AI 不是一个行业一个行业地取代，而是挑着"活儿"干——先干哪些活儿，其实有规律。这份报告用全球和中国的真实数据与案例，把一件事讲清楚：在每个行业里，AI 先抢走了哪些环节，人又该往哪里走。
没有哪个行业会被整个"删掉"。AI 先动的，是那些重复多、有套路、数据已经在电脑里、主要靠读写和算、做错了也好补救的活儿。一份工作里这种活儿越多，就越先被 AI 接手——这就是为什么客服、写文案、写基础代码、看合同最先被冲击；而要去现场判断、要协调一堆人、要靠人情和信任的活儿，还稳稳握在人手里。
各家机构算法不一样，但结论一致：未来五到十年，大约 1/4 的工作时间能交给 AI 干；岗位有减有增、加起来还是净增；而且谁先被冲击，是有先后顺序的——越"标准、越数字化"的活儿，越早被动。
把任何一条业务链摊开看——研发 → 生产 → 获客 → 销售 → 客服 → 管理——AI 不是齐步走的：越是"处理信息"的环节，越先被抢；越是要动手、要跑现场、要靠信任的环节，越晚轮到。
每张卡片就说三件事：这个行业里 AI 先动了哪一块、带来什么 危、什么 机，再配一个有真实数字的案例。
这一轮不一样：挨刀的从蓝领变成了白领和刚入行的年轻人。不少大公司直接把裁员和"AI/提效"挂钩——当然，经济不好也是原因，"AI"有时只是个方便的说法。但趋势是真的：2025 年有 10 万+、2026 年已有 15 万+个岗位的裁撤被算到 AI 头上。
过去当职业起点的数据录入、基础客服岗被自动化，年轻人开始转向"AI 难替代"的技术工种（电工、管道、建筑）。
也有人质疑：一些公司把常规裁员包装成"AI 转型"；真实原因还包括需求放缓、消费收缩、组织"去肥膘"。
Citrini 报告推演的"幽灵 GDP"：软件→白领→金融的连锁冲击。多数学者把它当"思想实验"，但方向上的风险值得正视。
老规律又应验了：每次技术革命砸掉一批旧饭碗，也会造出更多新饭碗。LinkedIn 的数据显示，过去两年全球新增了 130 万个AI 相关岗位、60 万个数据中心岗位；"AI 工程师"连续三年是涨得最快的职位。
WEF 也提醒：涨得快的不全是"高科技"——快递员、护工、老师、农业工人这些"撑起日常生活"的岗位也在变多。说到底，既会用技术、又有人特有的本事（会分析、扛得住、能带人、会合作），才是将来最吃香的组合。
2024 年，金融科技公司 Klarna 高调用 AI 顶替约 700 名客服、整体裁员约 40%，数字很漂亮。但到 2025 年 5 月，CEO 公开承认"质量掉了、撑不下去"，又把人请了回来。这不是 AI 不行，而是"拿 AI 换人"和"用 AI 把流程重做一遍"根本是两回事。
高频、标准、能上规模：分流、秒回、多语言、7×24，把解决时间从 11 分钟压到 2 分钟。
模糊判断、升级处理、情绪和信任。那段"不上不下的中间地带"，恰恰是 AI 最弱、而钱最多的地方。
→ 对传统行业的启示：该被 AI 接手的环节，迟早会被接手；但赢家不是"把人裁掉"，而是重新分工——让 AI 去磨平流程里的麻烦，把人腾出来做判断、做关系。
中国走的是"用场景带技术"的路子。2025 年国务院发了《深入实施"人工智能+"行动的意见》；DeepSeek 这类又便宜又开源的模型，把中小企业的门槛大大拉低；制造业成了 AI 落地最好的练兵场。
海尔卡奥斯"天智"工业大模型攒了 4,700 个机理模型、200+专家算法，连接了 90 万家企业；规上制造业用上 AI 的比例超 30%；2025 年生产环节用大模型的案例占比从 19.9% 涨到 25.9%，"AI+制造"核心产业规模有望破万亿。
2025 年中国造了约 1.28 万台人形机器人（约占全球 90%）；优必选 Walker S2 已交付比亚迪、吉利、富士康；宁德时代实现了工厂里的规模化部署。一台工业机器人成本 $1.6 万–8 万，一名工人一年成本约 $3.5 万–5 万——这笔账正在反过来算。
重复、标准、能数字化的环节，AI 会先拿走，但也把人从这些琐事里解放出来。危和机本来就是一枚硬币的两面——区别只在于：你是那个被改写的人，还是那个改写规则的人。