AI 正在吃掉一些工作，但最需要它的地方还没人去

上个月一个做客服外包的朋友找我吃饭，说他丢了两个客户。

不是服务不好。是客户直接换成了 AI 客服系统。月费 3000，24 小时在线，不需要交社保。

"我自己都在用 AI 写方案了，有什么资格抱怨？" ——他干了半杯啤酒，说了这句话。

这不是个例。2025 年 Q4，智联招聘的数据显示 AI 行业招聘职位数同比增长 19%，算法工程师需求直接翻了一倍多。但另一边，数据录入、基础客服、标准化文书这类岗位的招聘量在明显往下走。

硬币的两面，翻得比想象中快。

---

01 · AI 现在到底有多能打

先说一组数字，帮你建立一个基本盘感。

指标	数据
2024 年中国 AI 核心产业规模	9,000 亿元
2025 年预计规模	1.2 万亿
全国 AI 企业数	5,300+ 家
智能工厂数量	3 万家（效率 +22.3%）

国产大模型这边的进展也有点超出预期。DeepSeek V3.2 在推理基准测试里达到了 GPT-5 水平，训练成本却低得让硅谷紧张。阿里的通义千问在企业级市场的调用量排第一。月之暗面的 Kimi-K2 在上下文窗口上打破了国际纪录。

说人话就是：国产 AI 已经不是在追，是在某些点上开始领先了。

但更让我在意的不是参数和榜单。是落地的速度。

2025 上半年 AI 大模型解决方案市场规模 30.7 亿元，同比增长 122%。翻倍不止。代码补全工具已经成了程序员的标配，我身边的开发者基本离不开 Copilot 或者 Cursor。自动驾驶 L2 级渗透率超过 62%，L3 量产已经在路上。

有个细节：以前 AI 落地主要在"微笑曲线"两端，研发和销售。现在它往中间走了。2025 年 AI 在生产制造环节的案例占比从 19.9% 涨到了 25.9%。流水线上的 AI，不是 demo，是真的在跑。

---

02 · 那工作呢？

这是最让人焦虑的部分。

人社部专家把 AI 替代风险最高的岗位归成了三类：

① 体力劳动为主的工业岗位

人形机器人进工厂已经不是新闻。搬运、装配、质检，重复的、累的，机器在做。2025 年被行业称为中国人形机器人发展元年，融资超过 400 亿。

② 流程标准化的服务岗位

客服、数据录入、基础审核，不需要复杂判断、不涉及深度情感交互的工作，AI 上手最快。我那个做客服的朋友就是这条线上的。

③ 数据处理类的文职岗位

这是最让我意外的。以前觉得白领安全，现在反而是生成式 AI 的第一波冲击对象：基础文案、翻译初稿、表单整理、会议纪要，AI 干得又快又好。

世界经济论坛预测，到 2030 年全球会有 9,200 万 个岗位被 AI 或自动化替代。

但这个数字只说了一半。同一份报告预测，同期会新增 1.7 亿 个岗位。净增 7,800 万。

方向	2025 Q4 同比
算法工程师	+110%
机器视觉	+36.6%
机器人算法	+30.7%

每个新发布的 AI 相关职业，短期内能拉动 30~50 万人就业。

所以问题不是"有没有工作"，是——

"你会不会做那些新工作？"

而这里有一个让我比较担心的事：技能保鲜期在急剧缩短。"一技傍身、终身受用"这句话，在 AI 时代基本不成立了。对技能单一、年龄偏大的劳动者来说，转岗的难度在增加，不是减小。

人社部已经在建"AI 就业影响监测预警体系"，上海、河南、贵州各地也在推 AI 技能培训补贴。方向是对的，但速度跟不跟得上替代的速度，说实话我心里没底。

---

03 · 真正需要 AI 的地方，反而没人去

聊到这里，我想说一个可能不太主流的观点。

过去两年，AI 行业的钱和人才大量涌向了能快速变现的赛道：写代码的 Copilot、做营销的 AIGC、替代客服的对话机器人。这些都没问题，商业逻辑上完全成立。

但有一些方向，商业回报不高、周期长、做起来又苦又累，却是 AI 真正能改变几亿人生活的地方。投入明显不够。

🏥 基层医疗｜村卫生室更需要 AI，不是三甲医院

中国有 3 万多家基层医疗机构已经接入了 AI 辅助诊断，覆盖了大约 1 亿居民。医学影像 AI 的准确率超过了 98%。在顶级三甲医院，AI 辅助决策系统能帮医生做专科级别的判断。

但真正缺 AI 的地方，是乡镇卫生院和村卫生室。

我老家在河南一个县城。镇卫生院只有一个全科医生，一个人看内科、外科、儿科、皮肤科。他需要的不是一个能识别 2000 种罕见病的顶级 AI，是一个能告诉他"这个皮疹是湿疹还是过敏"的工具。能跑在手机上，断网也能用，操作不超过三步。

这类需求，技术上没多难。难的是没人做。因为赚不到钱。

还有罕见病药物研发。全球 7,000 多种罕见病，只有不到 5% 有药可用。不是技术上搞不定，是市场太小，药企不投。AI 分子筛选能把研发周期缩短 30%，如果用在罕见病上，价值巨大。但这个方向需要政策引导，光靠市场跑不过去。

🌾 农业｜种地的人老了，AI 该上场了

农业 AI 的增长数据不差，2025 年应用增长率 75%。智慧农业平台覆盖了 31 个省 2000 多个县的 1,500 万农民。自动驾驶农机、病虫害视觉识别都在落地。

但你去田里看看就知道差在哪了。

我一个做农业科技的朋友跑了两年河南和山东的合作社。他跟我说了两件事：

• 第一，大部分智能系统是为"大田"设计的，几千上万亩的规模化种植能用，但小农户根本用不起。
• 第二，农村很多地方 4G 信号都不稳，什么云端 AI、实时同步都是空话，离线 AI 才是刚需。

还有一个特别具体的问题：中国种地的农民平均年龄已经超过 50 岁。他们需要的不是 App，是能听懂方言的语音交互。"对着手机说句话，它能告诉我今天要不要打药"。这个场景的实现难度不高，但做的人很少。

粮食安全是底线。AI 在这个领域的价值不在效率提升 20%——

在能不能让越来越少的人，种出够 14 亿人吃的粮食。

📚 教育｜让差学生不掉队，比让好学生更好重要

教育 AI 的渗透率已经超过 40%。自适应学习、AI 批改、虚拟教研，头部学校和国际学校用得风生水起。

但教育 AI 的真正价值不在让好学生更好。在让差学生不掉队。

一个班 50 个学生，老师的时间是常量。AI 可以做到给每个学生配一个"AI 导师"：不是丢一堆题让他刷，是真的能判断他卡在哪个知识点、用什么方式讲他能听懂。这件事在技术上已经能做到七成了。

但在乡村学校，连基本的硬件和网络条件都不具备。贵州已经提出到 2030 年建成覆盖大中小学的 AI 一体化培养体系，方向明确了，但离"每个孩子都有一个 AI 老师"还很远。

教育公平这件事，AI 可能是过去二十年最好的工具。但前提是有人愿意为"不赚钱的市场"做产品。

🔍 三个领域的共同困境

• 商业回报低，市场驱动力不足
• 用户没钱或没话语权（农民、村医、乡村学生）
• 基础设施差，需要离线、低成本、低门槛方案
• 社会价值极高，但需要政策引导 + 社会资本投入

---

━━━ 写在最后 ━━━