人们对AI早已心生厌倦：厌倦了“AI将夺走工作”的论调，也厌倦了那些号称最聪明的经济学家至今无法解释现状。恰在此时，一个新理论应运而生，它能将所有线索巧妙地串联在一起：AI并未消灭工作岗位，而是在压低工资。这也是员工们会奋起反抗的核心原因。

阿波罗全球管理公司的一项新研究显示，AI技术带来的最早可衡量的损害并非失业，而是薪资缩水。这一发现正值当前经济学界争论最激烈之际。即便是AI系统的开发者，也无法就其数据所传达出的信息达成一致。

一位经济学家改变了看法

2026年的大部分时间里，阿波罗首席经济学家托尔斯滕·斯洛克都在论证，AI对劳动力市场的宏观经济影响几乎无法量化预测。今年4月，他曾写道：“AI无处不在，唯独不在即将公布的宏观经济数据中。”也就是说，无论从就业、生产率或通胀数据中，都找不到AI影响的直观证据。

这位分析师因《每日火花》博客以及此前在德意志银行推出的“每日图表”而闻名，他一直在预言一场“产业复兴”，并预测AI将催生小微企业创业热潮。5月29日，他还在《每日火花》发表了一篇题为《没有任何证据表明AI导致失业》的文章，断言AI创造的就业岗位总量多于它摧毁的岗位数量。他还引用了自4月以来一直在推广的“杰文斯悖论”，普及了“提高资源利用效率不会缩减劳动力，反而会扩大对该资源的总体需求”这一观点。Anthropic首席执行官达里奥·阿莫代伊随后也开始使用这个术语，并顺势收回了此前对AI技术将造成大规模失业的预测。

7月中旬，斯洛克公开表示，经济学界在AI与就业关系上的解读含糊其辞。他指出，关于AI对企业层面和就业层面的具体影响，“专家们根本无法达成共识”。7月30日，斯洛克与萨尼娅·埃德利希联合发表了一篇论文，试图将各种相互矛盾的理论统一起来。区别于过去几年AI劳动力研究中广泛采用的理论性“暴露度”评分，研究团队采用了Anthropic经济指数中的实际使用数据，即Claude的真实交互记录，旨在衡量员工实际如何使用AI，而非理论上能做什么。他们发现的问题不是就业岗位流失，而是“薪资缩水”。

斯洛克写道：“对Claude实际使用数据的分析显示，在受AI影响较大的职业中，员工的工资增长速度正在放缓，但就业水平保持不变。这表明，企业正在通过压低工资而非裁员，来获取AI带来的生产率提升。”这一结论也解释了各行各业普遍出现抵制、甚至公然反对AI落地的现象。员工们似乎意识到，这些机器会让他们的收入减少。

无论经济学家结论如何，员工都切身感受到了压力

2026年6月，Software Finder对1,005名美国在职员工进行的一项独立调查，捕捉到了这种脱离学术模型的现实焦虑。半数受访员工表示会主动抗拒新的AI工具。其中部分调查结果与斯洛克的论文存在一定矛盾：阿波罗的数据表明，无论员工是否采用AI，受AI影响较大的职业薪资都受到压缩；而Software Finder的调查则显示，目前使用AI的员工收入高于抗拒AI的员工。这一差距很可能源于采用AI的人群本身的特征（如管理人员、收入更高且工作稳定性更强的人更愿意使用AI），但不能证明使用AI本身能够保护工资水平。

例如，Software Finder的数据显示，抗拒AI的员工平均年薪为65,645美元，比积极使用AI者的81,526美元低约20%。45%的受访者因担心被取代而对AI心存抵触；只有16%的员工相信公司采用AI是出于真正的业务价值，而非跟风或迫于竞争压力。这两种现象可以同时存在：根据斯洛克的研究，即便受AI影响的岗位工资水平逐渐走低，抗拒AI的员工仍可能遭遇薪资“打折”。AI或许就是一台“薪资吞噬机”。

此外，职场中还普遍存在一种“AI羞耻”现象：13%的员工承认曾假装使用AI——看似在借助工具，实则在手动完成任务；只有6%的员工认为，管理者能准确掌握员工使用公司已部署AI工具的实际频率。

《财富》杂志的独家报道显示，这种抗拒情绪可能远不止是默默回避，而会升级为蓄意破坏。2026年4月，Writer和Workplace Intelligence联合对美国、英国和欧洲的2,400名知识型员工（含1,200名企业高管）进行了调查。调查发现，29%的员工承认曾主动破坏公司的AI战略，而在Z世代员工中，这一比例更是高达44%。这种破坏行为形式多样：将公司专有信息输入未经批准的公共AI工具；违规使用“影子AI”系统；直接拒绝使用公司指定AI工具；部分员工甚至篡改绩效评估数据或故意降低工作质量，以证明AI效果不佳。在承认实施过破坏行为的员工中，30%表示其主要动机是担心AI会顶替自己的工作，这与Software Finder调查中抗拒AI者的核心担忧如出一辙。

数据揭示了什么

阿波罗的这篇论文采用“双重差分模型”，将321个职业与美国劳工统计局2015年至2025年的数据进行了匹配分析。研究发现，2023年之后，高AI暴露职业的员工，其实际工资增长率比低暴露职业的员工放缓了6.7个百分点，但在统计学上并未对就业数据产生显著影响。这正是该研究论点的核心所在：AI带来的生产率提升是真实存在的，但这些收益流向了企业，而非员工手中。这一结论也印证了《财富》杂志3月份报道中提出的观点：AI压缩了单项任务用时，意味着企业可以向员工派发更多工作任务。

这种影响主要集中在中低收入群体：

• 收入最低的四分之一人群：相较于低暴露职业，工资下降10.7%；

• 第二四分位人群：工资下降5.4%；

• 第三四分位人群：工资下降4.0%；

• 收入最高的四分之一人群：无统计学层面显著影响。高收入人群似乎更有能力消化AI带来的冲击，或从AI应用中获益；

• 服务行业职业：工资下降24.3%。但作者提醒，这一结果基于较小样本，因此需要谨慎解读；

• 管理和专业岗位：工资下降4.1%；

• 蓝领岗位：没有受到显著影响。

目前，美国约580万员工（约占总劳动力的3.7%）从事高暴露职业，持续感受到这种工资压力。这意味着美国每年劳动收入损失保守估计达到280亿美元。论文作者预计这一数字还将持续攀升。

Anthropic的经济学家提出不同看法

让情况更加复杂的是，斯洛克论文所依赖的底层数据，正是来自Anthropic。而该公司的经济学负责人彼得·麦克罗里于7月底在X平台发布长文，给出了截然不同的解读。基于18个月的内部研究，他得出的结论是：美国劳动力市场“尚未受到AI的明显冲击”。麦克罗里指出，当前4.2%的失业率正处于美联储认定的充分就业水平，职位空缺数与失业人数基本匹配，且黄金劳动年龄段（25-54岁）就业率接近数十年来的高位。

然而，麦克罗里和斯洛克的观点并不存在本质对立，他们只是在用重叠的数据回答不同的问题。劳动力市场完全可能在失业率保持稳定的同时，悄然出现相对薪资下滑。但在“无就业危机”与“员工正遭受挤压”两个观点被视为非此即彼的辩论中，其中的微妙差异极易被忽视。

这种混淆并非Anthropic独有。今年7月，路透社引用的一项综合性文献综述发现，“大多数数据集并未发现整个经济层面的就业减少或工资下降证据”，并将AI迄今的影响归因于“任务重新分配与企业内部生产率提升，而非大规模替代”。这一结论与斯洛克关于“薪资缩水”的研究发现形成了明显的冲突。

一种更隐蔽、更难察觉的威胁

如果斯洛克的数据经得起检验，那么AI压低工资的效应并非打破传统，而是契合了历史规律。纵观20世纪和21世纪，从农业机械化、工业自动化、计算机化，到离岸供应链，历次技术革新浪潮无一不在降低生产成本的同时，压低了受波及职业的薪资，尽管这些岗位总体上推动了经济产出的增长。

纺织机械化便是经典案例。它在创造更高薪的工厂岗位之前，就已经重创了手工织布工人的工资，并引发了AI时代被频频提及的“卢德运动”。百余年后，20世纪80、90年代工业机器人在制造业的应用，同样伴随着蓝领工人实际工资的长期停滞，尽管生产率在稳步攀升。“铁锈带”（编者注：指美国五大湖附近传统工业衰退的地区）的概念正是诞生于这一背景下。

《金融时报》的乔尔·萨斯近期提出，自1970年前后以来，随着劳动报酬占GDP的比重相对于资本收益不断下降，新技术带来的收益便不再自动流向一线劳动者。他对美国、日本以及大部分欧洲国家数据的分析发现，这次的情况并无不同。他指出：“如果AI的发展构成一种偏向资本的技术变革，那么薪资与生产率之间的鸿沟将进一步扩大。”

综合来看，一个无法被任何单方叙事简单涵盖的劳动力市场故事正浮出水面——既非阿莫代伊所警告的大规模裁员潮，也不是麦克罗里的失业数据所暗示的风平浪静，而是一种更隐蔽、更具腐蚀性的影响：变化体现在工资单上，而非解雇通知书里。这种影响足够隐蔽，以至于两位严谨的经济学家观察相邻数据时，得出看似截然相反的结论。

这种不确定性，或许正是员工焦虑情绪广泛存在，却又难以在宏观总量数据中得到证实的原因所在。与此同时，即便斯洛克的论文承认自身的局限（暴露度指标完全依赖Anthropic的数据，且在美国劳工统计局约800个职业分类中，仅匹配了321个），他对判断失误的后果态度仍极为明确：“关键的政策问题不在于AI是否会更广泛地重塑劳动力市场，而在于变革的推进速度，以及当变革发生时，劳动者能否获得所需的支持。”

·从宏观经济层面，AI并未造成大规模失业，却有可能悄悄压低普通员工的工资。这对正在加速部署AI的企业和劳动者而言，是一个值得警惕的信号：技术进步的红利未必自动惠及每一个人。

·研究称受调查员工中近三成承认主动破坏公司的AI部署，Z世代比例高达44%，说明技术落地的最大障碍往往不是技术本身，而是人与利益分配之间的矛盾。企业管理者在推动AI转型时，需要正视员工的真实顾虑。

·经济学家对AI真实影响的判断存在严重分歧，但不同结论本质上可能并不矛盾——宏观失业率平稳与微观薪资下滑可以共存。对于职场人而言，这意味着不应轻信单一结论，而是关注自己所在行业和岗位的具体变化。

财富中文网对原文有删减和调整（财富中文网）

编辑：魏雨彤