美国毕业典礼上对 AI 的集体嘘声

Leafw 收录于 AI

2026-05-21 约 5392 字预计阅读 11 分钟

上周一些美国大学毕业典礼上，一旦嘉宾开始夸AI，台下就嘘声一片，也许这个结果让演讲嘉宾很意外，但我相信很多我们这样的普通打工人或者学生其实是很能理解的。

毕业典礼本来就是一个很微妙的场合，台下是一群刚要进入就业市场的年轻人，很多人说不定还背着学费债务，简历刚投出去，实习和全职 offer 也未必稳定。台上站着的嘉宾，往往已经功成名就，开始用一种很轻松的语气告诉他们：AI 是未来，你们要拥抱变化。

这话放在科技大会上没什么问题。放在毕业典礼上，味道就变了。尤其当讲这些话的人来自 Google、地产公司、唱片公司这类离商业利益很近的地方，台下很难只把它当成一句善意建议。学生听到的可能是另一层意思：岗位会变少，要求会变高，规则已经改了，你们最好赶紧适应。

换我坐在下面，大概也不会太舒服。

这次发生了什么

AP 报道里提到，前 Google CEO Eric Schmidt 在亚利桑那大学毕业典礼上谈 AI，被约一万名毕业生反复打断。他说 AI 会触及职业、课堂、医院、实验室和人际关系，现场嘘声变大。后来他停下来安抚学生，说他们的恐惧合理，因为很多人担心未来已经被写好，机器正在到来，工作正在蒸发。

NBC 的视频也把这几场毕业典礼放在一起讲：Schmidt 之外，中佛罗里达大学、Middle Tennessee State University 的演讲嘉宾也在讲到 AI 时被嘘。

Schmidt 当然知道学生在担心什么。他也知道这类恐惧不能靠一句“AI 会创造机会”压下去。问题在于，他最后还是回到那套熟悉的话：AI 会塑造世界，你们要去引导它。

这句话没有错，甚至可以说很正确。

可学生未必想听正确的话。他们更想听一句实话：你们接下来要面对的就业市场，确实会比前几年更拧巴。

类似的事情还发生在中佛罗里达大学。地产公司高管 Gloria Caulfield 把 AI 称为下一次工业革命，现场马上有人嘘。中田纳西州立大学， Big Machine Records 的 CEO Scott Borchetta 讲到 AI 正在改写制作流程，被嘘以后直接说，接受现实吧，这是工具，让它为你工作。

工具论我同意。只是“接受现实吧”这句话，从台上说出来总有点刺耳。尤其这个现实并不由台下的人制定。

AI 裁员这件事，已经不只是预测

先承认现实。

AI 对就业的冲击已经发生了。Challenger, Gray & Christmas 的 2026 年 4 月裁员报告显示，4 月美国企业宣布的裁员里，AI 连续第二个月成为排名第一的原因，涉及 21,490 个岗位，占当月裁员总数的 26%。2026 年前四个月，AI 被列为 49,135 个裁员计划的原因，约占同期裁员计划的 16%。

这个数字不能直接翻译成“这些人全被 AI 替代”。企业写裁员原因，本来就有包装空间。它至少说明一件事：AI 已经成了企业解释组织调整时很好用的理由。

一些公司说得更直接。

Amazon CEO Andy Jassy 在 2025 年的员工备忘录里提到，随着公司部署更多生成式 AI 和 agent，未来会需要更少的人做今天一些正在做的工作，也会需要更多人做新的工作。他说很难准确判断净影响，不过未来几年企业员工总数会因为效率提升而减少。

Shopify CEO Tobi Lutke 的做法更像管理制度。他在 2025 年内部备忘录里要求团队在申请更多人手和资源前，先证明为什么不能用 AI 完成目标。以前是工作量变大，团队自然想到招人。现在默认假设换了：先问 AI 能不能扛一部分。

Klarna 的案例也很典型。它曾说自己的 AI 客服助手承担了相当于 700 名全职客服的工作。后来 CEO 又承认，公司通过招聘冻结和自然流失大幅压缩了员工规模。到了 2025 年，Klarna 又开始重新强调人类客服的重要性，因为纯粹降成本会影响服务质量。

Salesforce 的 Marc Benioff 也讲过类似的话。他在 2025 年谈到客服团队时提到，Salesforce 把支持团队从大约 9000 人降到 5000 人，因为 AI agent 承担了大量对话，所以需要更少的人。

再激进一点的是 Anthropic CEO Dario Amodei。他在 2025 年接受 Axios 采访时警告，AI 可能在未来一到五年内消灭一半初级白领岗位，并把失业率推到 10%-20%。

这些话不应该被轻飘飘地略过。客服、翻译、本地化、内容生成、初级运营、部分销售支持、部分财务和 HR 后台流程，确实会被 AI 改写。标准化程度越高、上下文越稳定、验收越明确的工作，受到的压力越大。

说完全没影响，那是自欺欺人。

“岗位末日”听起来也太离谱了

另一边，我也不太相信那种“AI 马上毁掉大量人类岗位”的说法。

截至 2026 年 4 月，美国失业率是 4.3%，BLS 报告显示当月非农就业仍增加 115,000 人。这个数字不能证明所有人都好找工作，毕业生和初级岗位的压力也不能被平均数抹掉。它只能说明，宏观层面还没有出现一些人预言的就业崩塌。

软件行业更值得看。

如果要找一个最容易被 AI coding 工具冲击的领域，软件开发肯定排在前面。ClaudeCode、Codex各种 coding agent，几乎每天都在把“写代码”这件事往自动化方向推。

BLS 对软件开发、QA 和测试岗位的 2024-2034 年展望仍然是增长 15%，明显高于全部职业平均水平。BLS 还写到，AI、IoT、机器人和自动化应用的扩张，会继续带来对软件开发人员、软件质量分析师和测试人员的需求。

程序员当然也没有免死金牌。

它只是提醒我们，AI 能写代码和程序员失去价值之间，隔着一大段工程现实。

老黄也在毕业典礼聊过AI

这里有个很有意思的对照。

黄仁勋也在大学毕业典礼上讲过 AI。2026 年 5 月，他在卡内基梅隆大学毕业典礼上发表演讲；更早之前，他还在 2024 年 Caltech 毕业典礼、2023 年台大毕业典礼上讲过类似主题。

至少从公开报道看，他没有遭遇 Schmidt 那种全场嘘声。CMU 的官方新闻稿把这场演讲写成“shape what comes next”，NVIDIA 自己的博客也把重点放在“你们的职业生涯开始于 AI 革命的开端”。Axios 对这场演讲的标题更直接：Jensen Huang 告诉大学毕业生，应该奔向 AI。

为什么同样讲 AI，现场反应差这么多？

我觉得首先是学校气质不一样。CMU 本来就是 AI、机器人、计算机科学重镇。黄仁勋在演讲里也特意把 AI 的历史拉回 CMU，说 Logic Theorist、Robotics Institute 这些东西都和 CMU 有关系。对 CMU 的毕业生来说，AI 不只是一个外部力量，也是一部分专业身份。你对一群计算机、机器人、工程背景很强的毕业生讲“AI 会带来新产业”，他们更容易把自己放进这个故事里。

第二，黄仁勋讲的重点是“建设”。Axios 报道里提到，他把 AI 基础设施描述成一次重新工业化的机会，还说这会需要水管工、电工、钢铁工人、芯片工厂、数据中心和先进制造。这类表达至少给出了具体图景：哪里会有工作，什么样的工作，为什么需要人。

Schmidt 那类演讲更容易听起来像抽象训话。AI 会改变世界。你们要引导它。你们要接受它。每句话都对，可落到毕业生耳朵里，难免有点空。

第三，黄仁勋本人站在一个“正在扩张的产业链”上。NVIDIA 当然也有强烈商业动机，他夸 AI 不可能完全中立。只是从毕业生视角看，GPU、数据中心、机器人、芯片制造这些方向还在招人，还在扩张，还能给工程学生提供路径。相比之下，地产高管、唱片公司 CEO 或前 Google CEO 谈 AI，学生更容易联想到降本、替代和岗位收缩。

这也解释了为什么我不愿意把这轮嘘声简单理解成“学生讨厌 AI”。他们可能讨厌的是那种没有给出具体路径的乐观。

如果你告诉毕业生：AI 很厉害，你们必须适应。现场很容易反感。

如果你告诉毕业生：AI 会带来哪些基础设施、哪些工程问题、哪些新工作、哪些具体能力要求。哪怕大家仍然焦虑，至少这话还能往下听。

Vibe coding 的边界

我一直很反感一种说法：以后不会写代码也能随便做软件，所以代码没有价值了，程序员也没价值了。

这个说法把软件开发看得太轻了。

一个程序能在本地跑起来，只是软件工程里很小的一部分。真正麻烦的地方往往在后面：需求到底是什么，边界条件在哪里，数据模型怎么设计，架构能不能扩展，权限如何收敛，错误如何恢复，日志如何定位问题，用户量上来以后瓶颈在哪里，部署怎么滚动，监控怎么设置，依赖怎么升级，安全漏洞怎么处理，出了事故谁来兜底。

AI 很擅长把一个模糊想法变成第一版代码。

第一版代码离生产可用还很远。

尤其是多人协作、长期维护、持续迭代的软件系统，价值不只在代码本身。更重要的是一整套工程判断：哪里应该简单，哪里必须严格；哪些需求可以先砍，哪些设计债以后会要命；什么时候相信 AI，什么时候必须自己看源码、读文档、跑测试、复现问题。

Vibe coding 降低了写程序的门槛，这很好。更多人能把想法做出来，这本来就是技术进步该有的样子。

门槛降低以后，专业能力不会自动消失。相机让更多人能拍照，摄影师还在；Excel 让更多人能做表，财务还在；低代码让更多人能搭流程，真正懂系统设计的人依旧有价值。

被压缩的通常是低复杂度、低责任边界、低质量要求的工作。

这部分工作减少以后，人的能力要求会往上走。程序员以后可能更少花时间敲样板代码，更多时间花在判断、拆解、验证、治理和兜底上。

这听起来没有“程序员完蛋了”刺激，实际大概率更接近真实世界。

企业家为什么喜欢讲替代

吴恩达最近那条关于“不会有 AI 就业末日”的推文里，有一段我觉得很值得琢磨。

他说 AI 公司有动机把自己的技术讲得非常强。如果一项技术可以替代一个年薪 10 万美元的员工，那么 AI 公司收 1 万美元就显得便宜。换成普通 SaaS 的心理锚点，大家可能只愿意每年付几百到几千美元。

这个角度很现实。

AI 能不能替代人，当然是技术问题。它同时也是定价问题、融资问题、销售问题。

企业端也一样。说“我们通过 AI 提升效率，所以不需要这么多人”，听起来比“疫情期间招太多了”“业务增长没跟上估值”“利润率压力太大”“管理层判断错了”体面得多。

我不想把所有企业家都说成骗子。肯定有人真心相信 AI 会在短期内替代大量工作，也有公司确实在某些流程里跑出了成本优势。

只是当一家公司正在卖 AI 产品、融资、讲增长故事、或者给资本市场解释利润率时，它对“AI 替代人”的描述就不能只按技术判断来读。

那里面有产品营销，有估值故事，也有裁员公关。

比“拥抱 AI”更具体一点

我不反对企业要求员工使用 AI。

事实上，现在不学习 AI 工具的人，会越来越吃亏。Gallup 的职场数据也显示，到 2026 年 2 月，美国已有一半员工在工作中至少偶尔使用 AI，其中 28% 每周使用几次或更多。AI 已经进入日常工作流，不再是少数技术爱好者的玩具。

有意思的是，使用率上升没有带来同等程度的兴奋。Gallup 另一项针对 Gen Z 的调查显示，2026 年美国 14-29 岁人群对 AI 的兴奋感从上一年的 36% 降到 22%，愤怒感升到 31%，焦虑感仍然维持在 42%。

这和毕业典礼上的嘘声能对上。很多人正在用 AI，同时也不信那套轻松愉快的 AI 叙事。

我更愿意看具体工作流。

比如影视飓风之前分享过他们如何把 AI 用到公司流程里，我觉得那类案例更有参考意义：不喊空口号，也不把模型当万能员工，先拆流程，找到 AI 能稳定提升人效的位置，再慢慢嵌进去。

软件开发也是这个逻辑。

AI 可以帮我生成脚手架，解释陌生代码，补测试，写 SQL，整理日志，做 code review 的第一轮，把模糊需求拆成任务列表。这些都很有用，我自己也重度使用。

最终判断还得人来做。

业务目标是什么，系统边界在哪里，接口契约怎么定，数据一致性怎么保证，异常场景怎么处理，性能指标怎么观察，线上事故怎么回滚，这些问题不能靠“看起来能跑”糊弄过去。

一个真正重度使用过 AI coding 工具的人，应该会同时感受到它的效率和边界。

如果只看到效率，就容易亢奋。如果只盯着边界，又容易错过工具红利。比较实际的态度是承认它有用，然后把它放到合适的位置。

普通人更该警惕两种错觉

第一种错觉是低估变化。

觉得 AI 只是搜索引擎换皮，过几年热度就过去了。这种想法很危险，因为很多岗位的工作方式已经变了。

第二种错觉是高估变化。

觉得 AI 马上取代一切，学什么都没用。这种想法也很危险，因为它会让人提前放弃自己的专业积累。

我现在更倾向于拆任务看。直接讨论岗位，颗粒度太粗。

哪些任务会被自动化？格式化、总结、初稿、批量生成、信息抽取、简单客服、模板化代码，这些已经很明显。

哪些岗位会被重组？一个岗位里可能有 30% 的任务被 AI 吃掉，剩下 70% 变得更重，要求也更高。

哪些能力会更值钱？需求判断、系统设计、产品理解、领域知识、审美、沟通、责任承担、复杂问题拆解、质量控制。

对程序员来说，尤其要警惕一种偷懒：把会用 AI 生成代码，当成自己工程能力提升，这是远远不够的。

你可以用 AI 写更多代码，也必须更懂工程。否则只是把自己从手写 bug 的人，变成审核不完 AI bug 的人。

最后

我理解那些毕业生的嘘声。

他们嘘的是一种轻飘飘的确定感。台上的人说 AI 是机会，台下的人看到的是入门岗位减少、招聘要求变化、学费债务还在、未来变得更不确定。

AI 会冲击就业。某些岗位会消失，某些岗位会变少，很多岗位会被重组。这件事不用美化。

AI 就业末日也不用盲信。它有时是技术预测，有时是产品营销，有时是融资故事，有时是企业给裁员找的漂亮理由。

我更愿意把 AI 看成一次重新定价。

低质量的重复劳动会被压缩。只会执行、不理解上下文的人会更危险。能把 AI 放进真实流程里，理解业务，理解工程，理解质量，并且能对结果负责的人，会更重要。

所以工具要用，而且要重度用。

用了以后，更应该看清楚它能做什么，不能做什么，谁在夸大它，谁在借它省钱，谁在借它卖课，谁在借它融资，谁在借它裁员。

那些嘘声的原因不难理解，只是因为台下的年轻人听着听着，觉得那些嘉宾说的话太轻松了，和自己马上要面对的现实对不上。

目录