近年来，"AI 淘汰职业名单 " 占据舆论主流，会计、客服、文案、设计等岗位频频被贴上 " 高危淘汰 " 标签，引发普遍的就业焦虑。这种担忧到底有没有必要？

在 2026 世界人工智能大会举办期间，上海科技大学教育、创新和可持续发展研究中心（CEISD）联合合作伙伴发布《AI 时代的中国劳动力市场：从职业消失论到任务重组论》，原始数据底座覆盖 2022 年至 2026 年 7 月主流招聘平台合计 7.43 亿条原始数据，对这一问题做出系统性回应：从长期看，并不存在整体性失业危机，" 职位消失 " 是伪命题；复合型闭环岗位成为就业市场的最大新增量。同期，约有 2100 万个岗位由任务重组而生，已占总招聘岗位的 18.6%。

单纯的高 AI 暴露并不等于失业风险

报告显示，国内线上招聘市场中，大约每四个岗位就有一个正在经历 AI 加速的结构性调整。

项目首席数据科学家、上科大 CEISD 客座学者陈沁介绍，地域和行业的分层数据显示出明显的结构性分化：新一线、二线城市的基础文职与内容岗位，受到的冲击敞口高于一线城市；一线城市的高端线下服务业和医疗岗位则对 AI 冲击有所缓释。从行业维度看，基础运营、财务核算、图文内容、电话销售四大领域的需求缩减最为显著，而制造、医疗、线下照护、设备运维等强现场赛道需求保持稳定。

"AI 不会完整淘汰某一职业，它只会拆分、改写岗位内部的单一任务。雇主调整岗位职责和用人要求的速度，远快于更换职业名称的节奏。" 陈沁以 Java 开发和电话客服这两类高 AI 暴露职业为例进行说明。

客服岗位整套话术、工单录入和标准问答，均可由大模型独立完成，人类互补分值极低，招聘规模持续收缩。然而 Java 工程师不同，他们虽然可依靠 AI 生成基础代码、撰写接口文档，但架构设计、线上故障处置、跨业务系统协调等高责任、高现场判断任务无法被机器接管，因此资深技术岗位薪资仍在上行。

" 可以说，劳动力市场收缩的核心驱动在于 AI 可独立完成的任务占比，而扩张赛道的两大核心指标则是现场依赖和具身实操能力。单纯的高 AI 暴露并不等于失业风险，只有同时缺乏人类判断与现场兜底能力时，招聘需求才会出现大幅下滑。" 陈沁说。

AI 未催生新职业，市场增量来自复合型闭环岗位  

目前，AI 收缩效应主要集中在月薪 5 千至 8 千元，有 1 至 3 年工作经验的入门中端劳动者。过去，企业依靠入门新人完成文档、录入、标准化沟通等基础训练任务，如今这些环节被大模型承接，企业不再设置低薪练手岗。

虽然大众期待生成式 AI 能催生全新职业赛道，但报告数据给出反向结论：2023 年至 2026 年间，新增职业名称体量极小，仅大模型算法、机器人工程师等少数岗位小幅扩张。

" 尽管 AI 暴露岗位招聘规模收缩，但岗位承载的工作职责并未同步消失。大量可文本化任务脱离专属岗位，跨行业扩散至生产、技术、销售全链条，单一专项岗位失去不可替代价值。" 陈沁表示，企业普遍将多道工序合并，打造 " 一人独立完成全流程 " 的复合职能包。这也就意味着，具备强现场、强协同、强责任的复合型人才将持续受益。

本科四年培养周期恐怕跟不上 AI 市场迭代

市场对复合型闭环人才的渴望越强烈，高校培养模式与真实需求之间的裂痕可能就越显眼。依托全国二十余省份高考录取、专业招聘双向大数据，报告发现，市场与高校存在双重供需错配。

首先是方向错位，本科专业招生热度与四年后市场招聘需求之间的相关系数仅为 0.23；其次是时间错配，本科培养周期长达四年，而 AI 仅需三年就能完成一轮完整的市场重构，学生毕业时岗位结构早已改变，形成供需蛛网式波动。

" 考生的填报行为明显滞后于市场变化。" 陈沁介绍，2019 年至 2025 年，高 AI 暴露专业与低暴露专业之间的录取热度差值几乎稳定不变。即便到 2025 年 AI 市场冲击达到高点，考生填报和高校扩招仍未出现明显调整。

报告提出，单纯增设全校统一的 AI 通识课，无法解决就业导向的教育创新问题，必须适配不同专业的真实工作场景。研究提出六大 AI 难以替代的核心人类能力：情境判断、责任承担、跨角色协调、伦理权衡、现场适应和证据链表达，并据此给出分专业的课程更新方案。

上科大 CEISD 主任杨燕青介绍，团队打造了中国的动态职业分析数据系统，核心思路就是将研判单位从笼统的 " 职业名称 " 下沉到可更新的 " 岗位职责 "。据悉，数据库将按月更新，未来将开源开放，期待这一系统能为经济学研究、高校教育创新以及国家和地方的就业宏观政策制定，提供长效的量化支撑。