2026年的招聘市场上，一个诡异的分化正在加速。数据工程师、AI产品经理、算法工程师的岗位薪资还在往上走，但会计、编辑、基础程序员、行政、客服这些曾经被视为"体面中产"的职位，招聘需求在一年内掉了四分之一。这不是周期性的行业调整，而是AI对就业结构的系统性重塑。

岗位极化：中间层正在消失

根据《管理世界》基于招聘平台大数据的研究，企业AI渗透度每提高一个标准差，非常规认知型职业（研发、高端管理、AI运维）招聘人数增长约42.7%，而常规认知型职业（流程性办公、数据处理、程式化管理）招聘人数下降约25.1%。暴露度最高的被替代岗位，恰恰是知识密集型白领工作——会计、编辑、程序员、产品经理。

这颠覆了一个直觉：AI最先替代的不是流水线工人，而是坐在办公室里做流程化决策的人。流水线上的机械操作有物理成本约束，但一段Python脚本或一个大模型Agent，可以零边际成本地替代十个基础财务、二十个内容审核、三十个客服坐席。

中国信息通信研究院的数据显示，截至2025年12月，全国规模以上工业企业开展数字化改造比例已达89.6%。普华永道同期调研显示，银行、资管、保险三大金融板块的AI采纳率加权平均在72%至76%之间。技术渗透的速度远超任何一轮工业革命，但就业结构的调整几乎没有缓冲期。

收入极化：AI是放大器，不是均衡器

岗位分化直接传导到收入。同一项研究给出了一组刺眼的数字：职业AI渗透度每提高1个单位，非常规认知型职业工资水平提高4.9%，常规认知型职业工资水平降低26.3%。同一职业内部的薪资差距也在拉大——AI暴露指数每提高1个单位，职业薪资变异系数提高0.101。

逻辑很简单：AI是"技能偏向型技术进步"。会用AI的人，产出翻倍，议价权上升；被AI替代风险高的人，可替代性强，雇主没有动力加薪。结果不是"大家都能用AI所以效率都提升"，而是"会用的人吃掉了不会用的人的那一份"。

从全球视角看，这个规律更残酷。IMF的研究表明，AI与高收入工作者的互补性远强于低收入工作者。高收入职业的工作任务受大语言模型影响的潜力更大，但高收入者更有资源和条件把这种"影响"转化为"增强"。技术红利的分配，从一开始就写好了偏向高技能者的剧本。

社保极化：越需要保障的人，保障越薄

就业机会和收入的双重极化，通过就业形态的分化进一步放大为社保权益的极化。高技能劳动者通常保持正式雇佣关系，单位缴费、五险一金、年金、商业保险一应俱全。而容易被替代的劳动者在失业或转岗后，大量涌入灵活就业、自我雇佣等形态——没有单位缴费主体，只能以个人身份参保，缴费负担重，保障标准低。

一个可以量化的差距：我国职工基本养老保险月养老金待遇大约是居民基本养老保险的15倍左右。前者面向有稳定单位缴费的劳动者，后者大量覆盖灵活就业和农村居民。AI冲击下，中间技能劳动者从正式岗位滑入灵活就业，社保从"职工"变"居民"，退休后的待遇差可能是一生积累的天堑。

35岁歧视：极化时代的第二重绞索

更棘手的是，中国招聘市场存在一个刚性的年龄门槛。经济学研究用断点回归设计验证了"35岁现象"：35岁以上的劳动者被企业雇佣的可能性明显降低。在AI加速替代常规认知岗位的背景下，35岁以上的中间技能劳动者面临的是双重打击——技术替代+年龄歧视。他们想转岗，但新行业要年轻、要证书；想培训，但培训后就业转化率低；想灵活就业，社保又接不住。

政策在打转：数量有了，结构没动

面对极化，政策并非缺位。2024年9月《关于实施就业优先战略促进高质量充分就业的意见》出台，失业保险降费、农民工返乡创业试点、技能提升培训、公共服务数字化都在推进。但效果评估显示，这些政策在应对极化时存在结构性错位。

失业保险稳岗返还的实际稳就业效应并不显著，因为考核指标滞后，企业无法形成稳定预期。2025年补贴性培训超过1100万人次，但重数量轻转化，学完之后能不能找到工作、工资涨没涨，没有硬约束。农民工返乡创业托了底，但人力资本匮乏、创新密度低，大量集中在低附加值服务业，没有真正对冲AI对县域就业的替代。

公共服务数字化了，档案转接、社保登记、岗位推送都上线了，但35岁歧视在平台上依然制度化——企业勾选年龄区间，系统自动过滤，技术反而让歧视更高效。

出路：从"保岗位"转向"保人"

诺贝尔经济学奖得主阿西莫格鲁提出了一个方向：发展"赋能劳动者型AI"（pro-worker AI），让技术扩展工人的能力而不是替代工人。中国社科院封进教授进一步给出了制度适配路径。

第一，税收杠杆纠正激励。对采用赋能劳动者型AI的企业给予税收减免；对雇佣40岁以上失业再就业、转岗劳动者的企业给予社保补贴。同时研究对大规模使用自动化替代人力的企业适度加征机器人税——当前社保缴费负担偏重而自动化技术税负几乎为零，这个价格信号在激励企业以资本替代劳动力。

第二，培训要做成"账户制"。借鉴个人养老金模式，建立个人终身职业技能账户，税收递延+政府配套补贴，让劳动者自己有动力持续投入技能升级。对企业，通过税收减免和人才留存补偿机制缓解"培训完人就走"的顾虑。政府推动企业、职业院校、培训机构共建数字技能课程，针对AI应用、数据标注、智能客服管理、AI辅助设计等真实需求开发模块，而不是泛泛教"人工智能概论"。

第三，拆掉不必要的职业准入壁垒。与健康、安全无关的行业默认证书、唯学历唯证现象，需要系统性清理。一个被AI替代的35岁会计想转行做家政、育儿、陪护或维修，不该被培训资质和准入证书卡住半年到一年——职业转换的时间成本本身就是极化的加速器。

第四，社保跟着人走。缴费基数下限下调，允许灵活就业人员补缴中断的养老保险费。对平台用工，按"管理强度+收入依赖度"建立梯度化缴费分担：企业用算法排班、考勤、绩效扣款，就该承担对应比例的社保缴费。统筹账户权益跨区折算，退休地可在累计缴费满10年的参保地、户籍地、最后参保地中选择，让跨地区流动的普通劳动者不至于每换一次城市就重新"归零"。

结语

AI对中国就业的冲击，不会以"失业率暴涨"的方式戏剧化地呈现。它更可能以一种温水煮青蛙的方式展开：中间技能岗位持续萎缩，从业者转入灵活就业，社保从职工险滑向居民险，35岁以上的转岗者被年龄门槛挡在外面，最后由财政兜底最贵的部分。

政策窗口期不会太长。当极化的速度超过保障体系的调整速度，问题就不再是"怎么帮失业者再就业"，而是"怎么防止一个庞大的中间阶层滑入结构性贫困"。封进的研究给出的信号很明确：就业保障体系必须从"单位人"的逻辑切换到"平台人、项目人、Agent协作者"的逻辑，否则AI红利归高技能者，转型成本归中间层，社会代价归所有人。