AI影响度最高的行业排行榜
人工智能对各行业的影响并不相同,即便在同一行业内,不同岗位受到的影响也各不相同。真正重要的是,一个行业的工作中有多少属于可重复的信息处理,又有多少依赖于人工智能无法承担的判断力、现场实际操作和责任担当。
以标准化文件、结构化数据和常规沟通为主的行业,例如金融后台业务、行政支持,以及部分媒体和营销工作,往往得分较高,因为这些正是当前人工智能擅长处理的任务。而以体力劳动、安全攸关的决策和一线照护为根基的行业,例如建筑、医疗、能源和交通运输,即便人工智能加快了其文书工作的处理速度,也能保持相对稳固的地位。
下方排名展示我们所覆盖职业在各行业的平均暴露度指数;有BLS数据的行业按美国就业人数加权。请把它当作起点,而不是定论:在任何行业内部,常规的信息处理工作都远高于以判断和体力工作为主的岗位。点开某个行业,即可查看是哪些职业决定了它的数值。
行业平均值越高,说明该行业的典型工作对生成式AI的暴露度越高;越低,则说明其更多工作仍依赖在现场的人。它反映的是任务的暴露程度,而不是预测这些工作会消失。
行业排名
| 排名 | 行业 | 行业平均暴露度 | 分析职业数 |
|---|---|---|---|
| 1 | 市场营销 | 93.1 | 12 |
| 2 | 媒体 | 91 | 6 |
| 3 | 运营事务 | 89 | 3 |
| 4 | 技术 | 86.9 | 21 |
| 5 | 金融 | 82.6 | 13 |
| 6 | 创意 | 79 | 8 |
| 7 | 零售 | 77.2 | 2 |
| 8 | 科学 | 76 | 9 |
| 9 | 咨询 | 72.5 | 11 |
| 10 | 房地产 | 72.3 | 3 |
| 11 | 政府 | 71.3 | 2 |
| 12 | 能源 | 61.8 | 3 |
| 13 | 环境 | 61.7 | 3 |
| 14 | 教育 | 61.5 | 11 |
| 15 | 娱乐 | 61.4 | 6 |
| 16 | 法务 | 54.5 | 7 |
| 17 | 医疗 | 51.9 | 15 |
| 18 | 酒店餐旅 | 43.9 | 13 |
| 19 | 制造 | 42.6 | 7 |
| 20 | 物流 | 40.8 | 6 |
| 21 | 运输 | 39.8 | 10 |
| 22 | 公共服务 | 39.5 | 2 |
| 23 | 建筑 | 35.5 | 12 |
| 24 | 农业 | 32 | 3 |
暴露度范围为0到100,基于公开数据集(见出处)在职业之间进行比较。它不是该职业消失的概率。 评估方法
出处
暴露度指数由ai-job-risk.net根据以下数据集计算(数据截至2026年10月15日)。美国劳动力数字来自BLS,未作改动。
- Eloundou, Manning, Mishkin & Rock, "GPTs are GPTs: Labor market impact potential of LLMs", Science (2024); data MIT licence
- Gmyrek, Berg, Kamiński, Konopczyński, Ładna, Nafradi, Rosłaniec, Troszyński. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Geneva: ILO, 2025. © ILO, CC BY 4.0
- Tomlinson, Jaffe, Wang, Counts & Suri, "Working with AI: Measuring the Occupational Implications of Generative AI", Microsoft Research; CC BY 4.0
- Anthropic Economic Index (job_exposure); CC BY
- U.S. Bureau of Labor Statistics, Employment Projections 2025–35 and AI exposure categories
各发布机构均未参与制作、审核或认可本网站。 完整引用、许可与方法
同一行业内部的差距
平均值会掩盖大多数读者最想知道的内容。下面两列展示了每个行业中对生成式AI暴露度最高和最低的职业。
| 行业 | 影响最大的职业 | 影响最小的职业 |
|---|---|---|
| 市场营销 | 呼叫中心代理 99 | 营销经理 82 |
| 媒体 | 口译员 98 | 视频剪辑师 68 |
| 运营事务 | 行政助理 91 | 日程管理专员 81 |
| 技术 | Web开发者 97 | 电气工程师 58 |
| 金融 | 经济学家 92 | 银行柜员 73 |
| 创意 | 内容编辑 95 | 室内设计师 57 |
| 零售 | 零售销售员 79 | 零售收银员 75 |
| 科学 | 社会学家 90 | 地质学家 68 |
| 咨询 | 业务分析师 88 | 人力资源经理 54 |
| 房地产 | 房地产经纪人 77 | 物业经理 67 |
| 政府 | 外交官 79 | 政治家 64 |
| 能源 | 能源工程师 68 | 可再生能源技术员 27 |
| 环境 | 环境科学家 75 | 水处理操作员 27 |
| 教育 | 博物馆馆长 86 | 助教 48 |
| 娱乐 | 电影导演 68 | 音响工程师 41 |
| 法务 | 法庭记者 85 | 警卫 39 |
| 医疗 | 心理学家 75 | 兽医助理 28 |
| 酒店餐旅 | 接待员 90 | 客房清洁员 13 |
| 制造 | 机械工程师 75 | 焊机 18 |
| 物流 | 物流协调员 79 | 仓库作业员 34 |
| 运输 | 空姐 56 | 飞机机械师 23 |
| 公共服务 | 警察官 47 | 消防员 25 |
| 建筑 | 城市规划师 85 | 建筑工人 19 |
| 农业 | 农业科学家 70 | 渔夫 17 |
常见问题
Q.哪些行业最容易受到AI的影响?
排在这份榜单前列的,是日常工作以标准化信息处理为主的行业:金融后台、行政支持,以及媒体与营销的部分领域。它们之所以暴露程度较高,并不是因为行业标签本身,而是因为其内部占主导地位的任务特征——输入可预测、输出可核查,且业务量足以让自动化的开发变得划算。
Q.行业数值高,是否意味着其中每份工作都有风险?
并非如此,上面的对比表正是为了说明这一点。我们追踪的每个行业,既包含以常规处理为主的岗位,也包含以判断力、现场在场或责任担当为基础的岗位,而两者之间的差距,通常大于不同行业之间的差距。行业数值宜作为背景来看,之后再去了解具体职业。
Q.我所在的领域不在这些行业之列,应该去哪里查看?
行业列表是对我们所覆盖职业的归类,而不是完整的产业分类体系。更可靠的做法是直接查找职业本身:每个职业都有附数字和出处的独立页面。
Q.行业数值是如何计算出来的?
它是我们在该行业覆盖的各职业暴露度指数的平均值;当所有职业都有BLS数据时按美国就业人数(BLS 2025)加权,否则不加权。数据来源与局限见方法论页面。