Richardson甚至认为，就当前美国劳动力市场而言，人口老龄化的冲击比AI更大。退休潮正在改变劳动力供给，也推高医疗护理需求。她在访谈中概括，过去几年美国净新增岗位中，约四分之三来自医疗保健领域；另一面是收入差距。Richardson援引ADP与芝加哥大学合作研究指出，2021年至2024年间，43%的劳动者实际工资下降，这部分人的平均降幅为8%。

　　通胀虽然有所回落，生活成本却没有随之回到过去的水平。在她所描述的“低招聘、低裁员”市场里，劳动者也更难通过跳槽获得加薪。如果AI收益更多落在高技能、资深员工身上，原有的收入差距就可能进一步扩大。不过，她反复提醒，不能把这些问题全部归咎于AI：通胀、人口变化与招聘周期同样重要。

　　这种分化还提醒我们，不要把AI就业问题简单理解成“白领被取代、蓝领变吃香”。建筑业换岗工资涨幅接近14%，反映的是特定时期需求旺盛与熟练工人供给紧张的叠加效应；它不能被写成所有蓝领的工资都上涨14%，更不能直接套用到中国。真正值得观察的是，AI产业链除了模型研发，还需要电工、设备维护、供电系统、冷却设施、建筑工程等大量具体劳动。技术革命的收益往往沿着整条供应链分配，而不是只落在编写算法的人身上。

　　当工作机会减少，AI收益会流向谁？

　　面对年轻人的就业压力，Richardson给出的建议也并非“多学几个AI工具”那么简单。她鼓励年轻人主动联系行业从业者，开展职业信息访谈，从别人的经验中理解行业、建立关系并寻找专业方向；企业则应该找到真正创造价值的业务环节，围绕这些环节培养员工。她说，不存在永远稳定的工作，但可以努力建立更持久的技能。

　　高通胀之后，部分劳动者的实际购买力尚未恢复，企业又进入低招聘、低裁员状态。即使某些AI技能带来更高工资，缺少跳槽和转岗机会的人，也可能难以分享这些收益。与其笼统讨论AI会不会扩大不平等，更值得追踪的是三组差距：入门岗位与资深岗位的招聘差距，AI专业人才与一般数字岗位的工资差距，以及技术企业内部效率收益与普通劳动者收入增长之间的差距。

　　我们最值得继续追问的，或许不是哪一种职业会先消失，而是年轻人获得经验的路径会不会变窄？一个刚入行的程序员，往往从修改Bug、维护文档和处理简单需求开始；一个年轻编辑，也常常先做资料整理、核对数据、翻译报道。这些工作本身未必复杂，却让人逐渐理解真实业务：为什么一个看似正确的答案会出错，为什么客户的要求与实际问题不同，为什么同一条新闻有的值得追、有的不值得。