AI带来的变化，正在同时冲击教育体系与就业体系。

“现在老师假装在讲，学生在假装学。走的都是一种形式。”

在今日搜狐科技年度论坛上，北京大学退休教授乔晓春形容当下高校课堂的状态时说。AI正在迅速改变知识获取方式，也让传统教育遭遇前所未有的冲击。学生、老师和高校，都被迫重新思考：未来到底该学什么，又该怎么学。

北京大学国家发展研究院副院长、经济学教授张丹丹抛出另一组更现实的数据。她的团队基于中国160多万条招聘以及新加坡1500多万条全量数据，最后得出结论：目前主要被替代的，还是白领工作；蓝领工作被替代的可能性相对较低。

一边是课堂失灵，一边是职业重构。过去，“上大学—拿学历—找工作”的路径，曾长期被视为最稳固的个人上升通道。但当知识获取方式、工作内容和岗位结构都开始被AI重塑，这条路径本身也正在被重新定义。

二人从教育与劳动力市场切入，共同指向一个核心问题：当知识不再稀缺，人类究竟还应该学什么，又如何在AI时代重新建立自己的价值？

AI冲击从校园到职场

过去，学校最大的价值之一是知识传递。但现在，AI已经能够实时提供大量知识信息。

“老师在前面讲课，学生在下面查AI。”乔晓春说，很多学生会直接拿AI生成的内容与老师课堂内容进行对照，甚至当场指出老师讲错的地方。结果是，老师越来越紧张，学生越来越不愿意听课。

更大的变化发生在学习过程本身。作业、论文、资料整理，AI都能够完成。学校虽然强调不能用AI代写，但现实中，学生甚至会用AI去“消除AI的痕迹”。

在他看来，AI真正冲击的，并不是知识本身，而是“只会知识的人”。他把传统教育比喻成“穿衣服”。学生从本科、硕士到博士，不断积累知识，像给自己一层层穿上漂亮衣服。但AI出现之后，这些知识迅速变得不再稀缺，“衣服突然被脱了”。如果学生学到的只是知识本身，而没有形成真正内化能力，那么在AI面前就会陷入“裸奔”状态。

与此同时，劳动力市场也正在出现类似变化。

从电气化、信息化，到机器人和智能制造，再到今天的生成式AI，技术进步一直在改变就业结构。张丹丹引用经济学家David Autor团队2024年的研究，2018年美国劳动力市场上，60%的岗位，在80年前根本不存在。

技术进步会消灭一些工作，同时也会创造新的职业。但这一次AI浪潮，依然让市场感受到前所未有的焦虑。原因在于，这轮技术革命与过去存在两个显著不同。

一是冲击的对象发生了变化，此前多数技术革命，替代的是体力劳动和蓝领岗位，而这一轮AI首先冲击的，则是白领与脑力劳动者；其次是技术扩散速度显著加快，生成式AI部署成本低、普及速度快，就业替代可能在更短时间内集中发生。

“我们可能还没来得及创造很多新的就业，原有就业就已经先受到冲击了。”张丹丹说。

她观察到，新增岗位中的“AI替代率”还在继续下降。这意味着企业在新增招聘时，那些原本可以由AI完成的任务，已经不再需要单独招聘人类员工。

她还提到，在新增招聘里面，受到影响最大的，是junior level，也就是初级岗位和中等技能岗位。高技能岗位以及高级岗位，目前受到的影响相对不大。

可以说，职场上的白领和校园里的学生，遇到的问题本质是相似的：旧模式下的“知识型人”，正在被AI重新定价。而这个重新定价的过程，已经开始了。

重建人类“护城河”

面对AI冲击，乔晓春认为，未来教育最核心的变化，是从“学是什么”，转向“学为什么”。

过去的教育体系，更强调概念、公式、结论和标准答案。真正重要的，不再只是知识储备，是把知识背后的逻辑、方法论与思维方式内化到个人身上的能力。

例如数学训练形成的逻辑思维、条件意识和证明意识；科学训练强调的实验精神、证据意识与事实判断能力。这些东西一旦形成，就不再是外在知识，而是个人能力的一部分。

他还特别强调批判性思维和创新能力的重要性。因为AI时代最重要的能力，不只是回答问题，而是发现问题、定义问题。

此外，行动力，包括表达、沟通、合作的能力也十分重要。“现代社会不可能什么事都一个人完成”，交流中清晰表达思路、合作中理解他人立场，这些是AI无法代理的。

张丹丹则观察到，职业暴露度高并不等于一定被替代。一个职业最终是需求上升、不变还是下降，取决于其内部任务的构成方式。

如果职业内部是“串联关系”，AI替代部分任务后，人类可以把更多精力投入其他复杂任务，整体生产率反而提升，职业需求甚至可能增加。但如果任务之间是“并联关系”，那么一部分任务被替代后，其余工作也可能不再需要人类参与，这种职业就更容易被真正替代。

近期AI公司Anthropic的一份研究也印证了这一点。Claude实际高频参与的任务大约只有800类，而整个劳动力市场涉及约2万个任务。在这些任务中，真正属于“完全替代”的部分仅占43%，“互补增强”的比例达57%。

这意味着，未来劳动力市场真正需要的，并不是完全脱离AI的人，而是能够与AI协作的人。

因此，在乔晓春看来，年轻人未来有两条重要路径。一是“做专”。AI时代真正能留下的，不是初级和中级人员，而是长期深耕某个领域、做到行业顶尖的人。

二是“做广”。在高度不确定的时代，年轻人需要培养快速学习、快速切换赛道的能力。“我不知道未来会怎么样，但我要为未来做好准备。”

张丹丹则认为，当下仍是一个关键“窗口期”。在AI全面重塑就业之前，社会需要加快就业创造，同时建立职业风险预警机制和就业保护机制。

她建议，利用大数据和实时劳动力市场监测，建立起职业预警机制，及时告诉社会哪些职业可能受冲击、哪些技能是未来所需，让劳动者提前培养能力。

与此同时，如果未来部分职业真的遭遇较大冲击，现在也是提前建立就业保护和补偿机制的时机，应提前做好制度准备。