Karpathy 把所有工作的 AI 替代风险做了个排名，你的职业几分？

Karpathy 又出手了。

这次他没搞深度学习实验，也没搞 Agent 平台。他做了一件可能跟你我都有关的事——把美国经济中所有342个职业的 AI 替代风险打了个分，0到10分，然后画了一张巨大的交互式热力图。

绿色的安全，红色的危险。

你在屏幕前就能看到：哪些工作被 AI 吞噬的速度最快，哪些工作暂时安全，以及一个很残酷但很真实的规律——如果你的工作全程在电脑屏幕上完成，你基本上就是 AI 的菜。

但最扎心的不是这个。最扎心的是：你读的书越多、工资越高，被 AI 替代的风险反而越大。

先说这个反直觉的结论

Anthropic 上周刚发布了一份劳动力市场研究，用的不是理论推测，而是 Claude 的真实使用数据——看哪些职业的任务已经在被 AI 实际执行。

结论是：AI 暴露最高的十大职业，全部是白领知识型工作。计算机程序员排第一（74.5%的任务可被 AI 覆盖），其次是客服代表（70.1%）和数据录入员（67.1%）。

更扎心的数据：高暴露群体的平均时薪是32.69美元，比低暴露群体（22.23美元）高出47%。持研究生学位的比例是17.4%，是低暴露群体（4.5%）的近4倍。

换句话说，坐在办公室里对着屏幕干活的高薪白领，才是 AI 时代最危险的一群人。而修屋顶的、通下水道的、在建筑工地搬砖的——他们反而最安全。

这跟 Karpathy 的排名完全吻合。

Karpathy 到底做了什么

做法很 Karpathy——简洁、暴力、有效。

第一步，用爬虫把美国劳工统计局（BLS）职业展望手册里的342个职业全部抓下来。每个职业都有详细的岗位职责、工作环境、学历要求、薪资和就业前景数据。

第二步，把每个职业的完整描述喂给 LLM（用的 Gemini Flash），让 AI 按照一套评分标准给每个职业打一个 AI 暴露分数，0到10分。同时生成评分理由。

第三步，做成一张交互式 treemap——面积代表就业人数，颜色代表 AI 暴露程度。一张图看完美国整个就业市场的 AI 风险分布。

整个项目开源在 GitHub，从爬虫到打分到可视化，全套代码都在。

▲ AI 职业替代风险热力图（中文版）。方块面积 = 就业人数，颜色从绿（安全）到红（高危）。1.43亿就业人口，加权平均风险 4.9/10。

几个关键数据

全部342个职业的平均 AI 暴露分数：5.3/10。

这意味着从整体来看，美国经济中超过一半的工作内容已经在 AI 的射程范围内。

分数分布是这样的：

0-1分（几乎免疫）： 屋顶工、清洁工、建筑工人。这些工作需要你在物理世界里动手，AI 够不着。

2-3分（低风险）： 电工、水管工、护工、消防员。需要体力、现场判断和人际互动。

4-5分（中等风险）： 注册护士、零售店员、医生。有部分工作可以被 AI 辅助，但核心仍然需要人。

6-7分（高风险）： 教师、经理、会计、工程师。大量工作内容涉及信息处理和决策，AI 正在快速侵入这些领域。

8-9分（非常高风险）： 软件开发者、律师助理、数据分析师、编辑。工作几乎全程在电脑上完成，AI 已经可以做其中的大部分。

10分（满分，最高风险）： 医疗转录员。这个工作的本质就是把语音变成文字，AI 做这件事比人又快又准，成本还低。

核心规律：屏幕工作者最危险

Karpathy 在评分标准里写了一句话，非常精辟：

如果一份工作可以完全在家里用电脑完成，它的 AI 暴露程度天然就很高。反过来，需要到现场、需要动手、需要跟人实时互动的工作，天然有一道屏障。

一句话总结就是：你的工作离屏幕越近，离失业就越近。

但「替代」不等于「失业」

这里必须说清楚一个很重要的区分。

AI 暴露分数高，不等于这个职业马上就会消失。Karpathy 自己也强调，这个分数衡量的是 AI 对工作内容的影响程度，不是失业概率。

一个典型的例子是软件开发者。Karpathy 给了8-9分，Anthropic 的数据也显示程序员是 AI 暴露最高的职业之一。但 BLS 预测软件开发者的就业到2033年仍然会增长17.9%，远高于平均水平。

为什么？因为 AI 提升了程序员的生产力，但同时也创造了更多对软件的需求。AI 本身需要人来开发、维护和部署。需求增长的速度可能超过了生产力替代的速度。

真正危险的是那些需求不会增长、同时 AI 替代效果又特别好的工作——比如数据录入、医疗转录、基础会计。它们的工作量是固定的，AI 做得更快更便宜，企业没有理由继续雇人。

Anthropic 给了一个量化框架：AI 真实使用覆盖率每增加10个百分点，BLS 预测的未来十年就业增长就下降0.6个百分点。当覆盖率到70%以上时，十年就业增长基本归零。

对中国读者意味着什么

Karpathy 用的是美国 BLS 数据，但核心规律是通用的——AI 首先替代的是信息处理型工作，而不是物理操作型工作。

而且在中国，这个趋势可能来得更快。

我身边已经有真实案例了。一个做英语翻译的朋友，去年还月入两万，今年客户直接跟她说「我们用 AI 翻完你润色一下就行」，收入直接砍半。一个在券商做研报的同事，以前一篇行业报告写三天，现在 AI 一小时出初稿，他的工作变成了「改 AI 写的东西」。

具体到中国的就业市场：

高风险区域： 金融分析师、客服、基础编程、翻译、数据录入、初级法律文书、内容审核、基础设计。共同特点：输入和输出都是数字化的，AI 可以直接介入。尤其是翻译和基础编程，过去两年已经在肉眼可见地萎缩。

中等风险区域： 教师、医生、工程师、产品经理。AI 能辅助但很难完全替代，因为这些工作需要复杂的人际判断和创造性思考。但低端岗位（比如只会照本宣科的培训老师）会被淘汰。

低风险区域： 水电工、厨师、护理人员、建筑工人、快递员。需要在物理世界里灵活操作，AI 和机器人目前还做不好。

当然，随着具身智能（Optimus、人形机器人）的发展，物理世界的工作最终也会受到冲击。但那是下一个十年的事，至少目前这些工作是安全的。

一个可能让你不舒服的建议

如果你现在的工作主要是坐在电脑前处理信息——写报告、做表格、分析数据、写代码、做PPT——你需要认真思考一个问题：

你的不可替代性来自哪里？

不是来自你能处理多少信息，因为 AI 处理信息的速度和成本正在以指数级改善。而是来自那些 AI 做不好的事情——理解复杂的人际关系、在模糊环境下做判断、建立信任、领导团队、创造真正原创的东西。

Karpathy 在 README 里写了一句评分逻辑：工作的核心交付物是不是数字化的？如果是，AI 暴露就天然很高。

反过来想，你应该把自己的核心价值锚定在那些不能被数字化的能力上。

最后

Karpathy 用342个职业、一个 LLM 和一张热力图，把整个美国就业市场的 AI 风险画了出来。这张图不完美——LLM 的打分有主观性，评分标准也有争议——但它提供了一个目前最直观的框架来理解 AI 对就业的冲击。

项目地址：karpathy.ai/jobs（交互式热力图）

GitHub：github.com/karpathy/jobs（全部开源）

建议你打开那张热力图，找到你自己的职业，看看是绿色还是红色。

AI 不会替代所有人，但会替代那些拒绝跟 AI 一起进化的人。 你是选择站在 AI 旁边，还是站在 AI 对面？

码字不易，点个赞👍

火星漫慢谈 | 关注 AI、Tesla、SpaceX 前沿