夜雨聆风
毕业典礼本来是最适合讲未来的场合。
但今年在美国一些大学里，只要演讲嘉宾开始谈 AI、自动化和“拥抱变化”，台下的反应就不一定是掌声。
据 Guardian 报道，前 Google CEO Eric Schmidt 在亚利桑那大学毕业典礼上谈到 AI 对社会和工作的影响时，现场毕业生发出了嘘声。几天前，Central Florida 大学毕业典礼上，演讲嘉宾 Gloria Caulfield 将 AI 称作下一次工业革命时，也遭遇了类似反应。
这不是一个孤立的尴尬场面。英国那边，Guardian 引述 King’s College London 的调查称，英国大学生中约三分之一认为，AI 导致的快速失业可能引发社会动荡。CNBC 与 SurveyMonkey 近期调查也显示，美国学生对就业市场的悲观情绪很高，很多人认为 AI 让求职前景变得更不确定。
这些变化放在一起看，问题已经不是“年轻人是不是反 AI”。更准确的说法是：AI 正在失去年轻人的默认信任。
他们不是不知道 AI 有用，而是不再轻易相信“只要拥抱 AI，未来就会变好”这套说法。
嘘声背后的错位
把毕业典礼上的嘘声简单理解成“学生反对 AI”，会漏掉更关键的一层。
很多学生其实已经在用 AI。写作、查资料、改简历、做项目、准备面试，AI 早就进入他们的学习和求职过程。问题不在于他们看不见工具价值，而在于他们也最早感受到另一面：入门岗位可能变少，初级任务可能被自动化，原本用来积累经验的第一份工作正在被重新定价。
对技术公司和企业管理层来说，AI 常常被讲成生产力故事。它可以提高效率、降低成本、创造新工作，也能让小团队完成更大任务。
但对刚毕业的学生来说，同一句话听起来可能完全不一样。“提高效率”，可能意味着公司少招新人；“自动化初级任务”，可能意味着 junior 岗位被压缩；“未来会有新职业”，对今年毕业的人来说太远，第一份 offer 才是眼前问题。
过去，科技行业面对类似焦虑时，常用一个回答：技术会消灭一些工作，也会创造更多新工作。这个判断在宏观上不一定错，但它对今年毕业的学生来说太抽象。
AI 的争议正在从“工具好不好用”，转向“谁拿走效率收益，谁承担转型成本”。
第一份工作正在变窄
AI 对就业的影响，未必一开始就表现为大规模失业。它更可能先改变年轻人进入职场的方式：过去企业愿意把一些基础任务交给新人，让他们在低风险工作里练手；现在这些任务可以被工具更快完成，新人进入组织的理由就需要重新证明。
企业真正容易自动化的，往往不是一个完整职业，而是职业里的某些任务。整理资料、初稿写作、基础数据处理、客服问答、测试样例、简单代码、市场材料，这些过去正是很多新人练手、犯错和积累判断力的地方。
如果这些任务被工具接走，企业当然可能变得更高效。但新人也会少掉一部分低风险的成长阶梯。
这会制造一个很现实的悖论：公司越来越想招“会判断、会负责、会用 AI 放大产出”的人，但年轻人本来需要通过那些初级任务，才慢慢学会判断和负责。
毕业生焦虑的核心不只是“AI 会不会抢饭碗”，而是“我还有没有机会进入那个能把我训练成专业人士的系统”。
会用，也会焦虑
这代学生对 AI 的态度，并不是单纯排斥。
他们一边使用 AI，一边担心 AI。既知道不会用 AI 可能在职场吃亏，又担心越会用 AI，越证明很多工作可以被拆解、压缩甚至替代。
如果学生完全不用 AI，那只是教育系统的适应问题；如果学生一边高频使用 AI，一边对未来更悲观，那就说明问题已经进入了更深层：工具价值和社会信任正在分离。
这阵嘘声不能被忽略，也不该被放大成一个简单结论。毕业典礼上的反应不能直接代表所有学生，民调里的担忧也不等于 AI 一定会造成同等规模的失业。不同专业、不同地区、不同企业和不同岗位，受到的影响会非常不一样。
更重要的是，AI 并不是只会减少机会。它也可能降低创业门槛、扩大个人产出、创造新的服务岗位和技术岗位。问题在于，这些新机会能否足够快、足够明确地抵达刚进入职场的人。
中国学生的压力更具体
到中国 7 月毕业季，类似焦虑未必会以毕业典礼嘘声的方式出现，但它会更安静地落在简历、校招、考研、考公和专业选择里。
教育部此前披露，2026 届全国普通高校毕业生预计达到 1270 万人，同比增加 48 万人。就业入口本来已经拥挤，AI 又开始改写企业对初级岗位的期待。
国内很多白领入门岗位，本来就高度依赖基础执行：资料整理、文案初稿、表格处理、客服、运营助理、基础设计、简单代码、测试、数据标注和报告生成。这些任务，正是 AI 最容易先进入的部分。
所以国内毕业生面对的问题，未必是岗位被 AI 一次性替代，而是低门槛训练任务变少了，企业对新人一上来就要求更高。
这也解释了一个常见错位：一边是大模型、智能制造、机器人、新能源等方向持续招人，另一边是大量非 AI 专业学生觉得岗位变少、要求变高。AI 带来的不是平均机会，而是结构性分化。
需要一条过渡路径
这轮争议给技术行业、企业和大学都提了一个问题：不能只要求年轻人适应 AI，也要说明社会准备如何保护他们进入职场的机会。
大学不能只把 AI 当作弊问题，也要把它变成职业教育问题。哪些能力应该被 AI 放大，哪些基础训练不能跳过，哪些专业需要重新设计实习和项目制训练，都需要更具体的答案。
企业不能只说“我们需要 AI 人才”，也要保留新人进入组织的训练通道。否则，当所有公司都想招熟练使用 AI 的成熟人才，却没有人愿意培养新人，整个劳动力市场会出现断层。
政策层面也不能只看总体就业率，还要看入门岗位、毕业生就业质量、实习机会和工资起点。这些指标会比宏观口号更早反映年轻人的真实压力。
年轻人需要的不是反 AI 的安慰，而是一个可信的过渡方案：怎么学、怎么进场、怎么成长、怎么分享技术收益。
学生能先做什么
对学生来说，等待学校、企业和政策把所有问题都解决，并不现实。更可行的路径，是把自己从“会完成任务的人”，往“能定义问题、判断结果、负责交付的人”移动。
会用 ChatGPT、Claude、Copilot，很快会变成基础能力。真正有区分度的是，能不能用 AI 更快完成调研、分析、写作、编程、设计或运营，同时还能判断信息是否可靠、结论是否成立、结果能不能交付给真实用户。
简历上写“熟悉 AI 工具”不够有说服力。更好的证明，是做出能被别人看见和使用的东西：一个自动化流程、一个数据分析项目、一个小产品、一个内容账号、一个研究报告，或者一个真实帮别人省时间的工具。
越是只靠套模板、查资料、改格式完成的任务，价格越容易被压低。更值得往上游走的，是理解业务、理解用户、理解场景和约束。
学生最该做的，不是和 AI 比谁更快，而是学会带着 AI 做出别人敢用、敢信、敢交给你的结果。
AI 当然会继续进入工作。这个方向不会因为毕业典礼上的嘘声而停止。但社会接受一项技术，不只取决于它多强，也取决于人们是否相信自己会被纳入它创造的未来。
当演讲台上的人讲“拥抱 AI”，台下的毕业生听到的可能不是邀请，而是通知。AI 的下一阶段竞争，不只是模型、产品和算力，也包括一件更慢、更难的事：重建年轻人对未来工作的信任。
