Karpathy 利用 AI 对美国 342 个职业的“AI 暴露度”进行了评估。
该项目一度因过于火爆而被作者删除。
他从美国劳工统计局获取了 342 个职业的数据，并使用 Gemini Flash 模型为每个职业打出了一个 0-10 分的“AI 暴露度”分数。
简而言之，暴露度衡量的是：该职业的工作内容有多大比例可以转移到计算机上完成。
工作内容越依赖电脑操作，得分越高；越需要亲自动手实践的，得分越低。
评估完成后，他制作了一张热力图来展示结果：
图中每个矩形的面积代表该职业的从业人数，颜色则对应 AI 暴露度的分数。
用户可以切换不同维度进行查看：AI 暴露度、薪资中位数、就业增长率以及学历要求。
项目上线后迅速引发广泛关注，甚至得到了 Elon Musk 的转发和各大媒体的报道。
随后，Karpathy 删除了该项目。
他后来在 Twitter 上解释原因：
“This was a Saturday morning two hour vibe coded project… It’s been wildly misinterpreted, so I took it down.”
大意是：这是一个周六早上花两小时随性编写的项目……因其被严重误读，所以决定撤下。
他特别强调了一点：
“The ‘exposure’ was scored by an LLM based on how digital the job is. This has no bearing on what actually happens to these occupations.”
暴露度评分仅基于大语言模型对职业数字化程度的判断，与这些职业未来是否会消失并无直接关联。
后来有人克隆了项目并重新部署，Karpathy 也随之恢复了原仓库。
但这个上线→爆火→删除→恢复的过程本身，已经揭示了一个关键问题：数据与大众解读之间，往往存在巨大的鸿沟。
01 数据揭示了什么
几个关键数字：
- 342 个职业 被评估。
- 平均 AI 暴露度约为 5 分 （满分 10 分）。
- 42% 的职业评分在 7 分以上。
7 分以上的职业涉及约 5990 万工作者，接近美国劳动力的一半。这意味着，这些职业的工作内容在数字层面有被 AI 大规模渗透的潜力。
哪些职业得分最高？
软件开发者、数据科学家、计算机研究科学家、翻译人员、市场研究分析师、精算师、数学家。
清一色获得 9 分，且多为高薪白领职业。
哪些职业得分最低？
建筑工人、屋顶工、电工、水管工、厨师、理发师。得分大多在 1-2 分。
规律非常清晰：
* 工作主要依赖电脑完成的职业，AI 暴露度最高。
* 工作主要依赖动手操作的职业，AI 暴露度最低。
高薪职业更容易受影响？
该项目最引人深思之处在于其交叉对比功能。
切换维度后，会发现一个值得关注的趋势：AI 高暴露度职业，与高薪、高学历职业存在高度重合。
过去二十年最受追捧的工作——写代码、做数据分析、处理文档、进行翻译——恰恰是 AI 最容易渗透的领域。
而那些通常被认为门槛不高的蓝领工作，反而在 AI 面前显得更具“抵抗力”。
这与十年前的普遍预期截然相反。当时人们认为流水线工人会最先被自动化淘汰，如今却发现，AI 最擅长替代的，恰恰是那些坐在工位前用电脑完成的任务。
02 中国版评估也来了
madeye 采用类似思路制作了一个中国版本，覆盖了 250 个中国职业。
数据源替换为国家统计局的数据及 2024 年国民经济和社会发展统计公报。
中国版的结论与美国版方向一致，但在具体数据上有所差异。
哪些中国职业 AI 暴露度最高？
软件工程师、前端开发工程师、证券分析师、投行分析师、翻译、电话销售，均获得 9 分。
数据分析师、AI 工程师、UI 设计师、测试工程师、大数据工程师、算法工程师、银行柜员，获得 8 分。
暴露度最低的呢？
建筑工人、装修工人、水暖工、钢筋工、混凝土工，均为 1 分。种植业农民、渔民、林业工人，也全是 1 分。
此外，中式厨师、西式厨师、面点师、消防员，同样获得 1 分。
搬家工人得分最低，为 0 分。
一个值得注意的细节是：中国版的平均暴露度为 5.0，略低于美国版的 5.3。同时，中国暴露度 7 分以上的职业占比为 31%（76 个），低于美国的 42%。
这与两国的就业结构差异有关。中国第一产业占比约 22.8%，第二产业 29.1%，第三产业 48.1%。而美国第三产业占比超过 80%。
简而言之，中国有更大比例的劳动力从事 AI 难以渗透的实体工作，因此整体暴露度相对偏低。
03 必须澄清的关键点
本文最想强调的其实是以下内容：
AI 暴露度高，绝不等于该职业会消失。
Karpathy 本人曾反复强调这一点，甚至不惜删除整个项目以防止误读。
举例来说：软件开发者评分高达 9 分，属于最高档。
但试想，一位工程师使用 AI 编程助手后，效率可能提升数倍。
这并不意味着市场需要的工程师数量会减少，反而可能增加。因为开发成本大幅下降，许多原本不可行的项目变得可行，从而释放出大量新需求。最终，市场对工程师的总需求可能比现在更大。
只不过，他们的工作方式将彻底改变，不再需要“手搓代码”。
历史上类似的情形屡见不鲜：
* 电子表格出现后，会计师并未被淘汰。相反，成本降低使得每家公司都能进行财务分析，会计师数量大幅增长。
* 编译器出现后，程序员并未被淘汰。相反，编程成本降低催生了软件行业的爆发式增长。
因此，AI 暴露度高的真正含义是：该职业的工作方式将被深刻改变，但职业本身未必会萎缩。
04 真正应该思考的问题
这个项目真正提示我们思考一个更本质的问题：
你的工作内容中，有多少成分可以被数字化？
如果一个程序员 80% 的时间在写代码，20% 的时间在理解需求、进行架构决策、与团队沟通。
那么，当 AI 帮你将那 80% 的工作效率提升数倍后，节省下来的时间将可以更多地投入到那 20% 更具创造性和决策价值的事务中。
如果一个翻译 90% 的时间在逐字翻译，10% 的时间在进行文化适配和语言润色。
那么，AI 将压缩掉那 90% 的基础工作，翻译工作的核心价值将完全取决于剩下 10% 的跨文化沟通与审美能力。
建议你亲自打开这两个项目的热力图查看，视觉化呈现比文字描述更为直观。
- 美国版：
https://github.com/karpathy/jobs - 中国版：
https://madeye.github.io/jobs/
打开后，尝试切换不同的颜色维度，并找到你自己的职业进行评估。
你可能会对“数字化”这个词产生全新的理解。
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/26904
