夜雨聆风这个系列的内容，源自于与女儿的一次闲聊
上一篇文章里，我讲了一个判断：
知识仍然能改变命运，但“读书”不一定还能自动改变命运。
这句话如果只讲到这里，很容易被误解。
好像我在说，年轻人读书没用了，学历没用了，只能早点进社会卷。
不是。
我真正想讲的是另一层：
AI 时代，年轻人真正的优势，不是他们更年轻，也不是他们更会玩工具，而是他们拥有一段极其稀缺的低成本试错期。
这个优势非常大。
但很多年轻人自己感受不到。
他们会用 AI 写作业、改简历、做 PPT、总结资料、生成图片、翻译文献。
看起来他们已经在使用 AI。
但多数时候，这种使用还停留在“省事”的层面。
AI 帮他少花两个小时写一份作业，少花半天整理一份材料，少花一些脑力完成老师或领导安排的任务。
这些当然有用。
但这还不是 AI 红利的核心。
真正的 AI 红利，是一个年轻人在毕业前，就有机会把自己从“完成任务的人”，训练成“能够独立交付结果的人”。
这中间差了一个世界。
今年毕业季，我觉得有一个现象特别值得看。
不是某个“AI 简历模板”又火了。
也不是某个“AI 面试助手”又刷屏了。
而是越来越多年轻人已经开始默认用 AI 参与求职：写简历、拆 JD、模拟面试、做作品集、准备自我介绍。
为什么这个现象值得看？
因为 2026 届年轻人面对的，已经不是“找一份工作”这么简单。
教育部、人社部相关就业工作信息中有一个常见口径：2025 届高校毕业生规模达到 1222 万人，已经是历史高位。按照《中国教育统计年鉴》里 2022 年招生数据做结构推算，2026 届毕业生依然会处在千万级就业竞争里，而且结构会更复杂：专科毕业生规模预计会明显上升，本科内部的专业供给也会继续分化。
这句话翻译成人话就是：
年轻人不是只和同班同学竞争，而是在和一个越来越庞大、越来越同质化、又越来越结构分化的毕业生系统竞争。
问题是，用了 AI，不代表抓住了 AI 红利。
如果只是把 AI 当成一个更快的简历润色器，那它还是旧系统里的小外挂。
但如果你开始用 AI 重新设计自己的求职、学习、项目和作品集，那它就不一样了。
它开始把你从“等机会的人”，推向“设计系统的人”。
01 年轻人不是不用 AI，而是经常把 AI 用在旧系统里
这两年，学生用 AI 已经不是小众现象。
英国 Higher Education Policy Institute 和 Kortext 在 2025 年做过一份学生生成式 AI 调查。媒体报道里有一个很醒目的数字：英国大学生使用生成式 AI 的比例，从 2024 年的 66% 上升到 2025 年的 92%。
这个数据不能直接套到中国学生身上。
但它说明一个趋势：
学生使用 AI，已经不是问题；问题是，他们到底在用 AI 做什么。
如果只是用 AI 把作业写快一点，把资料总结快一点，把简历润色漂亮一点，那它只是效率工具。
甚至更准确地说，它是在帮你更快适应旧评价体系。
作业还是那个作业。
简历还是那份简历。
考试还是那个考试。
你只是把完成速度变快了。
但你有没有更早接触真实问题？
有没有把一个真实任务拆成流程？
有没有把一次项目经验沉淀成模板？
有没有让别人因为你的交付少一点麻烦？
这些才是 AI 时代真正拉开差距的地方。
所以我一直觉得，年轻人的 AI 红利，不在“会不会用工具”。
而在于：
你能不能用 AI，把自己提前训练成一个小型生产系统。
02 把求职做成流程，比用 AI 改简历更重要
上一篇里，我提到过一个学设计的大三学生用 AI 辅助找实习的案例。
这里不再重复讲完整过程。
我们只拆它背后真正值钱的地方。
表面上看，她是在用 AI 找实习、改简历、筛岗位。
但更深一层，她做的是一件更重要的事：
把“找实习”这个模糊任务，拆成了一条可以运行、可以反馈、可以优化的小型工作流。
这条链路大概是这样：
真实问题：我要找实习-> 真实输入：岗位 JD、个人经历、作品集、求职偏好-> AI 处理：收集、拆解、匹配、生成-> 人工判断：筛选岗位、修改简历、调整投递策略-> 反馈复盘：根据投递结果继续优化规则注意，这里真正发生变化的，不是“AI 帮她写了一份简历”。
而是她开始用工作流的方式，重新组织自己的求职动作。
岗位不是一条条刷出来的，而是被系统收集。
JD 不是凭感觉理解的，而是被拆成要求。
个人经历不是简单堆在简历里，而是和岗位需求做匹配。
投递不是一把梭，而是根据反馈继续调整规则。
这就是我觉得这个案例有代表性的地方。
它不是一个大项目。
但它已经让一个学生从“求职平台的使用者”，往“求职流程的设计者”迈了一步。
这跟“我会用 AI 写作业”，完全不是一回事。
前者是在旧评价系统里省力。
后者是在新生产系统里长能力。
03 为什么这个案例比“熟练使用 AI 工具”更值钱？
很多年轻人在简历里会写：
“熟练使用 ChatGPT。”
“熟练使用 Midjourney。”
“熟悉 AI 工具。”
这类话以后会越来越不值钱。
因为大家都会写。
更关键的是，企业也很难判断你到底熟练到什么程度。
Microsoft 和 LinkedIn 在 2024 年的 Work Trend Index 里有一组数据，挺值得年轻人认真看。
这份报告调研了 31 个国家的 3.1 万人，发现 75% 的全球知识工作者已经在工作中使用 AI；同时，66% 的领导者表示不会雇佣没有 AI 技能的人，71% 的领导者更愿意雇佣“经验少一点但 AI 技能更强”的候选人。
这组数字放在年轻人求职里，意思很直接：
AI 技能正在从“加分项”，变成一部分岗位里的基础判断。
中国语境里也有类似信号。
有研究者基于 BOSS 直聘的大规模岗位数据做过分析，发现当时约 28% 的职业已经要求 ChatGPT 相关技能，并预测未来还会有更多职业需要这类能力。
还有一篇 2026 年的研究，基于中国上市公司约 1400 万条在线招聘岗位，分析 AI 采用对岗位技能要求的影响。它的结论也很值得年轻人看：AI 会让企业更精细地描述岗位需要什么能力，也会推动企业提前提出面向未来的新技能要求。
这两个研究放在一起，说明一个很现实的变化：
不是只有 AI 公司需要 AI 能力，越来越多普通岗位也在重新定义“会做事”是什么意思。
但问题是，AI 技能不等于会打开一个聊天窗口。
企业真正想知道的是：
你能不能把 AI 放进真实工作里？
你能不能减少别人的麻烦？
你能不能把模糊任务变成可交付结果？
你能不能把一次结果沉淀成下次还能复用的流程？
所以，那个求职工具案例真正有价值的地方，不是“她会用 AI”。
而是她用 AI 交付了一个结果。
如果继续往下做，它甚至可以从“自己的求职工具”，变成服务同类人的产品雏形。
比如继续完善：
• 岗位来源； • JD 解析； • 简历生成； • 投递节奏； • 反馈追踪； • 作品集匹配； • 面试准备。
这就不再只是求职。
它已经接近一个小型产品的结构。
04 年轻人的机会，是从自己的真实问题开始
很多年轻人一听创业，就觉得很远。
要融资，要团队，要技术架构，要商业模式。
但我觉得，AI 时代有一种更适合普通年轻人的路径。
先解决自己的真实问题。
再记录自己解决问题的过程。
再把过程变成内容。
再把方法变成课程、模板或服务。
再把重复动作变成工具。
最后用真实反馈继续优化这个小系统。
这个路径不宏大。
但很实在。
就像那个求职工具，如果它只是帮自己找到实习，那它是一个效率工具。
如果把整个过程记录下来，拆成文章、短视频、案例、简历模板、投递复盘表，那它就开始变成内容资产。
如果再把不同专业、不同岗位、不同城市的求职样本沉淀下来，它就开始变成案例库。
如果把岗位筛选、JD 拆解、简历生成、投递管理这些重复动作继续产品化，它就开始接近一个 AI 工具。
这就是一个很小但完整的闭环：
真实问题-> 自己跑通-> 内容表达-> 方法沉淀-> 工具化-> 案例库-> 持续复盘你看，它不是空想出来的创业。
它是从一个真实问题里长出来的。
05 另一个很小的案例：一个晚上做出一条完整视频
在这之前，她还做过一个让我印象很深的小项目。
2025 年初，她花了大半个晚上，用 AI 做出了一条关于澳门非遗猪肉干的视频。
从故事脚本，到配音，到画面生成，到剪辑输出，基本都是借助 AI 完成的。
这件事放在过去，要调动好几类人。
策划、文案、配音、设计、剪辑，甚至还要有人负责素材和拍摄。
但现在，一个还没大学毕业的学生，在理解工具之后，花一个晚上就能把一个完整内容项目跑出来。
这不是简单的“效率提升”。
这是生产力结构的变化。
过去很多内容项目的门槛，是人力、设备、经验和协作成本。
现在，门槛开始变成：
你能不能定义一个好主题？
能不能讲清楚故事？
能不能把 AI 工具串起来？
能不能判断最后的结果是否能用？
她后来还做过小红书账号。
从项目定位、内容方向、文案生成、图片生成，到选题策划，整个环节也都是 AI 辅助完成的。
这同样不是简单的“发几篇笔记”。
它训练的是另一种能力：
如何把一个模糊的个人兴趣，变成一个可以持续表达、持续测试、持续迭代的小项目。
这些项目单个看都不大。
但放在一起，就能看出一条年轻人在 AI 时代很重要的训练路径：
做一个视频，理解内容生产-> 做一个账号，理解定位和持续表达-> 做一个求职工具，理解真实需求和流程自动化这三件事加起来，比单纯写在简历上的“熟练使用 AI 工具”有价值太多。
06 年轻人为什么常常看不见自己的优势？
很多年轻人不是不用 AI。
恰恰相反，他们可能比很多中年人更早接触 AI，也更快上手新工具。
但早接触，不等于真正理解。
因为一个人对工具的理解，往往取决于他面对什么样的问题。
如果一个学生面对的问题只是：
• 作业怎么快点写完； • 简历怎么更好看； • PPT 怎么更漂亮； • 论文资料怎么更快整理； • 面试题怎么提前准备。
那他对 AI 的理解，自然会停留在“辅助工具”上。
AI 是插件，是外挂，是帮自己完成学校任务和求职任务的效率工具。
但对于一个正在经营企业的人，问题完全不同。
他面对的是：
• 获客成本太高怎么办； • 客户咨询没人接怎么办； • 内容生产断更怎么办； • 团队执行不稳定怎么办； • 员工离职后经验流失怎么办； • 一个业务动作能不能不用增加人手也跑起来； • 能不能把过去十年的行业经验封装成一个可重复使用的系统。
这时，他看到的 AI 就不是工具，而是生产资料。
所以年轻人和中年人之间，真正的差异不只是年龄。
而是他们面对的问题层级不同。
年轻人面对的是任务。
中年人面对的是系统。
一个人只要还没有被真实系统压过，就很难感受到 AI 的全部威力。
07 但年轻人有一个中年人很难再拥有的优势
年轻人也有一个中年人很难再拥有的优势：
他们还没有被旧系统完全定型。
很多 40 岁以上的人学 AI，很拼，很狠，也很有生存压力。
但他们身上通常背着很多东西。
行业惯性，组织惯性，家庭压力，债务压力，过去成功经验带来的路径依赖，还有已经形成多年的思维习惯。
这不是缺点。
这也是他们的资产。
但资产有时也会变成负担。
一个年轻人不一样。
他还没有被某个行业完全绑定。
他还没有被某个组织结构彻底训练成一颗螺丝钉。
他还没有因为过去的成功，而太相信某一套旧打法。
他甚至还没有那么多沉没成本。
从这个角度看，大学最后一年、毕业前两年、刚进入社会的头几年，其实是一个人最适合重新定义自己学习方式和工作方式的阶段。
可惜很多年轻人没有把这个阶段当成“系统搭建期”。
他们把它当成了“等待分配期”。
等学校安排课程。
等老师布置作业。
等企业发实习机会。
等招聘平台给反馈。
等考研结果。
等父母说下一步应该怎么走。
这就把自己最宝贵的试错期，交给了外部系统。
AI 时代最可惜的事，不是年轻人不会用 AI。
而是他们明明有时间、有精力、有低成本试错机会，却只把 AI 用来适应旧评价体系。
08 毕业前最值得做的，不是多考一个证，而是跑通一个最小交付闭环
如果一个年轻人问我：
“我不确定要不要考研，也不知道未来做什么，但我想抓住 AI 机会，我应该先做什么？”
我会给一个非常朴素的建议：
在毕业前，跑通一个最小交付闭环。
什么叫最小交付闭环？
不是做一个宏大的创业项目。
不是做一个改变世界的产品。
也不是一上来就全职创业。
它可以非常小。
比如：
• 帮一个本地咖啡店做 14 天小红书内容实验； • 帮一个老师整理课程资料，做成 AI 可检索知识库； • 帮一个社团搭建报名、通知、资料归档自动化流程； • 帮一个小商家设计客服 FAQ 和私域话术； • 帮一个公众号建立选题池、素材库、发布复盘表； • 帮一个同学的作品集做岗位匹配和表达优化。
关键不在于项目大小。
关键在于它必须有闭环：
真实对象-> 明确问题-> 具体方案-> AI 参与-> 实际交付-> 反馈复盘-> 沉淀模板
只要这七个环节跑通一次，一个年轻人对社会的理解就会发生变化。
他会发现，真实世界不是按课程章节运转的。
真实世界关心的是：
你有没有理解问题；
你有没有减少别人的麻烦；
你有没有创造可见结果；
你能不能下次做得更快、更稳、更可复用。
这比空泛地说“我要提升综合能力”有用得多。
09 作品集比简历更重要，过程资产比作品集更重要
很多年轻人求职时，会把全部精力放在简历上。
简历当然重要。
但 AI 时代，简历会越来越难区分人。
因为每个人都可以让 AI 帮自己优化表达，每个人都能写出看起来很漂亮的项目描述。
真正能区分人的，是作品集。
但更进一步，真正有长期价值的，不只是作品集，而是作品背后的过程资产。
你做过一个项目，不重要。
重要的是你能不能说清楚：
• 你为什么选这个问题； • 你怎么拆解它； • 你用了哪些 AI 工具； • 哪些地方 AI 做得好； • 哪些地方必须人工判断； • 你如何验证结果； • 失败在哪里； • 下次怎么复用。
如果一个年轻人能把这些沉淀下来，他就已经开始建立自己的知识库了。
这个知识库不是收藏夹。
它应该包括：
• 项目复盘； • Prompt 版本； • 资料来源； • 判断依据； • 工作流模板； • 交付样例； • 错误清单； • 可迁移方法。
这才是 AI 时代个人能力的底座。
10 给年轻人的一个 30 天实验
如果你现在还是学生，或者刚毕业不久，又不知道怎么开始，我建议做一个 30 天实验。
不用等想清楚人生方向。
先选一个具体对象。
可以是一家小店，一个社团，一个账号，一个课程，一个老师，一个朋友的项目，甚至是你自己的求职过程。
然后按下面这套流程跑 30 天：
第 1-3 天：选择一个真实对象，访谈或观察它的真实问题第 4-7 天：用 AI 做资料整理、竞品拆解、问题归纳第 8-10 天：设计一个最小可执行方案第 11-20 天：持续交付，每天记录输入、动作、输出第 21-25 天：收集反馈，找出有效和无效的部分第 26-28 天：把整个过程整理成案例第 29-30 天：沉淀成一套模板，放进自己的知识库30 天后，你不一定会赚到钱。
但你一定会得到三样东西。
第一，一个真实案例。
第二，一套可展示的作品。
第三，一次从学生思维走向交付思维的训练。
这三样东西，比空泛地焦虑未来有用。
11 最后：年轻人最该害怕的，不是没机会，而是误用机会
我一直觉得，今天的年轻人并不是没有机会。
他们面对的环境确实很难。
文凭在通胀，岗位在变化，企业在收缩，AI 在替代一部分初级工作。
这些都是真的。
但另一面也是真的。
一个普通年轻人，从来没有像今天这样，可以如此低成本地接触知识、工具、案例、方法、行业信息和生产系统。
过去你需要进入一家好公司，才能学到的东西，今天你可以借助 AI 提前模拟。
过去你需要一个小团队才能完成的事情，今天你可以用 AI 和自动化工作流做出雏形。
过去你需要很多年才能沉淀的方法，今天你可以用知识库更早积累。
所以问题不是有没有红利。
问题是你有没有把红利用在真正重要的地方。
不要只用 AI 帮你更快完成作业。
要用 AI 帮你更早接触真实问题。
不要只用 AI 帮你改简历。
要用 AI 帮你做出简历背后的作品。
不要只用 AI 帮你应付考试。
要用 AI 帮你建立一套属于自己的学习、项目和交付系统。
未来真正有竞争力的年轻人，不一定是最会考试的人，也不一定是最早追新工具的人。
他更可能是这样一种人：
在别人还把 AI 当工具的时候，他已经开始用 AI 训练自己成为一个小型生产系统。
这就是年轻人的 AI 红利。
它不在远方。
它就在你接下来 30 天愿不愿意动手做一个真实闭环里。
下一篇，我会继续写一个有点反直觉的问题：
为什么 40 岁的人，反而在拼命学 AI？
因为年轻人用 AI 获得经验，中年人用 AI 封装经验。
资料与引用说明
1. Microsoft and LinkedIn, 2024 Work Trend Index Annual Report, 2024-05-08。报告基于 31 个国家 31,000 人调查，显示 75% 的全球知识工作者已在工作中使用 AI；66% 的领导者表示不会雇佣没有 AI 技能的人；71% 的领导者更愿意雇佣 AI 技能更强但经验较少的候选人。本文用其作为“AI 技能正在进入雇佣判断”的背景材料。https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part 2. UNESCO, AI competency framework for students, 2024。UNESCO 在学生 AI 能力框架中强调，AI 素养不只是工具使用，还包括以人为本、伦理、安全、系统设计和面向行动的能力。本文“从 AI 使用者到工作流设计者”的判断，与这个能力框架方向一致。https://www.unesco.org/en/articles/unesco-launches-ai-competency-frameworks-students-and-teachers 3. Higher Education Policy Institute / Kortext, Student Generative AI Survey 2025。该调查显示英国学生生成式 AI 使用率明显提升；媒体报道的核心数字为 2025 年 92% 的学生使用生成式 AI，高于 2024 年的 66%。本文不把其直接套用到中国学生，只作为“学生使用 AI 很普遍，但有效使用与制度指导仍不足”的国际背景参考。https://www.hepi.ac.uk/2025/02/26/student-generative-ai-survey-2025/ 4. World Economic Forum, The Future of Jobs Report 2025, 2025-01-07。报告讨论技术变化对未来岗位和技能结构的影响。本文用其作为“技能结构变化正在加速”的宏观背景，不用其中数据直接推断某个具体专业或岗位。https://www.weforum.org/publications/the-future-of-jobs-report-2025/ 5. Business Insider, Sierra cofounder says some of his best employees are AI-savvy 22-year-olds, 2026-07-06。文章援引 Sierra 联合创始人 Clay Bavor 在播客中的观点，提到 AI 熟练度正在改变部分 AI 公司对年轻候选人的判断方式。https://www.businessinsider.com/sierra-cofounder-best-employees-ai-savvy-22-year-olds-2026-7 6. Lan Chen 等，The Future of ChatGPT-enabled Labor Market: A Preliminary Study in China, 2023。该研究基于 BOSS 直聘岗位数据，分析中国劳动力市场中 ChatGPT 相关技能需求，提出约 28% 职业当前要求相关技能，并预测未来还会有更多职业需要相关能力。本文只将其作为“中国招聘市场正在把 AI 能力纳入技能要求”的研究参考。https://arxiv.org/abs/2304.09823 7. Hangyu Chen 等，Artificial Intelligence and Skills: Evidence from Contrastive Learning in Online Job Vacancies, 2026。该研究使用中国上市公司约 1400 万条在线招聘岗位，分析 AI 采用对技能要求的影响，指出 AI 采用会推动企业更精细地描述岗位当前技能，并提前提出面向未来的新技能要求。https://arxiv.org/abs/2601.03558 8. 关于 2025-2026 届高校毕业生数据：2025 届高校毕业生规模 1222 万人的口径，来自教育部、人社部等公开就业工作信息中的常见表述；2026 届结构判断参考《中国教育统计年鉴》和教育部统计公报中的招生结构。教育部《2022 年全国教育事业发展统计公报》显示，2022 年普通本科招生 467.94 万人，高职（专科）招生 538.98 万人。本文正文只使用“千万级”“结构分化”“专科规模上升”等方向性判断，不把它写成未经一手链接核验的 2026 届总规模预测。教育部《2022 年全国教育事业发展统计公报》：https://www.moe.gov.cn/jyb\_sjzl/sjzl\_fztjgb/202307/t20230705\_1067278.html 9. 文中关于“一位设计专业学生用 AI 构建实习岗位筛选与个性化简历投放工具”的案例，来自作者家庭内部真实观察。该项目已跑通 demo，但尚未作为商业产品正式验证。为保护隐私，文中不披露学校、单位和具体岗位信息。 10. 文中关于“2025 年初用 AI 制作澳门非遗猪肉干视频”和“用 AI 辅助搭建小红书账号”的案例，来自作者家庭内部真实观察。案例用于说明年轻人通过 AI 低成本完成内容生产、账号定位和项目策划训练，不代表相关项目已经商业化。
