文凭贬值:AI掏空入门岗位,大学教不出指挥AI的人
雇主招聘结构先变,18%知识工作失业率不是最坏情景
文凭没贬值,是人的可训练性在贬值。
HUMAN PERSPECTIVE
人的视角:有温度的观察与独立判断
一张大学文凭,正在被两件事同时掏空
三分之一的雇主已经用AI替代了部分入门级岗位。技术行业这个数字是40%。
这不是未来预测。GMAC对600多名企业招聘官的调查,问的就是现在。
我有个朋友在杭州一家中型互联网公司做HR。上个月她跟我吃饭,说了一句话让我愣了几秒:“我们今年校招名额砍了一半,但社招反而多了。”我问为什么。她说:“新人进来前三个月基本在学怎么用我们的AI工具链,产出还不如AI直接跑。我要的是能指挥AI的人,不是需要我教三个月的人。”
入门级岗位的价值,正在被重新定价。
过去企业招应届生,本质是在买一张“潜力期权”——你什么都不会没关系,我花半年培养你,你慢慢上手。现在这张期权的标的变了。当AI能完成大量基础性知识工作时,企业培养新人的耐心在缩短,而新人需要证明的东西却变多了。
Anthropic 9月10日发布了一份交互式情景探索器,基于他们的技术报告《变革性AI的经济情景》,给出2030年三种可能:温和情景下GDP比基准高1.6%;实质情景下AI完成一半知识工作,经济增速翻倍,总量到36.3万亿美元;极端情景下经济规模扩大约三分之一,但知识工作失业率接近18%。
18%是什么概念?2008年金融危机后美国失业率峰值是10%。大萧条时期是25%。
我不确定哪个情景会成真。但有一件事我比较确定:不管走哪条路,入门级知识岗位的消失速度会比整体失业率数据看起来更快。因为企业调整招聘结构比裁撤存量员工容易得多——不招新人,是最低成本的AI转型。
大学教的东西,和企业在等的技能,中间隔了一条河
EdTech Magazine最近一篇文章提到了一个尴尬的错位:AI工具熟练度被雇主列为五年后最看重的技能,同时也是毕业生最缺乏的能力之一。
这不是新闻。真正让我在意的是一组更具体的数字:Gallagher调查了3700多家美国雇主,71%已经全面或部分落地AI。但同一份报告里,雇主抱怨的前三大问题依次是——人员流动、团队产能约束、AI驱动变革带来的组织压力。
翻译一下:企业在用AI,但没用好。员工在学AI,但学的东西和岗位需求对不上。
我一开始以为这是“技术变化太快,教育跟不上”的老故事。后来发现不太对。
高校的问题不是开不出AI课程。过去两年几乎所有大学都在加AI相关的课。问题是这些课大多在教“AI是什么”,而企业要的是“怎么用AI把一件事做完”。前者是知识,后者是能力。知识可以在课堂上讲,能力只能在做事中练。
但企业又不愿意承担培训成本了。
这就形成了一个死循环:企业等学校教出“AI-ready”的毕业生,学校等企业提供实习场景让学生练手,学生夹在中间,拿着文凭,两边都不认。
企业不招没经验的人,学校教不出有经验的人,而AI正在以机器速度干完那些原本用来积累经验的活。
真正危险的不是失业,是“第一级台阶”被拆了
Anthropic那份报告里有个细节我反复看了几遍。极端情景下,知识工作失业率接近18%。但报告没有展开说的是:这18%里,有多少是“再也回不去”的?
一个35岁的产品经理被AI替代,他可能转行、可能做自由职业、可能靠积蓄撑一段。但一个22岁的毕业生找不到第一份工作,他失去的不只是一份收入,而是整个职业发展的起跑线。
没有第一份工作,就没有第一段履历。没有履历,下一份工作更难找。这个负向螺旋一旦启动,靠个人努力很难逆转。
我认识一个去年毕业的学弟,985计算机专业,简历投了200多份,面试不到10家。他跟我说:“面试官问我做过什么项目,我说课程设计。他说那你用过Cursor吗?我说用过。他说那你给我看看你用Cursor写的东西。我拿不出来。”
他缺的不是能力,是让能力被看见的机会。
而这恰恰是AI最不擅长的——AI可以写代码,但它没法替一个22岁的年轻人证明“我能扛住压力、能跟团队配合、能在模糊需求里找到方向”。这些信号,原本是通过入门级岗位的日常工作传递的。
现在这个信号通道正在收窄。
出路不在“学AI”,在“用AI做完一件真事”
我不打算给一个“三招破解”式的结尾。但有一个判断我想说清楚:
未来五年,最有竞争力的毕业生不是“学过AI课”的人,是“用AI做出过东西”的人。
这个“东西”可以很小。一个自动整理会议纪要并生成待办事项的脚本,一个爬取招聘数据做分析的小工具,一个帮本地商家做客服问答的机器人。规模不重要,重要的是它跑通了从需求到交付的完整链路。
企业现在缺的不是懂AI原理的人,是能独立把AI能力变成产出的人。Gallagher报告里71%的雇主已经落地AI,但只有少数说“用得好”。这个落差就是机会。
Anthropic的极端情景说知识工作失业率可能到18%。我没办法反驳这个数字。但同一个情景里也写着:经济规模扩大约三分之一。钱没有消失,它在换地方。
换到哪里?换到那些能指挥AI、能定义问题、能把技术变成结果的人手里。
大学文凭不会变成废纸。但它的含金量会越来越取决于一件事:你除了文凭,还拿出过什么。
我那个学弟后来自己做了一个帮留学生自动填签证表的小工具,挂在网上,收了200多个用户。上个月他跟我说,有两家公司在面试里专门问了这件事。
“他们不问我GPA了,”他说,“他们问我怎么想到做这个的。”
这可能就是答案。
策展来源与事实依据(5)
Anthropic's three AI economic scenarios for 2030, explained - The Next Web
Anthropic于9月10日发布交互式情景探索器,基于技术报告《变革性AI的经济情景》提出2030年三种AI经济情景:温和情景类似互联网影响,GDP高1.6%;实质情景AI完成一半知识工作,经济增速翻倍至36.3万亿美元;极端情景经济规模扩大约三分之一,但知识工作失业率接近18%。
查看原始事实依据Are Colleges Ready To Support the AI Workforce? - EdTech Magazine
EdTech Magazine文章讨论高校是否准备好支撑AI劳动力。GMAC对600多名企业招聘官的调查显示,三分之一雇主已用AI替代部分入门级岗位,技术行业达40%;同时AI工具熟练度被列为五年后雇主最看重的技能,却是毕业生最缺乏的能力之一,形成教育缺口。
查看原始事实依据As Employers Plan for Growth, Workforce Pressures Continue to Mount - PR Newswire
Gallagher发布2026年美国人才基准报告,基于3700多家美国雇主的调查,指出人员流动、团队产能约束与AI驱动变革正影响组织效能。71%的雇主已全面或部分落地AI,报告强调成功采用需要清晰沟通、健全治理以及对员工和管理者的实际支持。
查看原始事实依据GitHub Workflows Strain Under AI Agent Development - DevOps.com
DevOps.com报道指出,GitHub的工作流体系围绕人类节奏构建,但AI智能体以机器速度生成提交、拉取请求、issue和分支变更,令原本为工程团队设计的系统承压。文章认为智能体24小时不间断活动正在考验现有CI/CD与代码审查基础设施的扩展能力。
查看原始事实依据Meta's Iris AI Chip Enters Production, Eyes 14GW [2026] - Tech Insider
据路透社引述内部备忘录,Meta已于2026年9月开始生产其Iris数据中心AI芯片。Iris属于MTIA训练与推理加速器项目,是定制加速器而非GPU,针对Facebook、Instagram推荐引擎、广告排序及生成式AI功能优化,计划在2026至2027年将更多AI负载从第三方加速器迁移至自研MTIA栈。
查看原始事实依据分享这篇观察
生成分享图发布到社交平台
讨论与共鸣(0)
后参与讨论
觉得有价值?请我喝杯咖啡 →