为什么最常用AI的年轻人，反而最不相信它？

一场毕业典礼嘘声背后的生存危机，以及AI时代普通人的破局之道

一、引言：同一句"工业革命"，两种截然不同的命运

2026年5月，美国大学的毕业典礼上发生了两件截然相反的事。

第一件事发生在中佛罗里达大学（UCF）。房地产高管格洛丽亚·考尔菲尔德（Gloria Caulfield）站在台上，对着艺术与人文学院、传媒学院的毕业生说："AI的崛起将成为下一次工业革命。"话音刚落，全场爆发出山呼海啸般的嘘声。有人大喊"AI SUCKS！"考尔菲尔德愣在原地，双手摊开："噢，发生了什么？"

第二件事发生在卡内基梅隆大学（CMU）。英伟达CEO黄仁勋说了几乎一模一样的话——"AI正在创造一个新的工业时代"——但台下5800名毕业生报以热烈掌声。

同样的信息，为什么一个被嘘，一个被捧？

答案不在信息本身，而在受众的身份。

UCF那场典礼的毕业生是艺术家、作家、记者——正是AI第一波冲击的受害者。CMU的毕业生是计算机科学家、工程师——AI浪潮的受益者。这不仅仅是两所大学的差异，而是整个2026届毕业生面临的撕裂现实：AI把劳动力市场劈成了两半，一半人在岸上，一半人在溺水。

而这，正是我们今天要硬核拆解的工程问题。

二、数据铁证：AI正在系统性地抽走年轻人的入场券

让我们用工程师的严谨，看看劳动力市场到底发生了什么。

2.1 就业率断崖

Cengage 2026年4月发布的《未来职业报告》显示：2025届美国毕业生中，仅30%在毕业时找到了全职工作。一年前，这个数字是41%。一年之内，全职就业率暴跌11个百分点。

Handshake平台的数据更触目惊心：

• 2026届应届生中，60%对职业前景感到悲观
• 招聘岗位数量同比下降16%
• 每个职位的申请量同比上涨26%

这意味着什么？用工程师的话说：系统负载（求职者）飙升，而系统容量（岗位）在萎缩。竞争强度不是线性增加，是指数级恶化。

Gallup 2025年的调查显示，15-34岁的美国人中，仅43%认为当地是找工作的好时机。2022年，这个数字是75%。三年内，年轻人的就业信心崩塌了32个百分点。

2.2 初级岗位的系统性消失

如果说整体就业数据已经够难看，那初级岗位的崩塌才是真正的灾难。

求职平台Revelio Labs的数据显示：入门级职位发布同比下降了35%。不是减少，是萎缩了三分之一以上。

Stanford AI Index 2026年度报告更精准地指向了技术行业的病灶：22-25岁的软件开发者就业率，自2024年以来下降了近20%。

Stack Overflow博客引用了一项2024年对招聘经理的调查，结果令人窒息：

• 70%的招聘经理认为AI可以完成实习生的工作
• 57%的招聘经理表示，他们更信任AI的工作成果，而非实习生或应届毕业生的成果

如果AI能写文案、做设计、写代码、做数据分析——而且比实习生更快、更便宜、不需要培训、不会辞职——企业为什么还要招实习生？

Indeed的数据证实了这个残酷的逻辑：全行业的实习岗位同比下降了11%。Handshake的数据更狠：科技行业的实习岗位自2023年以来下降了30%。与此同时，实习申请量反而上升了7%。

2.3 科技行业的裁员风暴

2026年第一季度，科技行业裁员78,557人。裁员公告中，47.9%明确归因于AI——企业直接告诉被裁员工："不是你不优秀，是AI能做得更快。"

《纽约时报》在2025年8月刊登了一篇标题极具讽刺意味的报道：《再见，年薪16.5万美元的科技工作。计算机专业学生在Chipotle找工作》。文中讲述了一名2023届计算机科学毕业生，申请了5,762个技术岗位，至今没有收到一份全职offer。

这不是个案。这是系统性的市场出清。

三、工程视角拆解：岗位是如何被AI"优化"掉的

很多人把这场危机描述为"情绪问题"或"适应问题"。但从工程视角看，这是典型的系统架构重构——劳动力市场的底层数据结构被改写了。

3.1 岗位拆解：从"人执行任务"到"AI执行任务，人做质检"

传统职场的模型是：

初级员工 → 执行具体任务 → 积累经验 → 晋升 → 执行更复杂任务

这个模型有一个隐含的假设：执行任务是价值的起点。没有执行，就没有经验积累；没有经验积累，就没有晋升通道。

AI打破了这个模型。新的架构变成了：

AI → 执行80%的具体任务 → 人类做质检/调优/复杂判断 → 高阶决策

在这个架构里，初级执行层的价值被压缩到了一个临界点以下——低于雇佣一个初级员工的成本。

这不是"AI替代人类"的科幻叙事。这是冷酷的成本核算：如果一名初级工程师年薪7万美元，而Claude/Copilot的订阅费用是每月20-200美元，企业会选择什么？

答案是：企业选择让高级员工+AI工具来完成原本需要5个初级员工的工作。

3.2 实习的消亡：从"人才培养"到"成本中心"

实习生在传统模型中的价值是什么？

• 廉价劳动力：用低于市场价的价格完成基础性工作
• 人才筛选：用3-6个月考察潜在全职员工的能力
• 技能传递：让 senior 员工在指导过程中完成知识转移

AI对这三个价值点逐一击破：

1. 廉价劳动力？ AI更廉价，而且不需要工位、社保、培训。
2. 人才筛选？ 企业可以直接用AI完成基础任务，从开源社区、GitHub、Kaggle竞赛中筛选已经证明能力的人。
3. 技能传递？ 如果基础任务都交给了AI，junior员工连"被指导"的机会都没有了。

Stack Overflow博客中引用了一位数据和AI负责人的原话："Being good isn't good enough."（光优秀还不够。）

这不是针对个人的评价。这是对整个系统反馈机制的颠覆。

3.3 技能栈的断层：从"增量积累"到"跳级要求"

过去，工程师的技能成长是一条连续曲线：

写代码 → 调试 → 设计模块 → 架构系统 → 技术决策

现在，AI把前三个台阶直接削平了。

一个2026届的计算机科学毕业生面临的问题不是"我会不会被AI替代"，而是：我连入场的机会都没有，因为我永远无法证明我能从第一步走到第三步。

企业不再需要"有潜力的初级工程师"，他们需要"能直接处理AI搞不定的问题的高级人才"。但没有人天生是高级的——高级需要初级和中级的历练。

这就是技能栈断层：AI消灭了历练的台阶，然后抱怨年轻人"不够高级"。

四、工业革命的残酷真相：历史不会自动变好

每次讨论技术失业，总会有人搬出"工业革命创造了更多岗位"的陈词滥调。但工程师不会只读标题，我们会看数据。

4.1 第一次工业革命：45年工资腰斩

英国工业革命期间（约1780-1840），动力织机数量从1813年的约2,400台暴涨到1850年的25万台。纺织工人的数量呢？从1820年的24万人暴跌到1845年的6.9万人。

但更令人窒息的是工资数据。

根据牛津大学Martin学院的研究论文《Political Machinery》，在工业革命的经典时期（1780-1840），尽管人均产出增加了46%，但实际工资仅增长了14%，而工作时间增加了20%。换算成小时工资，实际是在下降。

《The Coming Wave》（Mustafa Suleyman著）中记载：1770年后45年内，纺织工人的工资被腰斩——同时食品价格飙升。动力织机可以由一个童工操作，产出相当于3.5个传统织工。工厂环境嘈杂、危险、压抑，表现不佳的儿童会被吊在天花板上或强迫穿戴重物。死亡率居高不下。

这不是"新的工作岗位随之而来"的温馨故事。这是整整一代人的生活质量崩溃，持续了半个世纪。

4.2 卢德运动：不是疯子，是理性反应

1811-1813年，英国纺织工人发起了著名的"卢德运动"——夜间突袭工厂，捣毁机器。历史教科书把他们描绘成"抗拒进步的反动分子"。

但从博弈论的角度看，这是完全理性的选择。当新技术让你的技能贬值到生存线以下，而你没有资本分享到新技术创造的财富时，破坏机器是唯一的纳什均衡。

卢德运动最终被军队镇压，1813年17名卢德派成员被绞死。机器赢了。但工人的困境没有立刻好转——它只是被转移到了下一代。

4.3 历史的关键教训：补偿效应需要时间，而且不平均

经济学家用"补偿效应"来解释为什么技术进步最终不会导致大规模失业：新技术降低生产成本→产品价格下降→需求增加→产量扩大→需要更多劳动力→新岗位被创造。

这个链条在长期是成立的。但"长期"有多长？

第一次工业革命期间，从手织工大规模失业到新的就业机会稳定出现，中间隔了至少两代人（40-60年）。在这40年里，失业的手织工转向农业，但农业工资远低于织布；或者涌入城市贫民窟，生活在拥挤、肮脏、疾病肆虐的环境中。

国际劳工组织（ILO）的报告《Technological Changes and Work in the Future》明确指出：

"技术变革通常始于'节省劳动力'的效率提升（即裁员），而新岗位创造的速度往往跟不上效率提升的速度。某种意义上，破坏先行，补偿后至，且速度更慢。"

凯恩斯在1930年的《我们后代的经济前景》中创造了"技术性失业"（technological unemployment）这个词：

"我们正遭受一种新的疾病……由于我们发现节省劳动力手段的速度，超过了为劳动力寻找新用途的速度。"

这句话写于1930年。近百年后，2026届的毕业生正在亲身体验这个"疾病"。

4.4 历史与今天的关键差异

历史不是简单重复。今天的AI革命与工业革命有本质不同：

工业革命替代的是纺织工人的体力，创造了工厂操作员、铁路工人、矿工等替代性岗位。AI替代的是文案、设计、代码、数据分析——恰恰是年轻人最擅长、也是他们赖以进入职场的基础技能。

更残酷的是，AI创造的新岗位（AI工程师、数据科学家、提示词工程师）需要的技能门槛，远高于它消灭的岗位。

五、黄仁勋的"同一起跑线"：安慰剂还是真相？

回到CMU那场演讲。黄仁勋说："没有任何一代人像你们这样，带着如此强大的工具和如此广阔的机遇步入社会。我们所有人都站在同一起跑线上。"

这句话在CMU获得了掌声。但如果他说这句话的对象是UCF的艺术系毕业生呢？

5.1 "同一起跑线"的工程师解读

从系统角度看，"同一起跑线"意味着：

• 所有人面对的工具相同（AI）
• 所有人面对的市场相同（AI重塑后的劳动力市场）
• 所有人的学习成本相同（从零开始掌握AI协作）

但这忽略了一个关键变量：起点不同，终点就不同。

CMU的毕业生在毕业前已经用GitHub Copilot写了四年代码，做过Kaggle竞赛，参与过研究项目。他们的"同一起跑线"是在一个已经积累了多年技术优势的基础上。

UCF的艺术系毕业生呢？他们的训练是视觉叙事、创意构思、人文批判。当AI可以10秒生成一张概念图、5分钟写出一篇文案时，他们的起跑线在哪里？

5.2 "AI不会取代你，但会用AI的人会"——这句话的隐藏条件

黄仁勋的原话是："AI is not likely to replace you, but someone using AI better than you might."

这句话看似公平，实则暗藏了一个残酷的筛选机制：它假设所有人都有同等的"使用AI"的机会和能力。

但现实是：

• 能使用AI的前提是有工作让你使用AI
• 有工作的前提是你已经有经验
• 有经验的前提是有人给你第一份工作

这是一个死锁（deadlock）。

企业不招初级员工，因为AI能做；初级员工无法积累经验，因为企业不招；没有经验就无法证明"使用AI更好"；无法证明就无法被雇佣。

黄仁勋的话在这个死锁面前，是一句正确的废话。

5.3 为什么CMU的毕业生没嘘他？

不是因为黄仁勋比考尔菲尔德更会演讲。是因为CMU的毕业生已经在AI的船上了。他们是AI系统的构建者，不是被AI系统优化的对象。

这就是为什么同一句"工业革命"，一个被嘘，一个被捧。

六、破局之道：普通人在这个系统中的三条活路

抱怨系统不公是合理的，但不解决问题。工程师的思维方式是：如果系统规则变了，找到新规则下的局部最优解。

6.1 策略一：从"执行任务者"转型为"定义问题者"

AI擅长的是"给定目标，找到最优路径"。它不善长的是"判断哪个目标值得追求"。

Stack Overflow博客中引用的CEO Prashanth Chandrasekar的话值得深思："AI不会没有问题，而这些问题会为Z世代的开发者打开全新的职业路径。"

什么意思？当AI能写代码时，价值从"写代码"转移到了：

• 需求拆解：把模糊的业务需求转化为AI可执行的任务序列
• 边界判断：确定AI不能/不应该做什么（安全、伦理、合规）
• 质量验收：判断AI产出是否符合真实场景需求
• 异常处理：当AI出错时，人类如何接管和修正

这些能力不是"高级编程技巧"，而是系统思维+领域知识+批判性判断的组合。

6.2 策略二：占领"AI的盲区"

AI有两个结构性盲区：

盲区一：物理世界的复杂性

AI处理的是数字信息。但人类生活在物理世界。AI无法：

• 现场判断一台机器的真实故障原因（需要触觉、嗅觉、经验）
• 在混乱的建筑工地协调多方施工（需要人际沟通、现场应变）
• 为一位病人做身体检查并给出个性化护理方案（需要人文关怀、临床经验）

Y Combinator创始人Paul Graham有一句被广泛引用的话："AI无法替代的，是那些需要在真实世界中进行细微判断的工作。"

黄仁勋在CMU演讲中特别提到了一个群体："电工、水管工、钢铁工人、技术人员、建筑工人——这是你们的时代。"

为什么？因为AI需要万亿级的基础设施投资——数据中心、芯片工厂、电网升级——而这些基础设施需要物理世界的劳动者来建造和维护。

盲区二：人际信任与情感劳动

AI可以写出一封完美的道歉邮件，但它不能为一个失去亲人的家庭提供真实的安慰。AI可以生成一份完美的销售方案，但它不能在一个微妙的商务谈判中捕捉到对方CEO语气中那一丝犹豫，然后调整策略。

这些不是"软技能"，是高价值的人类能力——而且它们恰好位于AI的能力边界之外。

6.3 策略三：成为"AI的操控者"而非"被AI操控者"

最反直觉的破局点：年轻人已经是最懂AI的一代。这就是他们的优势。

UCF的学生嘘AI，但他们同时也在用ChatGPT写论文、用Midjourney做设计、用Copilot辅助编程。他们是第一代原生AI用户——这种直觉式的使用能力，是上一代人需要刻意学习才能获得的。

问题的关键不是"用不用AI"，而是"用AI做什么"。

Coursera 2026年1月的数据显示，完成"提示词工程与AI协作"课程的开发者，后续职业机会增加了58%，平均薪资增幅18,000美元。

这不是让你去"学AI"，而是让你把AI从"工具"升级为"杠杆"：

• 用AI做市场调研，然后基于数据做战略判断
• 用AI生成代码原型，然后基于业务逻辑做架构设计
• 用AI做内容草稿，然后基于品牌调性做风格把控
• 用AI处理数据分析，然后基于行业经验做决策建议

核心公式：人的判断 × AI的执行效率 = 新的竞争力

6.4 长期主义：投资"复利型能力"

AI的迭代速度是按月计算的。今天学的具体工具，半年后可能就被替代。但有一些能力具有复利效应：

• 跨领域翻译能力：能把一个领域的需求翻译成另一个领域可执行的语言
• 系统拆解能力：面对复杂问题时，能把它拆成可管理的子问题
• 元学习能力：学习如何学习，比学习具体内容更重要
• 审美与品味：在技术趋同的时代，好的品味是稀缺资源

这些能力不会被任何一代AI模型替代，因为它们的核心是"人类如何理解世界"——而AI只是世界的一个子集。

七、结语：这个时代奖励的是"清醒的乐观主义者"

回到UCF毕业典礼上那个被嘘的瞬间。

考尔菲尔德说"AI的崛起将成为下一次工业革命"时，她的语气是兴奋的。但台下的毕业生听到的不是"机会"，而是"你们四年的专业训练正在贬值"。

黄仁勋在CMU说了几乎同样的话，但他加了一句关键的前缀："AI不太可能取代你，但比你更会用AI的人可能会。"然后他说："没有父母希望自己的孩子被落下。"

这句话把叙事从"技术乐观主义"切换到了"人性焦虑"——他承认恐惧是真实的，然后提供了一个行动方向：不是逃避AI，而是驾驭AI。

这就是2026届毕业生面临的核心困境：恐惧是合理的，但逃避不是选项。

历史告诉我们，技术革命不会因为有人被落下而减速。1780年的纺织工人、1890年的马车夫、1980年的打字员——他们都曾是被落下的人。但历史同样告诉我们，每一轮革命都创造了新的赢家，而且赢家往往是那些最先理解新规则的人。

2026年的规则是什么？

• 岗位会消失，但问题不会消失——人类的麻烦永远比AI的解决方案多一步
• 执行任务的价值在下降，定义任务的价值在上升
• 单一技能在贬值，技能组合在升值
• 纯技术能力在贬值，技术+领域+判断的组合在升值

对于年轻人来说，最大的风险不是"被AI替代"，而是因为害怕被替代而拒绝理解AI，结果真的被那些不怕AI的人替代了。

这不是鸡汤。这是工程系统的反馈机制：在负反馈循环中，恐惧导致逃避，逃避导致落后，落后导致更多恐惧。唯一能打破循环的，是在恐惧中仍然行动。

写在最后

如果你正在经历求职的焦虑、技能的迷茫、未来的不确定——你不是一个人。2026届的数百万毕业生和你站在同一条船上。

但请记住：工业革命初期的纺织工人，没有上帝视角看到1900年的繁荣。他们只能看到眼前的织机被捣毁、工资被腰斩、孩子被送进工厂。

今天我们比他们有优势：我们知道历史会重演，但我们也知道历史不会自动变好——变好需要理解、适应、行动。

AI不会停下来等你。但好消息是，它也不会偏爱任何人。在这场所有人同时重新学习如何使用大脑的革命中，最先理解规则的人，就是最先找到出路的人。

行动起来。不要在岸上观望浪潮——学会冲浪。

参考来源

• Cengage《The Future of Jobs Report 2026》
• Handshake《2026 Hiring Landscape Report》
• Gallup《U.S. Job Market Perceptions Survey 2025》
• Stanford HAI《AI Index Report 2026》
• Revelio Labs《Entry-Level Job Postings Tracker 2025-2026》
• Stack Overflow Blog《AI vs Gen Z: How AI Has Changed the Career Pathway for Junior Developers》（2025-12-26）
• Indeed《Internship Trends Report 2026》
• Challenger, Gray & Christmas《Tech Layoffs Report Q1 2026》
• The New York Times《Goodbye, $165,000 Tech Jobs》（2025-08）
• Mustafa Suleyman《The Coming Wave》
• Oxford Martin School《Political Machinery: Automation Anxiety and the 2016 U.S. Presidential Election》
• ILO《Technological Changes and Work in the Future》
• 黄仁勋CMU 2026毕业典礼演讲全文
• Business Insider / NBC News / Florida Today / TechTimes 关于UCF/亚利桑那大学毕业典礼事件的报道

#反AI运动 #AI就业 #毕业季 #工业革命 #黄仁勋 #年轻人焦虑 #程序员 #技术失业 #深度研究 #小凯