先说一个数。 2026届全国高校毕业生1270万人，比去年多了48万，连续第八年破千万。 加上往届没找到工作的、海外回来的、考研考公没上岸的，全年挤进求职市场的人超过1500万。 而面向应届生的有效校招岗位，只有567万个。 平均下来，将近三个人抢一个位置。 但我今天想说的“坏消息”，不是这个数字本身。1270万很多，但中国每年高考人数也上千万，大家对“人多”这件事并不陌生。 真正严峻的问题是：这一代毕业生撞上的，不是一次周期性的“就业寒冬”，而是一次规则层面的“换轨”。 说得再直白一点：过去那一套“好好读书、拿个文凭、找份坐办公室的工作”的路径，正在以肉眼可见的速度失效。 而新的路径长什么样，还没有人给出一个现成的答案。 先看一个很反常的现象。 今年春招，专科生的offer率是56%，本科生45%，硕博生只有40%。 学历越高，反而越难拿到offer。这在十年前是不可想象的。985本科就业率还能维持在90%左右，但普通双非本科只有81.5%，文科专业直接跌破78%。 法学、汉语言、新闻这些专业的供需比到了7比1，毕业半年后的失业率是理工科的2.3倍。 我的判断是，这不是“学历不值钱了”这么简单，而是用人单位对“学历”这个东西的定价方式变了。 过去文凭是一张入场券，有它就能进场；现在文凭更像一张复印件，谁都有，招聘的人懒得看，他要看的是你能不能直接上手把活干了。 一个工厂招技工，月薪7000包吃住，招不到人；一个写字楼招4000块的文员，简历收上千份，里面一半是硕士。 市场不是没有岗位，是人和岗位之间对不上。对不上的根源，不在数量，在能力结构。 第二个问题，比“对不上”更麻烦：AI正在系统性地拆掉应届生进入职场的“第一级台阶”。 传统上，一个年轻人刚工作时，前一到三年是做基础的、辅助性的活，一边干一边学，慢慢积累判断力。 这个过程叫“学徒期”。但现在，大量初级岗位做的事——整理数据、写基础代码、做简单的文案和报表、处理客服流程——恰恰是AI最擅长的事。 有一个做海外市场的老板，去年在香港招了5个实习生做运营，今年上了AI工具之后，他直接说不需要实习生了，因为“AI已经可以覆盖掉很多原本需要人工完成的运营工作”。 这不是个别案例。AI公司Anthropic自己的初级技术岗位招聘占比，在一年半里从27%掉到了9%。 大厂不是不招人，是不愿意再花半年时间培养一个连系统架构都不懂的新人来写基础代码，因为AI可以直接生成，或者让有经验的工程师用AI一步到位。 这里我必须把话说重一点：很多人把AI对就业的影响理解成“抢走了一些岗位”，这低估了问题的性质。 AI真正做的事情，是让企业算了一笔账——培养一个应届生的成本，加上磨合期低效率带来的损耗，已经不划算了。 当一个新人能创造的价值，在头一两年里低于使用AI工具的成本时，企业的理性选择就是不招。这不是哪家公司的恶意，这是成本逻辑和技术逻辑合流之后的结果。 而这件事最深的伤害，不在当下，在往后。 一个年轻人如果毕业头一两年进不了职场，他丢掉的不仅仅是一份工资，而是“积累经验的时间窗口”。没有第一份工作，就没有第一段项目经历；没有项目经历，第二份工作就更难找。 这个循环一旦启动，它不会自己停下来。三年后再回头看，同期进去的人已经能独立带事了，而他还在被问“你这几年干什么去了”。 所以我的观点很明确：1270万这个数字本身不是最可怕的。最可怕的是，当“经验积累的入口”变窄之后，一代人里相当一部分人会被卡在门外，而这个卡住的时间越长，后面追上来的难度就越大。 这不是危言耸听，这是劳动力市场里一个被反复验证过的规律。短期的失业可以靠救济和政策托底，但“职业生涯起不来”这件事，政策很难替一个人完成。 那机会到底在哪里？有，但不在原来的地方。 新能源技术工程师的需供比是5.1比1，机器人行业技术人才5.2比1，人工智能岗位3.5比1。智能制造领域的人才缺口450万，AI大模型相关岗位一个求职者对应四个岗位。 这些数字说明，产业端是真的缺人，缺得厉害。但缺的是什么人？缺的是能看懂设备、能调参数、能处理现场问题、能用AI工具把活干出结果的人。不是缺一个“学过这个专业”的人。 我的看法是，这一代毕业生面对的真正任务，不是“找到一份工作”，而是完成一次能力上的迁移：从“我学了什么”迁移到“我能解决什么问题”。 这句话说起来容易，做起来意味着要放下两样东西。 第一，放下“专业对口”的执念。第二，放下“先找个坐办公室的活过渡一下”的想法——因为恰恰是那些“过渡性”的文职和辅助岗位，正在被压缩得最厉害。 国家层面的动作也在往这个方向走。“十五五”就业规划把技能培训的规模目标定在1000万人次以上，百万就业见习岗位在推，AI相关知识正在被纳入培训体系。 这些是外部条件，但它们替代不了一个人自己愿不愿意换一条路走。 最后