人们的担忧主要集中两个方向，一个是在生成式 AI 先落地的域，比如编程、文案写作和平面设计。而另一个则是科技域——新闻头条里充斥着硅谷巨头裁员成都塑料挤出机，或者初级程序员需求量下降的报道。

然而，人工智能对于就业经济的影响仅仅止步于此吗？

近，麻省理工学院（MIT）与橡树岭国家实验室（Oak Ridge National Laboratory, ORNL）近期发布的一项联研究表明：结果可能比你想象的更糟。

这份被称为"冰山指数"（Iceberg Index）的报告指出，人工智能目前的技术能力已经足以覆盖美国经济中约 11.7% 的劳动力任务，涉及的薪资总额高达 1.2 万亿美元。

图 | 报告论文（来源：Project Iceberg）

报告一经发布便引起了广泛的关注。因为庞大的数字背后，更揭示了一个长期被媒体忽略的事实：我们目前所看到的科技行业动荡，可能仅仅是表面的冰山一角，而更深层次的结构变化正在水面之下悄然展开。

从职业到技能：AI 威胁不再局限于技术圈层

基于可见现象的观察，被 MIT 的研究团队定义为"表面指数"（Surface Index）。根据测算，这一显层面的影响仅覆盖了美国约 2.2% 的劳动力，涉及薪资约为 2110 亿美元。

图 | 冰山模型（来源：MIT）

如果仅仅盯着这些数据，我们很容易得出一个结论：AI 的冲击虽然剧烈，但主要局限于特定的技术圈层。

然而，冰山指数的核心逻辑在于，它不再以职业为单位来判断能否被替代，而是深入到了技能与任务的颗粒度。

研究人员利用橡树岭国家实验室的 Frontier 级计算机，运行了基于"大型群体模型"（Large Population Models, LPMs）的数字职场模拟。

在这个模型中成都塑料挤出机，每一个美国工人都被数字化为一个拥有特定技能标签、地理位置和职业特征的智能代理。系统将这些代理的数万种技能与目前市场上存在的 13,000 多种 AI 工具（包括自动化软件、AI 助手等）进行了交叉比对。

结果显示，除了显而易见的编程和创意工作外，大量的认知型和行政型任务在技术上已经具备了高度的可自动化。这些任务广泛分布在金融审核、物流协调、医疗行政管理、供应链监控等域。

虽然这些工作并不属于"技术密集型"岗位，但它们构成了现代经济运行的基础。它们就像"冰山的水下部分"，其规模是水面部分（科技行业）的五倍之多。大约 1770 万个工作岗位所包含的核心技能，已经与现有的 AI 能力产生了高度重叠。

从行业媒体的角度来看，这一研究纠正了长期以来关于"谁是 AI 受害者"的叙事偏差。过去，人们倾向于认为拥有高学历、从事创造工作的白是生成式 AI 的主要目标，或者反过来，认为从事重复劳动的蓝会被机器人取代。

但冰山指数表明：那些支撑传统行业运转的白可能是先受到冲击的人群。

以美国田纳西州为例，该州的科技行业规模相对较小，因此在传统的 AI 风险评估中往往被列为低风险区。然而，田纳西州拥有庞大的物流枢纽和制造业供应链，这些产业背后依赖着大量的调度员、采购员、规审核员和财务分析师。

这些岗位的工作内容主要由处理文档、协调流程和分析数据构成，而这正是当前 AI 技术擅长优化的域。因此，田纳西州的冰山指数达到了 11.6%，与其"表面指数"的低位形成了鲜明反差。

图 | 美国各州冰山指数分布，可见以传统行业为主导的中部地区冰山指数比沿岸科技发达地区高（来源：MIT）

传统经济指标失：GDP 增长可能掩盖结构问题

微软数据中心技术治理和战略部门席电气工程师曾发布一则数据：以英伟达单个 GPU 为例，H100 GPU 峰值功耗为 700 瓦，一小时耗电 0.7 度，一年按 61% 的使用时间计算，全年将耗电 3740 度，相当于一个美国家庭的平均功耗（假设每个家庭 2.51 人）。2024 年英伟达的 H100 GPU 销量大约是 150 万块 -200 万块，当数百万块 H100 部署完毕时，其总功耗将过美国亚利桑那州凤凰城所有家庭的用电量。

庄则栋 1974 到 1976 年还做过国家体委主任，当然那是个特殊的年代。徐寅生 1977 年做国家体委主任 2000 年退休，李富荣 1999 年做体育总局局长 2004 年退的，蔡振华 2005 年升为总局局长助理、07 年做体育总局局长。蔡振华在上世纪 80 年代，也不是国乒战绩突出的球员，蔡振华曾两次进世乒赛男单决赛但两次都输给了队友郭跃华。

11 月 27 日，阿维塔科技向港交所递交招股书，拟在香港主板上市。这是继奇瑞、岚图、赛力斯之后，又一家头部车企在短时间内启动港股动作。

智能硬件以智能手机、PC、AI 眼镜为代表，从设备工具升级为场景伙伴，依托成熟的端云协同架构、实时数据处理能力与轻量化模型部署，实现多模态智能交互并 提供更多场景化服务，正迈向规模化落地阶段；智能驾驶系统，塑料管材生产线在端到端大模型驱动下正逐步实现局部自主决策，并开始展现出越预设规则的自主应变能力，但模型泛化与安全仍需持续优化，对高弹算力集群与多源异构数据融也提出更高要求；机器人技术突破门槛高，算力层面需构建云边端深度协同的架构，数据层面需解决多模态真实场景数据的采集、成与处理的问题，模型层面则要同时兼顾复杂理与运动控制，当前核心是突破从实验室原型到产业落地的关键跨越。

李在明表示，为了动韩朝共同发展并深化作，他建议重启对话，并提出恢复韩朝联络渠道。韩方希望从气候环境、防灾、卫生医疗等域开始，一步一步地进与朝交流与作。

一切源自狡猾的格。华杉自称兵法家、熟读古典经史，奉行"级符号就是级创意"的理念，出多部营销方法论书籍和课程，堪称广告界的洗脑大师。

此外，MIT 的这项研究还触及了一个更宏观的问题：我们赖以判断经济状况的传统仪表盘，可能正在失。

在工业时代与互联网早期，GDP、失业率、人均收入是衡量经济健康度的重要标准。但研究表明，这些指标与冰山指数揭示的 AI 暴露度几乎没有关联。一个州的 GDP 可以在自动化带来的率提升下继续增长；失业率也可能因劳动力向低薪服务业迁移而保持平稳。然而，这些表面数字难以捕捉劳动力市场内部的深层重组。

（来源：MIT）

美国的特拉华州与犹他州便是典型例子。它们的经济体量远不及加州（加利福尼亚州），却因产业结构高度集中于金融服务和行政管理，呈现更高的 AI 暴露度。如果决策者仍依赖 GDP 和失业率判断局势，他们可能会错过关键的干预窗口。

当结构失业真正出现在数据中时，技术转型往往已接近尾声，原本可供调节的空间已经消失。因此，研究团队强调：需要以技能为核心的全新衡量体系，用冰山指数补足传统经济指标的盲区。

技能结构的重组也正在重新塑造企业的用人逻辑：AI 系统每天生成的代码量已过 10 亿行，这直接削弱了科技公司对初级程序员的需求。

同样的趋势正在向其他行业延展。金融分析师并不会消失，但由初级岗位承担的数据整理和基础写作正在被自动化接管。结果是人才培养的阶梯正在断裂——许多行业依赖入门级岗位培养未来的家，而当这些入门级任务被取代，年轻人迈入职业的一阶变得更加困难。

这种变化在医疗和物流域表现得尤其明显。医疗机构正在使用 AI 处理繁重的文书工作，在短期内，这被视为让医护人员从繁琐任务中解放出来。然而，对于门从事医疗档案与行政支持的从业者而言，这意味着岗位空间被不断压缩。物流行业亦然：AI 对路线规划和库存管理的优化，正在减少对中层调度人员的需求。

未来已来？冰山指数的政策应用价值

为了进一步将理论与实际情况相结，研究团队将模型结果与现实数据进行比对，分析了包括 Anthropic 在内的 AI 公司的企业用户情况。结果显示，冰山指数所预测的高风险地区，与现实中 AI 采用率较高的地区高度重，预测"哪些地区将跑 AI 应用"以及"哪些地区会落后"的准确率达到 69%。

目前，美国多州政府已开始使用这一工具。决策者可以通过县级乃至社区层面的下钻数据，为当地劳动力结构做"体检"。据此辨识哪些具体技能正面临淘汰风险，并更地分配教育和再培训资源，从事后救济走向事前预测。

对企业而言，这份报告同样是一种提示。人们常将注意力集中在前沿的模型能力上，但真正改变商业格局的，是那些已被封装进   SaaS   和办公自动化工具的 AI 功能。它们无需研发能力，只需订阅和部署，就能在财务、人事、客服等后台部门产生显著的替代应。目前已有过 13,000 种此类工具进入市场。

当然，可替代并不等同于立即的失业。11.7% 的劳动力暴露在风险之中，并不意味着会立刻出现 1700 万人的失业潮。终结果取决于企业的采用速度、监管力度与社会对 AI 的接受程度。在许多场景中成都塑料挤出机，AI 将作为辅助工具存在，帮助人们摆脱重复劳动。然而，"增强"与"替代"之间的界线并不稳定，也高度依赖劳动者是否具备与 AI 协作的新技能。