Andrej Karpathy 最近用大语言模型给美国劳工统计局（BLS）的 342 个职业打了个分，评估每个职业受 AI 影响的程度。这个项目迅速走红，但随后又被他删除，整个过程引发了不少讨论。
他的方法很简单：从 BLS 抓取数据，然后用 Gemini Flash 模型给每个职业打一个 0-10 分的“AI 暴露度”。简单来说，这个分数衡量的是一个职业的工作有多少比例可以被数字化、搬到电脑上完成。完全依赖电脑的得分高，必须亲自动手的得分低。
分析完成后，他制作了一个交互式热力图，直观展示了结果。
图中每个矩形的面积代表了该职业的从业人数，颜色则代表了 AI 影响的分数。用户可以切换不同的维度来查看，例如 AI 暴露度、薪资中位数、就业增长率以及学历要求。
这个 GitHub项目 上线后迅速引爆了网络，连 Elon Musk 都进行了转发，各大媒体也争相报道。然而，Karpathy 随后却将项目仓库删除了。
他随后在Twitter上澄清道：
“This was a Saturday morning two hour vibe coded project... It's been wildly misinterpreted, so I took it down.”
大意是，这只是周六早上花两小时随性编写的一个小项目，结果被严重误读了，所以他选择下架。
他特意强调了一点：
“The ‘exposure’ was scored by an LLM based on how digital the job is. This has no bearing on what actually happens to these occupations.”
“暴露度”只是基于工作的数字化程度由LLM打出的分数，并不代表这些职业未来的实际命运。
后来，由于有人克隆了项目并重新部署，Karpathy 又将原仓库恢复了。但这个“上线 → 爆火 → 删除 → 恢复”的戏剧性过程本身，恰恰说明了一个关键问题：原始数据与公众解读之间，往往存在巨大的鸿沟。
数据揭示了什么？
先看几个关键数字：被评估的 342 个职业，平均 AI 暴露度约为 5 分（满分 10 分），其中42% 的职业评分在 7 分以上。7 分以上大约涉及 5990 万工作者，接近美国劳动力的一半。这意味着，近半劳动者的工作内容在数字层面有被 AI 大规模渗透的潜力。
哪些职业得分最高呢？软件开发者、数据科学家、计算机研究科学家、翻译、市场研究分析师、精算师、数学家……清一色 9 分，基本都是高薪白领。
得分最低的呢？建筑工人、屋顶工、电工、水管工、厨师、理发师等，大多只有 1-2 分。
规律非常清晰：
- 坐在电脑前完成的工作，AI 暴露度最高。
- 需要动手操作、身处物理世界的工作，暴露度最低。
那么，是否高薪职业更容易受影响？
这个项目最有趣的地方在于可以进行交叉对比。当你切换维度时会发现一个值得深思的趋势：AI 高暴露度职业，与高薪、高学历职业呈现出高度重合。
过去二十年最受追捧的那些工作——写代码、做数据分析、撰写文档、进行翻译——恰恰是 AI 最容易渗透的领域。而那些通常被认为门槛较低的蓝领工作，反而在当前的 AI 浪潮面前显得更“安全”。
这与十年前的普遍预测完全相反。那时人们认为最先受到自动化冲击的会是流水线工人，结果却发现，AI 目前最擅长替代的，恰恰是白领们坐在工位上用电脑处理的事务。
中国版的对比分析
开发者 madeye 用类似的思路制作了一个中国版本，覆盖了大约 250 个中国职业，数据源换成了国家统计局的数据和2024年国民经济和社会发展统计公报。
中国版的结论与美国版方向一致，但具体数据有所差异。
哪些中国职业 AI 暴露度最高？
软件工程师、前端开发工程师、证券分析师、投行分析师、翻译、电话销售等，都是 9 分。数据分析师、AI 工程师、UI 设计师、测试工程师、大数据工程师、算法工程师、银行柜员等，则为 8 分。
暴露度最低的呢？
建筑工人、装修工人、水暖工、钢筋工、混凝土工等，普遍是 1 分。种植业农民、渔民、林业工人也是 1 分。此外，中式/西式厨师、面点师、消防员等，评分同样很低。
搬家工人的评分最低，为 0 分。
有一个细节值得注意：中国版的平均暴露度是 5.0，略低于美国版的 5.3。同时，中国暴露度 7 分以上的职业占比为 31%（76个），而美国是 42%。
这与两国的就业结构密切相关。中国第一产业（农业）约占22.8%，第二产业（工业）占29.1%，第三产业（服务业）占48.1%。而美国的第三产业占比超过80%。简而言之，中国有更大比例的劳动力从事AI目前难以渗透的实体性工作，因此整体暴露度相对偏低。
关键澄清：高暴露度 ≠ 失业
这是本文最想强调的一点：AI 暴露度高，绝不意味着这个职业会消失。
Karpathy 本人反复强调这一点，甚至不惜删除整个项目来防止误读。举个例子：软件开发者的评分高达 9 分，属于最高档。
但仔细想想，当一位工程师使用 AI 编程助手后，其编码效率可能提升数倍。这并不意味着市场需要的工程师总数会减少，反而可能因为开发成本的大幅降低，催生出更多以前因成本过高而无法启动的项目，从而释放大量新需求。最终，市场对工程师的总需求可能比现在还要大。
只不过，他们的工作方式将彻底改变，不再需要“手搓”大量基础代码。
历史上这类例子比比皆是：
- 电子表格软件出现后，会计师并没有被淘汰。相反，因为财务分析成本降低，每家公司都开始进行更细致的财务管理工作，会计师的数量反而大幅增长。
- 编译器出现后，程序员也没有被淘汰。正因为编程门槛和成本降低，整个软件行业才得以爆发式增长。
因此，AI 暴露度高真正意味着的是：这个职业的工作方式将被深刻改变，但工作本身未必会减少，甚至可能创造新的价值空间。
思考：你工作的“数字化成分”有多少？
所以，这个项目真正促使我们思考一个更本质的问题：你的工作中，有多少成分是可以被数字化的？
如果一个程序员 80% 的时间在写代码，20% 的时间在理解需求、设计架构、与团队沟通。那么当 AI 帮他把那 80% 的编码效率提升数倍后，节省下来的时间很可能会被投入到那 20% 更具创造性和决策性的工作中。
如果一个翻译 90% 的时间在逐字翻译，10% 的时间在把握文化差异、进行语言润色和风格适配。那么 AI 将彻底压缩那 90% 的机械劳动，翻译工作的核心价值将完全取决于从业者在那剩下 10% 领域的能力。
建议大家亲自打开这两个项目看看，动态的热力图比静态的文字要直观得多：
美国版：https://github.com/karpathy/jobs
中国版：https://madeye.github.io/jobs/
打开后，尝试切换不同的颜色维度（AI暴露度、薪资、增长率等），并找到你自己的职业所在的位置。你会对“数字化”这个词产生全新的、更具体的理解。对于开发者和广大职场人而言，这或许比单纯的焦虑更有价值。
技术的浪潮不断重塑职业形态，而保持学习与适应能力是不变的课题。如果你想了解更多类似的深度技术解析和行业趋势，可以来云栈社区逛逛，这里聚集了许多乐于分享和探讨的同行。
发表于 3 小时前
|
查看: 7|
回复: 0
