大失業潮燒到高薪圈?美國白領失業率首超藍領,小摩:恐陷「無就業復甦」困境
大失業潮燒到高薪圈?美國白領失業率首超藍領,小摩:恐陷「無就業復甦」困境

重點一: 摩根大通經濟學家指出,白領知識工作者在失業人口中的佔比首次超過體力勞動者,顯示AI已對高階職位產生衝擊。
重點二: 高盛報告指出,AI對勞動市場的影響已開始顯現,尤其以年輕科技工作者受創最重,失業率自年初以來已上升3個百分點。
重點三: 專家預測AI可能導致下一次經濟衰退時出現「無就業復甦」,白領階級的職位成長將陷入停滯,進而對整體經濟造成巨大風險。

生成式AI的崛起加速全球勞動市場動盪,但這次被衝擊的對象,不再只是工廠裡的作業員或簡單的文書人員。相反地,過去被認為最安全、最高薪的白領知識工作者,正站在失業危機的第一線。

摩根大通(JPMorgan)資深美國經濟學家塔西(Murat Tasci)近期在一份報告中發出警示,指出當下次經濟衰退來襲時, AI的普及應用可能會導致非例行性認知職業人員(non-routine cognitive occupations)出現大規模失業

非例行性認知職業,指的是專業知識技術、高複雜性的職業,例如工程師、科學家、設計師、律師等白領工作。這些工作通常被視為高薪且安全穩定,為何依舊籠罩失業危機?

AI打破「鐵飯碗」,白領工作將面臨更高的失業風險

從歷史上來看,過往的經濟衰退中,重複性高的工作容易自動化技術取代,例如產線作業員、辦公室助理等例行性職位,過去幾十年來,這些職位的就業人口佔比從55%降至40%,在經濟衰退後也難以恢復從前規模;而非例行性認知職業往往受影響最小,且是在經濟復甦中率先反彈回升的族群,也較不受裁員影響。

然而,隨著AI技術與白領工作的核心技能高度重疊,如今白領工作者也開始面臨同樣的困境。

根據塔西分析, 非例行性認知職位在失業人口中的佔比,首次超過非例行性體力工作職位(如醫療保健、個人醫護等自動化難度較高的工作)

塔西直指這是「不祥」的警訊,表明這群過去最不受經濟週期影響的勞動人口,未來將面臨更高的失業風險,甚至可能在經濟復甦後,出現難以恢復職位成長的「無就業復甦」(jobless recovery)困境。

延伸閱讀:996工作制逆襲矽谷!AI新創每周工時上看80小時:矽谷怎麼了?為何員工有了AI命更苦?

無就業復甦的經濟警訊!下波經濟衰退恐不樂觀

白領工作者在美國勞動市場中佔據主導地位,就業人口佔比從1980年代初期的30%,攀升至如今的近45%。意味著AI對白領工作的衝擊,將不僅限於個人職涯,更可能動搖整體經濟。

如果這群佔比龐大的勞動人口在經濟下行時面臨高失業風險,且在復甦後職位成長停滯,那麼下一次的經濟衰退將會顯得『相當黯淡』。 」塔西認為,政策制定者未來須推出更積極的應對措施,例如大幅放寬貨幣政策或提供經濟刺激,幫助勞工適應全新的職場環境。

然而,也有人對此持樂觀態度。身兼白宮AI顧問的科技投資人薩克斯(David Sacks)認為,AI並不會導致大量失業,反而會創造人機協作的新模式。他強調,人類仍需提供 AI 模型必要的背景資訊、給予提示,並對產出的結果進行驗證。因此,人類與AI的對抗並非未來的競爭焦點,而是懂得善用AI的人,將勝過不使用AI的人。

儘管如此,專家們普遍認同,這段過渡期將對許多勞工造成職涯衝擊,尤其對於那些未能及時轉型學習新技能的人來說。

延伸閱讀:AI工程是什麼?OpenAI總裁曝4大核心:為何工程師必懂「技術謙遜」,否則只會踩雷?

科技業成海嘯第一排,年輕人才淪AI替代品

另一方面,AI對就業市場的衝擊已經有跡可循。高盛(Goldman Sachs)資深全球經濟學家布里格斯(Joseph Briggs)在一場訪談中直言,AI帶來的勞動市場變化已能在就業數據中看出端倪,其中受害最深的正是科技業的年輕員工。

布里格斯指出,過去20年來,科技業的就業人口佔比呈線性成長,然而近三年來卻出現了反轉,徵才趨勢已低於預期。數據顯示,自今年年初以來, 年齡介於20至30歲的科技業從業人員失業率,已大幅上升3個百分點,增幅遠高於其他年齡層的科技工作者或非科技業的年輕人

背後的原因在於,企業在導入AI時,傾向先凍結或減少初階職位的招聘,轉而讓AI工具來處理那些重複性高、較易自動化的工作內容。

軟體公司Salesforce 執行長貝尼奧夫(Marc Benioff)曾公開表示,在公司內部,AI已能處理高達50%的工作量。這使得初階員工的角色定位面臨挑戰,他們在職場轉型期間,成為了被犧牲的「受害者」。

這種「勞動力替代」(labor substitution)的現象正逐步擴大,根據高盛的預測,在基本情境下, AI自動化可能導致未來約6%至7%的勞動者失業 ,將對整體經濟和社會造成深遠影響。

延伸閱讀:年薪上看487萬!10大「AI最難取代」高薪職位出爐:不只工程師,這類非理科也超穩
2025未來就業報告出爐!9200萬個職位即將消失,企業超重視「這4種」核心能力

資料來源:FortuneBusiness InsiderCNBC

本文初稿為AI編撰,整理.編輯/ 蘇柔瑋

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓