學歷資產化的時代結束了

虎嗅APP
12/19

本文來自微信公衆號:波波夫同學,作者:波波夫,題圖來自:視覺中國

既然AI轉型,對絕大部分白領,包括大廠打工人來說,都是一個當代恐怖故事,那麼是不是意味着未來卷學歷,卷985之類的名校的性價比會變得極低呢?

現實情況很可能真是這樣的。

一、智力即服務,也意味着智力大貶值

過去,考上重點大學意味着掌握了複雜邏輯、語言處理和信息整合能力。這些是白領職場的入場券。恰恰是這些985畢業生引以為傲的能力,比如寫代碼、做分析報告、畫設計圖、法律諮詢等等,恰恰是 AI 最擅長的。

在雲端,這種智力幾乎是無限量、零成本供應的。智力即服務(IaaS )是一個劃時代的經濟邏輯。它意味着智力不再是人類大腦的特權,而是像電力、自來水或雲計算一樣,通過API接入,按需付費,無限供應。

Sam Altman 在 2025 年的博文《溫柔的奇點》中指出: 「隨着數據中心生產的自動化,智力的成本最終將收斂於電費成本。」

以前,一個人的學歷和知識儲備是他的固定資產,可以持續產生租金(薪水)。智力即服務意味着任何人都可以在 1 秒鐘內調取全人類的知識庫。當知道某事不再困難,知識儲備就從資產變成了普通商品。

但正是智力這種無限廉價供應,導致了人類傳統智力資產的大貶值。

中國人民大學中國就業研究所(CIER)通過持續的市場監測與專題研究,特別是在 2024 年底至 2025 年發佈的系列報告顯示,傳統學歷正在面臨的三層夾擊。

先是技能錯配,傳統高校培養的是知識倉庫,但 AI 時代需要的是問題解決者。許多 985、211畢業生的知識體系在畢業那天就已面臨 AI 的降維打擊。

然後是經驗溢價消失,大語言模型對經驗密集型白領崗位的暴露風險最高。過去需要 5 年積累的行業常識,AI 瞬間就能調取。這意味着「高學歷+長期重複性經驗」的組合不再穩固。

接着是崗位萎縮,儘管如 AI 研發等新興產業需求旺盛,但那些最能吸納應屆生的傳統白領崗需求下降了約22%。特別是金融、人力資源、行政等職能類崗位和初級技術開發崗位的學歷溢價下降最明顯。AI 能夠以萬分之一的成本完成這些高學歷畢業生起步階段 80% 的工作。

當越來越多的企業、機構號召員工高強度使用AI,其結果可能是導致人類智力加速貶值。

就像計算器的出現讓很多人失去了心算能力,智力即服務的普及讓很多人失去了深度推導和原創思考的動力。在人人都有 AI 助理的情況下,這種全社會的平均智力水平看似上升,但個人核心競爭力的含金量卻被稀釋了,甚至社會的整體方差會指數級擴大。

二、學歷就像一張電影票

智力的貶值,也會進一步加劇學歷的貶值。在中國,學歷通脹和貶值,已不再是一個抽象的學術討論,而是每一個家庭都能感受到的現實陣痛。

中國適齡人口2024年的高等教育毛入學率已達到60.8%,高等教育在學總規模近4700萬,接受高等教育人口達2.4億人,達到國際普遍承認的高等教育普及化程度。作為對比,人口比中國還多的印度,2024年其高等教育人口為1.19億,還不到中國的一半。

高等教育普及的另一面是,崗位對學歷的要求也水漲船高,過去是「好單位要求本科學歷」,現在是「只要是單位都要求本科學歷」。更殘酷的是,學歷越高並不再等同於起薪越高,甚至出現了「起薪倒掛」。

教育諮詢機構麥可思發佈的《2025年中國大學生就業報告》顯示,本科畢業生的起薪增長速度已連續三年低於人均可支配收入的增速。具體來看,2024年應屆本科生在一線城市的平均起薪約在6000到7000元左右,遠低於特種焊工、高級廚師、育兒嫂,的萬元起薪。

投入16年教育成本換來的起薪,在扣除房租後幾乎難以維持體面生活。這種「高投入、低產出」是學歷貶值最直觀的經濟體現。

根據智聯招聘與獵聘發佈的《2025年度就業趨勢報告》,在一些一線城市的初級行政、銷售甚至前台崗位中,要求本科及以上學歷的佔比相較五年前提升了約 35%。當本科滿大街都是的時候,本科學歷也成了新的高中。

就像有人吐槽的那樣,學歷就像一張電影票,以前坐着看,現在大家都站起來了,你只有站得更高(比如考研、讀博)才能看到螢幕,但螢幕內容已經變了。

由於本科文憑在就業市場失去競爭力,學生不得不追求更高學歷,導致學歷進一步過剩。

中國考研競爭激烈,整體錄取率大致在 3.5:1到4:1 左右,相當於每5報考者只有1人最終拿到錄取通知書,但不同學校、專業差異巨大,熱門如985/211及熱門專業比如金融、法學、管理等報錄比可達5:1甚至更高,個別專業10:1以上,錄取難度遠超平均水平,競爭尤為殘酷。 

考研競爭白熱化已經到達一種極限,於是增長的曲線第一次出現下調。

2026年國考中,報名人數達到創紀錄的351.5萬,超過了當年考研的343萬報名者,這反映了考公熱興起、考研熱度回落,以及年輕人就業選擇向編制內崗位集中的社會現象。

三、向下競爭也成了獨木橋

於是,向下競爭,成為一場被逼無奈的田忌賽馬。學歷的價值尺度從職業光鮮度徹底轉變為現金流穩定性。

2024年,河南中煙工業有限責任公司公佈的一線生產操作崗位「捲菸機器操作員」這種需要三班倒、環境嘈雜的體力崗位上,錄用名單中出現了中國人民大學、武漢大學、鄭州大學等知名高校的畢業生。

《界面新聞》報道稱,這些畢業生在接受採訪時坦言,捲菸廠的待遇,比如高公積金、極高穩定性,也不用填週報、360測評、末位淘汰之類花裏胡哨的管理動作,遠超大多數寫字樓裏的白領。

到了2025年,薪酬豐厚的捲菸廠吸引了更多名校畢業生。

據九派新聞的報道,浙江中煙杭州、寧波兩地的生產技術操作崗擬錄取了123人,其中不乏來自北京大學、復旦大學,以及香港大學、悉尼大學等國內外名校的畢業生;濟南捲菸廠招聘了95名應屆生,包括3名博士研究生。

曾經被海歸們覺得「一眼看到盡頭」不夠讓人興奮的基層公務員,如今也變得炙手可熱。

2024年中,一份關於蘇州市某區級人才引進計劃的錄取名單在網絡瘋傳。名單顯示,錄取的崗位大多是街道辦事處的助理或基礎行政崗。然而,錄取者的背景令人咋舌:不僅有清華、北大的碩士,甚至出現了哈佛大學、斯坦福大學的畢業生。

《南方週末》曾對此進行專題報道,指出這並非大材小用,而是精英學子對確定性的極端渴望。在他們看來,街道辦的編制不僅是工作,更是 AI 無法替代、且能對沖社會波動的終極防彈衣。

過去你以為在街道辦是起步,未來能當區長;現在大家知道,街道辦可能就是這輩子的終點,而且競爭對手還是哈佛碩士。

真正墜入底層的則是,「外賣員中有7萬研究生」這樣的傳聞,雖然被美團、餓了麼被多次闢謠更正,但真實的985畢業生送外賣的個體案例依然層出不窮。這種現象反映了學歷的准入門檻斷裂,當你擁有的高階知識(如宏觀經濟、文學評論、初級編程)無法變現時,你唯一能換錢的依然是你的體力。

學歷貶值的背後,是產業結構升級緩慢與人才培養過剩之間的矛盾。當社會無法提供足夠的、高附加值的腦力崗位時,學歷就成了一種殘酷的篩選遊戲。

那麼你還應該去參與這場魷魚遊戲嗎?

四、清空光環之後的生存

如果你把學歷看作一勞永逸的投資,那這就是一場血虧的買賣。如果你把它看作一張可以隨時作廢、但目前還能用的臨時門票,你纔會有動力去挖掘那些AI買不走、學歷給不了的真實生存技能。

2024年以來,《三聯生活週刊》《第一財經》等媒體密集報道了「高學歷無產化」的現象。

一名上海211名校畢業的金融研究生。他在2024年離職後發現,曾經那個能提供3萬月薪、讓他支付昂貴房租和體面社交的學歷背書徹底失靈了,同等崗位的招聘要求雖然沒降,但薪資腰斬。

在小紅書、微博、知乎上,學歷去資產化,被具體化為一場自尊心的破產,從「孔乙己的長衫」到「脫掉長衫後的真相」,這樣梗比比皆是。

以前說學歷是資產,是因為它能讓你「坐着掙錢」;現在大家發現,坐着掙錢最容易被AI「拔網線」,站着掙錢(體力勞動)反而更穩健。

學歷資產化的時代結束了。過去一個985理工科學歷的知識保質期大約是10-15年;現在,由於生成式AI的爆發,編程語言、文案套路、設計風格的更新週期縮短至18個月甚至更短。

前面我提到的中國人民大學中國就業研究所的研究表明,在初級審計、基礎法律服務等領域,由於AI Agent的介入,擁有本科學歷的「小白」與擁有碩士學歷的「大廠新人」在產出效率上幾乎沒有區別。

學歷不再具備「溢價能力」,因為它無法代表「更先進的生產力」。如果一個人的學歷背景主要由「能夠被搜索和總結的知識」構成,那麼這份學歷就是 AI 時代貶值最快的資產。

學歷不再像過去那樣重要,並不意味着和知識不重要。AI 並沒有消滅工作,但它只是消滅了知識作為壁壘的邏輯。以後真正值錢的不是你知道什麼,而是你如何應對不知道的情況。

你目前的職業或專業,如果現在立刻清空學歷帶來的光環,你還剩下多少在物理世界裏能夠換錢的能力? 

這個問題很冷酷,但它是2025年最值得思考的命題。

本文來自微信公衆號:波波夫同學,作者:波波夫

本內容由作者授權發佈,觀點僅代表作者本人,不代表虎嗅立場。如對本稿件有異議或投訴,請聯繫 tougao@huxiu.com。

End

想漲知識 關注虎嗅視頻號!

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10