斯坦福数字经济实验室最新更新的数据显示，22 至 25 岁年轻人如果处在「AI 高度暴露」的职业类别中，就业机会比留在低暴露职业的同龄人少 19%。一年前，这一差距为 15%，目前还在扩大。
这份研究名为《煤矿坑里的金丝雀？人工智能近期就业效应六大事实》，由 Erik Brynjolfsson、Bharat Chandar、Ruyu Chen 于 2026 年 8 月更新公布，使用美国 ADP 薪资数据库，覆盖 2022 年 11 月至 2026 年 6 月，追踪 22 至 70 岁劳动者的实际雇佣记录。论文给出的核心判断是，整体就业没有明显恶化，但进入职场的门槛正在抬高。
年轻人就业缺口继续拉大
研究称，自 2022 年以来，高暴露职业类别中的年轻人就业下滑约 11%，同期低暴露职业类别的同龄人就业则增长 10%，两者差距持续拉开。
研究团队拆解后发现，造成落差扩大的主要原因不是裁员潮，而是招聘放缓。数据显示，在 AI 高度暴露职业中，年轻人的离职率和主动跳槽比例，与低暴露职业类别几乎没有差别；真正拉开差距的，是雇主是否愿意提供新的入门岗位。
也就是说，现有员工大体没有被替换，但空出的岗位越来越少留给刚毕业的新求职者。
影响集中在招聘，而非薪资全面下滑
论文将「AI 暴露度」定义为，一项工作中有多少任务可以被现有 AI 模型执行或加速。按这一口径看，相关差距几乎全部体现在招聘人数上，薪资水平本身没有出现系统性下滑。这也意味着，已经在岗的资深劳动者处境相对稳定。
自动化型岗位承压更明显，辅助型岗位仍在增长
Anthropic 在其 Economic Index 中，将 AI 的使用方式分为「自动化型」和「辅助型」。前者指 AI 直接替代人类任务，后者指 AI 帮助在岗人员更快完成工作，但人仍不可或缺。
文中提到，会计师、审计员、接待与咨询类岗位被归为自动化型占比较高；执行长、注册护士则更多属于辅助型。斯坦福的统计结果与这一分类相符：自动化型比例越高，年轻人就业表现越弱；辅助型比例越高，就业则持平甚至增长。
知识类型差异也在影响新人求职
研究人员还从知识结构角度解释这一变化。职业所需知识可分为「编码化知识」和「内隐知识」。编码化知识可以写进教材，通过标准化教育传授；内隐知识则更多依赖实践、带教和长期试错积累。
研究团队以职业对正式学历的要求高低，作为编码化知识依赖程度的替代指标。结果显示，编码化知识占比越高，新人就业增长越慢；内隐知识占比越高，中壮年和资深工作者的就业增长反而更快。
并非全面失业冲击，影响集中在特定交界处
论文并未将这一趋势定义为全经济范围的失业冲击。研究团队比较了 AI 暴露度最高和最低的职业类别后发现，两者整体就业增长率几乎没有差异，压力主要集中在特定年龄层与特定职业类别的交界处，而不是全面扩散。
学历因素也提供了一定缓冲。大学毕业生占比高的职业类别中，高暴露和低暴露岗位之间的差距明显缩小；毕业生占比低的职业类别分化最明显，低暴露岗位继续增长，高暴露岗位则持续收缩。
研究团队称这是早期警讯
研究也提醒，所使用的 ADP 数据库只反映正式雇佣记录，零工和非典型就业不在统计范围内，因此实际差距可能被低估，也可能被高估。
斯坦福数字经济实验室在公告页面中，将这项研究定位为早期警讯。主持研究的 Brynjolfsson 接受《华盛顿邮报》采访时表示：「我们测到的入门效应是真实的、持续的，而且正在扩大。」他还说，自己比过去更担心那种整体就业数字看似稳定、却在悄悄把新人挡在门外的劳动力市场。