AI大模型的超高速发展导致越来越多的人担心职业的安全性，像麦肯锡、德勤等全球咨询巨头也持续发布各种关于AI对职业影响的重磅报告，但这些咨询报告大多数都偏重于宏观，适合政策制定者和企业家，对普通个人的具体职位参考价值不大。
最近AI大神、OpenAI 创始成员和 Tesla 前 AI 总监 Andrej Karpathy 开源了一个可视化美国就业市场的项目 US Job Market Visualizer，引起了广泛讨论。
US Job Market Visualizer：https://karpathy.ai/jobs/
Github：https://github.com/karpathy/jobs
2026年3月15日，Karpathy用2小时“vibe coding”了项目，其本意是分享一个纯探索工具：用美国劳工统计局《职业展望手册》官方342个职业数据 + LLM打分（Digital AI Exposure 0-10），让大家自己玩可视化、改prompt、探索数据。
结果当天就病毒式传播（Elon Musk等大佬转发放大），几小时内刷屏全球。随后几小时，Karpathy 删除了原帖，X上发帖删除并说明：This was a saturday morning 2 hour vibe coded project inspired by a book I’m reading. … It’s been wildly misinterpreted (which I should have anticipated even despite the readme docs) so I took it down.
具体被严重误解成什么？
- 很多人（包括媒体、网友）把“Digital AI Exposure分数”直接当成“失业风险预测地图”或“AI末日报告”。
- 标题党横飞：“60百万白领要失业！”“知识工作者全完蛋！”“高分职业马上消失！”
其实在项目的readme和prompt.md明确说明：
- 这只是“工作产品数字化程度”由LLM打的分（纯技术潜力）。
- 高分 ≠ 失业，可能反而因生产力爆炸而需求增加（经典“AI抢不会用AI的人”）。
- 这只是周末玩具实验，不是严肃政策报告。
但恐慌还是爆发了：白领高暴露职业（程序员9分、分析师8-9分）被渲染成“马上被AI干掉”，引发大规模焦虑和过度解读。
Karpathy 自己后来补充：人们在给他“强加结论”（sensationalizing），把一个2小时小玩具当成了权威预测。
约3月16-17日，Karpathy 恢复了原仓库 https://github.com/karpathy/jobs ，只是加了更强的disclaimer。
US Job Market Visualizer，用一个超级直观的树状图（Treemap） 把美国劳工统计局（BLS）《职业展望手册》里的 342种职业、总计1.43亿个岗位 全部可视化了。
打开页面 https://karpathy.ai/jobs/ ，会看到一个彩色马赛克般的方块图：
方块面积 = 该职业的总就业人数（越大越重要）
颜色 = 切换的指标（一键切换四个图层）：
- BLS增长展望（绿色=高速增长，红色=萎缩）
- 中位数薪资（深色=高薪）
- 教育要求（博士/硕士 vs 高中）
- AI暴露度（Digital AI Exposure）
AI暴露度是用Gemini打分的，从 0~10分：
10分：医疗转录员、数据录入员（几乎全数字，可被AI完全取代）
8~9分：软件开发者、数据分析师、金融分析师（工作产品完全数字化）
6~7分：教师、经理（部分任务可被AI辅助）
4~5分：护士、警察（混合数字+实体）
0~1分：屋顶工、园丁（纯体力+实时人际）
Karpathy 特别强调：高分不等于“失业”，而是“被AI重塑”。高暴露职业可能因为生产力暴增，反而创造更多需求（经典的“AI不会抢饭碗，只会抢不会用AI的人”）。
在项目Demo页面还附带了大量统计数据：
- 全美平均增长展望：+3.4%
- 高薪岗位（>10万美元）增长最快：+8.7%
- 硕士以上学历岗位增长：+11.3%
- 42%的岗位AI暴露度≥7分，涉及约5990万工人、3.7万亿美元工资
为什么US Job Market Visualizer会爆火？
- 直观到爆炸：以前看BLS数据要翻几百页，现在一秒钟就能看出“程序员 vs 电工谁更危险”。
- 方法论透明：不是黑箱模型，源码、原始数据、prompt全公开，想质疑就自己跑一遍。
- 及时性：正值2026年AI Agent狂飙的节点，大家都在焦虑“我的工作会不会被干掉”，卡帕西直接给出了官方数据+AI视角的答案。
怎么玩？
打开 https://karpathy.ai/jobs/，把AI Exposure层打开，点击关心的职业，看看分数和rationale。
自己改prompt：想知道“人形机器人会冲击哪些工种”？fork仓库，改一行prompt，重新跑score.py就行。
Karpathy Jobs 对个普通人的启示
最核心的启示：成为“AI Native”。
- 立即把AI变成你的超级工具，把差距拉开
高暴露职业的人，如果现在学会用AI，一年内就能把生产力甩开同行10倍。低暴露职业的人，也可以用AI处理文书/分析部分，腾出时间做高价值事。
Karpathy的本意就是：会用AI的人最安全。
- 用四层数据做职业规划，不再盲目跳槽
同时看“增长展望”“中位薪资”“教育要求”：
高薪（>10万美元）岗位增长最快（+8.7%），硕士以上增长+11.3%。
选职业时优先“高暴露 + 高增长 + 高薪”的组合（AI重塑后你反而吃红利）。
- 培养“人机协作”能力，而非硬技能
未来最值钱的不是“会不会写代码”，而是“能不能让AI按你的意图干活 + 最终把关”。教师、经理（6-7分）就是典型：AI辅助备课/分析，你负责情感+决策。
- AI时代最危险的是“拒绝AI的人”
项目数据表明：知识/屏幕工作暴露高（42%岗位），但实体+高信任工作安全。拥抱变化的人，会在生产力爆炸中获利最大。
Karpathy Jobs VS. 麦肯锡/德勤等咨询公司的报告
可以参考 ChatGPT的回答：https://chatgpt.com/s/t_69ba62fffc6c8191a791f9d1fd247875
核心观点：
Karpathy Jobs 更适合：
- 技术趋势判断（frontier analysis）
- 快速扫描职业风险
- 投资 / 职业方向 early signal
类似：“如果AI没有阻力，会发生什么？
麦肯锡/德勤等咨询公司的报告更适合：
- 企业决策
- 政策制定
- 劳动力规划
类似：现实世界中会发生什么？