2025年8月，中国16至24岁青年失业率达到18.9%。这个数字背后，是1222万高校毕业生涌入市场——史上最多，比上一年再增43万——无数份投出去没有回音的简历，无数个挤在考公备考班里的年轻人，无数个开始认真思考"躺平"是不是一种理性选择的深夜。大多数人的解读是：经济不好，周期使然，等等就过去了。
经济周期确实存在，但它掩盖了一个更深层、更持久的结构性变化——一场技能替换，正在以大多数人还没意识到的速度，重新定义"什么样的人值得被雇用"。
一、你的对手不是AI，是那个会用AI的同事
人工智能不会取代你的工作，但会用人工智能的人很可能会。也许不是今天或明天，也许不是今年甚至明年，但最终一定会。而如果你等到“最终”那一刻，就为时已晚了。
对有些人来说，这种转变已经在发生。领英与微软联合发布的研究显示：三分之二的企业管理者表示，他们甚至不会考虑没有AI技能的候选人。
不是"更倾向于"，不是"会加分"，是"不会考虑"。
这句话的含义，比表面看起来要严重得多。它意味着，AI技能正在从加分项变成门槛——就像十年前的"会用Excel"，就像二十年前的"会用电脑"。当一项技能成为门槛，不具备它的人，连进场资格都没有。再看另一个数据：2015年至2022年，全球普通工作所需技能中有24%发生了变化。这个速度已经够快了。但领英的研究人员预测，考虑到AI的影响，到2030年这一比例将飙升至70%。不是某些行业，不是某些岗位，是普通工作所需技能的70%将在未来五六年内发生变化。把这个数字放回中国的就业现实里。中国劳动力市场的供需失衡，本质上是一个竞争极度激烈的环境——同一个岗位，可能有几十上百人在竞争。在这种环境里，任何维度的差距都会被放大。以前内卷的是学历和经验。985还是211，实习经历是不是名企，这些是筛选标准。你的对手不是AI本身。AI不会去抢你的工作，至少现在不会。真正威胁你的，是坐在你旁边那个同事——他开始用AI写报告、做分析、整理数据，一个人干了以前三个人的活，而且质量还更好。
二、飞轮效应：你等待的每一天，差距在复利增长
有一个细节，很多人在讨论AI的时候忽略了。AI和用户之间，不是静态的工具与使用者的关系。它是一种双向进化的关系。想象你开始骑一辆智能自行车。第一天，它不太懂你，踏板的阻力不对，座椅高度需要调整。但你骑得越多，它就越懂你——踏板开始适应你的节奏，座椅找到最贴合你的位置，车把调整到最适合你的角度。每一处改进都在减少阻力，每骑一公里，下一段路就更轻松，直到你骑着这辆车，感觉它仿佛成了自己身体的延伸。放大到职场竞争的层面，这个效应有一个名字：飞轮效应。你今天开始用AI，它帮你节省了两个小时。这两个小时，你用来做了更有价值的事。明天，你更熟练了，节省了三个小时。后天，四个小时。这个飞轮一旦转起来，速度会越来越快。在中国当前的就业环境里，这个飞轮效应被额外放大了。原因很简单：当劳动力供给远大于需求，雇主有足够的选择空间，他们会选择效率最高的那个人。一个熟练使用AI的员工，实际产出可能相当于过去的两到三个人。被替代的那两个人，不是被AI替代的，是被那个会用AI的人替代的。
三、旧的应对方式，正在失效
考研、考博、出国读个硕士，用更高的学历来换取竞争优势。这个策略在过去十年有效，因为学历是一种相对稀缺的信号。但当考研人数连年破纪录，当硕士学历开始"通货膨胀"，当用人单位开始抱怨"高学历低能力"，这个策略的边际回报在快速下降。更关键的是，刷学历需要两到三年。两到三年后，技能替换的速度会比今天更快，而你花了两到三年时间在一个越来越拥挤的赛道上挤。这是过去几年最显著的趋势。2025年国考报名通过资格审查人数达341.6万，竞争比86:1；2026年度国考进一步攀升至371.8万人，竞争比约98:1，最热门岗位超过7000人争一个位置。考公的逻辑是：体制内相对稳定，不用担心被市场淘汰。这个逻辑不是没有道理，但它建立在一个假设上：体制内不受技能替换的影响。AI正在进入政府和事业单位。文件处理、数据整理、报告撰写、政策分析——这些工作不会因为在体制内就免于被效率更高的工具替代。考公成功的人，终究还是要面对同样的问题，只是晚几年面对而已。这是最诚实的一种应对方式。承认竞争太激烈，承认自己不想参与，降低欲望，降低消费，维持基本生活。我理解这种选择背后的疲惫。但躺平有一个隐含的赌注：你在赌未来不会更难。而根据所有现有的趋势，这个赌注大概率会输。这三种策略有一个共同的问题：它们都是线性的应对方式，但技能替换是指数级的变化。
四、AI能做的，和只有你能做的
说到这里，有一个问题必须回答：如果连考公的人最终也要面对技能替换，那出路在哪里？工业时代的工作，不是为释放人类潜能而设计的，而是为了效率——追求速度、规模和可预测性，让人类做得更多、更好、更快。这意味着，工业时代最有价值的人，是那些能够高效、稳定、大量重复某种操作的人。但AI有一个根本性的局限：它没有判断力，没有关系，没有创造力——至少不是人类意义上的那种。AI能做的：信息整理、数据分析、文案撰写、报告生成、代码编写、图像处理……所有可以被明确定义、可以被重复执行的任务。只有你能做的：在模糊信息中做出判断，建立和维护真实的人际关系，在没有先例的情况下创造新的解决方案，理解复杂的人类情感和动机。这不是在说AI不好。这是在说，当AI接管了重复性工作，人类独有的那部分能力反而变得更稀缺、更值钱了。几个世纪以来，我们第一次有机会把工作重新围绕"最具人类特质的事物"来构建：创造力、解决新问题的能力、建立有意义连接的能力。他们的工作方式是为工业时代设计的，他们的竞争策略是为学历经济设计的，他们在用过去的武器打一场完全不同的战争。正确的姿势是：用AI放大你独有的能力，而不是和AI竞争它擅长的事。
五、现在就能做的三件事
说到这里，我想避免一个常见的陷阱：把焦虑制造出来，然后甩下一句"学会用AI吧"就结束。不是"学AI"，是先做一个诊断。打开你今天的工作清单，问自己：哪三件事让我花了最多时间，但如果不做，对结果影响最小？对一个HR来说，可能是筛选简历、整理面试记录、写岗位描述。对一个市场人员来说，可能是写周报、整理竞品信息、做数据汇总。对一个销售来说，可能是写跟进邮件、整理客户资料、做报价方案。不是所有任务都应该交给AI。有些任务，交给AI是替换——AI做，你不做，效率提升。有些任务，AI是放大器——AI帮你做得更快，你用省出来的时间做得更深、更好。替换类任务：重复性的信息处理、格式化输出、标准化文案。直接交出去。放大类任务：需要判断的分析、需要创意的方案、需要关系的沟通。用AI做准备工作，用你的判断做最终决策。- 第三件事：把节省出来的时间，投入到任何算法都做不到的事。
很多人用AI节省了时间，然后用这些时间刷手机、摸鱼、或者做更多同样低价值的任务。这就把AI变成了一个效率提升工具，而不是竞争力重构工具。正确的用法是：用AI省出来的时间，去做那些只有你能做的事。去见一个重要的客户，建立一段真实的关系。去深度思考一个业务问题，而不是只做表面的汇报。去学一个新的领域，建立跨界的认知。去创造一个新的解决方案，而不是复制已有的模板。
结语
中国当前的就业困境，迫使人们重新审视一个问题：什么样的能力，在未来真正有价值？在过去，这个问题的答案是模糊的——努力工作，多积累经验，升职加薪，靠时间换空间。这套逻辑在经济高速增长的时期有效，因为增长本身会掩盖很多问题。现在，增长放缓，掩盖消失，问题暴露出来。而与此同时，AI给出了一个前所未有的答案：把重复的工作交出去，把人类独有的能力放大。这不是一个容易的转变。变化的速度是指数级的，而人类的本能是线性的。你心里对AI的那种不安，是数百万年的进化在试图保护你免受快速变化的伤害。这种本能曾经保护过我们，但在这个时代，它可能会让你陷入停滞。领英的研究发现，那些在AI时代取得进步的工作者，不一定是资源最丰富或技术最精湛的人，而是那些"未雨绸缪"主动尝试的人——不是慌乱地应对，而是有目的地探索。他们在必须适应之前，就主动练习适应。变化永远不会再像现在这样缓慢。AI也永远不会再像现在这样基础。尝试的最佳时机，就是现在。
关于作者：我是一名专注于科技投资领域的独立研究者。我的分析基于对产业链的长期跟踪、财报数据挖掘以及技术演进路径的交叉验证。我坚信，在AI与物理世界加速融合的时代，从底层技术和供应链中发现的洞见，比追逐市场情绪更有价值。本网站所有文章均为我的个人原创研究笔记，旨在记录思考，并与同道者交流。
评论