，覆盖 2016 年至 2025 年逾 15000 名非自愿失业工人，将其中 2023 至 2025 年的最新队列界定为 " 首批 AI 替代工人 "。通过综合职业 AI 暴露度、行业 AI 采用率及岗位消除方式构建的复合评分，高盛将最可能因 AI 而失业的前 30% 工人单独提取，与其他被裁员者进行比对。
结果显示，2024 年以前差异并不明显，但 2025 年出现清晰断层：AI 替代工人的再就业时间明显拉长，长期失业概率显著上升。高盛指出，这一短期冲击幅度 " 与过去历次技术变革浪潮对失业工人的影响相当 "，意味着 "AI 只会创造就业、不会消灭就业 " 的论断已难以为继。
入职即入坑：再就业者频陷 AI 下一轮替代
高盛研究中最令人不安的发现，并非失业时间的延长，而是再就业的方向。在以往的技术变革中，被技术淘汰的工人往往 " 向下流动 "，转入更为程式化、复杂度更低的岗位，其原有技能随技术迭代逐步贬值。
当前的 AI 替代浪潮呈现出类似甚至更为严峻的模式。AI 替代工人在再就业时，倾向于寻找能沿用既有技能的岗位，但这恰恰使他们更易暴露于下一轮自动化风险之中。高盛数据显示，AI 替代工人再就业后落入同等或更高 AI 暴露岗位的概率，从 2018 年至 2023 年约 55% 的中位水平，跳升至 2024 年的约 65%，并在 2025 年进一步攀升至近 75%。
换言之，四分之三被 AI 淘汰的工人，正在走回 AI 的下一个猎场。
美国劳工统计局的数据同样印证了这一趋势：2023 至 2025 年间，共有 740 万工人非自愿失业，高于上一调查周期的 630 万；而在找到新全职工作的长期失业者中，薪资达到或超过原岗位水平的比例仅约 49%，较两年前的约 62% 大幅下滑。
疤痕效应：损伤随年龄加深，代际差距显现
高盛历史数据显示，技术性失业的影响具有长期性。在失业后数年间，技术替代工人的实际薪资增速持续低于其他被裁员者，再次陷入失业的概率也长期偏高。在过去四十年的个体数据中，年龄偏大、无大学学历、居住在农村以及在原岗位任职时间较长的工人，其失业十年后的累计实际薪资差距约为 8 至 10 个百分点，约为年轻、受过大学教育、城市居住及短期任职工人的两倍。
不过，高盛在新数据中发现一处相对积极的信号：年轻工人对 AI 冲击的适应能力明显更强。2025 年，35 岁以下的 AI 替代工人重返全职工作所需时间，比其他失业者约多三周；而 35 岁及以上者则多出约五周，且经历了更多临时性工作和兼职的过渡阶段。
高盛还注意到，在校大学生 " 正日益选择 AI 暴露度较低的专业 "。然而，斯坦福数字经济实验室的数据显示，22 至 25 岁从事 AI 高度暴露职业的年轻人，就业水平已较正常情形低约 19% ——其困境并非适应速度慢，而是根本无人招聘。
大规模裁员待发：衰退或成引爆点
当前美国失业率仍处于 4.2% 的相对低位，AI 替代效应尚未在宏观数据中充分显现。
高盛经济学家 Briggs 的解释是：历史上，常规岗位自动化带来的就业冲击绝大多数集中于经济衰退期。数据显示，从事常规岗位的美国工人比例在每一轮经济扩张期基本持平，随后在 1980 年代初、2001 年、2008 年和 2020 年经济下行时呈台阶式下跌，且从未反弹。
Briggs 基于三种历史推算方法得出，技术进步每带动劳动生产率提升 1%，将在峰值时推高失业率约 0.3 至 0.4 个百分点，且以岗位消失为主要驱动。以高盛对 AI 最终将提升 15% 生产率的预测为基础，估算显示最终将有约 9% 的工人在 AI 过渡期间被替代，另有 3% 的额外雇用萎缩压力，合计约 1500 万美国工人——高于年初 6% 至 7% 的估算。
Briggs 明确指出，企业在经济景气时倾向于保留冗余岗位，一旦经济转向，便会借助周期性下行的掩护集中推进自动化。更令人警觉的是，AI 资本支出热潮本身已成为当前经济增长的重要支柱，而 Hatzius 警告这一动能正在见顶——这意味着触发下一轮衰退的导火索，或许正是 AI 本身。
美国银行经济学家则持相对温和立场，认为 "AI 对劳动力市场的影响在 2026 年前可能仍相对有限，更广泛的结构性重组更可能在 2027 年发生 "。即便如此，这一 " 乐观情形 " 也仅将大规模冲击推迟约两年。
采用率仍低，影响却已显现
值得关注的是，高盛指出目前仅有约 23% 的美国企业将 AI 纳入部分常规工作流程，且这一数字 " 高估了当前实际发生的自动化程度 "。
然而，就是在这一相对有限的采用率下，AI 已在科技行业以外产生统计显著的就业损失，而失业工人再就业后又大概率再度暴露于 AI 替代风险之中。
如果 AI 采用率从现有水平翻倍乃至翻三倍，上述每一项效应都将进一步放大：追逐有限 "AI 难以替代 " 岗位的失业工人增多，失业时间进一步拉长，转入新岗位的工人面临二次替代。Briggs 的结论是，这一冲击的主体部分很可能在下一轮衰退到来时集中释放，恰恰是经济最缺乏消化能力的时刻。
Briggs 警告，美联储及其他央行 " 应密切关注任何新出现的下行增长或劳动力市场风险 "，一旦近期通胀约束解除，" 迅速转向宽松可能有助于确保自动化相关失业不会在经济最脆弱时加速爆发 "。
