夜雨聆风当芯片巨头不再要求"本科及以上"，真正改变的是什么？
全球HBM核心供应商SK海力士做了一件看似"反学历"的事。
这次招聘涉及下一代半导体设计等核心岗位。SK海力士给出的理由是：在快速变化的AI环境中，特定学位和标准化履历，已经不足以解释一个人的实际能力与成长潜力。
因为消息出现于中国高考结束、出分之前，它很快被中文互联网赋予了一层更强烈的意味：
大学文凭开始失效了吗？
答案没有那么痛快，也没有那么悲观。
SK海力士取消的不是学历，而是学历作为报名资格的"一票否决权"。真正发生变化的，不是企业突然不重视教育，而是它开始要求求职者用新的方式证明自己。
取消学历门槛，与完全不看学历，是两件不同的事。
从公开信息看，SK海力士删除的是招聘公告中的强制学历要求。求职者仍然可以填写教育经历，企业也仍然会评估专业知识、项目经验、岗位能力和文化适配度。
高中毕业生可以投递芯片设计岗，不等于高中毕业生会和微电子博士站在完全相同的起点。
芯片设计、器件研发和半导体工艺仍然需要扎实的数学、物理、电子工程与材料学基础。学历门槛消失后，专业门槛并没有消失，甚至可能变得更高。
求职者先凭学历获得考试资格，再证明能力
所有人都可以报名，但必须直接证明自己能解决问题
这不是降低标准，而是把标准从"你在哪里学过"，转向"你到底学会了什么"。
SK海力士不是在做公益，也不是突然加入"读书无用论"。
它面对的是一场真实的人才竞争。
HBM和AI存储器迭代速度不断加快，产品研发、工艺改进与量产爬坡必须同步推进。企业需要的不只是拥有标准学历的人，更是能够迅速进入项目、处理复杂问题并持续学习的人。
在技术相对稳定的年代，学位可以较好地代表一个人的知识储备。可是在AI、芯片和软件等高速变化的领域，一项具体技能的有效期正在缩短。
四年前学过什么，未必比最近一年做过什么更重要。
SK集团会长崔泰源将AI时代的人才能力概括为"四种肌肉"：
他的核心判断是，快速记忆知识、通过标准化考试的部分价值，正在被AI削弱；定义问题、适应变化和与他人协作的重要性则在上升。
因此，SK海力士取消学历限制，本质上不是否定大学，而是扩大人才搜索范围。
过去，企业先从本科生中找能力强的人；现在，它希望从所有人中找真正适合岗位的人。
学历长期成为招聘门槛，并不完全是企业迷信名校。
更现实的原因是：它便宜。
一家公司收到几万份简历，不可能逐一验证每个人的逻辑能力、专业水平和执行能力。学校层次、专业、学历和成绩，就成了降低筛选成本的代理变量。
学历当然不等于能力，但在缺乏其他信息时，它能够帮助企业快速缩小范围。
问题在于，代理变量用久了，很容易被误认为能力本身。
当企业写下"仅限985、211"时，真正想表达的通常不是"我们只喜欢某几所学校"，而是"我们没有足够低成本的方法，逐一识别这几万名求职者"。
AI正在改变的，恰恰是这个成本结构。
借助语义匹配分析项目经历
利用在线测评检验专业知识
通过工作样本测试观察实际表现
用结构化面试比较候选人的问题解决过程
当能力评估的成本下降，学历作为粗筛工具的必要性自然会降低。
这里必须给热情降一点温。
AI可以减少人力筛选的成本，却不会天然消除偏见。
如果一个招聘模型使用企业过去十年的录用数据进行训练，而过去被录用的大多是男性、名校毕业生或某一类年龄群体，系统很可能把这种历史结果学习成"优秀候选人"的特征。
亚马逊曾经开发过一套AI招聘系统，但由于训练数据主要来自男性求职者，系统逐渐对包含"女性"等词汇的简历作出负面判断，项目最终被放弃。
路透社调查算法不会凭空创造公平，它只会放大数据中已经存在的规律。
更麻烦的是，AI招聘可能产生一种新的不透明：以前求职者至少知道自己被学历门槛挡住了；以后，候选人可能只收到一封拒信，却不知道系统究竟根据哪些特征降低了自己的排序。
因此，真正成熟的AI招聘不仅需要模型，还需要偏见审计、人工复核、结果解释和申诉机制。
教育部在关于2025届高校毕业生就业工作的通知中提出校园招聘"三严禁"：不得发布限定985、211高校的招聘信息，不得设置违反国家规定的性别、户籍、学历等歧视性条件，也不得发布虚假招聘信息。
这项政策治理的是公开招聘中的显性门槛。
但企业内部如何排序简历、如何决定面试名单，仍然存在较大的判断空间。即使招聘公告不再出现"985、211优先"，学校背景也可能继续影响初筛结果。
原因并不神秘。当企业无法准确评估每个人时，就会回到最熟悉、最便宜的标签上。
因此，真正的"技能优先招聘"不能只删除招聘公告中的学历要求。企业还必须重新设计岗位能力模型、工作样本测试和结构化面试，否则学历门槛只是从前台走到了后台。
AI时代确实正在削弱一部分学历溢价，但需要分清楚，究竟什么在贬值。
只有学历、没有能力证据的空壳履历；与真实工作脱节的证书堆积；"完成四年学习，就能依靠旧知识使用一辈子"的职业想象
大学提供的基础训练、实验条件、同行网络和系统性知识。对于芯片、医学、材料、法律等专业领域，系统学习仍然极其重要
AI可以帮助人快速检索答案，却不能替代长期训练形成的专业判断，更不能替代部分职业的法定准入资格。
更准确的结论不是"学历没用了"，而是"学历不再足以单独证明你有用"。
过去，企业看学历，是因为项目作品太少。
现在，AI可以帮助任何人在几天内写出代码、制作网页、完成报告，作品开始快速增加。但数量增加的同时，真实性也变得更难判断。
一份漂亮的作品集，可能主要由AI生成；一个看起来完整的开源项目，候选人可能并不理解其中的代码；一篇逻辑严密的行业分析，也可能经不起现场追问。
因此，未来真正值钱的不是"拥有作品"，而是拥有可验证的能力证据。
你为什么这样定义问题
哪些关键决策由你作出
AI完成了什么，你修改了什么
遇到错误时，你如何定位和修复
结果是否经过测试，能否稳定复现
如果条件变化，你能否重新完成一次
学历门槛松动之后，招聘不会变得更轻松，只会从"审查标签"转向"验证过程"。
最现实的策略不是放弃学历，而是从"学历单线程"转向"学历 + 能力证据"。
作品不一定要大，但必须能回答三个问题：你解决了什么问题，你具体做了什么，结果如何验证。
使用AI时，也不要只保留最终成品。提示词、版本记录、错误日志、测试过程和修改理由，反而更能证明你的真实能力。
重点不是再收藏几个证书，而是建立自己的"能力资产负债表"：
未来的稀缺人才，不一定是掌握工具最多的人，而是能够把工具、专业知识与真实业务连接起来的人。
"取消学历限制"很容易写进招聘公告，建立一套可靠的能力评价体系却很难。
如果企业没有工作样本测试，没有清晰的能力标准，也没有经过训练的面试官，最终仍可能在内部偷偷恢复学校排序。
技能优先招聘不是一句态度，而是一套工程。
它需要企业明确岗位真正需要哪些能力，设计接近实际工作的测评任务，统一面试评分尺度，并持续检查AI筛选系统是否对某些群体存在不合理偏差。
否则，所谓的开放招聘，只是扩大了简历池，却没有真正扩大机会。
SK海力士取消学历门槛，不是"大学文凭失效"的宣言，而是一场人才识别方式的实验。
企业并没有降低要求。相反，它正在提出一个更难的问题：
除了录取通知书和毕业证，你还能拿出什么证明自己？
过去，学历决定一个人能不能进入比赛；未来，更多人可能获得报名资格，但比赛本身会更加真实，也更加残酷。
AI时代真正贬值的，不是学习，而是无法被验证的标签。
学历仍然重要，但它正在从"能力的终点"，退回到它本来应该在的位置：能力成长的一段经历，而不是能力本身。
