7.3%美國新科大學畢業生失業率：全國數據難證AI造成就業崩潰

美國2026年夏季近期大學畢業生失業率為7.3%，研究顯示，全國失業率數據尚未提供人工智慧（AI）造成廣泛就業替代的統計證據，但部分AI暴露度較高職業的年輕勞工就業與新聘人數已減少。

Robert Fairlie（羅伯特·費爾利）與 Jane Wu（簡·吳）分析美國人口普查局Current Population Survey（CPS）微觀數據，研究對象為持有學士學位、年齡22至25歲且未在學者。兩人在CESifo工作論文12994中表示，2026年6月至8月的近期大學畢業生失業率為7.3%。

2022年至2024年夏季，相關失業率介於6.3%至7.8%，因此2026年數值仍在過往區間內。研究團隊納入前一年比較與季節趨勢後，也未發現2026年失業率出現統計上顯著的升幅。

即使把未被列為正式失業者、但表示想找工作的人納入分析，結果仍然相同。研究團隊進一步比較近期大學畢業生與30至49歲大學畢業生，以及同年齡層非大學畢業生，透過差異中的差異分析與事件研究，也未發現相對失業率上升的證據。

換言之，僅從全國勞動市場指標來看，尚難確認AI引發了廣泛的就業崩潰。

不過，史丹佛數位經濟實驗室針對職業別就業情況的研究呈現不同結果。2026年8月修訂的研究顯示，自2022年11月以來，處於AI暴露度較高職業的22至25歲勞工，就業水準比AI暴露度較低職業的同齡勞工低19%。

史丹佛研究指出，就業減少主要不是透過大規模裁員，而是年輕勞工新聘人數下降所造成。不過，在控制教育程度後，差距有所縮小，且部分趨勢在生成式AI普及前就已出現。

該研究使用ADP數百萬名美國勞工的薪資資料，並提醒，企業薪資紀錄可能比全國家戶調查更容易捕捉特定職業的變化。19%並不是美國整體經濟的青年就業降幅，而是AI暴露度較高職業中22至25歲勞工的相對就業差距。

兩項研究的觀察單位並不相同。CESifo研究衡量整體勞動市場的失業人數變化；史丹佛研究則追蹤特定AI暴露職業中，年輕勞工的就業規模與新聘情況。CPS調查美國家戶的就業、失業及勞動市場子群體，ADP薪資資料則根據企業薪資紀錄分析就業變化，因此涵蓋範圍有所不同。

紐約聯邦準備銀行的研究則將近期大學畢業生失業率上升，主要歸因於遠距工作普及，而非AI。可遠距工作的職業中，年輕大學畢業生失業率在2022年至2024年較2017年至2019年高出約1個百分點，研究團隊分析認為，遠距工作可解釋疫情後增幅約三分之二。

與近期「難以只用AI解釋大學畢業生失業率上升」的分析一致，相關研究顯示，AI導入、遠距工作擴散與初級職位招聘變化，可能以不同方式影響就業。不過，各研究的對象與資料來源不同，相關數值不能直接比較。

正式失業率無法完整反映職缺減少、求職期延長、薪資下滑或工作品質下降；另一方面，特定職業的就業差距，也不足以單獨證明AI就是造成變化的原因。

費爾利與吳在CESifo工作論文12994中以2026年9月為基準表示，如果職場AI使用強度持續上升，2027年以後的畢業生可能受到更大影響。研究團隊並未確認未來就業變化會加速、趨穩或反轉。

目前研究較支持的結論是，全國失業率與特定職業的新聘變化可能呈現不同走勢，而非AI已造成新科大學畢業生就業全面崩潰。這起事件聚焦美國勞動市場與AI就業效應，尚未確認與虛擬資產或區塊鏈存在直接關聯。