【结论先行】
AI 对求职的影响,不是简单的"抢走工作",而是把就业市场劈成了两半:
|
方向 |
发生了什么 |
对留学生的影响 |
|
入门岗位(entry-level) |
被大幅压缩,招聘量自 2024 年初下降约 29% |
最该警惕的一条——专业选择必须看"毕业时岗位还在不在" |
|
AI 技能相关岗位 |
2025 年增速 69%,是整体市场(9%)的约 8 倍 |
需求真实存在,但不是所有"沾 AI"的专业都吃到红利 |
|
纯执行型知识工作(会计助理、法律助理、文案、基础翻译) |
岗位数在收缩,薪资溢价归零甚至为负 |
需重新评估 |
给专业选择的三条核心判断:
- 别问"这个专业会不会被 AI 取代",要问"这个专业培养的是判断力还是执行力"——AI 吃的是执行力,放大的是判断力。
- 避开"标准化产品型"专业——课程越标准化、产出越可预测,越容易被压缩。
- 学历本身在 AI 时代是升值而非贬值——高 AI 暴露职业中,大学学历溢价在 2024–2025 年间出现明显跃升,选对赛道的人回报更高。
一、AI 到底改变了什么:四个正在发生的事实
事实 1:最受 AI 影响的岗位,就业增长反而最慢
这是最反直觉、也最重要的一条。
据 PwC《全球 AI 就业晴雨表》,AI 高度暴露行业的员工数增速约 1%/年,而 AI 暴露最低的行业(技工、餐饮、维修)员工数增速约 20%/年——相差约 20 倍。
原因不难理解:当 AI 能承担一个岗位 40% 的任务,公司用更少的人就能服务同样多的客户;而 AI 砌不了砖,想盖更多楼只能招更多人。
对学生的含义:不要因为"AI 热门"就默认选计算机。AI 溢价的红利集中在能把 AI 用进专业判断的人身上,而不是会写代码的人本身。
事实 2:入门岗位的"练手机会"正在消失
这是本轮变化中对学生最致命的一条。
- 自 2024 年 1 月起,全球入门岗位招聘量下降约 29%(Randstad 分析 1.26 亿条招聘信息)
- 美国 AI 暴露的入门岗位中,被要求具备"通常属于资深者能力"(领导力、战略思维、面对面沟通)的岗位,2019–2025 年增长 35%;而未此类"资深化"的入门岗位下降 10%(PwC)
- 美国 22–25 岁人群在高 AI 暴露职业中的就业,相对降幅达 16%(斯坦福数字经济实验室,基于 ADP 薪资数据)
- 49% 的 CEO 预计未来三年 AI 将减少初级岗位招聘,对应资深岗位仅 12%(PwC 全球 CEO 调查)
一句话概括:企业正在要求 22 岁的求职者交付过去 35 岁才被期待交付的东西。这意味着——实习、竞赛、项目经历从"加分项"变成了"入场券"。留学期间如果只是上课不做真实项目,毕业时会直接撞在这堵墙上。
事实 3:学历回报在分化,差距在拉大
一项基于美国人口普查局 CPS 2015–2025 数据的研究发现:在高 AI 暴露职业中,大学学历的相对回报在 2024–2025 年出现显著跃升,溢价差约 14.7 个百分点;而工作年限的回报变化则弱得多。
翻译成人话:AI 没有让学历贬值,反而让"高学历 + 对的专业"的组合更值钱;但对学历一般、专业选错的人,惩罚也更重。
事实 4:AI 技能确实能换真金白银,但门槛在提高
- PwC:要求 AI 技能的岗位,2025 年平均招聘薪资溢价约 62%(前一年 57%);消费品行业甚至超过 100%
- 世界经济论坛:87% 的雇主认为 AI 与大数据技能重要性在上升,69% 计划招聘能设计/优化 AI 的人才,62% 计划招聘能与 AI 协作的人
- 但同时:63% 的雇主将"技能缺口"列为业务转型的主要障碍,94% 的高管面临 AI 关键技能短缺,其中三分之一缺口达 40% 以上
注意这里的反差:技能需求爆表,但企业没有降低用人标准。猎聘调研显示,2025 年秋招中近半数企业已完成招聘数量与质量目标——AI 岗位多,门槛也高,不是"学个 prompting 就能进"。
二、专业选择的五条注意事项
注意事项 1:用"任务暴露度"而非"职业名称"来判断风险
高盛按任务类型测算的暴露度(占该职业可被生成式 AI 承担的任务比例):
|
职业群体 |
任务暴露度 |
|
办公与行政支持 |
46% |
|
法律 |
44% |
|
建筑与工程 |
37% |
|
商业与金融运营 |
35% |
|
建筑与采矿 |
6% |
|
安装、维护与维修 |
4% |
|
楼面与庭院清洁 |
1% |
用法:不要问"会计专业危不危险"(答案:要看国家——中国 CPA 体系受政策保护度较高,欧美财务分析岗压力更大)。要问的是:这个专业毕业后,80% 的日常工作内容落在上表哪一段?
暴露度落在 35%–46% 区间的专业,值得警惕;落在 5% 以下的专业,短期内相对稳固。
注意事项 2:识别"标准化产品型"专业特征
高风险信号(同时出现 2 项以上就要认真评估):
- 课程大纲三年几乎不变,没有新技术/新工具的更新痕迹
- 毕业产出高度同质化——同一个模板、同一个软件、同一套流程
- 实习岗位名称集中在"助理、专员、初级、运营支持"
- 考核以标准化笔试/考证为主,弱化项目与表达
- 目标岗位在招聘数据中已连续两年缩减
典型的高暴露执行型岗位:数据录入(暴露评分 92/100)、电话营销(89)、记账文员(85)、税务申报(82)、信贷审批员(78)、法律助理、初级分析师、一线客服。
注意事项 3:优先选"AI 增强型"而非"AI 替代型"专业
PwC 的研究把岗位清晰分成两类,这个分类对选专业非常有用:
|
|
专业化岗位(AI 增强) |
大众化岗位(AI 替代风险) |
|
AI 的作用 |
自动化例行部分,提升人的判断力 |
让非专业技能者也能做,专业壁垒被削弱 |
|
典型岗位 |
放射科医生、招聘官、空管 |
IT 服务经理、医疗秘书、初级文案 |
|
就业增长 |
约 2 倍于对照岗位 |
基本停滞 |
|
薪资增长(2021 至今) |
快 42% |
缓慢 / 走平 |
推论:一个专业的价值,取决于它能不能把学生训练成"AI 干不了的判断者"。放射科医生不是被 AI 取代了,而是成了"会用 AI 的医生",结果需求和薪资都在涨;医疗秘书则是被 AI 直接替代了。
选专业的实操标准:这个专业在培养"判断、审美、责任承担、复杂沟通",还是在训练"按流程操作"?前者是 AI 增强型,后者是替代型。
注意事项 4:复合能力 > 单一技能
AI 暴露越高的岗位,技能要求变化越快——PwC 测算,高 AI 暴露岗位所需技能的变化速度是低暴露岗位的 2 倍以上(差距较一年前扩大 75%)。
这意味着:单一技能的保鲜期正在快速缩短,而"专业能力 + AI 协作能力"的组合可以持续增值。
因此,选专业时优先考虑:
- 能与 AI 深度绑定的专业:生物信息学、计算神经科学、数字媒体、金融工程、医疗数据科学、材料信息学(MI)
- 有明确行业出口的专业:半导体、先进制造、能源、电力、医药、医疗器械——这些领域 AI 难以直接替代(下场涉物理、责任与合规),且招聘需求旺盛
- 有执业门槛的专业:医学、护理、药师、法律、建筑、兽医——牌照本身就是 AI 无法跨越的护城河
注意事项 5:把"留学的不可替代性"想清楚
AI 拉平的是知识型信息差——写代码、查资料、写文案、写邮件,AI 都能干。这意味着留学的核心价值正在从"获取信息"转向:
- 接触真实场景与人脉(无法线上完成)
- 获得不可线上获得的训练与项目
- 跨文化沟通与协作经验
- 学历信号(在研究数据中依然在升值)
选校提醒:如果一个专业在国内已有大量成熟培养体系,且核心内容可自学获得,那么"留学的边际收益"就需要谨慎评估。优先选择国内供给不足、且有强行业背书的方向。
三、国内就业市场的现实指向
结合近期海归就业数据,以下方向需求明确:
|
方向 |
招聘占比 / 增速 |
说明 |
|
高端制造 |
招聘需求占比约 20%,位居NO.一 |
已超越传统互联网与金融,成为海归NO. 就业去向 |
|
医疗健康、电子半导体、能源环保 |
扩招企业占比均超 40% |
供给缺口明确,抗自动化能力强 |
|
AI 相关岗位 |
需求增速超 20% |
多模态算法年薪 60–150 万;具身智能高端岗位可达 200 万+ |
|
金融 |
港股 IPO 热度回升,头部券商扩招 |
仍保热度,但传统金融招聘规模同比下滑,HC 缩减 |
|
咨询 |
MBB 与二线咨询稳定开放实习 |
PTA / RA / Project Intern 岗位增加,是切入咨询的主要路径 |
一个必须点明的现实:海归平均起薪虽连续 6 年上涨(2019 年 11,739 元 → 2024 年 15,440 元),但高薪不是普惠的。薪酬呈"学历分层 + 行业分化"——博士约 30,564 元/月、硕士约 17,028 元、本科约 14,760 元,且高薪集中在电力水利、医药制造、电子半导体等行业。
这意味着:行业选择对薪资的影响,可能大于学校层级。
四、需要澄清的四个误区
误区一:"AI 会让某些专业完全消失" 数据不支持。PwC 发现,高 AI 暴露企业的员工数从 2018 年起反而增长了 52%(低暴露企业增长 36%)。高盛 2025 年 9 月的员工数同比也高出约 1,800 人。消失的是岗位层级,不是整个职业。
误区二:"学计算机最安全" 软件开发者确实在 AI 暴露榜上,但内部在快速分层:初级、模板化工程岗位承压 15%–25%,而架构、ML 工程、产品决策类岗位受保护甚至增长 20%+。同为 CS 学生,差距可能是 2 倍以上薪资。
误区三:"AI 让人变多余,所以要更卷" 方向反了。PwC 结论是"取胜的关键不是使用技术,而是人类技能;AI 部署得越多,真正的人类专业能力越被珍视"。同时世界经济论坛数据显示,分析性思维是雇主最看重的核心技能(70% 的雇主列为首要),排在编程之前。
误区四:"专业没变,就不用调整学习内容" 同专业内,用 AI 的能力和不用 AI 的能力,市场定价正在快速拉开。LinkedIn 数据显示,2025 年最紧要的技能已明显转向 AI 素养、数据分析与人本能力。
五、给学生的行动清单
入学前 / 大一:
- 查目标学校的课程大纲,看是否每年更新、是否有 AI 相关必修或选修
- 入学后至少 2 段与专业强相关的实习——这是弥补"入门岗位消失"的W一现实手段
- 建立作品集:AI 辅助完成的项目 + 你自己的判断与取舍说明(不是交一份 AI 生成物)
- 参与 1 次以上跨文化团队项目(国际比赛、联合研究、校企合作)
本科中期:
- 掌握本专业的核心概念体系,而非只掌握工具操作——工具会换,概念不会
- 补齐 AI 协作能力:会用主流 AI 工具、懂如何验证输出、懂数据隐私与伦理边界
- 若目标是 AI 热门方向,必须打牢数学/编程基础——PwC 的高薪岗位无一例外
申请前(选校阶段):
- 优先看专业是否有执业牌照/认证壁垒,或是否有强行业对口出口
- 警惕课程大纲三年未变的"稳定"项目——对留学生而言,这种稳定往往意味着课程已与行业脱节
- 把就业城市纳入考虑:AI 岗位高度集中于特定城市与产业带,选错城市等于选错赛道
【数据来源】
|
来源 |
引用内容 |
|
世界经济论坛《Future of Jobs Report 2025》 |
41% 雇主因 AI 减少岗位 / 70% 招 AI 技能人才;净增 7800 万岗位、1700 万新建、9200 万取代;22% 岗位结构性变化;87% 认为 AI 技能重要性上升;63% 视技能缺口为主要障碍;85% 提供再培训 |
|
PwC《Global AI Jobs Barometer》2025 / 2026 版 |
AI 技能溢价 56%→62%;AI 岗位增速 69% vs 市场 9%;入门岗位"资深化"岗位 +35% / 非资深化 −10%;高暴露 vs 低暴露行业员工增速 1% vs 20%;专业化岗位 vs 大众化岗位 2 倍增速、42% 薪资增速差;49% CEO 预计减少初级招聘;技能变化速度 2 倍 |
|
斯坦福数字经济实验室(基于 ADP 薪资数据) |
22–25 岁在高 AI 暴露职业就业相对下降 16% |
|
高盛研究(2023) |
任务暴露度:办公行政 46%、法律 44%、建筑工程 37%、商业金融 35%;建筑采矿 6%、安装维修 4%、清洁 1% |
|
Randstad(分析 1.26 亿条招聘) |
入门岗位招聘量自 2024 年 1 月起下降 29% |
|
IMF |
全球约 40% 就业受 AI 暴露;发达经济体约 60%,新兴市场约 40% |
|
劳动经济学研究(CPS 2015–2025,事件研究法) |
高 AI 暴露职业大学学历溢价 2024–2025 年跃升约 14.7 个百分点 |
|
猎聘 / 科锐国际 / 智联等国内招聘数据 |
AI 岗位需求增速超 20%;多模态算法年薪 60–150 万;制造业招聘需求占比 20.06% |
|
ILO / McKinsey |
生成式 AI 的主要影响是增强岗位内任务,而非整体消灭职业 |
本文档为决策参考框架,具体专业选择请结合学生背景、目标国就业市场与个人兴趣综合判断。所有数据均来自公开报告,引用时建议标注年份与来源。
微信扫一扫









