AI正在重新分配高收入工作：美国9座城市房价面临下行压力

未来五年，决定一座美国城市房价走向的最大变量，很可能既不是利率，也不是人口和学区，而是AI对高收入工作的重新分配。Zillow、Redfin、房地美和美国房产经纪人协会每年都发布房价预测，它们的模型主要看人口、利率、供给、学区和就业增长。这套框架过去足够好用，却没有提前捕捉到今年西雅图的房价下跌。我在2024年就判断，AI会提高程序员的人效、压缩程序员岗位，并最终拖累西雅图和湾区房价；今年1月至今，西雅图房价已下跌约10%。

本文的核心判断是：高房价城市真正的底层资产不是房子，而是高收入工作。当AI让一个产业“利润更高、用人更少”，以它为支柱的城市就会失去一部分边际买家，房价随之承压。我把美国经济拆成十个产业逐一评估，本文讨论受冲击最大的六个——制药与生物科技、教育、创意与广告、旅游、“判断经济”和科技，并识别出九座房价面临下行压力的城市：波士顿、纽约、圣地亚哥、洛杉矶、华盛顿特区、旧金山湾区、芝加哥、奥兰多和拉斯维加斯。

全文路线是：先讲“边际买家”这一定价机制；再把六个产业按冲击方式分为三类；单独分析湾区；把就业冲击与住房供给叠加成一张九城地图；最后回应反驳，并给出可以自行套用的判断方法。为写这篇分析，我用了一周做研究，访谈了12位相关行业的从业者。需要说明，本文衡量的是支柱产业的“暴露度”；在AI时代受益的另外四个产业将在下一篇展开，两者相减才是一座城市的净效应。

定价机制：房价由边际买家决定，边际买家由高收入工作决定

冲击的规模已不是假设

Anthropic在2026年的研究发现，大约49%的职业中，已经观察到四分之一的工作任务实际由Claude执行过。美国目前约有1.7亿个工作岗位，按此折算，理论上相当于约2000万个岗位的工作量可以被Claude承担。而这只是当下的截面，AI能力的进步速度是指数级的。

为什么一小撮人能决定一座城市的房价

规模大不等于对房价影响大，关键在于冲击落在谁身上。假设一座城市有500万人口，一套150万美元的房子，价格并不是这500万人共同决定的。真正定价的，是最后那一小撮既想买、又买得起、而且愿意比别人多出5万美元的家庭。在美国高房价城市，这群人通常是年薪20万甚至30万美元的家庭。

由此形成一条传导链：支柱产业的高收入岗位 → 边际买家的数量与信心 → 成交价格。AI完全可能让企业利润越来越高，同时让企业需要的人越来越少。利润流向股东，未必留在本地；岗位消失，边际买家就退出了本地市场。

房价由少数边际买家定价，他们退场价格就松动

西雅图是第一个样本：城市高度依赖科技业，科技公司大规模裁员直接削弱了边际买家群体，今年房价出现约10%的跌幅。传统模型看的是就业总量，很少追问增减的是哪一档收入的工作。更细的推演可参考量化AI对西雅图房价的影响。

美国高房价城市真正的底层资产不是房子，而是高收入工作；当AI让利润与用工脱钩，房价跟着用工走，而不是跟着利润走。

这意味着，判断一座城市不能只看产业是否繁荣，而要看这些产业在AI时代还需要多少本地高收入员工。

第一类冲击：产业更繁荣，需要的人却更少

制药与生物科技

2024年诺贝尔化学奖一半授予计算蛋白质设计，另一半授予蛋白质结构预测；AlphaFold用AI解决了困扰科学界几十年的蛋白质结构预测问题。

机制在于：传统新药研发本质上是一个极其昂贵的搜索过程——在巨大的化学空间里寻找候选分子，反复筛选、优化、实验，绝大多数候选物最终仍会失败。AI正在把越来越多原本发生在实验室里的搜索，提前搬到计算机里。

麦肯锡分析了制药与医疗科技行业的270个工作流程、1200多项任务和180类岗位，发现制药行业**75%到85%的工作流程包含可被AI增强或自动化的任务，并估计AI Agent最终可能释放整个组织25%到40%**的工作产能。

这不等于25%到40%的人会失业，企业完全可以用这些产能研发更多新药。但问题恰在于此：以前200名科学家能同时推进5条研发管线，有了AI，同样200人可能推进10条、20条。结果是药物更多、研发更快、利润更高，而每10亿美元研发产值对应的科学家人数反而下降。

研发管线越来越多，每单位产值所需的科学家越来越少

苗头已经出现。2025年，麻省生物制药就业人数下降3.1%，降至约11.35万人；同期麻省药物研发总产值占全美的比例却从15.7%升至17%。份额上升、人数下降，正是“繁荣但少人”的早期形态。因此单就制药而言，我对圣地亚哥、华盛顿特区和波士顿这些制药高薪岗位密集的城市并不乐观。

创意与广告

过去普遍认为AI会先替代重复劳动，最后才触及创造性工作，现在看来很可能正好相反。广告文案、平面设计、配音、翻译、分镜、剪辑、特效、背景音乐乃至视频生成，恰恰是生成式AI进步最快的领域。

美国互动广告局2025年的调查发现，86%的数字视频广告买家已经使用或计划使用生成式AI制作广告；2024年约22%的数字视频创意用过生成式AI，2025年约30%，广告买家预计2026年接近40%。同时，美国互动广告局预计2026年美国数字视频广告支出将超过800亿美元，同比增长11%。

行业收入在增长，生产内容所需的人却在减少。AI不需要让好莱坞停拍电影，只要过去500人完成的项目以后200人就能完成，洛杉矶房地产背后的就业逻辑就已改变。同样的变化会发生在媒体和广告最集中的纽约和芝加哥。

行业收入在增长，生产内容所需的人却在减少

一个产业成为AI的赢家，不等于它需要同比例增加更多的人；对房价而言，真正重要的是每单位产值还需要多少本地员工。

第二类冲击：需求端在萎缩

教育：生源与学历回报的双重收缩

WICHE预测，美国高中毕业生数量在2025年达到约390万的峰值，此后持续下降，到2041年减至340万，降幅13%，主因是2008年后美国生育率持续走低。

第二个问题是学历回报。2026年第一季度，美国大学毕业生就业不足的比例已达约42%，即四成以上毕业生从事的工作并不需要大学学历。大学过去卖的不只是教育，而是一个承诺：给我四年时间和40万美元，我把你的孩子送进白领阶层。而AI首先压缩的恰恰是入门级白领岗位。如果花了40万美元换来孩子毕业后开网约车，家庭一定会重新计算大学的投资回报率。

生源减少叠加学历回报下降，大学经济两头承压

学生减少意味着买家和租客同时减少，这对依赖大学经济的城市是直接打击；学历回报下降还会进一步削弱教育溢价，这一点我在AI正在瓦解学区房溢价中讨论过。基于此，我对波士顿、洛杉矶和纽约这些大学经济占比较高的城市相当悲观。

旅游：AI收入分配的二阶冲击

旅游业的风险不在于AI替代导游或前台，而在于AI改变美国人的收入结构后带来的二阶效应。

机制是：生产力提升不会平均分给所有劳动者。假设一家科技公司原来需要100人，现在只需20人加AI，另外80人的工资就转化为利润流向股东。贫富差距会显著扩大，富人更富，中产面临返贫压力（参见AI让白领失业，但蓝领会越来越富）。而旅游城市依赖的是几千万中产家庭的持续消费，不是富豪。

证据有两层。其一，Moody's Analytics的数据显示，美国收入最高的10%家庭已贡献约49.7%的消费，30年前约为36%。其二，旅游城市的体量巨大：2025年奥兰多接待游客7,670万人次，旅游产业产值945亿美元，支撑46.8万个岗位，占当地就业的37%；拉斯维加斯接待游客3,850万人次，游客消费508亿美元，旅游产业产值809亿美元。

如果中产的工作稳定性下降、工资增长放缓，一个家庭原来两年去一次迪士尼，可能变成五年一次；住七天变成三天；300美元一晚的酒店变成180美元。这已在悄悄发生：2025年拉斯维加斯游客数量同比下降7.5%，酒店入住率下降3.3个百分点，平均房价下降5%，每间客房收入下降8.8%。单看不大，乘以几千万游客，对当地就业和房地产的影响就非常可观。以旅游为支柱的城市包括洛杉矶、奥兰多和拉斯维加斯。

中产缩减出游频次和预算，旅游城市需求被悄悄抽走

教育和旅游不是被AI直接替代，而是被AI改变了需求：生源变少，学历变得不值钱，中产不敢花钱。

第三类冲击：判断经济的人力金字塔被压扁

我把金融、咨询、法律、保险、会计、审计和税务统称为“判断经济”。它们表面不同，底层流程高度一致：搜集信息、分析信息、预测未来，最后做出判断。麦肯锡告诉CEO要不要进入南美市场，律师告诉客户官司该不该打，投行告诉企业一家公司值多少钱，保险公司判断一个风险值多少钱。

过去这种判断很昂贵，因为需要大量聪明人参与：分析师找数据、顾问建模型、经理组织分析，最后由合伙人拍板，一个合伙人下面往往有几十人。律所同理，大量年轻律师负责案例检索、合同审查、法律研究和备忘录。

AI正在改变这座金字塔。以Aaru为例，它可以建立一个包含**85亿个“虚拟消费者”**的模拟社会。过去一家饮料公司想知道涨价10%会发生什么，需要两个月市场调研、20名分析师组织问卷；现在用AI一周就能得到非常相似的结果。麦肯锡、高盛和大型律所都不会消失，利润甚至更高，真正改变的是：过去一个合伙人需要几十人，未来几名资深员工带着几十个AI Agent就能完成整个团队的工作。

判断经济不会消失，消失的是金字塔中间那一层

对房价的意义在于集中度。大纽约都市区判断经济岗位占比为7.6%；波士顿更明显，商业和金融岗位占当地就业的9%。这些人正是纽约北部、康涅狄格州、新泽西州北部和波士顿郊区那些100万、200万美元房子的边际买家。

判断经济不会消失，消失的是金字塔中间那一层，而那一层正是东海岸郊区高价房的边际买家。

科技与湾区：为什么我仍判断还有至少15%的下跌空间

今年1月至今，西雅图房价跌了约10%，湾区基本没跌。但我坚持原来的判断：未来3年，湾区房价仍有至少15%的下跌空间。理由有三层。

第一层：暴露度比西雅图更高

全国计算机和数学类岗位只占就业的3.4%，西雅图为9.3%，南湾高达13.2%，接近全国的4倍。湾区房价对科技高收入岗位的依赖比西雅图更深。两地为何至今走势分化，我在西雅图挂牌量暴涨，湾区抢房战还在打中做过对比。

第二层：VC资金是暂时的缓冲垫

湾区房价还没跌，一个重要原因是风险投资仍在大量涌入AI创业公司，这些钱最终变成工程师的工资、股票和消费，再传导到房价。湾区有很多开天辟地的公司，但也有大量经不起推敲的项目——过去一年，我看过13个产品做得极其粗糙的项目，一样拿到了几百万美元融资。很多VC看到斯坦福背景和AI字眼就怕错过下一个独角兽，宁可广撒网，100个里跑出一个超级独角兽就够了。

风投资金暂时托住湾区，但这层缓冲依赖融资环境

于是大厂在裁员，VC的钱又把很多工程师吸收进创业公司。这解释了湾区高收入就业和房价为何还撑得住，但这层缓冲依赖融资环境，本身并不稳固。

第三层：AI开始替代高级工程师，且存在正反馈

2026年7月，OpenAI一个内部研究模型原本被放在没有互联网权限的沙盒里，为了完成任务，它自己发现并利用系统漏洞，绕过限制获得了互联网访问；之后不同的AI Agent甚至开始互相交流、采用彼此发现的方法。

重点不在于AI会做黑客攻击，而在于它已具备过去只有高级工程师才有的一部分能力：给定目标，自己拆解问题、提出假设、做实验、看结果、发现问题，再换一条路继续推进。因此AI的影响不会停在初级程序员，而会向上延伸到高级程序员、机器学习工程师乃至AI工程师。更关键的是这里存在其他行业少有的正反馈：更强的AI带来更高的AI研发效率，更高的研发效率又造出更强的AI。

再看规模的不对称：湾区约有30万程序员，一年住宅成交量只有约4万套。这30万人不需要都失业，只要其中一部分开始担心工作不稳定，减少购房、降低预算、不敢加杠杆，就足以显著冲击这个市场。

庞大的从业者群体对应狭小的成交市场，少数人犹豫就能改写价格

湾区的风险不在大规模失业，而在预期：30万程序员中只要一小部分人不敢加杠杆，一个年成交约4万套的市场就会被改写。

九城地图：就业冲击决定方向，供给弹性决定幅度

把六个产业汇总，支柱产业暴露度最高的九座城市如下：

但就业不是唯一变量，还要叠加住房供给、房价收入比、人口流动和利率。供给尤其关键：纽约、波士顿和湾区新增供给少，同样的需求冲击下价格受影响相对较弱；奥兰多和拉斯维加斯几乎有无限量的新增供给，需求一旦走弱，价格缺少支撑，受影响会更大。

就业冲击决定方向，供给弹性决定跌幅大小

另一个修正是多支柱城市。有些城市的其他支柱产业可能在AI时代受益。下一篇讲四个受益产业时会看到，圣地亚哥和华盛顿特区都是极大的受益者，房价大概率会涨而不是跌。因此这张表是“风险暴露清单”，不是“必跌清单”。更长周期的分化判断，可参考未来5年，美国房价最大分水岭。

就业冲击决定一座城市房价的方向，供给弹性决定跌幅；只有把暴露产业与受益产业相减，才得到一座城市的净结论。

可能的反驳与回应

反驳一：AI提高生产力，产业扩张会创造更多岗位，最终是净利好

这是最有分量的反驳，历史上很多技术进步确实扩大了产业并创造了新岗位。我的回应有两点。第一，本文的前提恰恰是这些产业会更繁荣，问题在于扩张是否需要同比例的本地高收入员工。麻省研发产值占比从15.7%升至17%的同时，就业下降了3.1%；美国互动广告局预计数字视频广告支出增长11%的同时，生成式AI参与的创意比例在快速上升。目前的证据更支持“产值与用工脱钩”。第二，即便出现新岗位，也不一定落在原来的城市和原来的收入档次，而房价看的是本地边际买家。

反驳二：这些城市供给极度受限，又有富人托底，房价跌不下去

供给受限确实会削弱冲击，所以我在九城地图中明确区分了纽约、波士顿、湾区与奥兰多、拉斯维加斯。但供给只决定幅度，不改变方向：西雅图同样是高收入科技城市，科技岗位收缩后今年也跌了约10%。至于富人托底，Moody's Analytics的数据显示消费确实越来越集中于收入最高的10%家庭，但一座城市的成交主力是年薪20万到30万美元的家庭，富人可以撑住顶端豪宅，却难以替代整个边际买家群体。

供给约束和富人托底只改变下跌幅度，不改变方向

反驳三：湾区今年没跌，说明判断已被证伪

时间点不等于方向。我在2024年对西雅图和湾区做出同一判断，西雅图先兑现，湾区暂时没有，原因是VC资金把大厂释放的工程师重新吸收进了创业公司。这是依赖融资环境的缓冲，不是基本面的反转。我的判断有明确的时间窗口和幅度——未来3年、至少15%——本身就可以被检验；若三年后湾区没有出现这样的调整，读者可以据此修正对这套框架的信任度。

方法小结：用三个问题判断一座城市站在AI的哪一边

本文的方法可以压缩成三个核心问题，读者可以把自己所在的城市直接套进去：

1. 这个城市最重要的三个产业是什么？ 重点看集中了年薪20万到30万美元岗位的支柱产业。
2. 十年以后，这些产业每创造10亿美元产值，还需要多少本地员工？ 不问产业会不会繁荣，而问产值与用工是否在脱钩。
3. 这些员工的收入，还买不买得起当地的房子？ 这一问把就业冲击落到边际买家身上。

在此基础上做四步修正：

• 区分冲击类型：“繁荣但少人”（制药、创意与广告）、“需求萎缩”（教育、旅游）还是“金字塔压扁”（判断经济、科技），三者发生的速度和可见度不同。
• 寻找早期信号：本地行业就业与产值份额是否背离，入门级白领岗位是否收缩，旅游城市的入住率和每间客房收入是否走弱。
• 叠加供给与其他变量：新增供给弹性、房价收入比、人口流动和利率，决定冲击被放大还是被吸收。
• 扣减受益产业：多支柱城市要把AI时代的受益产业算进来，得到净效应。

用产业、用工和购买力三问加四步修正，判断一座城市的房价

接下来两个月，我会按这套方法逐一拆解西雅图、旧金山、洛杉矶、圣地亚哥、凤凰城、达拉斯、奥斯汀、纽约、波士顿和华盛顿特区十座城市，看每座城市有多少高收入工作暴露在AI之下、又有多少工作会因AI而增长，最终画出一张AI时代的美国城市房地产地图。

判断一座城市的房地产，不再只是看它今天有多少好工作，而是看AI之后，这些好工作还需要多少本地人。