MIT“冰山指数”称现有AI可替代11.7%美国岗位，呼吁决策者别再观望

 麻省理工学院近期发布的最新研究提出了一组颇具冲击力的数字：通过一套名为“冰山指数（Iceberg Index）”的仿真工具，研究团队将约1.51亿名美国劳动者抽象为带有职业、地域和技能画像的“数字孪生”，再与上万种已在实际场景中部署的AI系统进行技能匹配，计算出现有人工智能在技术层面已经足以接管约11.7%的美国工作岗位，约合1767万名劳动者所执行的任务，其对应的工资价值接近8.5万亿元人民币(约1.2万亿美元)，而目前真正已经体现在裁员、流程自动化等现实决策中的AI使用，只占到全国工资价值的约2.2%，大致相当于1.5万亿元人民币(约2110亿美元)，这只是研究团队口中“露出水面的冰山一角”。支撑冰山指数的核心，是一类被称为“大规模人口模型（Large Population Models）”的仿真框架：它为923种职业、3.2万项可跟踪技能和约3000个县级地区建立统一分类，每个劳动者被视为一个“自治智能体”，带着自己的位置、任务和技能组合在虚拟劳动力市场中活动，模型再对照打上同样技能标签的AI工具，计算不同地区、不同岗位有多少工资价值来自“AI已经证明能做”的那部分认知和行政性工作，因此它衡量的是面向未来的“技术暴露度”，而不是直接预言哪一天会出现多少失业。研究发现，受影响最大的并不只是软件开发、数据分析等典型技术岗位，财务与审计、医疗文书、后台行政、人力资源、物流调度以及各类依赖文档和流程的专业服务，都存在大面积技能重叠，而且这种暴露并未局限于东西海岸的科技中心，一些拥有大量制造业和后台服务岗位的传统工业州，在冰山指数上的“隐形风险”甚至高于加州，也印证了传统以GDP、人均收入、失业率为核心的宏观指标很难准确描绘AI冲击版图这一判断。面向使用场景，“冰山计划（Project Iceberg）”更像是一块提供给立法者和大型企业管理层的策略仪表盘，他们可以用它识别哪些地区和行业是AI冲击的“高暴露地带”，在投入数十亿美元预算之前，先在模型中测试不同的再培训、教育和基础设施投资组合，一些州政府已经尝试把本地数据接入平台，用来推演不同自动化情景下就业和产出的变化；不过，从研究文字和外界解读来看，这项工作本身也不断提醒读者，现实中的劳动者经常会越出职位描述，处理突发状况、非例行任务和复杂的人际沟通，这类社会性劳动并不容易完整编码进仿真系统，再加上AI采纳速度受基础设施、监管、企业文化等因素限制，目前给出的数字仍然只是“技术能力上限”的估计，而非失业数字的时间表。与这种偏审慎的学术语气形成鲜明对比的是，MIT官网上单独设立的“Project Iceberg”页面用“Can AI Work with You?”这样的标题和大量图标、轻松文案来介绍同一项目，更像是一款面向企业的AI协作平台宣传页，这种一边是关于劳动力暴露和潜在不平等风险的严肃研究，一边是近乎推介的产品化包装，让不少观察者开始追问：当“11.7%岗位在技术上已可由现有AI接管”这样的数字被广泛引用时，它会更多地被用来提前规划技能培训和社会安全网，还是有可能被用作为激进裁员和简单粗暴的成本削减提供口实，而这种使用方式，或许才是这块“冰山”在未来几年内真正需要被持续关注的一面。