毕业证没有贬值，入门的那道门变窄了：22至25岁在 AI 暴露岗位上的就业，比同龄人少了19%

一个在毕业季变得具体的问题

每年五六月，橙县的华人家庭群里都会出现同一类消息：某某家孩子从 UC 系统毕业了，专业不错，成绩不错，投了两百多份简历，回音是十几封自动拒信和三次面试。家长最初的反应通常是往孩子身上找原因——简历没写好，人不够主动，没提前找实习。

这个反应可以理解，但它多半找错了地方。过去两年，美国劳动力市场上真正在变化的，不是「大学毕业生」这个群体的整体价值，而是「第一份工作」这个入口的宽度。

三个可以查证的数字

第一个数字来自纽约联邦储备银行。它有一个专门追踪应届大学毕业生（22至27岁、持学士学位）的数据页，按季度更新。2026年第二季度的结论是：这一群体的失业率维持在5.6%左右的偏高位置，就业不足率（underemployment）上升到42%。

第二个数字是就业不足率的定义本身，值得多说一句。纽约联储的算法不是问「你对工作满不满意」，而是看这份工作在美国劳工部的职业信息网络（O*NET）里是否通常需要学士学位。一个本科毕业生在做通常不需要学位的工作，就被记为就业不足。42%意味着：每五个刚毕业的本科生里，有两个所做的工作，按职业本身的要求并不需要他们那张文凭。这个比例长期在四成上下浮动，它提醒我们一件事——「毕业生找不到对口工作」不是2026年才有的新鲜事。

第三个数字才是新的。斯坦福数字经济实验室（Stanford Digital Economy Lab）的 Erik Brynjolfsson、Bharat Chandar 与 Ruyu Chen 在2026年8月12日发布了修订版工作论文《Canaries in the Coal Mine?》，用的是薪资服务商 ADP 覆盖数百万美国雇员、截至2026年6月的高频行政数据。他们的核心发现有两句话：一，没有证据显示全经济范围的大规模替代正在发生；二，22至25岁的年轻工人，在「AI 暴露度高」的职业里，就业水平比「如果与暴露度低的同龄人保持同步本该达到的水平」低了19%，而有经验的工人身上看不到类似缺口。这个分化自研究团队2025年8月首次记录以来，一直在扩大。

更值得注意的是机制。论文说，这个缺口主要来自「招得少」，而不是「裁得多」；调整发生在雇佣人数上，而不是基本薪酬上；下降集中在 AI 主要用于替代人类任务的职业，而在 AI 主要起互补作用的职业里，就业持平甚至上升，尤其是有经验者的就业。

别急着下「AI 抢走工作」的结论

把这份研究读成「AI 抢走了年轻人的饭碗」，是最省事也最容易出错的读法。研究者自己在摘要里就把话说得很谨慎：这些是早期的描述性指标——所谓煤矿里的金丝雀——而不是因果估计。

他们做了不少排除法：把科技公司和计算机类职业剔除掉，缺口仍在；控制住利率上升的影响和远程办公的影响，缺口仍在；换几种不同的「AI 暴露度」衡量方式，结论也没变。

但他们也如实写下了三条削弱结论的证据：控制教育程度之后，这些模式会减弱；有一部分分化趋势在生成式 AI 普及之前就已经出现；这些模式在 ADP 样本里比在全国性调查基准里更明显。

换句话说，学术共识远没有形成。同一批数字，可以支持三种彼此并不排斥的解释：AI 确实在替代入门级任务；疫情后企业过度招聘的回吐还没走完；高利率环境下企业普遍收紧了「培养一个新人两年再见成效」这类长周期投入。第三种解释尤其容易被忽略——招一个应届生本质上是一笔培训投资，当资金成本高、业务前景不确定时，最先被砍掉的往往就是这类投资，而不是眼下就能产出的熟手岗位。

无论哪种解释占多大比重，对一个2026年毕业的孩子来说，体感是同一件事：入门的门变窄了，而且窄在「没有经验的人」这一侧。

对华人新移民家庭，这意味着什么

第一，选专业的算法该换了。过去十几年，华人家庭挑专业的隐含公式是「哪个专业起薪高、门槛硬」；现在更有用的问法是「这份工作里，AI 是替代我，还是放大我」。斯坦福那篇论文最有价值的一条，其实不是那个19%，而是那句「在 AI 主要起互补作用的职业里，就业持平甚至上升」。同一个专业内部，不同的岗位方向差别可能比专业之间的差别更大——写模板化文书的初级岗位与要跟客户、跟现场、跟复杂系统打交道的岗位，正在朝相反的方向走。

第二，「经验」的获得时间必须往前挪。如果企业砍掉的正是「第一份工作」，那么等到毕业再来积累经验，就是在一个已经关小的门口排队。可行的替代路径不止实习一种：在校期间参与教授的研究项目、给本地小企业做一次能交付的实际项目、在社区组织做一段有产出的志愿工作，都能变成「已经做过事」的证据。橙县本地的机会并不少——从 Irvine Spectrum 一带的公司到学区、非营利机构，很多岗位并不通过大平台招人。

第三，留学生家庭还多一层时间压力。持学生身份的孩子，工作许可有期限，找工作慢一点，代价不只是几个月的收入，还可能是身份链条上的一个缺口。这意味着这类家庭更需要「早一年准备」，而不是「毕业后再全力冲刺」。

第四，也是最容易被忽略的一条：家长要分清结构性问题和个人问题。当一个群体的入口整体收窄时，孩子的挫败感往往来自被反复告知「是你不够努力」。这种归因在家庭内部造成的伤害，可能比失业本身更持久。数据摆在这里——42%的就业不足率、19%的年轻人就业缺口——它们描述的是市场的形状，不是某个孩子的能力。

第五，关于 AI 本身：与其把它当成假想敌，不如让孩子尽早成为「会用它做事」的人。这不是一句口号。在招聘位收紧的环境里，能把 AI 用成生产力工具的年轻人，恰好落在论文所说的「互补」那一侧；而只会做那些 AI 已经能做的入门任务的人，落在「替代」那一侧。这个分界线，比学校排名更能决定第一份工作有多难找。

一件需要耐心的事

还需要说清楚的是：这些数据描述的是2026年年中的状况，不是未来十年的判决书。招聘节奏会随利率、业务周期和企业对 AI 的实际效果评估而变化；今天缩掉的入门岗位，未必永远不回来——历史上每一轮技术转型，都出现过入门岗位先消失、几年后以另一种形式重新出现的过程。

对家庭来说，比预测更实际的做法是：把注意力从「什么专业稳」转到「怎样让孩子在毕业前就有可验证的产出」，把焦虑从孩子身上转回到对市场的准确认识上。第一份工作变难了，这是真的；但它变难的方式是具体的、可应对的，而不是抽象的、不可抗的。