吴恩达：AI 不会带来"失业末日"，而是一场"就业狂欢"
吴恩达原文用了两个自造词：AI jobpocalypse（AI 就业末日）和 AI jobapalooza（AI 就业狂欢）。一边是世界末日，一边是音乐节。他选了音乐节。数据站在他这边。
数据和叙事，走了两个方向
2026 年 4 月，美国新增非农就业 11.5 万人，市场预期 5.5 万，实际数字翻了一倍。失业率稳在 4.3%，跟 2020 年 3 月的 4.4% 几乎一样。
同一时间，"AI 将导致大规模失业"的讨论热度达到了历史新高。
这两件事同时发生——就业数据稳健，末日叙事飙升——本身就说明了一些问题。
亚特兰大联储今年做了一轮企业调查，覆盖面很广。结果：超过 90% 的受访企业说，AI 在过去三年对它们的招聘"没有实质性影响"。
耶鲁预算实验室 4 月的报告更直接：对 AI 就业冲击的担忧"目前基本停留在猜测层面"。宏观数据呈现的是稳定，不是系统性破坏。
谁在推"末日论"？不是无知，是有利益
吴恩达这次不只是说"你们想多了"。他直接拆了这套叙事背后的利益链。
第一，前沿 AI 实验室。
讲一个"AI 将取代大量员工"的故事，能让技术听起来更有价值。在最极端的版本里，有些人甚至乐于推广科幻式叙事——AI "接管世界"。一项能替代大量员工的技术，当然更容易获得融资、吸引关注、在谈判桌上占据主动。
第二，AI 公司的定价逻辑。
传统 SaaS 软件的收费基准是每用户每年 100 到 1000 美元。但如果一家 AI 公司能宣称"替代了年薪 10 万美元的员工"，或者"让员工效率提升 50%"，那每年收费 1 万美元也显得合理。定价的锚点，从软件切换到了人力成本。
这个套路太聪明了。你卖的不是工具，你卖的是"替代人的价值"。价格自然能往上翻 10 倍。
第三，企业自己。
把裁员归因于 AI，比承认"我们在疫情期间低利率环境下招多了人"要体面得多。"用更少的人做更多的事"听起来是战略升级。"收缩到 2021 年的人员规模"听起来是管理失误。企业当然选前者当公关话术。
纽约大学商学院教授 Scott Galloway 的判断一针见血：
"这套叙事不是数据驱动的，是恐惧驱动的。恐惧是产品，资本是目的。"
一个 40 年前的先例：电子表格杀了会计吗？
1979 年，第一款电子表格软件 VisiCalc 发布。它能在几分钟内完成过去需要整个会计团队数日的工作。
当时的预测是：会计师将面临大规模失业。
结果是，此后 40 年，会计师数量增长了 4 倍。
亚利桑那州立大学会计学教授 Eldar Maksymov 总结这段历史：电子表格没有替代会计师，它释放了一直潜藏但受制于成本的金融智识需求。
经济学里有个叫法：杰文斯悖论（Jevons Paradox）——当技术让某类服务变得更便宜、更高效时，反而会刺激这类服务的总需求大幅增长。
用今天的场景翻译一遍：AI 让写代码的效率提升 2 到 10 倍。结果不是需要更少的工程师，而是那些以前"不值得做"的软件项目突然变得划算了。软件的需求量暴涨，工程师的需求跟着涨。
Morgan Stanley 的研究给了一个具体数字：软件开发市场预计以每年 20% 的速度增长，到 2029 年达到 610 亿美元。CIO 们计划 2026 年增加 3.9% 的软件支出，跑赢其他所有 IT 类别。
软件工程师：风暴中心的反直觉
软件工程师是公认受 AI 编程工具冲击最大的岗位。Claude、Codex、Cursor 这些工具确实能以远超人类的速度输出代码。
但招聘数据说的是另一个故事。
Indeed 的软件工程师岗位发布量在经历了两年下滑后，重新回到了上升趋势。Citadel Securities 用一张图表证明了这一点，这张图在科技圈疯传。
Business Insider 的报道标题直接说："AI isn't killing software coding jobs"——AI 没在杀死编程工作。
a16z 在最新报告中引用的数据更有说服力：在大量采用计算机的职业中，就业增速反而高于未采用计算机的职业。a16z 合伙人 David George 本周发了一篇文章，标题就是"AI 就业末日论是一个彻底的幻想"，定性为"糟糕的营销话术、糟糕的经济学、更糟糕的历史观"。
岗位没少，但标准变了
吴恩达在达沃斯论坛上说过一句传播很广的话："使用 AI 的人，将取代不使用 AI 的人。"
这不是鸡汤，是事实描述。他后来更具体了：如果现在让他招人，他不会再雇一个不懂 AI 的工程师。"跟 AI 赋能的工程师相比，生产力差距实在太大了。"
他在自己的团队里观察到了一个有趣的变化。工程师接到需求后，用 AI 一天就能把功能做出来，然后反过来追问产品经理：下一个需求呢？
产品经理成了瓶颈。硅谷传统的工程师对产品经理比例是 8:1 到 4:1。但在吴恩达的团队里，这个比例一路从 8:1 降到 4:1、2:1，最后团队提议改成 1:1。
瓶颈转移了。 以前的瓶颈在"写代码"，现在的瓶颈在"决定写什么"。AI 让执行飞快，但无法加速决策。
这也是为什么现在最抢手的工程师，往往也懂产品设计。五年前，好工程师的标准是拿到像素完美的设计稿后精确实现。今天，如果你还需要别人告诉你每一个细节才能动手，价值就大幅下降了。
对做产品的人意味着什么
从独立开发者的角度看，吴恩达这封信的信息量很大。
做产品的机会不是变少了，是变多了。 当写代码的成本急剧下降，以前"不值得投入"的想法突然变得可行了。你不需要一个团队，一个人配合 AI 就能做出来。
"决定做什么"比"怎么做"值钱。 这不是新道理，但 AI 把这个差距放大了。需求洞察、产品判断、优先级取舍——这些"软技能"的溢价正在飙升。
不是所有人都准备好了。 吴恩达团队的数据显示，企业里大约只有 5% 的人是 AI 重度用户，使用率断崖式下降。绝大多数人还在观望。这个时间窗口是真实的。
恐慌本身就是一种噪音。 "AI 就业末日"的叙事会让人犹豫、焦虑、迟迟不敢行动。但数据说的是另一回事。与其被叙事吓住，不如把精力花在学会用 AI 上。
社会曾经集体相信过错误的故事
吴恩达在文章最后列举了三个历史案例，值得认真想：
| 集体恐慌 | 后果 |
|---|---|
| 对核电站安全的过度恐惧 | 核能长期投资不足 |
| 20 世纪 60 年代对"人口爆炸"的担忧 | 一系列严厉的人口控制政策 |
| 对膳食脂肪的恐慌 | 政府数十年推动高糖饮食，损害公共健康 |
社会完全可能长期相信一些缺乏现实依据的故事，并由此做出糟糕的集体决策。
"AI 就业末日"可能是下一个。
吴恩达用的那个词——jobapalooza——是美国一种大型户外音乐节的名字。不是末日，是派对。前提是你得学会入场。
参考资料：