夜雨聆风
教育部口径里，2025届高校毕业生预计1222万人，2026届预计1270万人，又多了48万人。
另一边，奥纬咨询的CEO研究被多家媒体引用，说计划减少初级岗位的CEO比例，可能从17%升到43%。
一个是毕业生越来越多。
一个是企业越来越不想养纯新人。
这两个数字撞在一起，就很残酷。
很多人聊AI替代，总喜欢想象一个画面，机器人进公司，把员工一个个赶出去。
但真实变化可能没那么戏剧化。
它更像是公司今年本来要招10个新人，后来只招3个。
剩下7个岗位，不是被裁掉的。
这才是AI对应届生最狠的地方。
它不一定先抢成熟员工的饭碗，它先拆年轻人的第一层台阶。
过去新人进公司，干什么？
写初稿，查资料，做表格，改PPT，整理会议纪要，写简单代码，做合同初筛，跑流程。
这些活不高级，甚至有点杂。
但它们有一个隐藏功能，训练。
新人就是靠这些活，学会行业语言，学会判断标准，学会怎么把一团乱麻变成一个能交付的东西。
问题来了。
ChatGPT会写初稿，Deepresearch会查资料，Claude Code和GitHub Copilot会写代码，飞书妙记会整理会议。
AI最先吃掉的，恰好不是老板的工作，而是新人过去用来练手的工作。
所以企业的算盘变了。
以前招新人，是相信先上车，再培养。
现在招新人，是希望来了就能和AI一起产出。
不会拆任务的人，管不了AI。
不会判断结果的人，只会被AI带着跑。
不会承担责任的人，效率越高，风险越大。
这条逻辑顺下来，报志愿和找工作就不能只问一个问题，这个专业热不热。
更应该问，四年后这个专业的第一份工作，是不是AI最容易替掉的那种活。
如果毕业后的入口岗位，主要是模板化文本、表格整理、材料搬运、低端执行，就要谨慎。
不是专业不能报。
是不能只靠这个专业名吃饭。
那到底怎么选？
我觉得可以看三个东西。
第一，看硬约束。
教育部在部署2026届毕业生就业工作时，专门提到深化产教融合、供需适配。翻成大白话，就是学校学的东西，得跟真实产业连上。
病人是真的，工厂是真的，电网是真的，设备是真的，法律责任是真的，客户关系也是真的。
这些场景里，AI可以帮忙，但很难独自闭环。
所以医疗护理、康复、师范里真正的教学组织和学习诊断，电气、自动化、机械、能源动力、电子信息、机器人、工业软件、供应链、财税合规、项目管理，都比纯模板交付更抗冲击。
第二，看底层能力。
世界经济论坛《未来就业报告2025》有个判断，到2030年，全球会新增约1.7亿个岗位，也会有约9200万个岗位被替代，净增约7800万个岗位。增长快的方向里，有AI和机器学习、大数据、软件开发，也有护理、教育、建筑、配送、农业等前线岗位。下降压力大的，是文员、秘书、数据录入这些文书行政类岗位。
这组数据给我的感受很明确。
不是所有工作都没了。
是低端标准化工作变少，能连接技术、现场和责任的人更值钱。
所以理工强的学生，不要只追一个人工智能专业的名字。
更稳的组合，是数学、统计、计算机、电子信息、自动化、电气、机械、能源这些底层能力，再叠加AI。
文科强的学生，也不是没路。
但纯表达会越来越卷。
中文、新闻、外语、法学、经济、心理学，如果叠加数据分析、行业研究、AI工作流、法律合规、商业理解，路会宽很多。
第三，看学校和城市资源。
同一个专业，强校和弱校不一样，一线产业城市和资源薄的城市也不一样。
有没有实验室，有没有产业合作，有没有实习机会，有没有校友网络，很多时候比专业名字还重要。
一个普通学校里概念很新的AI专业，如果没有强项目、强师资、强产业连接，未必比一个扎实的统计、计算机、自动化、电气专业更好。
说到应届生，建议更直接。
别再把毕业当成训练开始。
毕业前就要完成一次职业预训练。
程序员要有GitHub项目，内容和设计要有作品集，商科要有行业报告和数据分析，法学要有案例分析，工科要有实验、竞赛或者工程项目。
简历也要换一种写法。
少写我学过什么。
多写我交付过什么。
解决了什么问题，用了什么工具，拿到了什么结果，里面哪些判断是自己做的。
企业真正想看的，不是一个新人会不会用AI。
大家都会用。
企业想看的是，这个人来了以后，是增加管理成本，还是增加产能。
这话听着冷，但可能就是未来几年最真实的规则。
AI不会让所有岗位消失。
它会让岗位重新分层。
底层那批标准化、模板化、低责任、纯数字交付的活，会被压得越来越薄。
但真正能定义问题、使用AI、进入现场、承担结果的人，会变得更值钱。
所以回到高考。
志愿不是押一个四年后还火不火的名词。
志愿是在选一套能力结构。
能不能迁移。
能不能连接真实产业。
能不能和AI协作。
能不能在结果出问题时，由人来判断、签字、负责。
以前年轻人的路径是，先上车，再慢慢学。
以后可能变成，先证明会开车，才有人愿意让我们上车。
这不是一句鸡汤。
这就是AI时代留给年轻人的新考题。
