Andrej Karpathy——OpenAI 联合创始人、前特斯拉 AI 负责人——发布了一份对 342 个职业的排名，这些职业按其暴露于 AI 自动化的程度评分。该分析使用了美国劳工统计局的职业数据，并为每个角色分配了一个从 0 到 10 的暴露分数，基于 AI 完成该职位核心任务的难易程度。
结果令人不安：暴露度最高的职位不是工厂工人或卡车司机，而是那些认为自己安全的白领知识工作者——软件开发人员、财务分析师、作家、编辑和图形设计师。
关键要点
“暴露”并不意味着“取代”。它意味着 AI 可以完成该职位的重要部分。那些茁壮成长的工人将是那些利用 AI 放大自己判断力的人，而不是那些在原始输出速度上与 AI 竞争的人。
哪些职位最容易受 AI 影响？
| 排名 | 职业 | 暴露分数 (/10) | 原因 |
|---|---|---|---|
| 1 | Computer Programmers | 9.5 | AI 编写、调试和重构代码 |
| 2 | Financial Analysts | 9.2 | AI 分析数据、构建模型、撰写报告 |
| 3 | Writers/Editors | 9.0 | AI 生成、编辑和格式化文本 |
| 4 | Graphic Designers | 8.8 | AI 生成图像、布局和设计 |
| 5 | Database Administrators | 8.7 | AI 编写查询、管理模式、优化 |
| 6 | Mathematicians | 8.5 | AI 求解方程、证明定理 |
| 7 | Accountants | 8.3 | AI 处理交易、检测异常 |
| 8 | Market Research Analysts | 8.1 | AI 调查、分析情绪、生成报告 |
哪些职位最不易受 AI 影响？
模式很明显：需要现场 حضور、人际接触或不可预测物理环境的职位受影响最小。
| 职业 | 暴露分数 (/10) | 为何安全 |
|---|---|---|
| Construction workers | 1.2 | 物理的、不可预测的环境 |
| Janitors/Cleaners | 1.0 | 在多样空间中进行物理操作 |
| Roofers | 0.8 | 需要判断力的危险体力工作 |
| Ironworkers | 0.7 | 危险条件下的熟练体力劳动 |
埃隆·马斯克指出的讽刺之处：收入最高的知识工作者暴露度最高，而收入最低的体力工作者最安全。AI 先自动化思考，然后才自动化行动。
---📬 觉得有价值？ 我们每周发布关于 AI 对工作和职业影响的内容。收到邮箱 →
---“暴露”到底意味着什么？
这是大多数报道搞错的关键区别。暴露 ≠ 取代。一个暴露分数为 9.5 的软件开发人员并不意味着 95% 的开发人员会失业。它意味着 AI 可以完成软件开发中 95% 的原始任务——编写代码、调试、测试、文档。
但 AI 做不了的那 5%——架构决策、理解用户需求、战略权衡、团队协调、知道 AI 何时出错——才是价值所在。正如 Karpathy 本人在 Sequoia AI Ascent 2026 上所说：“你可以外包思考。你无法外包理解。”
高暴露职位现实的结果：更少的人做更多的工作，AI 处理量大任务，人类提供判断力。一个 10 人开发团队变成 4 人开发团队加 AI 代理。留下的 4 人是那些能有效指导 AI、发现其错误并做出架构决策的人。
如何让你的职业“AI 防护”？
1. 学会使用 AI，而不是与之竞争。 威胁不是 AI 取代你——而是使用 AI 的人取代你。如果你是个作家，学会用 Claude 生成初稿，把时间花在策略和编辑上。如果你是个开发人员，学会 Claude Code，专注于架构。
2. 培养 AI 欠缺的判断力。 AI 产生输出。判断力评估输出是否正确。深入理解你的领域，知道 AI 何时出错，这是任何 AI 暴露领域最宝贵的技能。
3. 构建 AI 增强的工作流程。 不要只用 AI 处理单个任务——围绕 AI 能力重新设计整个工作流程。茁壮成长的专业人士将是那些拥有最佳 AI 工作流程的人，而不是原始技能最好的人。ICCSSE prompting framework 是构建 AI 交互的一个良好起点。
4. 专注于无法自动化的部分。 客户关系、利益相关者管理、创意愿景、伦理判断和领导力需要人类的现场存在和信任。以这些元素构建你的职业生涯，用 AI 处理常规工作。
想立即改善你的 AI 工作流程，试试免费的 Prompt Optimizer，浏览我们的 49 free AI tools。
---📬 想要更多类似内容？ 我们每周撰写关于 AI 对职业和工作影响的文章。免费订阅 →
---常见问题
AI 真的会取代软件开发人员吗？
不是取代——而是重塑。AI 将处理更多实现工作（编写代码、调试、测试）。那些能设计系统、评估 AI 输出并做出战略决策的开发人员将比以往更有价值。只写样板代码的开发人员将面临挑战。
这个分析可靠吗？
Karpathy 的方法论可靠——基于 BLS 职业数据对当前 AI 能力评分。但暴露分数衡量的是理论能力，而不是市场现实。监管、组织和信任障碍会减缓实际采用。高暴露并不意味着立即颠覆。
这些影响何时显现？
科技行业已经在发生。主要公司的裁员部分归因于 AI 生产力提升导致需要更少工人。其他行业将在 2-5 年内跟进，受监管行业（金融、医疗、法律）因合规要求进展较慢。
我应该转行到“安全”的职业吗？
转行去建筑业避开 AI 不是答案。更好的策略：留在你的领域，但成为使用 AI 最有效的人。每个高暴露领域仍需要人类——只是人数更少，而留下的那些人是结合了领域专长和 AI 流利度的人。
披露：本文中有些链接是联盟链接。我们只推荐我们亲自测试并定期使用的工具。查看我们的 full disclosure policy。