Karpathy给每个美国职业打了AI暴露分——数据告诉了我们什么

当Andrej Karpathy——OpenAI联合创始人、特斯拉前AI总监——花一个周末抓取了美国劳工统计局的整个职业展望手册，给每个职业打了AI暴露分时，人们会关注。也应该关注，因为结果描绘了我们见过的最全面的AI重塑美国劳动市场的图景之一。

Karpathy分析了342个职业，覆盖大约1.43亿美国劳动者 [事实]。他给每个职业打了0到10的AI暴露分，基于工作中有多少可以被大语言模型和相关AI系统合理处理。全美劳动力的加权平均分是4.9/10 [事实]——基本上说，美国人工作中做的事情大约有一半已经在AI能力范围内。

但这个标题数字藏着巨大的差异。而两端的极值才是真正有意思的地方。

高暴露现实：5990万劳动者

1.43亿劳动者中，大约5990万——占劳动力的42%——处于Karpathy量表上7分或更高的职业 [事实]。这不是边缘职业。他们总共每年挖大约3.7万亿美元工资（约¥25.9万亿）[事实]。这不是经济中的四舍五入误差，这就是经济本身。

谁在榜首？医疗转录员拿了满分10/10 [事实]——这个角色的每个核心任务基本上都是大语言模型已经能做好的。会计师和律师都得了9/10 [事实]。如果你在这些领域工作，数据不是说你明年就失业，但工作性质可能会剧变。会计师详细分析 | 律师 | 医疗转录员

另一端，屋顶工得分0/10 [事实]，家庭护理员得1/10 [事实]，建筑工人也是1/10 [事实]。规律很明显：需要人到场、手工操作和现实环境判断的工作，AI几乎触及不到。查看屋顶工数据

收入悖论：收入越高，风险越大

最引人注目的发现是收入和AI暴露的关系 [事实]。年收入¥56万+的劳动者平均暴露分6.0/10，而¥28万以下的只有3.4/10 [事实]。学历也类似：本科学历平均5.7，专业学位4.7 [事实]。

这跟老版自动化剧本完全相反。以前是工厂工人和收银员担心。生成式AI把剧本翻过来了——它最擅长的恰恰是高收入者获得报酬的那些任务：分析文档、起草专业沟通、综合研究。咱咖啡师和水管工反而比企业律师安全，想想也是诽刺。

我们自己的数据显示类似模式——软件开发者在代码生成和文档上暴露显著，而调试、架构和利益相关者沟通仍然难以自动化。

与其他研究的对比

OpenAI自己的"GPTs are GPTs"论文（Eloundou等，2023）估计约80%的美国劳动者处于至少10%任务可能受影响的职业 [事实]——比Karpathy更广但更浅。

Anthropic经济指数（2025）发现AI目前更多用于增强而非替代 [事实]。只有4%的观察到的AI使用是完全自动化 [事实]。

布鲁金斯反复论证，劳动市场数据并没有显示暴露分预测的大规模失业 [事实]。

Karpathy的工作可以看作一个天花板估计 [观点]——AI理论上能做什么，而不是它正在做什么。

方法的优势与局限

Karpathy使用了BLS的详细任务描述，系统性地评分了所有342个职业。0-10的简单量表直观易懂。

但重要局限 [观点]：分数是让大语言模型评价自己的能力——等于问AI它觉得自己能做多少，明显有自信偏差。每个职业被当作铁板一块——写合同的律师和上法庭的律师暴露度完全不同。而且没有考虑互补效应——AI工具往往让人类更高效而不是替代他们 [观点]。

这对你意味着什么

如果你的职业得分高，最差的反应是恐慌，第二差的是否认。

任务比职称重要。 搞清楚你哪些具体任务暴露最高，开始把时间转向不那么暴露的任务。

AI流利度成为必需。 学会有效使用AI工具的人会超越不会的人。

时间线不确定，但方向确定。 不管全面影响是3年还是15年，趋势明确。趣现有技能还有价值的时候开始适应。

更详细了解AI对你具体职业的影响，探索我们跟踪的超1000个职业的分析页。

来源

• Karpathy, A. (2026). "AI Exposure Score for US Occupations." Fortune | Awesome Agents
• Eloundou, T. et al. (2023). "GPTs are GPTs." OpenAI.
• Anthropic. (2025). "The Anthropic Economic Index." Anthropic
• Brookings Institution. (2025-2026).

更新历史

• 2026-03-22: 基于Karpathy的342个美国职业AI暴露分析首次发布。

---

_本文由AI辅助分析生成。了解我们的AI内容流程。_