这两年，AI替代不再只是话题，而是实打实发生的事。它改变的不只是就业形势，还带来了一层社会焦虑。面对这一切，一些人会拿工业革命宽慰自己：机器当年也替代了那么多人，后来不是长出了更多岗位吗？

再补上一句杰文斯悖论：效率提高，成本下降，反而会刺激更大的需求。结论就是AI 也会这样。

这个类比，还成立吗？

把工业革命的经验和这轮 AI 放在一起看，这个历史规律还成立吗？今天花5个小时，把这段历史翻了一遍。

一、工业革命后旧岗位少了，新分工多了

先说工业革命之前。以欧美为例，当时已经存在规模不小的专业劳动市场，除了农业，还有纺织、建筑、木工、铁器、制鞋、运输、商业、家政、行政和艺术。工业革命改变的是这些工作的生产方式，同时催生新的分工。

经济史学者 Craig Muldrew 估计，18 世纪中叶，仅英格兰就可能有超过一百万名妇女和儿童参与纺纱。这个数字包含家庭生产和兼业，不能理解成一百万个现代意义上的全职岗位，但足以说明，机器纺纱冲击的是一项原本广泛存在、也需要熟练技能的谋生方式。

机械化改变了这些工作的做法。到了后来的电气化和通信自动化时期，类似的变化继续发生：一些职业收缩，另一些分工扩大。

下面几组数字，可以帮助我们看清这个过程。

减少的：英国棉纺业手织工，1820—1850年，从约25万降到约4万；美国铁匠，1910—1930年，从23.3万降到12.44万；美国木桶匠，同期从2.53万降到1.13万；美国电话接线员，1950—1965年，从26.89万降到20.36万。

增加的：美国电工，1910—1930年，从12.02万增到28.03万；美国制造业经理及管理人员，同期从12.57万增到31.28万；美国电话行业的建设、安装和维修人员，1950—1965年，从14.74万增到21.09万。

手织工人数来自 Eric Hopkins 的经济史著作，但是没有详细的统计，应该属于历史估计；电话行业数据来自美国劳工部 1966 年报告，不含设备制造和研究活动，1965 年为当时的初步统计。

这些数字不能拼成一张技术革命的全球就业账本，却能说明：行业在发展，某类员工的机会仍然可能在缩小。

与此同时，机器制造、设备操作、维修和运输产生了大量工作。企业规模扩大，也增加了管理、记录、调度和协调的需求。有些职业是新出现的，有些职业早已存在，只是需要的人更多了。

但新增的安装维修岗位，不会自动变成原有接线员能够接手的工作。技能、地点、年龄和转行成本，都可能隔在中间。

因此，行业增长、就业总量增长，并不等于原来的劳动者也过的好了。工业化之后就业人数增加，还伴随着人口增长、迁移和城市化，不能全部算成技术创造的净收益。

二、需求还在，方式换了

宏观数字之外，我们再看一个具体的行业：肖像画家。

在摄影普及以前，人们要保存自己或亲人的容貌，绘画是重要办法。微型肖像可以随身携带、佩戴或赠送；写实肖像门槛高、耗时长，模特得连续坐上好几天，服务对象也局限于付得起钱的上流社会。

肖像画家既是一门需要训练的手艺，也是一种谋生方式。

英国维多利亚与艾尔伯特博物馆（V&A）的资料记载，1865 年，博物馆负责人已经在展览目录中担忧：廉价摄影正在使微型肖像绘画的市场迅速衰落。

人们纪念亲人、保存容貌的需求没有消失，只是多了一条更便宜、更方便的实现路径。绘画仍有艺术与收藏价值，但依靠商业留影谋生的画家，面对的市场已经变了。

今天，一些翻译、文案、商品配图的工作，也有相似之处。客户需要的是一份能用的译文、一段产品介绍、一张符合要求的图片。当 AI 达到某个具体用途平均水平，又明显降低成本，原来的人工服务就会承受价格和订单压力。

这不要求 AI 在所有方面都超过专业人士。对一部分用途来说，达到客户愿意接受的标准，就足以改变购买决定。

把画家和接线员放在一起看，当时被替代的工作有几处共同点：客户可以换一种方式获得结果；新技术可以绕过原来依靠人工完成的环节；岗位可能随着旧设备、旧流程一起收缩。

所以，学一项技能用了多少年，不能单独决定它未来的市场价值。还要看，客户能否用其他办法，更便宜的获得差不多的效果。

三、需求多了，岗位会增多吗？

放在17世纪，不可能每个人都画像，但相机普及了就可以。新的实现方式更便宜，需求也会扩大。但不能据此判断，对应岗位最终还会增加？

这里需要把两笔账分开。

讨论到这里，常有人提起“杰文斯悖论”。它最初讨论的是煤炭：使用效率提高、使用成本降低，可能刺激更多用途和需求，使煤炭的总消耗反而增加。

把这个思路放到 AI 上，确实有启发。软件开发便宜了，以前不值得做的小工具，现在可能有人做；例如视频制作容易了，现在几乎人人都在做视频。

但业务需求增加以后，需要增加多少人工，还取决于每笔业务省下了多少劳动。

举一个纯假设的例子：

业务翻了一倍，人工工作量却减少了 80%。

尽管这是一种假设，也没有计算其他新增任务。它说明的是：在同一项业务中，需求必须增长得足够快，才能抵消每笔业务节省的人工。

这就回到AI上， AI 使用量增加，增加的也可能主要是模型调用、服务器和电力需求，未必是同等幅度的人工需求。

现实中的变化，也并非所有职业同涨同跌。2026 年发表于《管理信息系统期刊》的一项研究，分析了某在线劳动平台 2022 年 5 月至 2023 年 10 月的数据。研究估计，ChatGPT 出现后，相对于对照组，翻译与本地化从业者的相关接单收入平均下降约 30%，网页开发从业者则增加约 67%。

这是一个平台、特定时期的研究，不能代表今天整个翻译业或开发行业。但它呈现了一种重要分化：同一项技术，可以在一些工作中扩大机会，在另一些工作中减少机会。

效率提高是共同的起点，人工需求却可能朝不同方向变化。

四、新的转向：规律相似，但前提变了

拿这些规律对照今天的AI，相似性是有的：技术先改变任务的做法，再改变岗位分工、市场价格和用人需求。

局部市场已经有了证据。2026年发表于《管理信息系统期刊》的一项在线劳动平台研究发现，ChatGPT出现后，翻译与本地化的接单量和收入明显下降（接单量约降9%、收入约降30%），网页开发的交易量和月收入却在上升（约6%和67%）——同一项技术，同时产生替代和扩张。另一项《Generative AI at Work》的研究发现，客服人员获得AI辅助后，每小时解决问题的数量平均提高约15%，新人受益尤其明显。

但历史不能直接证明，这轮AI新增的工作一定补得上减少的工作。这一次，有三个隐含前提已经被打破了。

第一，从工具变成了主体。过去的汽车需要司机，电脑需要文员，相机需要摄影师——机器延伸人的手脚，决策和闭环靠人。今天的AI Agent能自主规划、调用工具、跨系统执行、自我纠错，正在从副驾驶变成接手整条工作流的虚拟员工。

第二，替代的是人类最后的高地。工业革命淘汰体力，人可以退向脑力；互联网淘汰信息中介，人可以退向复杂服务。AI直接覆盖语言、逻辑、编程、审美和商业分析，似乎人类已经没有更高维度的认知避难所了。

第三，扩散速度快于一代人的职业周期。电力普及花了40年，个人电脑花了20年，教育改革和代际更替有时间跟上；大模型与Agent的能力以季度为单位跃迁，放在职场中已经没有任何缓冲期。

更底层的不同在于：过去的工具是放大器，必须有工人操作才能运转，配套岗位因此被拉起来；AI正在从辅助工具变成自主的数字劳动力，很多端到端的闭环流程，不再需要人去操作。

于是出现一道裂缝：过去，新技术产生的新任务——操作、维护、管理——由人承接，构成就业补偿；现在，这些新任务本身也可能继续被AI自动化。

五、另一边：总岗位也可能净增

AI 降低服务成本，可能让定制软件、专业咨询、个性化服务进入更多人的生活。照护、教育、维修和线下服务，也仍有大量需要解决的问题。这些都可能扩大就业。

例如 Gartner 在 2026 年 11 月预测，到 2030 年，AI 带来的岗位变化将净增约 170 万个。世界经济论坛的《未来就业报告 2025》则预计，到 2030 年，结构性变化可能净增 7,800 万个岗位，不过其中包含人口、绿色转型和经济环境等多种因素，不能全部归功于 AI。

世界经济论坛《未来就业报告》的测算更激进：2025—2030年间约9200万个旧岗位被淘汰，1.7亿个新岗位诞生，净增7800万。斯坦福大学经济政策研究所追踪2015—2026年真实劳动力市场数据则发现，高AI暴露度行业的整体就业依然正增长，许多大厂裁员更像是疫情期过度招聘后的财务收缩，而非AI已经能完全替代人类。

这些是值得参考的预测，未来会怎么样，还需要数据检验。

但以上乐观预测，在机制上是有三条理论支撑。

莫拉维克悖论：AI在数字世界所向披靡，进入非结构化的物理世界就举步维艰。老龄化带来的深度医疗护理、基建维护、定制手工艺、线下文旅，都是机器替代不了的人在现场。麦肯锡2026年9月的报告测算，仅医疗健康与基建领域，未来十年就将净增数百万个高需求岗位。

需求的长尾爆发：过去只有千万富翁才雇得起专属律师、24小时健康管家、一对一家庭教师；当AI把专业服务的边际成本压掉99%，普通人的长尾个性化需求会被激活。而每个看似全自动的AI服务背后，都需要人做数据合规、幻觉兜底、垂直知识库精调和线下履约。池子大了上百倍，每个环节只要原来1%的人力，乘起来依然是庞大的新增岗位群。

波兰尼悖论：AI可以做决策建议，但AI不能坐牢，也不能承担商业与法律责任。手术签字、资金拨付、工程验收、战略拍板，人类社会需要有血有肉的责任主体。未来大量新增的岗位，是AI系统的指挥官、审计员与责任签署人。

未来学家推演的2035年，更像一个两极世界：一边是传统雇佣岗位的消亡，不会再有动辄十几万名中层文员、初级程序员、客服的巨无霸公司；另一边是任务型、微服务型、一人公司岗位的爆发——一个人可能同时运营3个AI驱动的跨境微品牌，担任5家企业的AI合规顾问，周末还经营一家线下工坊。就业统计还能增长，因为工作被原子化了。

六、历史不会替我们作答

看完这些材料，我更倾向于认为，随着 AI 能力扩大、企业流程逐渐接通，许多行业会用更少的人完成更多业务。而新增的人工需求，未必足以抵消这种收缩。

全社会就业人数最终怎样变化，目前谁都预测不了。但某些职业和行业需要的人数减少，已经是现实风险；全社会长期需要的人类劳动总量下降，也似乎一个必然趋势。至于下降多少、何时发生，目前没有可靠共识。

而且同样是劳动需求下降，表现形态也可能不同：劳动力短缺的地方，先是岗位空缺减少；初级岗位上，先是少招新人、提高门槛；议价能力弱的市场，先是降价、降薪和收入不稳定。

至于未来走向哪一边，最终可能不取决于AI算法有多强，而取决于一个制度变量：生产率红利的分配机制。

如果AI创造的巨额利润全部沉淀在少数算力巨头和资本手里，普通人没有消费能力，长尾新需求就爆发不起来，总岗位将剧烈萎缩；如果通过税收改革、算力普惠或缩短法定工时，把红利转化为大众的消费力与闲暇，医疗、教育、艺术、精神体验领域就会长出大量的新工作。

工业革命的历史确实证明，替代之上可以长出补偿。但回看这二百多年，补偿从来不是技术自动带来的，而是需求扩大、教育适应、分配制度一起作用的结果。

这轮AI与历史最大的不同，也许不在替代的广度，而在于补偿这一次是否还会自动到来。