一组就业数据,正在重写「未来该学什么」

过去一年,几组来自薪资数据、央行研究和就业市场的观察,把一个原本只属于技术圈的话题,推到了每个家庭面前:AI 时代,什么在塌陷,什么在留存,以及——未来该学什么。

在全球范围内,AI 的前沿研发与大规模应用落地,目前高度集中在中美两个经济体。也正因如此,把两国的就业数据与趋势放在一起对照,能更充分地看清就业市场的现状与前景——本文的判断,正建立在中美两组数据的相互印证之上。

斯坦福数字经济实验室利用覆盖数千万从业者的薪资数据追踪发现:在 AI 渗透度高的岗位上,职场新人的就业人数相对下滑约 13%,而同一职业里经验更深的人,就业则持平甚至上升。这不是某个行业的孤例,而是一条清晰的分界线。这条线,被业界称为「可验证性边界」——一件事的对与错,能不能被机器廉价地、自动化地验证。Herline 据此给出了一个回答:培养「AI 抗体」。

---

一、数据揭示了什么:沿着「能否被机器验证」分开

把工作拆解到「任务」这一层就会发现,AI 接管的并不是整个职业,而是职业里「对错能被机器廉价、自动验证」的那一部分。

• 代码可以编译、可以跑测试;账目可以对平;检索结果能逐条比对——这些任务给了机器自我训练的明确信号,能力直线上升,正被快速接管。
• 一桩并购该不该做、一篇文章好不好、一个客户信不信你、一段关系怎么维护、一份成果如何被看见——这些没有标准答案,靠的是人的判断、品味、关系维护和对结果的分发担责,机器卡在人的反馈瓶颈上,这部分仍然留给了人。

一个特别干净的例子,就出在同一个职业内部。美国劳工统计局的数据显示,「记账」岗位预计下滑约 5%,「会计师」岗位反而增长约 5%——同一栋楼里,可被自动验证的记账在塌陷,需要专业判断的会计在增长。更反直觉的是放射科:曾被预言「会消失」,过去三年从业人数反而增长了约 10%——「读片」可以被辅助,但「诊断 + 与病人沟通 + 签字担责」这一整套,机器做不了。

中国的结构也在沿同一条线分开。 一个直接的对照就出在财务岗位:过去几年,大型企业普遍搭建「财务共享中心」,用财务机器人(RPA)接管对账、核销、票据处理等可标准化的基础核算,基础会计与出纳岗位随之收缩;而需要税务筹划、业财融合、专业判断的高端财务岗位反而长期紧缺——可被自动验证的记账在塌、需要判断的财务在涨,这条线中美一致。放大到整体,同道猎聘、前程无忧等机构的 2025 届校招报告也指向同一个错配:泛文科与传统商科岗位「人多岗少」,而先进制造、芯片设计、新能源等需要实操与专业判断的岗位却「人才荒」。可被标准化、可被自动验证的那一类活,在中国同样先承压。

二、真正尖锐的信号:不是失业率,是「倒金字塔」

很多人紧盯着失业率,但真正的信号藏在结构里。斯坦福与达拉斯联储的研究,指向了同一个形状:在白领职业内部,新人岗位在萎缩,资深岗位在增长。四大会计师事务所的毕业生招聘量,一年内被砍掉了三四成;律所开始跳过新人,直接招有经验的;七成律师每周都用 AI,AI 接掉了过去留给新人练手的活儿。

这是一个「倒金字塔」:顶上的资深人才越来越值钱,底下的新人岗位被抽空。而新人岗位,恰恰是产出未来资深人才的那条管线——抽掉底座,等于让这座塔慢慢吃掉自己的未来。一个连带的结果是:文凭作为「能力证明」的含金量在下降。当一纸通用学历不再能证明「你能做机器做不了的事」,雇主开始改看别的信号。

在中国,这个信号更多压在「入口」一端。 2025 届高校毕业生达 1222 万人,同比增加 43 万,再创新高;与此同时,过去大量吸纳白领的房地产、金融、互联网三大行业都在收缩,阿里、百度等在裁减传统业务条线的同时,为 AI 与研发岗位选择性扩招。需要诚实说明的是:这一轮白领收缩,很大程度上来自经济周期与行业出清,AI 是叠加在其上的加速因素,而非唯一原因——但方向是一致的:白领的「新人入口」正在收紧。

三、答案 = AI 抗体:把不被 AI 替代的内核练出来

Herline 给出的回答,是一个能握得住的概念——「AI 抗体」。

AI 抗体 = 不被 AI 替代的免疫力。它免疫的是「被淘汰、被替代」这件事,而不是 AI 工具本身——会用 AI,同时不被 AI 取代,才是有抗体的状态。

抗体不是一句口号,它有能被培养、也能被看见的内核:

• 机制层:判断力、品味、表达力、定力——AI 替不掉,且越来越值钱的人类核心素质;
• 会用 AI:把 AI 当成放大内核的工具,而不是把「学会某个 AI 工具」摆在第一位(工具迟早会被免费平台收编);
• 作品:当文凭作为能力证明在贬值,一份拿得出手、看得见的作品集,正在成为新的能力证明。

把内核练出来,用 AI 放大,沉淀成作品——这就是「培养不可替代的少数派」的具体含义。

值得注意的是,国内政策也在往同一个方向走。 2025 年 7 月,国务院部署「大规模职业技能提升培训行动」,计划 2025—2027 年补贴性培训 3000 万人次以上,聚焦先进制造、数字经济等六大领域;与此同时,算法工程师、机器学习等 AI 岗位的需求在国内同比增长四成以上。一边是把人往「机器替不掉的技能与判断」一侧引导,一边是为「会用 AI 放大自己」的人腾出位置——这与「培养 AI 抗体」指向的,是同一件事。

四、为什么从青少年时期开始

能力 × 时间,是一类越早开始、复利越深的资产。8 到 18 岁这段窗口,正是把判断力、品味、表达力、定力练成复利的时机:一个 18 岁的人,如果手里已有多年的作品积累和人机协作记录,这种差距是「成年后才开始补课」的人难以追上的。这也是 Herline 在市场推广上,先触达青少与家长(教育决策方)的原因。

在中国,这种紧迫感尤其具体:1222 万毕业生与收紧的白领入口同时摆在家长面前,「孩子学什么,才不会毕业即过时」成了最现实的问题。但青少年只是起点,不是天花板——AI 抗体对成年人同样成立,甚至更迫切。Herline 的产品对成人开放,青少只是第一批走进来的人。

---

关于 Herline(赫能):Herline 是「培养 AI 抗体的素质教育平台」——用 AI 工作流支撑专业内核的筑建,用自有媒体 IP(超演无界 + 海外青少演说赛事)支撑表达与作品的对外沉淀,两者在 8–18 岁这段窗口同步打磨,沉淀成可累积的作品集与人机协作记录。

数据来源:海外 / 全球趋势引自斯坦福数字经济实验室、美国劳工统计局、世界经济论坛《未来就业报告》;中国数据引自中国政府网、新华社、教育部及同道猎聘 / 前程无忧 2025 届校招报告等公开来源。美国数据揭示的是机制,中国数据显示的是本地形态;两地就业结构、教育体系与 AI 渗透节奏各有特点,读者请结合自身情况参考。