35个最容易被机器人取代的职业，前台排第8位，最后一位是
03会计
被取代概率97.6%
与技能基础，且日薄西山的电话推销、打字不同，会计这样一份要求不算低，职业前景也被社会主流看好的职业竟有高达97.6%的几率被机器人取代，着实令人意外。
但细究来说，会计工作的本质便是信息搜集和整理工作，内部存在着严格的逻辑要求，天生就要求100%准确，从结果上来看，机器智能操作的优势的确明显。
而事实上，全球四大会计师事务所中的德勤、普华永道和安永都已相继推出了财务智能机器人方案，给业内造成了不小的震动。
04保险业务员
被取代概率97%
另一个已经开始走向人工智能化的行业是保险业。包括平安保险、泰康在线、太平洋保险、弘康人寿、安邦人寿、富德生命等在内的多家险企已将智能科技引入到公司业务上，目前主要应用于售后领域。
但业内预测，不久的将来，人工智能将替代销售人员，成为个人保险智能管家。
值得一提的是，日本富国生命保险曾用IBM的人工智能平台WatsonExplorer取代了原有的34名人类员工，以执行保险索赔类分析工作。这34名人类保险业务员就此成为了“机器人抢我的饭碗”大军的一代先驱。
05银行职员
被取代概率96.8%
除了单调、重复，“低效率”也是造成某些职业被自动化取代的一大因素，比方说银行职员。
其实现代人挺习惯排队的，排地铁排挂号排奶茶排鲍师傅都不在话下，即便如此，在银行办业务时排的漫漫长队还是足以击溃一个文明人的忍耐底线。
虽说当下市面上出现的所谓“银行机器人”在实际功能上依然以卖萌为主，但在切实的需求面前，银行职员被机器人取代的确是可以被预见的事情。
四川某银行的“网红机器人”
06政府职员
被取代概率96.8%
BBC的研究人员在这里所指的是政府底层职能机构的职员。
如果你看过类似《是！首相》之类的英国情景喜剧，便会知道，在这个国家，冗余且无能的行政人员一贯是民众的槽点和笑料。
在该国的一项调查中，有1／4的受访者认为，相比人类，机器人有更好的从政能力；66%的人认为，至2037年，就会有机器人在政府任职；16%的人认为，在未来的一至两年中，就会出现机器人担任政府官员的现象。
07接线员
被取代概率96.5%
早在十几年前，微软便开发出了具有总机接线员功能的智能语音系统；而近些年来，随着人工智能的发展，人类接线员的绝大部分工作基本都可以被自动完成。
08前台
被取代概率95.6%
机器人前台这两年已经多次登上了新闻标题，话题度最高的是由日本软银公司开发的Pepper。目前，日本以及欧美多国都已经有医院、银行、电器店之类的机构购买了Pepper，作为前台接待人员使用。
Pepper机器人
09客服
被取代概率91%
Siri诞生了这么多年，人工智能取代人工客服在技术上早已能够实现，剩下的就是普及化的问题。
近两年，这类人工智能客服平台也逐渐成为了互联网行业热门的创业项目，其中某些产品的回答准确率据说已经能达到97%。
10人事
被取代概率89.7%
在未来，不单单是员工本身，就连负责招募员工、解雇员工的HR也有可能会被机器人取代。
通过机器学习、自然语言处理、聊天机器人等人工智能技术，机械HR能完成很多人力资源管理者所要求的基本技能。
之前由北美著名猎头公司SourceCon举办的一年一度的行业竞赛中，一个名为“Brilent”的机器只用3.2秒便筛选出合适的候选人。除此以外，国内厂商开发的一种名为“iHR人力机器人”的一站式自助办公服务也获得了大量媒体曝光，其最基础的功能是开具各类证明文件自助打印，如在/离职证明、收入证明、公积金证明等。
11保安
被取代概率89.3%
关于人工智能，最令人无法解释的一条新闻诞生于2017年，美国乔治城华盛顿港开发区的一台保安机器人“溺水自杀”了。
此事的官方解释为机器人系统故障，但它在社交网络上依然激起了大量恐慌情绪。
这名“自杀”的保安机器人是由硅谷公司Knightscope研发的K5机器人，拥有GPS、激光扫描和热感应等多项功能，并备有监控摄像机、感应器、气味探测器和热成像系统，自问世以来，在美国的大型商区中很受欢迎。
12房地产经纪人
被取代概率86%
现阶段，无论是房屋买卖还是租赁，都离不开房地产经纪人，也就是我们常说的售楼小哥的牵线搭桥，他们也借此收取佣金。
但美国的一些房地产机构近些年开始尝试使用机器人、大数据和人工智能算法完成交易。
随着人工智能在这一领域的技术逐渐完善，一旦这种模式被行业主流接受，人们又发现绕开中介可以省去大笔佣金，这一职业的前景便岌岌可危了。
13工人，以及园丁、清洁工、木匠等第一、第二产业工作
被取代概率80%-60%
绝大多数来自第一产业和第二产业的工作都被BBC的研究人员列为了高危职业，而这些也是很多人在提到“机器人威胁论”时最先想到的威胁。
事实上，从第一次工业革命开始，机械大生产对底层工人生计的威胁便已是经久不衰的话题。
19世纪下半叶的英国，纺织工人群体内还多次爆发了对抗工业革命的暴动，他们砸毁织布机，以宣泄失去工作的怒意，史称“卢德主义运动”。
台湾曾爆发了一次现代版本的“卢德运动”。当年，“高速公路局”计划在年底用ETC自动收费系统，全面取代近1000名高速公路收费员的工作，激发了收费员群体的抗议。
其过程中，竹田收费站一位40岁的员工在自己的车中烧炭自杀。
14厨师
被取代概率73.4%
基本可以肯定的是，BBC将“厨师”的危机概率预测为73.4%，八成不包括中餐厨师。
虽说当下类似披萨机器人、咖啡机器人、酸奶机器人之类的机械厨师已经问世，但哪怕是再智能的机器人，看到中餐菜谱上的“盐／少许”“味精／少许”也得死机。
15IT工程师
被取代概率58.3%
略有些讽刺的是，专家预测，人工智能将给很多公司的IT部门带来威胁。
它将取代IT部门里许多的例行公事，其中又以系统管理、服务台、项目管理与应用支持等营运面最可能受影响。
16图书管理员
被取代概率51.9%
相信不少文艺青年在年少无知时都有过类似当“图书管理员”的梦想，但时至今日，就连他们都会明白，博尔赫斯的时代早就过去了，这份工作还是交给条形码和人工智能吧。
17摄影师
被取代概率50.3%
而更令人惊讶的是，摄影师这样一份依赖主观审美的工作竟然也被判定为有超过50%的可能被机器人取代。
在专家的评估中，图像审美与其他艺术不同，是可以被量化、数据化的。
而谷歌也的确开发出了一种试验性的深度学习系统，这个系统会模仿专业摄影师来展开工作，从谷歌街景中浏览景观图，分析出最佳的构图，然后进行各种后期处理，从而创造出一幅赏心悦目的图像。
18演员、艺人
被取代概率37.4%
在所有常见的艺术创作工种中，“演员”被判定为最容易被机器自动化取代的行业，概率高达37.4%。
但怎么说呢，撇开科幻小说中用虚拟形象取代真人演员的情节不谈，单单是当下以假乱真的“抠图剧”就让我们对这个行业被取代的前景充满了信心。
日本研制的机器人演员“GeminoidF”
19化妆师
被取代概率36.9%
总的来看，在技术工种中，凡是需要依赖人类审美和社交技能的职业被机械自动化取代的可能性都不算太高，比如化妆师。
不过，维也纳设计师JohannaPichlbauer和MayaPindeus曾开发了一种据称“有独立审美”的化妆机器人，虽不具备真正的人形，但内置编程系统，被设计师称为“美学数字公式”。设计师希望通过这种非需求式的体验，来让人们体验“一旦机器具有自我意识，人类会有什么感觉？”
20写手、翻译
被取代概率32.7%
无论你对微软小冰创作的“诗歌”有着怎样的苛责，不可否认的是，在语言学习上，机器和人工智能已经走到了一个令人惊叹和警惕的地步。
如此说来，在不久的将来，要说一个连小冰都写不过的文字工作者有32.7%的可能被取代，一点也不为过。
21理发师
被取代概率32.7%
看过《剪刀手爱德华》的朋友十有八九幻想过被（德普扮演的）机器人设计发型是一种什么样的体验。
但理发师与化妆师相比，不仅同样有审美上的高要求，安全指数也是一个重要的考量因素。正因如此，当下市面上一些所谓的“机器人理发师”大多沦为搞笑视频的主角，没有实际效用。
22运动员
被取代概率28.3%
无论机器可以在多大程度上模仿人类运动，但作为一项职业来说，运动员的立身之本就是人类的肉体凡胎，机械的运动技能再强，也无法与“更高更快更强”的体育精神相比。
当然，如果把机器运动员开发得足够完善，会是一种陪练的好帮手。
23警察
被取代概率22.4%
很早之前社会上便有人提出，人工智能最值得开发的领域便是作战功能，以特种兵的身份代替人类士兵赴汤蹈火。
在科幻题材中，类似的机甲战士威力无比，却也常常威胁到人类自身，这大概也反映了人类对这一领域机器人开发的警惕。
但在2017年，迪拜竟然真的开发了一款“机器人警察”，预计2030年投入使用。这款机器人警察名叫REEM，身高约为1.68米，靠轮子而非双脚行动，同时它还配备了“情感检测装置”，能够分辨1.5米以内人类的动作和手势，还可以辨别人脸的情绪和表情。
不过REEM并不是用来追击犯罪分子的，起码现在还不是。目前这款机器人警察主要是为了帮助市民而设计，它胸前的内置平板电脑可用来与人类进行互动交流，比如报警、提交文件或是缴纳交通违章罚款等。
它还能凭借体内安置的导航系统来辨别方向，可以使用包括英语和阿拉伯语在内的六种语言和人类进行交流。
24程序员
被取代概率8.5%
理论上来说，机器人完成基础的编程工作是完全可行的，毕竟，它们本身就是由代码构成的。
英特尔实验室的研究人员也曾开发成功了全球首个能自动生成完整软件程序的AI机器人，名为“AIProgrammer”。当然，在算法还有一定的局限，比如这只是面向人类的编程语言，不适用于ML编程。
目前来看，机器人编程依然只是一个理论上可行的方案，耗时耗力，即算有朝一日实现了，也明显替代不了所有的程序员。
此类系统即便能淘汰众多编程工作，也只能像无人驾驶一样，仅仅只是承担更多的驾驶工作，而非淘汰驾驶员本身。
25记者
被取代概率8.4%
一个令我们稍感安慰的数据是，BBC研究人员预计记者、编辑的职业被人工智能取代的几率仅为8.4%。
26保姆
被取代概率8.0%
相比人工智能，人类的另一个无法被机器模仿的特质就是同情心和情感交流技能，因此，在保姆这类真正需要情感投入的职业中，机器人尽管能完成大部分工作要求，但终究很难代替。
27健身教练
被取代概率7.5%
近些年，各种各样的“机器人减肥顾问”“人工智能健身项目”层出不穷。机器人作为减肥顾问，能够比人类更加客观具体的看待问题，而且机器的算法全面精准，帮助人类减肥的效果将会更好。
但无论如何，这些都比不上看见一个真正练出了八块腹肌的教练有激励效果。
28艺术家、音乐家、科学家
被取代概率分别为：3.8%、4.5%、6.2%
无论技术如何进步，人工智能如何完善，对人类而言，创造力、思考能力和审美能力都是无法被模仿、被替代的最后堡垒。
29律师、法官
被取代概率3.5%
人类的另一个无法被模仿的能力，就是基于社会公义、法律量刑和人情世故作出判断的微妙平衡。
法律不是一块死板，不是可以计算、生成的代码，法庭上的人性博弈更是机器人无法触及的领域。
在2017年，曾有一款可以借助AI免费给人做法律指导的聊天机器人正式在全美50个州上线，开发者称其为“世界上首个机器人律师”，但它的功能仅仅是帮助不懂法律的普通人写出符合格式要求的申诉状而已。
30牙医、理疗师
被取代概率2.1%
当代医疗技术已经越来越多地介入了机械操作，外科领域尤其。但人类医师无论在伦理上，还是在技术操作上都很难完全被取代。
而在牙科这个技术要求极高的领域，尽管很多手术，比如3D打印牙齿植入，已经可以由机器人完成，但在整个过程中，依然离不开人类医师的诊断和监督。
31建筑师
被取代概率1.8%
近年来，已经有各种各样的所谓“人工智能建筑师”被开发出来，但这些系统能完成的工作仅仅是画图纸而已。
而建筑师真正赖以立足的创意、审美、空间感、建筑理念和抽象的判断都是机器难以模仿的。
32公关
被取代概率1.4%
就连人类自己，也很难去模仿那些人情练达者的社交能力，更何况不具备情感反射的机器人。
但很好笑的是，曾有国内的一家公关公司宣称他们开始使用一种“公关机器人”，但它的实际功能只是为客户撰写公关稿而已。
33心理医生
被取代概率0.7%
机器无法理解人类的情绪，但依然可以学会用某些方法来处理与情绪有关的问题，就好像不理解“什么是诗”的机器依然可以写出不错的诗来。
从这个角度来说，机器确实可以胜任心理咨询的工作，因为心理咨询原本就建立在这样一种信念之上：人类的情绪可以被有效地处理。
然而有些时候，急于处理问题恰恰是造成问题的原因。机器无法处理这样的悖论，而习惯了机器思维的人类同样无法处理。只有同样生而为人的心理医生才有可能跳脱这一思维悖论，让问题本身变得无关紧要。
34教师
被取代概率0.4%
国内一家教育机构曾举办了一场“教学人机大战”。他们招募了三名17年平均教龄的中高级老师进行真人授课，另一组学生完全使用教学机器人进行学习。在四天的对照学习后，真人教师组被判定落败。
我们不排除这场“人机大战”背后的营销戏码，但哪怕人类教师真的输给了“教学机器人”，也不能就此否认人类教师的存在意义。
在之前提到的那些人类独有的、被视为最后堡垒的能力，都恰恰是机器所无法传道授业的。
35酒店管理者
被取代概率0.4%
看过《布达佩斯大饭店》的朋友自然会懂，为什么一家酒店的经营者会成为这个世界上最无法被机器人取代的职业。返回搜狐，查看更多
最易被AI替代与最难被替代的职业是哪些
文丨陈沁（脉策数据首席经济学家，经济学博士）
本文首发于作者微信公众号“城市数据团”，界面新闻获授权刊发。授权事宜请联系原著作权人。
GPT来了，我会被它替代吗？关注我们前两篇推文的读者会发现，我们所使用的招聘数据，截止时间是到2022年年末。
但2023年，似乎进入到了一个新的纪元，各种生成式AI的快速推出，带来了前所未有的冲击。
生成式AI中最有代表性的，要数OpenAI的大语言模型——ChatGPT，很多人通过亲身尝试，在被科技震撼的同时，也都感到了深深的危机，似乎自己的工作很容易就能被AI替代。这种情绪迅速地被各类媒体和营销号捕捉到，通过个案的采访，以及文学化的解读，又被传播放大到了妇孺皆知的程度。
但是，迄今为止，关于生成式AI（或者狭义到大模型）对就业市场影响的真正的严肃研究还屈指可数。
目前比较有参考意义的研究，其实还是来自OpenAI自身。OpenAI在他们最新的工作论文《GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels》中，深入讨论了AI对劳动力市场可能的影响。
在这篇文章中，研究者发现，在大语言模型（LLM）愈发普及的冲击下，至少80%的美国劳动力会受到影响，他们的工作的10%会被LLM所替代。其中有19%的美国劳动力有超过50%的工作会被替代。
注意，以上研究也仅仅限于美国的就业市场。
那么，中国呢？
讨论AI替代的关键问题：每个职业究竟都在做什么？要分析一个岗位在多大程度上能够被GPT或者衍生的其他AI模型所替代，首先需要明确一个最关键的问题：
每个职业究竟都在做哪些事情？
我们看到营销号里经常提到，AI会取代秘书、AI会取代程序员，诸如此类。但这是一个非常模糊的表达。在本质上，AI所替代的，并不是一个大众认知的泛泛的职业名字，而是这个职业中所包含的职能和工作内容。
那么，什么是职业中所包含的职能呢？在招聘网站上，我们会看到“岗位描述”，比如一个典型的人力资源部员工的岗位描述可能包括以下内容：1， 新员工的招聘，员工入职手续办理2， 安排以及开展新员工入职培训3， 考勤及工资绩效的核算4， 维护和拓展公司招聘渠道，协助社招及其他招聘活动……
大家可以看到，其中每一条都是人力资源部员工的职能。而每一条职能又包括了更丰富的工作内容。比如“安排以及开展新员工入职培训”，又包含了下列具体工作内容——1，撰写、准备培训材料；2，交流、沟通并安排计划时间表；3，演讲、培训，提升员工技能……等具体工作内容。
当“人力资源专员”这个职业的工作结构被拆解成了数个甚至数十个职能和工作内容后，单独判断“撰写、准备培训材料”这一项内容有多大可能会被AI冲击，这样才能产生具体的、可量化的、有切实意义的答案。
好的，那么问题来了，我们怎么才能获取每个职业的职能和工作内容信息呢？
为了获得各种职业的任务拆解信息，OpenAI的论文中使用了O*net数据库。O*net，全称为职业信息网络（OccupationalInformationNetwork），是一个基于美国标准化职业的免费在线数据库。这个数据库已经完成了所有的（美国）职业拆解。
那么中国有没有O*net这样的数据库呢？很遗憾，目前并没有，而且由于中美对于职业的定义存在一定差异，O*net数据库的职业也很难与中国职业大典中的标准职业形成准确的映射关系。
所以我们采用了一种间接的匹配方式，采用市场上真实招聘数据作为媒介，每一条招聘数据，通过前篇中的方法，同时映射到中国标准职业和O*net标准职业后，再按照中国标准职业汇总，从而就得到了每一个中国标准职业下的工作任务和具体工作内容。
经过汇总和抽象合并，我们共计匹配产生了1639种职业、19265条职能和23534种工作内容。
谁来判断AI替代性？意料之外的“数据标注员”获得了上述数据，也就是明确了每个职业具体的工作任务和工作内容后，按照OpenAI的方法，下一步就是给每个工作任务和具体工作内容进行打标，具体判断其是否会被AI替代。
在此，需要标注的数据大约几万条，那么，如何完成这个工作呢？
在过去，我们就需要聘用大量人工数据标注员，对19265条工作任务和23534种工作内容打标，让标注员们判断每一个任务被AI替代的可能性是多少，是30%，还是70%，再将这些标注员的工作合并在一起求平均，得到每一个职业被AI替代的可能性。
数据标注员，其实是一种很新颖的职业，在2022年版的《中国职业大典》中才首次出现，职业代码为4-04-05-05-01，在细类“人工智能训练师”的类目下，主要工作内容包括“标注和加工图片、文字、语音等业务的原始数据”。判断每一个职业的具体任务和工作内容是否会被AI所替代，自然也是数据标注员工作的一种。——是的，原本确实应该是这么做的，过去这么多年来也一直是这么做的。但我们现在有了大语言模型，有了GPT，事情开始变得不一样。
在OpenAI的那篇工作论文中，作者确实聘用了人类来为这些工作内容打标，但他们同时请来了另外一位更高效的助手，那就是GPT自己，通过一个复杂的prompt使GPT理解打标任务背景后，让GPT自己出手，判断每一条工作内容被自己替代的可能性究竟有多少。
结果有些出人意料，细想却又很合理——GPT的标注结果，和人类的标注结果高度一致，有百分之81%以上的标注是完全一样的。论文中让GPT用不同的prompt标注了两次，其结果也很类似，两次标注之间有91.1%的结果一样。论文最后选了其中一次GPT的标注结果来进行研究，人类的标注结果，仅仅用来判断GPT的合理性，并没有被用在论文中。
是的，让GPT来标注“某一项工作内容会被GPT替代的可能性”。让魔法来审判魔法。
我们自然也使用了这种方法，直接使用GPT-4的API，对于每一种职业的每一类工作内容进行打标，具体的prompt类似这样（我们最终使用的prompt与之不完全一致，可以根据需求自行修改）：
你是一名“大型语言模型替代劳动力评估师”。大型语言模型，是一种用于处理和生成自然语言文本的深度学习模型，最新的大型语言模型能够基于自然语言文本生成、描述创建图像与视频。在这样的背景下，你需要从“该任务是否能够在大语言模型帮助下，在同样时间达成同样产出或者同样效果的前提下，减少人类劳动时间的参与”的角度，给下列每一个任务打分。评分从0到5分，0代表该任务不能通过大语言模型的帮助减少人类劳动投入，1代表可以减少20%人类劳动投入，2代表可以减少40%的人类劳动投入，3代表可以减少60%的人类劳动投入，4代表可以减少80%的人类劳动投入，5代表可以减少100%的人类劳动投入，即该任务不再需要人类劳动参与。你的评分，代表着大语言模型可以在每一个任务中节省多少比例的劳动投入，请根据当前大语言模型的进步情况和你认为未来可能的发展状况，谨慎评分。请按照“id,评分”的格式，每一行返回一条任务的评分结果。在API中，以上内容被作为背景输入，接下来具体的内容便可输入具体的工作任务和工作内容，一次可输入多条，但由于输入token限制，一次我们最多能输入100条左右让GPT帮助打标。
接下来，GPT-4的API就会快速返回结果。由于任务已经被拆解得比较细致，对于每一条任务的打标十分准确，稳健性也极高。
更重要的是，使用GPT打标，成本之低令人发指。标注4万条内容，每次标注100条，只需要400次，使用GPT-4的模型，每标注100条，仅需要0.12美元。也就是说，一共只需要耗费48美元，合人民币300多元。如果使用不那么精确，但速度更快且更便宜的gpt-3.5-tubo模型，4万条只需要耗费3美元，约合20多元。在这样简单的任务上，GPT-4和gpt-3.5-turbo的表现几乎没有差异。
而人类数据标注员要完成4万条内容的标注，需要至少1万元，一星期。GPT只需要半小时，一杯奶茶的钱。而两者的质量是几乎一样的。
我们必须正视这样一个似乎有些讽刺的事实：刚刚出现没几年的全新职业——人类标注员，他们喂养出来的大型语言模型GPT，在完成一项“GPT能够替代哪些职业”的标注工作任务时，首先替代掉了把GPT训练成材的人类数据标注员。
通过“工作内容标注”的结果，我们找到了最容易被AI替代的职业使用GPT标注的结果，我们可以计算什么样的职业最容易被大语言模型以及其他AI相关的衍生职业替代。具体计算过程是这样的：
将所有的工作权重（来自O*net数据）和替代率全部相乘后求和，就得到了该职业的AI替代率，可以理解为这份工作总共有百分之多少的工作内容可能被AI替代。我们已经将所有标注结果汇总到了中国职业上，并在数据团+小程序中给出了每个职业的“AI替代系数”（感谢加州大学圣迭戈分校（UCSD）杨阳提供相关数据与计算）。
下表列出了在招聘达到一定规模的职业中AI替代率最高和最低的各25个职业。
上表的这50个职业，可以理解为未来职业发展的晴雨表。
AI替代率最高的职业是翻译，其次是保险核保专业人员以及剧作家。这三个职业，有90%以上的工作任务和内容都暴露在AI替代的风险中。
接下来，视觉传达设计人员、装饰美工、美术编辑、广告设计师、剪辑师，这些与美术、视频、作图相关的职业，被AI替代的工作内容也超过了80%。文字编辑、网络编辑、文学作家、文字记者，这些与文字生成和修改高度相关的职业，被替代的工作内容也超过了75%。
呼叫中心服务员、前厅服务员（即为宾客提供咨询、迎送、入住登记、结账等前厅服务的人员）、节目主持人、秘书……这些职业，也出现在了前25名中。
当然，不能忘记排名第25的计算机程序设计员，平均来说，程序员有75%的工作内容，面临被AI替代的风险。
AI替代率最低的职业主要是各种制造业相关蓝领人员。这并不意外，因为我们让GPT评分标注时扮演的角色就是“大型语言模型替代劳动力评估师”，它自然无法评估可能被其他机器所替代的职业。但仍然有几个制造业工人以外的人员值得注意——绿化工、保洁员、洗衣师、按摩师、美甲师、中式面点师……看起来并不需要太高学历，工资也不算最高的这些职业，反而成了最难被AI替代的职业。
当然，以上只是一些总结，如果你感兴趣更多职业的AI替代风险信息，可以在数据团小程序中自行查询探索。
AI替代率和职业特征背后的探究在OpenAI的那篇工作论文中，研究者发现了稳定的正相关关系——工资越高的职业，被GPT们替代的可能性越高。这个趋势在年收入大于10万美元的职业之后才区域相反，见下图。
那么中国的情况呢？请看下图：
可以看到，美国的现象在中国似乎并未出现。职业的工资高低和职业的AI替代率之间并不存在显著的正相关关系。
但是，正如上一篇文章中提到的，对于每一个职业，当前的工资只是一部分内容，更重要的是从业年限增长率。一些工作可能入职时工资更低，但随着工资年限上升却有更高的上升空间，从而有更高的十年总收入。
那么，从业年限的工资增长率和每个职业的AI替代率之间存在什么关系？可见下图：
可以看到，各职业的AI替代率，确实和每个职业的年限工资增长率有着非常显著的关系，两者之间存在正相关的显著性水平在0.001以下。如果我们将上图改为分段柱状图，我们将可以看到更明显的趋势。请看下图：
从上图可以看到，每增加一年从业年限工资增长最慢，低于8%的职业，相对最不容易被AI替代的。但如果一个职业每工作一年工资增长超过20%，被AI替代的可能性平均将大于60%。
这个趋势，说明的是在本轮大语言模型和其衍生出来的相关AI的一个显著特征，那就是：
人们在一个行业上积累的经验、学到的技巧、掌握的诀窍，他们一方面使这些职业看起来有更强的“成长性”，但另一方面也是被大语言模型首先替代掉的东西。
反过来，那些不需要精深学习就能掌握的人类能力，反而成了不会被AI替代掉的技能。
为什么AI替代掉的是这些？我们为什么是我们？各种工作中被AI替代掉的，为什么是上文的这些？
第一种可能，是因为那些学习、工作后能积累更多经验，提高更快生产率的职业，本身劳动力成本更高，因此更促使人们去找到能替代这类劳动力的AI，给这样的AI产品更大的投资，因此这些职业就成了第一批牺牲品。
这样的说法有一定道理，但我们也能找到很多反例，例如自动驾驶。驾驶这个技能，人们学习几个小时至多十几个小时就能掌握；另一方面，自动驾驶方面的投资在领域内数一数二，但目前的效果距离全路况自动驾驶依然有很长一段距离。
反过来，一些生物、化学方面的技能，化合物寻找、蛋白质折叠，或者是在实验流程上的全自动化，这些人们需要数年专业训练才能掌握的知识，尽管资本的介入比起自动驾驶只能算九牛一毛，却已经有了非常不错的替代AI。
从这点看，劳动力价格更贵——吸引更多投资——替代性AI更容易出现的逻辑似乎并不完全正确。
那么，我们不得不考虑第二种可能——人类通过后天的实践学习知识、积累经验和诀窍的技能，AI确实已经实现甚至完成了超越。
是的，不是单个技能，也不是一组技能，而是那种通过艰苦的学习实践来获取知识、积累经验的技能，人类已经落后于AI。那些高成长性的职业，不管现在是否还处在安全区，出现替代AI，也许就是这几年，甚至几个月之内的事。
到头来，那些人类孩提时期甚至出生时就已经掌握的技能，那些精巧的人类生物学本能，似乎反而是AI最难模仿和替代的部分。
而那些后天学习到的知识，花上好长时间学会算术、学会写作，学会画画，学会编程、学会做好看的ppt、学会看X光片、学会写法律文书，学会很多种语言并且自如地交流……人类学会了各种各样以此为傲的东西，并觉得这些特征似乎使人类和其他生物产生了哲学上的差异。
但在AI看来，这些东西一文不值。
（文章仅代表作者观点。）