2026年9月23日，教育部在国务院新闻办发布会上宣布：我国接受过高等教育的人口已达2.7亿，基础教育达到高收入国家平均水平。这组数据勾勒出一个教育大国的坚实底座。然而，同一时间轴上，国际货币基金组织估算全球近40%的工作岗位暴露于AI影响之下，发达经济体这一比例攀升至60%，认知型和白领工作正是暴露度最高的区域。当2.7亿高等教育人口遇上AI冲击，真正的问题已不是“学历有没有贬值”，而是学历所对应的那套任务结构还能撑多久。
实习生在消失，学徒制在瓦解
2026届全国高校毕业生规模达1270万人，连续8年突破千万，加上往届未就业和海归回流，据媒体估算，全年求职大军超过1500万。但斯坦福数字经济实验室数据显示，2022年底至2025年中期，22至25岁年轻人在AI高暴露职业中的就业相对下降约13%，而同一职业中的资深员工就业保持稳定甚至增长。有研究显示，软件开发、咨询、会计和法律服务等领域的入门级招聘均出现明显收缩。企业不是突然不重视年轻人，而是AI接管了那些原本用来培养新人的基础任务。 撰写周报、整理数据、执行标准流程，这些“学徒工作”一旦被AI覆盖，传统“传帮带”的通道就会变窄。更深层的问题在于，学徒制不只是省成本的用工方式，它是组织将隐性知识代际传递的核心机制。当这条通道收窄，整个社会的人力资本再生产就会出现结构性断层。
“蒸馏同事”：AI关心的是你的工作有多少可被拆解
冲击并不只停留在实习生层面。某开源AI项目上线后迅速走红，据媒体报道，山东一游戏传媒公司将其用于训练离职员工的AI分身继续“上班”，引发舆论关注。该项目开发者本人澄清，其初衷是帮助团队沉淀难以文档化的隐性知识，而非制造“数字替身”。但技术一旦公开，使用边界便难以控制。与此同时，某国际科技公司一位前高级工程师离职后，借助AI工具辅助个人开发，日提交代码量达到40个合并请求，效率提升显著。这属于个人实践，并非该公司行为。这些案例指向同一个逻辑：AI不关心你读了几年书，它关心的是你的工作中有多少可以被“蒸馏”出来。 学历曾经是可靠信号，因为它承诺了会写代码、会做分析、会写报告；当这些可预期部分被接管，学历的信号价值自然被稀释。
为什么机器人还不会修水管
莫拉维克悖论给出了解释：数学、逻辑、推理对机器相对容易，抓握、拧瓶盖、行走却极其困难。修水管、护理老人、建筑工地面对的是非结构化物理世界，需要手眼协调、触觉反馈和现场判断。体力劳动暂时安全，不是因为“技术含量低”，恰恰是因为它难以被写成规则、难以被批量生成。 但这并非避风港。有机器人企业创始人判断，具身智能的“ChatGPT时刻”快则两到三年，慢则五到十年。真正有护城河的，是灵巧操作、现场判断和人际互动，而不是体力本身。
分界线不在学历，在任务
把“高学历受冲击、体力劳动安全”对立起来，是一种便捷但不准确的叙事。有高校研究机构报告指出，“职业消失论”并不成立，AI仅替代标准化任务，26.6%的岗位面临较高替代压力，约2100万个岗位由任务重组形成。初级程序员的编码、测试被接管，但架构设计和故障处置仍依赖人；金融分析师的报告可被加速，但客户信任难以外包；护理人员的记录可自动化，但情绪安抚仍是人的领域。分界线不在学历，而在任务：AI替代的不是某个职业，而是职业中可拆解、可标准化、可写成提示词的部分。
让自己不那么“可被拆解”
对个人而言，最该问的是：如果我的工作被拆成任务清单，其中有多大比例是AI现在就能完成的?以文档撰写、数据整理、标准化分析、流程执行、信息检索为主的日常，无论学历多高，都正在被高效接管。需要培养的，是跨域整合判断、人际信任构建、物理世界中的灵巧操作，以及面对不确定性时的决策能力。政策层面，培训体系也应从“帮人找到下一份工作”，升级为“帮人建立不被单一任务结构绑定的能力”。2025年全年全国开展补贴性职业培训1153万人次，人社部已启动人工智能技术技能提升行动，2026年计划实施青年技能提升等5项培训行动。这一从“帮人找到下一份工作”向“帮人建立不被单一任务结构绑定的能力”的培训思路升级，体现了政策层面对劳动力市场结构性变化的敏锐回应。
2.7亿接受过高等教育的人口，依然是中国经济最宝贵的资产。但资产的形态在变化。AI不关心你读了几年书，它关心的是你的工作中有多少可以被拆解。 学历不再承诺未来，但人可以重新定义自己：不是作为一套可拆解的任务集合，而是作为那些无法被蒸馏的经验、判断与连接的载体。这才是AI时代最稀缺的能力。
