毕业生失业数据未证实AI已造成普遍冲击

截至2026年9月26日，美国关于应届大学毕业生就业的最新数据并未证实人工智能已经造成普遍性的失业冲击。慕尼黑CESifo相关研究人员发表的一份工作论文，利用美国人口普查局“当前人口调查”的微观数据后认为，没有证据显示，近期大学毕业生在绝对或相对意义上出现了显著且广泛的被替代现象，或招聘规模出现明显下降。

这并不表示年轻毕业生面对的是轻松的就业市场。纽约联邦储备银行的数据称，2026年6月，22岁至27岁大学毕业生的失业率为5.7%，明显高于全国平均水平，也比两年前同一群体高出一个百分点。同期所有年轻劳动者的失业率为7.2%。就业困难确实存在，但目前的汇总数据尚不能把这种困难直接归因于人工智能。

夏季数据提供的是一次检验

研究者Robert Fairlie和Jane Wu把重点放在22岁至25岁、获得学士学位且未继续攻读更高学位的人群。其逻辑是，劳动力需求变化可能首先表现为企业减少初级岗位招聘，而不是立即解雇经验较多的长期员工。许多入门级办公室职位包含相对标准化的任务，这类任务正是人工智能系统可能执行或协助执行的部分。

由于新一届毕业生在夏季集中进入求职市场，失业率通常会在这一时期上升，研究者因此比较了2022年以来每年夏季的情况。2022年既是就业恢复到疫情前水平的一年，也是ChatGPT发布的一年。2026年夏季，研究对象的失业率为7.3%，仍处在此前几年出现过的范围内：2022年为6.3%，2024年为7.8%。

研究者还把范围扩大到那些表示“想找工作”、但没有积极求职、因而不计入官方失业人口的毕业生，结论仍没有出现异常变化。他们又将近期毕业生与同龄非大学毕业者、以及30岁至49岁的大学毕业者作比较，并按一项2023年研究对职业可能受到人工智能影响的程度进行拆分。在2022年至2026年的大多数比较中，群体之间的趋势差异没有达到统计显著水平。

不同研究衡量的不是同一件事

这一结果与斯坦福大学近期的一项研究形成对照。后者发现，被认为更受人工智能影响的职业中，入门级就业表现明显落后于其他领域。不过，两项研究的资料和指标不同。斯坦福研究采用人力资源公司ADP的工资单数据；CESifo论文则使用覆盖面更广的人口普查调查数据。两种数据都能提供信息，但可能覆盖经济中的不同部分。

两者衡量的对象也不同。ADP数据关注各领域职位总量的供给变化；失业率则同时反映岗位供给和求职者总需求。即使某些领域因人工智能而缩减职位供给，若求职人数也发生变化，失业率未必会立刻出现异常。因此，7.3%这一结果不能证明人工智能没有影响，只能说明在这项指标、这段时间和这类人群中，尚未观察到广泛的失业替代。

采用加快，但因果关系仍待观察

论文作者并未排除未来影响。他们指出，人口普查局一项调查中，报告“用人工智能替代大量员工任务”的企业数量近期显著增加；过去12个月，每名员工的人工智能支出和ChatGPT Enterprise的令牌使用量也出现广泛增长。这些迹象说明企业使用强度正在提高，却不能单独证明技术已经导致某个特定的失业率或招聘变化。

• 2026年夏季，22岁至25岁近期大学毕业生的失业率为7.3%，处于近年夏季的波动范围内。
• 纽约联储数据显示，2026年6月22岁至27岁大学毕业生失业率为5.7%。
• 近年毕业生的就业不足率达到42%，而全体大学毕业生为33.7%。
• 纽约联储观察到整体招聘放缓，但未发现放缓专门集中在更易受人工智能影响的初级岗位。

就业不足是理解这一故事的另一项关键指标。这里指大学毕业生从事不要求学士学位的工作。近年毕业生的这一比例已达42%，高于全体大学毕业生的33.7%。这项统计同样没有认定人工智能是原因，但它提醒人们，只看失业率可能遗漏一个现实：毕业生即使找到工作，也可能难以找到与学历相匹配、报酬更高的岗位。

招聘入口正在被自动化重塑

人工智能的影响也体现在获得面试之前。LinkedIn研究显示，2026年初有66%的招聘人员计划增加使用人工智能进行面试前筛选；81%的求职者表示已经使用或计划使用人工智能求职。这样一来，简历是否针对具体职位调整、是否使用与岗位相符的技能表述，以及经历能否被自动系统识别，都会影响候选人能否进入人工审核环节。

面向学生和早期职业人士的平台Handshake称，2026届毕业生在简历中提及人工智能技能的频率是2022届的两倍，其中74%的提及与实际项目相关，而不只是课程学习。美国大学与雇主协会则发现，春季职位描述中要求人工智能技能的比例为16.5%，高于上一年秋季的10.5%；该协会还称，28%的雇主正在寻找能够在工作中使用人工智能的早期职业人才。

不过，学生对这类技能的看法并不一致。美国大学与雇主协会2026年学生调查中，接近三分之一的应届毕业生认为人工智能技能对未来职业“几乎不重要”或“不重要”；超过一半表示没有为未来培养此类技能，也没有在求职中使用人工智能。这种认知差距不能自动等同于就业结果，但说明教育、求职准备和企业要求之间存在尚未弥合的落差。

对中国求职者的参考应有限度

对中国高校毕业生和用人单位而言，美国数据不能直接外推。劳动力市场结构、行业构成、学历供给、招聘平台和公共政策环境均不相同。但这组材料提供了一个有用的分析框架：不能因为招聘环节更自动化，或企业增加人工智能投入，就直接推断已经发生大规模岗位消失；也不能因为失业率没有异常，就忽视就业不足、初级岗位竞争和人机筛选带来的压力。

目前最稳妥的结论是，2026年美国应届大学毕业生的夏季失业数据尚未显示人工智能造成广泛替代。未来情况仍可能变化。研究者明确提醒，如果工作场所使用人工智能的强度继续增加，2027届及之后的毕业生可能受到更大影响，需要更多年份的数据才能判断影响是否会随着应用深化而显现。对求职者来说，可展示的实际项目、与职位相关的技能和对招聘流程的理解，正在成为比单纯列出工具名称更重要的证据。