一位普林斯顿博士投了2300份简历，找不到任何工作

一位毕业于全球顶级名校普林斯顿大学，拥有化学工程博士学位的年轻人，投出2300份简历，至今找不到任何工作。

这不是AI生成的虚拟故事和网络段子，是《华尔街日报》发布的深度专栏。

揭示了当下年轻人在AI+全球经济下行双夹击中的职场困局。

高学历不灵了

根据《华尔街日报》报道，主人公的名字叫Jack Weis，来自美国盐湖城，2024年从普林斯顿大学获得化学工程博士学位。

普林斯顿大学是什么水平，不需要过多介绍。美国八大常春藤名校之一，在国际学术和综合声誉上是稳居全球前10的殿堂级名校。

Jack Weis

按照过去几十年传统职业路径，这样的学历应当通向企业研发岗、国家实验室博士后，或者更高阶的科研职位，前途一片光明。

Weis最初也确实沿着这条路线走，但路越走越宽，回音却越来越少。

企业研发、博士后、软件工程，他都试过。甚至还申请过犹他州当地初、高中的代课老师，Whole Foods的理货员和收银员，以及销售冷冻蟹饼。

同样遭到拒绝，理由是学历太高。

Weis求职还有一段挺讽刺的经历，他在打零工时接到了一份与AI相关的工作，主要用自己的专业知识帮助训练AI模型。

不是简单的数据标注，需要专业判断的环节，比如模型给出的技术内容是否准确、推导是否存在漏洞。

他的专业知识终于在训练AI方面发挥了巨大价值。但模型训练完成后，他就被无情抛弃，AI反过来开始抢他的饭碗。

这种亲手建造埋葬自己职场工具的感觉，荒诞又真实，也是当下高学历白领职场的主要就业痛点。

这届年轻打工人格外难

很多人第一眼看到这个故事，容易归结为个人运气不好或者求职方式有问题。

但如果把美国近期几份权威机构的研究放在一起看，就能明白这不是单独一个人的困境，是整个年轻人求职的大环境已经逐渐变凉。

纽约联邦储备银行持续跟踪大学毕业生就业情况，2026年第二季度数据显示，应届毕业生失业率约为5.6%，就业不足率升至42%。这两个数字衡量的是不同的问题。

失业率关注的是没有工作、正在寻找工作的人；就业不足率则反映已经就业、但所从事工作通常不要求大学学历的近期毕业生所占比例。

也就是说，有人不是没有工作，而是干了与专业和预期不匹配的活。教育投资和专业能力没有被充分利用，这种隐蔽的错位比单纯失业更值得警惕。

那为什么高学历人才越来越多，企业却没有提供足够多的理想岗位？

这是因为受AI和全球经济下行的影响，企业招聘趋于谨慎，当管理层对未来收入、成本和市场需求拿不准时，即便不裁员，也可能放缓招聘、延迟补员，或者让现有员工承担更多工作。

岗位没有全部消失，但招聘活动不再活跃，在职者感受不明显，刚毕业的人却直接面对门缝收窄。

求职者之间的竞争也在加剧，理想岗位减少时，原本只盯高竞争岗位的人开始向更广范围投递，硕士博士挤进原本由本科生竞争的岗位。

此外，现在AI能自动化一部分基础工作。当企业发现一名有经验的员工配合AI就能完成过去几个人分担的任务，自然会重新评估初级岗位的数量，逐步减少招聘。

AI正在抢走年轻人第一份工作

上面那些不是猜想，达拉斯联储在今年9月发布的研究报告，刚好也印证了这个事实。

研究人员调取德州公立高校毕业生的就业记录，对比ChatGPT普及前后的变化，发现那些日常工作更容易被AI自动化的专业，毕业生的就业状态明显走弱。

同样是毕业一年，AI可替代任务占比高出10%的专业，在当地稳定就业的概率会低1.7%，顺利入职的这批人，首年薪资相比其他群体也下滑接近5%。

不少感受到压力的毕业生选择继续读研究生，但单纯往上堆学历，不调整自己的能力结构，等到毕业还是会撞上一样的难题。

斯坦福数字经济实验室的追踪数据，又把这个趋势说得更具体。他们调取覆盖数百万打工人的薪资流水，一直追踪到2026年6月。

发现在AI容易介入的职业赛道里，22到25岁年轻人的就业规模，比低风险赛道同龄人的正常趋势少了19%。

企业很少主动裁掉已经在岗的熟手，只是关掉新人的招聘入口。老员工还在岗位上，但是外面的毕业生挤不进来，这与Weis的遭遇刚好形成呼应。

把这几层放在一起看，值得关注的不一定是失业本身，是年轻打工人失去了积累经验的宝贵机会。

过去刚毕业的工程师从基础编码开始，分析师从整理数据开始，研究人员从文献综述和实验辅助开始。

这些工作不是企业最有价值的环节，却是年轻人学业务、建立判断力、积累经验的重要路径。

AI现在能接走其中一部分，企业提高效率有充分理由。但长远看，如果持续减少初级岗位，又希望未来拥有足够多的资深工程师、分析师和研究人员，人才从哪里来？

成熟的专业人员不可能凭空出现，得在真实项目里犯错、纠正、学习，慢慢长出来。

新人连进门的机会都越来越少，职业发展的起点就会变得更难，未来会陷入人才断层的死循环中。

我们该怎么办

看到这里很多人会想问，在这样的环境里，企业到底想要什么样的求职者，普通人又该怎么调整自己的方向。

我觉得首先要放下一个固有认知，学历背书只能证明你走完了一套教育流程，没法直接向雇主证明你落地解决问题的本事。

同样是应聘工程岗位，光背熟课本原理远远不够，最好能拿出自己处理真实约束、排查异常、验证方案的完整案例。一段可核验的项目记录，说服力远强于一长串学校和课程名称。

其次是学会和AI协作，而不是把会调用工具当成自己的核心竞争力。

现在谁都能让AI生成代码或者整理报告，差距拉开的地方在于，能不能定义清楚问题，挑选合适的实现路径，仔细核对输出内容里的漏洞，并且为最终交付结果负责。

同样借助AI，有的人只是拿现成文本交差，有的人能用它拆解业务痛点，跑通完整的优化方案，最后拿出可落地的结论，这两者的市场价值天差地别。

不要盲目丢掉自己原本深耕的专业，最好的路线是把专业积累和AI能力绑在一起。

就像Weis，他的专业知识在AI校验环节找到了价值，未来的需求会大量落在交叉地带。

懂制造的人用AI优化产线，懂金融的人用AI识别风险，懂教育的人设计配套AI的学习方案，这种能打通专业场景和工具的复合能力，会成为职场核心竞争力之一。

来源：华尔街日报