即便发生大规模科技裁员,西雅图房价更可能是结构性回调而非全面雪崩。冲击会集中在科技高薪家庭主导的中高价位段,而供给紧张、买家多元的低价位段则提供坚实的底部支撑。情绪化地高喊雪崩没有意义,真正的答案需要用就业、持有率与价位段结构来量化。
别只喊雪崩,要量化
要回答10万码农失业会否击垮西雅图房价,必须先把冲击拆成可计算的变量:一是真正失业且无法快速再就业的人数,二是这些人中本来会买房或卖房的参与率,三是他们的住房集中在哪些价位段。三者相乘,才能估出对成交量与价格的实际影响。
这种量化思维,是对抗情绪化叙事的最好武器。"AI让码农失业、西雅图房价雪崩"是一个听起来很有冲击力的标题,但只有把它拆成具体的人数、参与率和价位段分布,才能判断它究竟是真实风险还是情绪渲染。下面就沿着这条量化路径逐层拆解。
谁更容易失业
根据美国劳工统计局2023年数据,西雅图大都市圈计算机从业者约17万人,其中真正写代码的码农约16万。按岗位可分为五类,不同岗位被AI替代的风险差异巨大。
| 岗位类型 | 人数 | 占比 | AI替代风险 |
|---|---|---|---|
| 入门级工程师 | 约40000 | 25% | 极高 |
| 中级专项IC | 约48000 | 30% | 高 |
| 数据工程师 | 约15000 | 8-10% | 高 |
| 资深/Tech Lead | 约43000 | 27% | 中 |
| AI前沿研发 | 约14000 | 8% | 低 |
前三类工作高度可被AI自动化,失业风险极高,合计占比约63%至65%,对应西雅图约10万个高风险岗位。Tech Lead风险中等,AI人才风险很低且往往加薪。这意味着"10万码农失业"在岗位结构上是有依据的估算,而非凭空夸张。
有多少人持有房产
西雅图码农的住房自有率远高于全美。全美当前住房自有率约65%,而西雅图码农群体普遍在75%至80%。分岗位看,入门级工程师约55%,中级IC约70%,数据工程师约65%,Tech Lead与管理层约85%,AI人才约90%。
把高失业风险组加权后,其住房自有率约65%至68%,对应约68000至70000套住房。作为参照,大西雅图地区人口约400万,2024年全年各类房产成交合计67788套。也就是说,即便这批人全部同时挂牌,库存也仅约翻倍,而现实中不可能出现这种极端同步抛售。这个量级对比,是判断"不会雪崩"的关键依据。
冲击如何在价位段间传导
白菜房指80至120万美元、学区一般的近郊普通独栋,买家为普通工薪阶层;白玉房指200万美元以上、多位于Bellevue、Kirkland优质学区的新房、大房与景观房,买家高度集中于科技高薪层。
失业来临时,理性家庭通常先卖股票、再动用现金储备,6至12个月仍未就业才会考虑卖房或离开。许多中级IC在疫情期间锁定了超低利率,持有成本极低,出租即可打平现金流,未必抛售;真正被迫割肉的多是刚入职的工程师。这种"卖房是最后选项"的行为逻辑,进一步削弱了同步抛售的可能性,使冲击被时间和层级稀释。
为何不会全面雪崩
两个底部支撑至关重要。其一,西雅图整体供给紧张,库存不足限制了价格下行空间,卖家不必恐慌抛售。其二,白菜房买家结构极为多元。
| 非科技就业群体 | 规模 | 作用 |
|---|---|---|
| 医护人员 | 约31万 | 承接低价位流入 |
| 政府雇员 | 约29万 | 收入稳定 |
| 贸易运输工人 | 约35万 | 不依赖科技收入 |
这些群体并不依赖科技收入,足以承接低价位段的流入房源。相比之下,King County超过200万美元的房子仅占成交量约8%,需求脆弱,因此真正承压的恰恰是只有码农在买的白玉房。供给紧张+买家多元,这两个支撑共同决定了结果是结构性回调而非全面雪崩。
中期趋势:5至10年的结构性分化
拉长到5至10年,码农岗位的减少是结构性、不可逆的趋势,AI能够承担的工作只会越来越多。在下一个高薪行业崛起之前,白玉房的需求可能持续萎缩。
但同一浪潮中也会诞生新的独角兽与年薪千万级岗位,这些超高净值人群将推升顶级豪宅需求,对Mercer Island等稀缺高端板块构成明确利好。需要强调的是,以上推演均基于"AI致码农失业"这一单一利空变量;全球气候变暖与土地供给约束给西雅图带来的长期利好,影响量级可能大于裁员带来的利空。把多个变量综合起来看,西雅图的长期前景远比"雪崩论"乐观。
量化框架:冲击规模的三步估算
判断裁员对房价的冲击,可以用一个三步量化框架。下表把它结构化,便于套用到任何类似的预判。
| 步骤 | 估算内容 | 西雅图数据 |
|---|---|---|
| 第一步 | 高风险失业人数 | 约10万 |
| 第二步 | 持有住房比例 | 约65-68% |
| 第三步 | 对应住房套数 | 约6.8-7万套 |
把这三步相乘,再对照2024年全市成交67788套,就能得出"即便极端同步抛售,库存也仅约翻倍"的结论。而现实中不可能出现全部同步抛售,因此实际冲击远小于这个上限。这套量化框架的价值,在于把"会不会雪崩"这种情绪化问题,变成一道可以用数字回答的题。
哪些资产抗跌、哪些承压
量化分析的最终落点,是判断不同资产在裁员潮中的命运。下表给出清晰的分类。
| 资产类型 | 命运 | 原因 |
|---|---|---|
| 200万+白玉房 | 承压 | 仅科技高薪接盘,占成交仅8% |
| 80-120万白菜房 | 抗跌 | 买家多元,接盘力强 |
| 顶级豪宅(Mercer Island) | 受益 | 新富人群推升 |
| 核心区稀缺资产 | 坚挺 | 供给难增加 |
结论很清晰:真正承压的是只有码农在买的白玉房,而买家多元的白菜房、以及由新独角兽富人支撑的顶级豪宅,反而抗跌甚至受益。对买家而言,看懂这种结构性分化,就能在裁员阴影下精准选择抗跌资产,而非被"全面雪崩"的叙事吓得错失布局窗口。
一句话结论
把整套量化分析浓缩成一句话:10万码农失业对应约7万套住房,但不可能同步抛售,叠加供给紧张与买家多元,结果是结构性回调而非全面雪崩。
| 资产 | 结论 |
|---|---|
| 白玉房(200万+) | 承压 |
| 白菜房(80-120万) | 抗跌 |
| 顶级豪宅 | 或受益 |
用量化代替情绪,就不会被"AI让房价雪崩"的极端叙事带偏,也才能在裁员阴影下精准选择抗跌资产。
总结与建议
即便发生大规模裁员,更可能的结果是结构性回调——高价段承压、低价段坚挺——而非全面雪崩。这一判断建立在量化分析之上:高风险岗位约10万、对应住房约7万套、且不可能同步抛售,叠加供给紧张和买家多元的双重支撑。
对西雅图买家而言,若以自住兼抗跌为目标,应优先考虑买家多元、流动性强的白菜房与交通便利地段;对预算充裕者,白玉房价格松动期反而是与科技周期博弈的逢低窗口,但需有长期持有的准备。用量化的视角看问题,就不会被极端叙事带偏,也才能在裁员阴影下做出经得起推敲的买卖决策。
