2026年10月30日，高盛的一份新研究把一个很多科技从业者已经感受到的现象，变成了一组可以讨论的数字：从2025年以来，在人工智能暴露程度较高的岗位上被裁的人，找工作比其他被裁者平均多花大约一个月，一年后仍然没有工作的人的比例，也要高出大约十个百分点。这不是一句“AI正在抢工作”的口号，而是一次关于再就业速度的测量。读懂它的方法，比记住它更重要，因为这份研究的结论是有边界的，而求职策略恰恰要建在边界之内。
对在美国科技行业工作的华人读者来说，这组数字之所以值得认真看，不是因为它预言了某个人的命运，而是因为它提醒了一件现实的事：同样是被裁，恢复的速度可能并不相同。年龄、岗位的可替代程度、以往的工龄和人脉，都会影响一个人重新站稳需要多长时间。把研究读清楚，再把自己的下一步拆成可以执行的动作，才是对这份报告最有用的用法。
高盛到底发现了什么
据《财富》杂志对高盛研究的报道，高盛经济学家皮尔弗朗切斯科·梅伊分析了美国劳工部下属劳工统计局的被裁工人补充调查数据。这份调查覆盖了2023年至2025年间被裁的约740万人，比上一轮调查覆盖的630万人有所增加。高盛并没有直接问每一个被裁者“你是不是因为人工智能丢了工作”，因为现有的官方调查并没有这样一道题。
于是研究者换了一种做法：他为每个岗位打了一个人工智能暴露分数，综合考虑职业本身受人工智能影响的程度、所在行业采用人工智能的速度，以及这个岗位是不是真的被裁撤了。然后，他把分数最高的前百分之三十，视为“可能因人工智能而被裁”的群体，再把这个群体与其他被裁者比较。比较的结果，就是开头那组数字：找工作多花大约一个月，一年后仍失业的可能性高出大约十个百分点。
高盛还把这个结果放在更长的时间背景里看。研究者指出，过去几十年里因技术变革而被裁的工人，同样经历过较慢的收入恢复和再次失业风险较高的阶段。他用“长期存在”来形容那种影响。这句话不是说所有人都会长期失业，而是提醒人们，技术驱动的岗位变动往往不是一次性的冲击，它的余波可能持续一段时间，值得在求职规划里留出余量。
一个月、十个百分点、五周：三个数字怎么读
第一个数字是时间。可能因人工智能而被裁的工人，平均比其他被裁者多花大约一个月才找到新工作。“大约一个月”是一个平均值，落在个体身上可能是两周，也可能是三个月。它描述的是群体的中心趋势，不是给任何一个人的倒计时。
第二个数字是一年后的状态。可能因人工智能而被裁的工人，一年后仍处于失业状态的可能性，要比其他被裁者高出大约十个百分点。这里要区分百分点和百分比：如果一组人一年后仍失业的比例是百分之二十，另一组是百分之三十，差距就是十个百分点，而不是“高出百分之十”。这个区别在中文报道里常常被混淆，但它直接关系到风险到底有多大。
第三个数字是年龄分层，也是这份研究里最值得注意的一处。35岁及以上的可能因人工智能而被裁者，回到全职工作平均比其他被裁者多花大约五周；35岁以下者的差距大约是三周。年龄本身不是能力指标，但它常常与工龄、薪资水平、家庭负担和岗位的专精程度绑在一起。越是专精、越是高薪、越是需要内部经验的岗位，外部市场上的可替代选项往往越少，匹配需要的时间也就越长。
劳工统计局的整体数据也显示出类似的年龄梯度。在持有原岗位至少三年的被裁者中，到2026年1月时，25岁至54岁年龄组已有百分之七十二点九重新就业，55岁至64岁组为百分之五十七点三，65岁及以上组为百分之三十八点六。这组数字针对的是全部被裁者，不是只针对人工智能暴露岗位，不能直接套用到高盛的结论上，但它说明了一个更普遍的背景：年龄越大，再就业的摩擦往往越大，提前准备的价值也就越大。
为什么这是一份估计，而不是一份点名册
理解这份研究最关键的一点，是它的分类方法。高盛用的是一个构造出来的分数，而不是雇主或员工自己确认的原因。前百分之三十这个分界线，是研究者设定的分析口径，换一个口径，结果的幅度可能会变化。研究本身也没有公布按职业拆分的详细结果，也没有列出哪些具体岗位被划进了前百分之三十。因此，任何人都不应该拿着这份报告去断言“我的岗位一定在名单里”或者“我的岗位一定不在名单里”。
这种估计方法的价值，在于它可以在没有直接提问的情况下，捕捉到一种系统性的模式；它的局限，在于它无法证明某一次具体的裁员就是由人工智能造成的。一个岗位被裁，可能同时有业务收缩、组织重组、预算调整和技术替代等多个原因。把多因一果的裁员简化成“AI裁员”，在传播上很顺口，在分析上却不准确。
高盛自己也留下了谨慎的口子。相关报道指出，研究者认为在教育背景、地理分布等更多维度上，现在下结论还为时过早。这意味着这份报告更适合作为一个预警信号，而不是一张完整的地图。预警信号的作用是让人提前行动，地图的作用是告诉人每一步该怎么走，两者不能混用。
12万人这个数字的另一面
与高盛研究常常被放在一起引用的，是另一组数字。就业安置公司Challenger, Gray & Christmas的统计显示，2026年前九个月，美国雇主在宣布裁员时以人工智能为由的共有120136人，约占全部宣布裁员的百分之二十一，是当年被提及最多的原因。全部宣布裁员在同一时期为573195人。
这组数字同样需要拆开读。首先，它统计的是“宣布裁员”，不是已经完成并且被核实了的裁员。宣布之后，裁员规模可能调整，时间可能推迟，个别岗位也可能被内部转岗消化。其次，它记录的是雇主给出的理由，不是第三方核实的因果关系。雇主说“因为人工智能”，并不等于已经证明人工智能完成了这份工作。
月度变化也值得注意。2026年5月，以人工智能为由的宣布裁员达到38579人，是当月宣布总数的百分之四十，也是该机构自2023年开始单独统计这一原因以来的单月最高值。此后这个数字明显回落，8月为3462人，9月为3961人，9月时人工智能只是当月第五大被提及的原因。与此同时，科技行业在9月宣布的裁员仍有10799人，比8月增加了百分之七十七。这说明，人工智能被提及的频率下降，并不等于科技行业的裁员压力同步消失，两条曲线讲的是不同的事。
把两组数字放在一起，比较稳妥的读法是这样的：高盛研究讲的是被裁之后“找工作有多难”，Challenger统计讲的是雇主在宣布裁员时“怎么解释裁员”。前者是再就业的结果，后者是裁员的口径。把后者当成前者的原因，或者把前者当成后者规模的证明，都是把两张不同的表拼在了一起。
对华人科技求职者来说，真正值得注意的是什么
对很多在美国工作的华人员工来说，裁员带来的不只是收入中断，还有一些额外的现实约束。工作签证的状态、医疗保险的衔接、租房合同、子女的学校安排，都可能和求职的时间窗口绑在一起。高盛研究里“多花一个月”这个平均值，在这些约束面前会被放大，因为可等待的时间不一定和市场给出的平均时间一样长。
另一个现实是，华人求职者在内推和信息渠道上的结构并不完全相同。有些人所在的团队、公司和社区网络比较集中，一旦所在赛道整体收缩，信息来源也会同步变窄。这不是能力问题，而是网络结构问题。应对的办法也不是临时抱佛脚，而是在还没有被裁的时候，就把信息渠道拓宽一点：保持与前同事、跨团队合作者、行业社群的联系，让自己的名字出现在不止一个圈子里。
还有一点常常被忽略，那就是“技能”这个词在裁员语境下的含义。市场需要的很少是某一个工具的熟练度，而是把工具用在具体业务问题上的能力。同样是会用人工智能工具的人，有人只能完成单点任务，有人能把工具接入流程、衡量效果、处理边界情况。后者更容易在面试中讲清楚价值，也更容易在岗位描述变化时找到新的落点。
一份可以照着做的求职清单
下面这份清单不是保证找到工作的公式，而是把不确定性拆成可以控制的部分。它适用于正在求职的人，也适用于目前工作稳定、但想提前准备的人。
- 先算时间账：确认签证宽限期、遣散期、医疗保险延续期和现金储备可以覆盖几个月，把“必须在某个日期前有结果”的压力，换成“每周要完成多少次有效投递和约谈”的节奏。
- 把简历从职责清单改成结果清单：每一项经历都回答三个问题，解决了什么问题、规模有多大、结果如何衡量，避免只罗列用过的工具名称。
- 做一次技能对齐检查：找十个目标岗位描述，标出反复出现的要求，区分自己已经具备的、可以短期补齐的和需要长期投入的，优先补齐前两类。
- 每周安排固定内推动作：不是群发求助，而是给三到五位相关联系人提供具体信息，包括目标岗位、自己的匹配点和希望对方帮忙确认的事，让对方的帮助成本尽量低。
- 保留面试素材库：把项目背景、难点、权衡和结果写成简短版本，面试时可以直接调用，避免在压力下只能讲出模糊的过程。
- 给失业期设定两个预算：一个是生活开支的底线预算，一个是学习和求职投入的上限预算，防止焦虑驱动下的冲动消费或无效报课。
- 不要只盯着同一类公司：同一赛道收缩时，相邻行业、平台型公司、传统企业的技术岗位和合同制项目，都可能是过渡期的合理选项，过渡不等于降级。
在执行这份清单时，有一个心态值得提醒：求职市场的反馈往往有延迟。投递没有回音，不一定是简历不合格；面试走到最后一轮被拒，也不一定是能力不足。把每一周的动作数量、约谈数量和反馈质量记录下来，比每天刷新邮箱更能判断自己是不是在正确的方向上。
哪些说法不要轻信
第一种说法是“人工智能已经取代了十二万人”。Challenger的数字是雇主口径的宣布裁员，不是经过核实的替代人数。把它说成已经发生的替代，是夸大了证据。
第二种说法是“被AI裁掉的人一年后都找不到工作”。高盛的结论是概率高出约十个百分点，不是所有人都会长期失业。把群体概率读成个人命运，既不准确，也会加重不必要的焦虑。
第三种说法是“年轻就一定安全”。35岁以下者的再就业延迟大约是三周，仍然存在，只是幅度小于年长群体。年轻的优势在于转换成本相对较低，而不是免疫。
第四种说法是“学一个新工具就能解决问题”。工具会变化，真正稀缺的是判断问题、设计流程和承担结果的能力。只追工具热点，容易在下一波变化来临时再次被动。
还有一个细节值得单独提醒，那就是不要把“平均多花一个月”理解成求职进度的统一标准。不同岗位的招聘周期本来就不同，高级岗位、需要安全审查的岗位、跨州搬迁的岗位，往往需要更长的流程。把自己的进度和群体平均值简单比较，容易在还没有到合理周期的时候就提前否定自己。更合理的做法，是按目标岗位的实际流程来设定预期，并且在等待期间继续积累可展示的成果，比如完成一个小型项目、写一份技术总结、参与一次行业分享，让等待期本身也产生新的证据。
结尾总结
高盛这份研究的价值，不在于它给出了一个耸动的标题，而在于它把“技术变革后的再就业摩擦”从感觉变成了可以讨论的测量。可能因人工智能而被裁的工人，找工作平均多花大约一个月，一年后仍失业的可能性高出约十个百分点，35岁以上者的延迟大约是五周。这些数字来自一个构造出来的暴露分数和官方被裁工人调查的结合，是一份估计，不是点名册。
对求职者来说，最有用的回应不是争论人工智能会不会取代自己的岗位，而是把时间、技能、内推和财务这四件事提前安排好。市场变化的速度个人无法控制，但准备的宽度和节奏是可以控制的。在不确定的年份里，控制好能控制的部分，本身就是一种竞争力。
本文基于公开报道与官方调查数据整理，仅供一般信息参考，不构成法律意见，也不构成对任何个人就业结果的预测。
暂无评论内容