杰文斯悖论：为什么 AI 会增加人类工作岗位

在我写这期文章的时候（2026 年 5 月），硅谷正弥漫着一股末世之感。虽然 AI 带动经济火热，街头歌舞升平，但很多有识之士相信这一切都是暂时的……因为他们认为 AI 会很快干掉大量的人类工作岗位。

Anthropic 的 CEO 达里奥·阿莫迪（Dario Amodei）最近就像个末日先知。他在几个场合表示 [1]，AI 将在一到五年内消灭一半初级白领岗位，把失业率推到 10%—20%；科技、金融、法律、咨询，尤其是其中的入门级岗位，都会中招。阿莫迪还像为民请命一般呼吁：AI 公司和政府不要再继续粉饰太平了！

而你对此可能也有些体感。过去两年间，硅谷连续有几家大厂打着 AI 的名义裁员。有美国名校计算机专业的大学生，毕业没找着工作。有人认为初级程序员岗位已经都消失了……

但是这一讲，我要说一个暴论：AI 不但不会减少，而且会大大增加人的就业岗位。

事实上，现在已经出现了早期信号。请看下面这张图，出自城堡证券（Citadel Securities）发表于 2026 年 2 月的一份报告 [2] ——

图中用 Indeed 岗位发布数据比较了软件工程师和整体招聘岗位的走势，其中最显眼的是，软件工程师岗位在 2025 年五、六月间，已经实现了触底反弹。

当然，新岗位发布的数目仍然比疫情前、比 2021—2022 年 of 科技泡沫高点都低一些，但是，这是一个很好的迹象。不是说 AI 最先干掉的就是编程这项工作吗？怎么软件工程师的岗位反而最先反弹了呢？

这很可能不是反常，而是一个经济学规律的一次完美展示，叫做「杰文斯悖论（Jevons Paradox）」。

什么是杰文斯悖论？ #

要理解其中的逻辑，咱们先回到 1865 年的英国。

英国正处于工业革命的巅峰，可是当时的人也有一种末日焦虑：支撑帝国心跳的是煤炭，蒸汽机、铁路、工厂、轮船，全都吃煤。那煤炭要是挖完了怎么办？各路天才想方设法改进技术，把蒸汽机效率提高了好几倍，都比以前省煤，于是人们设想，煤炭总消耗量肯定会降下来。

可是就在此时，一个叫威廉·斯坦利·杰文斯（William Stanley Jevons）的 30 岁经济学家出了一本书，叫《煤炭问题》（The Coal Question）[3]，说，你们想得太简单了。

杰文斯的判断是：蒸汽机越省煤，煤动力就越便宜 → 煤动力越便宜，更多行业就会用它 → 更多行业用它，英国总煤耗反而会上升。

这就是杰文斯悖论。而历史上事实果然如此。

而且这是一个普遍规律。咱们说一个发生在中国新疆的类似的事儿。

你知道新疆很多地方是干旱的。在上世纪 90 年代，天山地区推广了农业“滴灌”技术。过去浇一亩地需要用很多水，现在省了不少。那你说，总用水量是不是就应该下降了？并没有。

农民一看既然每亩用水少了，那我为什么不多种一点？而且既然滴灌提高了单产，那我能不能再种点更赚钱的经济作物？既然收益上来了，我是不是应该多开垦一些耕地？

结果是天山地区从 1996 年推广滴灌以来，20 年间用水反弹超过 115% [4]。也就是说总用水量是以前的两倍还多。

现在 AI 消耗电力不也是同样的逻辑吗？AI 公司的算法越来越高效，英伟达的芯片一代比一代省电，单次推理越来越便宜 —— 可是数据中心的总耗电量却在疯狂飙升。

这些故事的结局应该都会很好，毕竟人没有那么容易被资源限制死。但这个道理是，原来效率不是刹车，而是油门。

效率不是刹车，而是油门 #

一旦你有了杰文斯悖论这个眼光，你会发现生活中到处都是它的影子。

比如说写作。十年前没有 AI，我自己调研、有时候甚至是读纸质书，用铅笔画大纲，然后纯手打输入，再用眼睛盯着屏幕逐行修改……如果我这一天能保持很好的工作纪律，大约要花 6—7 个小时才能写好一篇文章。那你说现在有了 AI，我可以用 AI 调研、跟 AI 讨论、用语音输入、用 AI 审稿，每一步都能省下时间，我能不能用 4 个小时写篇文章呢？

结果是出一篇文章的时间一点都没缩短，往往是更长。这是因为 AI 让我对文章有了更多的要求：我会探索更多的想法，调研更多的文献，可选的案例更丰富，文章逻辑密度更高，篇幅也更长了，我变得更计较遣词造句，偶尔还要加入插图和漫画。

如果你也用 AI 做过自己以前做的工作，你会有同感。老板不会因为 AI 帮你提速了，就说太好了，早做完早休息！老板只会说既然十分钟就能出一版，那我们先做三版看看……你左一个需求右一个想法，最终把所有工作时间填满还不够。

别的事情不也是如此吗？你用上了一个购物就返现的省钱 App，每笔消费的确都能给你省钱……结果因为购买门槛降低，你更想买买买，总花费反而增加了不少。

再比如说，现在有微信、飞书、AI 会议纪要这些应用，人与人之间的沟通成本大大降低了，那我们的会议时间是不是应该减少呢？也没有。又是拉群，又是同步，又是对齐，发起会议的门槛近乎为 0，使得会议数量反而比以前多了。

这个洞见是：当你提高效率、降低了单位资源消耗的时候，你同时降低了行动的门槛。门槛一降，原本被抑制的、甚至你都想不到的需求就会像洪水一样释放出来。

自动化如何创造更多岗位 #

杰文斯悖论原本说的是效率越高就越消耗资源 —— 但你只要把“提高效率”改成“自动化”，把“资源”改成“人的工作”，这个悖论就变成了：自动化会增加人的工作。

历史已经一再验证了这个规律 ——

19 世纪纺织机械刚出现的时候，有所谓“卢德分子”担心织布工要失业，就去砸机器。哪里想到布料价格暴跌的结果是普通人从只有一套衣服变成了有十几套，纺织工的数量反而大大增加了。

1970 年代，自动取款机（ATM）普及，大家都预测银行柜员将会消失。事实上单个网点需要的柜员人数的确减少了，但是因为运营成本降低，银行开始在每个街角疯狂开设新分行，柜员的总数不降反升。更重要的是，柜员不再只是“数钱的机器”，他们被解放出来去处理更复杂、更有价值的像开户、理财咨询这些工作。

快进到几年前，计算机视觉刚刚普及的时候，有学者断言放射科医生要失业了。后来的现实却是因为 AI 让看片成本大幅下降，医院开始给患者开出大量的预防性核磁共振和 CT 检查，导致扫描量激增。AI 帮医生筛选了 90% 的正常片子，而剩下的 10% 疑难杂症和最终的签字担责依然需要人类。于是现在全球范围内的放射科医生不是失业了，而是严重短缺 [5]。

类似地，电子表格没有消灭会计，而是让财务分析、预算管理、商业建模的业务扩张。搜索引擎没有消灭研究员，反而制造了 SEO、内容运营、数据分析和数字营销这些新岗位……等等等。

一个最新的例子来自中国。有个美术外包平台叫“米画师”，运作模式是需求方发布订单，比如说“我想要一个头像”“我想要一个什么样的动漫人物”，然后由画师在平台上接单。你说现在每个人都可以用 AI 画画了，是不是这门业务就不存在了呢？

恰恰相反。2022 年 10 月，因为一次知名的 AI 绘图模型泄露事件，几乎免费的 AI 绘画能力突然降临到大众手中，导致米画师上的单张图像平均价格下降了 64% —— 但是订单数量，却增加了 121%，结果是总收入增加了 56% [6]。原有的创作者没有被挤走，他们保留了大部分的市场份额，增长则主要来自过去“不值得做”的低端个人订单。

AI 消除的是任务，而非岗位 #

这个规律不只是「价格下降 → 订单增加 → 总市场变大」，还有一个重要特点是「任务改变」。

一个岗位不是一个动作，岗位是一组任务的组合。会计不是“输入数字”，医生不是“看化验单”，律师不是“查法条”，程序员不是“敲代码”……这些岗位都包含判断、审美、责任等等不可被 AI 取代的任务，还可以包含各种因为 AI 而产生的新任务。

AI 干掉的是任务，而不是岗位。劳动经济学里早就有个「任务模型（task-based model）」[7]，说自动化确实有「替代效应（displacement effect）」，会把某些原来由人做的任务交给机器 —— 但新技术也会创造新任务，让劳动重新进入生产过程，这叫「复职效应（reinstatement effect）」。

就在 2025 年，世界经济论坛（World Economic Forum）发布一份就业报告 [8]，认为到 2030 年，全球宏观趋势预计创造 1.7 亿个新岗位、替代 9200 万个旧岗位，等于净增加 7800 万个岗位。美国劳工统计局（Bureau of Labor Statistics）也明确说 [9]，AI 可能降低软件产品价格、从而增加软件开发、AI 商业解决方案和维护 AI 系统的需求，所以预测美国软件开发人员 2023—2033 年就业增长 17.9%。

当然我们还要拭目以待。但是，站在此刻看，AI 的确在改变世界，也很有可能带来奇点 —— 但是，经济学理论和过往的历史经验并不支持“AI 会导致大失业”这个末日假说。

AI 时代将诞生哪些新岗位？ #

如果要顺应杰文斯悖论的历史大势，我们就不能站在旧任务那一边，而要站在新需求这一边。咱们不妨大胆畅想一下，AI 会创造哪些新岗位。

历史经验仍然可以帮我们。简单说，当新技术把门槛降下来之后，那些过去不会做、做不起和不值得做的任务，就成了新的生意。

第一类是直接与 AI 相关的岗位 ——

• 比如「AI 工作流架构师」：不只是写提示词，而是把一个公司的销售、客服、数据、法务、财务流程改造成 AI 可执行、可审计、可追责的系统。
• 比如「智能体监督员」：管理一群 AI agents，让它们分工、协作、升级、复盘，像以前管理实习生一样管理机器员工。
• 比如「模型评测师」和「红队测试员」：专门找 AI 的幻觉、偏见、越权、漏洞和危险行为。未来模型越多，验收模型的人越值钱。
• 比如「知识库园丁」：维护企业内部数据、权限、语义结构、版本和来源。AI 吃数据，数据就需要厨师，还需要食品安全检查员。
• 比如「机器人舰队管家」：当清洁机器人、配送机器人、巡检机器人、护理机器人进入城市，总要有人负责调度、维修、异常处理和人机冲突调解。

第二类是生活增强岗位 ——

• 比如「个人学习导演」：这不是传统家教，而是用 AI 给一个学生定制长期学习路径、每日反馈、错题追踪和项目挑战。
• 比如「老人生活增强师」：用 AI、传感器和机器人帮老人管理用药、运动、社交、家庭联系 and 紧急响应。不是替代亲情，而是让亲情少一点鸡飞狗跳。
• 比如「微型体验策划人」：给一个家庭、一场生日、一段旅行、一个社区节日生成剧本、音乐、视觉、路线和互动游戏。过去只有大活动才值得策划，未来小生活也值得定制。
• 比如「个人数字档案馆员」：帮人整理照片、视频、聊天记录、文章、家族故事，做成可搜索、可传承、可展示的数字生命档案。
• 比如「一人电影制片人」：普通人不但可以拍电影，而且可以被拍电影。一个人带着 AI 做分镜、角色、配音、剪辑、特效，直接为一小群人、一个小家庭、一个小教育场景拍一部电影。

第三类是信任与责任岗位，这些任务以前就是必须的，但是现在变得更重要，以至于值得升级成专门的岗位 ——

• 比如「AI 输出审计师」：专门检查 AI 写出的法律文本、医疗建议、财务报告、科研摘要有没有错，错在哪里，风险归谁。
• 比如「人类责任签署人」：在医疗、金融、法律、教育等高风险场景里，AI 可以给建议，但最后要有一个懂业务的人签字、解释和担责。
• 比如「首席审美官」：AI 可以生成一万张图，但选出那张最有灵魂、最能触动人心的一张，只能靠你。

当能力变便宜，需求就会变复杂。当任务被自动化，责任就会被人格化。

唯一的限制是想象力 #

杰文斯悖论和鲍莫尔成本病都告诉我们现代化是个好消息。提高效率是好消息；别人提高效率你没提高，对你也是好消息。人们总会有些担心，但即便是你担心的那事儿，终究也是好消息。

杰文斯悖论更深刻的洞见是，人类社会不是爱节约的机器 —— 人类社会更像一台欲望发动机。当技术把一个门槛降低，人类不会说“够了”，人类会说“那我们还想要这个、这个和那个”。

就在 2026 年 GTC 大会期间，英伟达 CEO 黄仁勋接受采访说 [10]：「那些为了 AI 裁员的公司都缺乏想象力（out of imagination）。真正有想象力的公司应该用 AI 扩张，而不是收缩（do more with more）。」

杰文斯会完全同意他的说法。AI 是对人的解放，而不是对人的限制。只有想象力是我们的限制。

注释 #

[1] VandeHei, Jim, and Mike Allen. “AI Jobs Danger: Sleepwalking into a White-Collar Bloodbath.” Axios, May 28, 2025.

[2] Frank Flight, “The 2026 Global Intelligence Crisis,” Citadel Securities, February 24, 2026. https://www.citadelsecurities.com/news-and-insights/2026-global-intelligence-crisis/

[3] Jevons, William Stanley. The Coal Question. London: Macmillan, 1865.

[4] Wang, Yanyun, et al. “The Verification of Jevons’ Paradox of Agricultural Water Conservation in Tianshan District of China Based on Water Footprint.” Agricultural Water Management 239 (2020).

[5] UDS Health. “AI in Radiology: Why Demand for Humans is Growing 9%.” UDS Health Blog, February 15, 2026. https://udshealth.com/blog/ai-radiology-demand-for-humans-growing/.

[6] Zhang, Kaichen, Zixuan Yuan, and Hui Xiong. “The Impact of Generative Artificial Intelligence on Market Equilibrium: Evidence from a Natural Experiment.” arXiv, 2023. https://arxiv.org/abs/2311.07071

[7] Acemoglu, Daron, and Pascual Restrepo. “Automation and New Tasks: How Technology Displaces and Reinstates Labor.” Journal of Economic Perspectives 33, no. 2 (2019): 3–30.

[8] World Economic Forum. The Future of Jobs Report 2025. Geneva: World Economic Forum, 2025.

[9] Machovec, Christine, Michael J. Rieley, and Emily Rolen. “Incorporating AI Impacts in BLS Employment Projections.” Monthly Labor Review. U.S. Bureau of Labor Statistics, February 2025.

[10] Huang, Jensen. Interview by Jim Cramer. “CNBC Exclusive: Transcript: Nvidia Founder & CEO Jensen Huang Speaks with CNBC’s Jim Cramer on ‘Mad Money’ Today.” CNBC, March 17, 2026.