參考來源：Google 官方博客、Google ATLAS v1.0 報告、Axios、CocoLoop、Fox Business；核验1465.3926万次交互样本、采样范围、職業和任務映射、21%任務觸及率、低于10%自動化意图、86%非工作對話、語言和國家分布口径。
Google 測出 AI 只接手兩成任務
Google 刚把一张 AI 使用地图摊开，结论没有發布會口号那么猛烈。
7 月 23 日，Google 發布 AI & Economy ATLAS v1.0。它分析的是 **1465.3926 万次**去識別化人機交互，來源包括 Gemini App、Google AI Mode 和 Gemini API，采样期為 4 月 6 日至 4 月 19 日。研究团队把這些交互映射到 **800 多個職業、4000 多项工作任務、300 個家庭活动、150 個國家和地區、140 种語言**，试图回答一個更實在的问題：AI 已經被人拿去干什么。
報告的第一層答案很直白：扩散很广，接管很浅。Google 博客把 ATLAS 称為迄今“most comprehensive look to date at how real people are using AI at scale”。這句话自然说，就是它想用真實使用資料替代行業里互相喊话的自動化预言。
## 广，确實很广
ATLAS 显示，工作場景里的 AI 使用覆盖 **68%** 的美國職業類别，這些職業合计代表略高于 **88%** 的美國就業。办公室岗位在用，农業、工業工程、林業、汽车维修、機械检修這類岗位也留下了交互痕迹。
這组數字对中文市场有個现實参照。国内讨论 AI 工作影响时，常把焦点放在程序员、客服、销售和内容岗位；ATLAS 给出的图景更散，像修车工拿照片问故障，工業機械师让模型解释测试结果，普通家庭让 AI 帮忙查政府服务、罚单、税务或许可证。
報告還把非工作場景拆出來看。**超过 86%** 的對話發生在工作之外；按美國時間使用调查口径映射，AI 對話覆盖的活动占美國人清醒時間的 **98%**。如果家庭場景里的時間節省平均只有每周 30 分钟，研究团队按標准估值方法粗算，美國未计入工资的生产率收益也可能接近 **1000 亿美元**。
## 但自動化比例很低
最反直觉的是深度。ATLAS 发现，在有 AI 使用的典型職業里，AI 只觸及约 **21%** 的任務；只有 **3%** 的職業显示 AI 使用覆盖超过 75% 的任務。非例行认知工作里，端到端自動化意图占比低于 **10%**。
也就是说，用戶更多在让 AI 做草稿、校对、检索、解释、构思和排查。软件测试、人力资源、文档管理這類岗位确實更容易被 AI 摸到大塊流程，但報告没有给出“白领工作正在被整塊替换”的證據。
Axios 对這份報告的概括也落在這里：AI adoption at work is broad, but automation remains limited。它的补充提醒是，ATLAS 没覆盖 Gemini Enterprise、Google Workspace 等企業工具，因此企業内部流程自動化仍有盲区。這個限制很重要，不能把 Google 消费端和 API 样本直接当成全社會生产效率账本。
**更稳妥的读法是：AI 已經进入工作流程的很多入口，但多數时候還停在协作層。** 它能把用戶從空白页、资料检索和低级排错里拉出來，却還没有普遍变成独立交付的機器工位。
## 蓝领場景露出另一条线
ATLAS 里有一段容易被忽略：重體力職業中接近三分之一没有观察到 AI 使用，但在已經使用的手工和技术岗位里，多模态使用率超过工作总體基线的 **2 倍**。汽车技师、工業機械师會把图像、测试结果和现场问題交给模型，让它帮忙诊断线路、磨损或设备状态。
這对 AI 經济影响的判断很有价值。过去两年，许多预测把“文本工作”当成最先受冲击的板塊；ATLAS 提醒另一种路径：AI 也可能先在高摩擦、知识不透明、师傅經验难复制的现场任務里做助手。
這种助手未必减少岗位，反而可能改变培训方式。新手维修人员能更快读懂故障码，家庭用戶能更早描述设备问題，小公司能少跑一次服务商电话。真正要驗證的是错误成本：现场维修、用电安全、医疗法律咨询這些場景，一次错判的代价远高于写错一段营销文案。
## 英文只占三分之一
全球扩散部分同样有信息量。報告称，人均 AI 使用與國家财富高度相關，GDP per capita 每提高 **1%**，AI 使用量關联提高约 **0.9%**；采用最低的五分之一國家只贡献 **2%** 的 AI 對話。數字鸿沟没有消失。
但語言分布又让故事变复杂。英文约占全球對話的 **三分之一**，用戶没有系统性地放弃母语去做复杂专業任務；非經合组织國家在工作中生成图像和视频的比例约為发达經济體的 **2 倍**。這说明 AI 普及不完全按“英语互联网中心”扩散，手機、图像、语音和本地語言會改变 adoption 的路径。
对中文 AI 产品來说，這里有两個節点可盯。第一，工作任務分類要從真實日志里长出來，不能只按硅谷岗位表想象。第二，中文、印尼语、阿语、西语這類非英语場景里的多模态需求，可能比单纯文本问答更早商業化。
## 這份地图也有边界
Google 在報告里写得很清楚，ATLAS 捕捉的是人們“直接用 AI 做什么”，没有衡量最後產出是否更好，也没有覆盖 Workspace、Translate、AI Overviews、Gemini Enterprise、Cloud 平台以及程式碼 Agent、世界模型等前沿能力。换句话说，它更像一张早期使用热力图，不能直接推導工资、失業或生产率变化。
博客结尾说：“This is just the beginning”。這句英文保留在這里更合适，因為它既是项目自我定位，也是在给结论降温。ATLAS 第一版最有用的地方，恰恰在于它没有把 AI 讲成马上替代所有人。它把几個可核验坐標摆出來：覆盖多少職業、觸及多少任務、自動化意图占多少、哪些國家和語言先用起來。
下一步要看的資料也很具體：企業工具纳入後，21% 的任務觸及率會不會升高；非工作場景的每周 30 分钟節省能否被独立调查复现；蓝领多模态使用有没有真實降本；中国和其他非英语市场的任務地图，是否會长出與美國样本不同的高频場景。