AI时代求职变革：2025年毕业生如何把握新机遇

2025届的毕业生们，正置身于一个求职规则彻底重塑的市场环境之中。

2025年11月，美国失业率上升至4.6%，创下近四年来的新高；中国城镇失业率为5.1%，青年失业率（16-24岁，不含在校生）持续处于高位。同时，应届毕业生规模达到历史峰值：2025届1222万人，2026届预计将增至1270万人。

但与以往不同的是，此次并非岗位总量在缩减，而是机会的流向发生了根本性转变。

就在昨日（12月17日），吴恩达一个月前在斯坦福大学的内部讲座视频才得以公开。在11月18日的AI课堂上，他通过两组关键数据阐释了这一变化：

• AI所能处理的任务复杂度，每7个月便翻一番
• AI编程能力的倍增周期，仅需70天

技术正以指数级速度加速演进，但就业机会并未同步增长。

为何会出现这种状况？机会流向了何处？在这个关键转折点上，具备何种特质的人能抓住新机遇？

本文将从这堂课出发，深入探讨四个核心问题：

• 何种能力更为关键？
• 为何环境因素比预想的更重要？
• 学习方式应如何调整？
• 如何有效展示自身价值？

第一节 | 并非岗位减少，而是方向迁移

2025年，AI使编程变得前所未有的高效。但这并未使工程师更受欢迎，反而让许多工作更易被替代。

吴恩达在课堂上强调：

模型能帮你生成正确的代码，但它无法告诉你这段代码应解决什么问题。

这句话揭示了核心：当前大多数岗位的分工逻辑已发生变化。

关键不在于谁更精通技术，而在于谁能率先清晰定义问题。

以往，一个产品从构思到落地，需要5至8名工程师协同开发。如今，在AI工具辅助下，单人即可快速完成。工程工作被压缩的同时，产品设计、需求分析、目标研判等前置任务成为最关键环节。

为何这些“前置任务”愈发重要？

因为产品开发本质是一个循环：编写代码 → 呈现给用户 → 收集反馈 → 调整方向 → 再次编码。AI将第一步提速了10倍，但后续步骤并未同步加速。

这导致整个循环的瓶颈从编码转向理解用户的真实需求。

现实中，多数团队的决策能力未能跟上此节奏。编码速度提升后，若方向错误，速度反而转化为风险。结果是：

• 能执行任务的人日益增多
• 但能判断何事值得做的人却在减少

因此，团队中真正受重用的，并非编码最快者，而是能定义方向、迅速尝试、灵活应对之人。

在吴恩达看来，当今硅谷行动最快的工程师有一个共同点：他们既擅长编码，也善于与用户沟通。这种“技术能力与同理心”的结合，使他们能单人完成以往需工程师和产品经理协作的任务。

工程师与产品经理的比例正在逆转。

过去是4至8:1，现在越来越多公司趋向2:1，甚至接近1:1。部分初创公司已开始配置“1名产品经理配1名工程师”，这在传统硅谷公司几乎不可想象。

课堂上，另一位嘉宾Lawrence Moroni（前Google首席AI倡导者，现于ARM负责AI业务）也指出：过去几年，硅谷公司允许员工将个人价值观与追求带入工作。但2023年后，公司不再关注情怀，只重价值：你的产出能否为其盈利。

技术强大但方向错误？无人问津。

情怀满分但产出为零？同样淘汰。

这就是判断力比技术更重要的原因：你必须能评估何事值得投入，何事应当舍弃。缺乏这种判断力，再强的技术能力也会被边缘化。

第二节 | 优质环境胜过强大能力

第一节提到，判断力比技术更重要。但这还不够：即便你具备判断力，若环境不匹配，也难以施展。

吴恩达在课上分享了一个真实案例：一名斯坦福学生能力出众，获得一家热门AI公司的录用通知。公司承诺：先签约，轮岗后会分配合适项目。签约后，他却被迫负责Java后端支付系统。

这并非AI项目，也非其意向领域。一年后，他失望离职。

“他的能力无碍，是环境错了。”

但环境也在筛选人。Lawrence Moroni举例如下：一位优秀程序员，能力突出、经验丰富。被解雇后申请了300多份工作，深入面试多家大厂，但总在终轮被拒。原因非技术不足，而是面试中态度过于强硬，让面试官认为他缺乏团队合作精神。调整态度后，他迅速获得录用，薪资翻倍。

这两个故事表明：

其一：你或许有能力，但可能被置于错误位置

其二：你能力再强，团队协作性同样关键

能力是基础，但环境与配合度决定你能走多远。

许多人忽略了一个变化：AI让个人能承担更多任务，但也放大了团队环境的差异。过去，你只需负责一小块、按流程执行即可。如今则不同：

• 你需要快速获取用户反馈（团队需支持你直接接触用户）
• 你需要快速试错迭代（团队需容忍失败）
• 你需要跨职能协作（团队需打破职能壁垒）

若团队无法满足这些，个人再努力也只是内耗。

吴恩达特别强调了好团队的几个特征：

• 乐于共享信息，而非隐瞒保留
• 勇于试错，而非反复开会
• 支持个体实验，而非层级决策

他指出：在此类环境中，你的经验才能积累，你的想法才有机会实践。否则，即便满怀热情，也难以持久。

环境不仅指团队，还包括日常社交圈。

若你最亲密的5位朋友皆勤奋工作、快速学习、致力用AI改善世界，你更可能效仿。

因此，相较于职位头衔，认清所处圈子、节奏与氛围，才是成长的关键。

第三节 | 迅速试错，加速成长

以往求职，竞争焦点在于学历、项目经验、技能清单。如今这些仍重要，但更关键的是：你曾做出什么成果？

吴恩达在课上建议：

欲创新，先做20个原型，检验哪个有效。

这是2025年的真实节奏。AI加速了任务完成效率，但也暴露了许多人的短板：做得快不等于做得对；学得多不等于学得透。

传统学习节奏为：先听课、再练习、最后实习。

AI时代，有效成长模式变为：动手尝试 → 接受反馈 → 调整方向 → 再次尝试。

这成为一种新的学习习惯，乃至工作习惯。Lawrence Moroni分享其实践：开发AI驱动的电影制作工具时，他未花费数月撰写完整技术文档，而是：开始构建、测试、放弃、重新开始。每次尝试都优化了需求理解。

为何如此？因为失败成本降低了。

吴恩达表示：

“浪费一个周末但获得学习，这并无大碍。”

过去，完成一个项目需数月。现在，一个周末就能打造可运行的原型。

Lawrence计算了成本账：

• 花费三个月做一个项目，最终发现方向错误，浪费三个月
• 花费三天做10个原型，舍弃9个，保留1个深入优化，仅用三天便找到方向

因此，快速试错非急躁之举，而是风险控制方法。

但许多人的学习方式仍停滞于过去。苦练编码却从未推出可上线应用，沉迷视频教程却不与他人协作，项目耗时半年却市场反应冷淡。

如今，AI效率越高，你的迭代速度也需越快。关键非一次成功，而是一次尝试即知错误所在，并迅速调整。

要跟上节奏：

• 勿待完美才发布
• 勿待有把握才动手
• 勿待他人先行你再跟

先产出成果，再论其他。

第四节 | 核心竞争力：你的实际成果

前三节探讨了：能力要求变化、团队环境重要性、学习方式调整。但最终问题：如何证明自己？

当前招聘，越来越像挑选队友，而非筛选简历。

Lawrence Moroni自身便是例证。2015年，他欲加入Google Cloud团队。前两次面试均失败，尽管他已在Microsoft工作多年，撰写20余本书籍。

第三次，他改变策略：面试前，使用Google Cloud构建一个Java应用，能通过技术分析预测股价。将此项目纳入简历。结果，整个面试中，面试官皆围绕此代码提问。他掌握了面试主动权。

他提前展示了自身能力，而非仅陈述经历。这使他从300名候选人中脱颖而出。

十年过去，此策略在2025年更为重要。

吴恩达提出一个评判标准：现今评估一个人是否值得合作，最简方式便是看其曾做出什么，哪怕是小成果。

无需复杂，也无需完美。但须真实、可用、亲手创造。

一位前职业冰球运动员的故事更具说服力。他13岁辍学，自称“世上最笨之人”。他管理一家非营利冰场，每季度需向董事会汇报运营结果，此前每年花费15万美元聘请咨询公司整合数据（来源包括泵房设备、压缩机、电子表格、账户等）。

他尝试用ChatGPT自主处理。

结果：现仅需两小时即可完成报告。节省的15万美元用于为贫困儿童提供冰球装备。

一位13岁辍学者，借AI完成了价值15万美元的专业咨询工作。这比任何学历都更具说服力。

你不必创业，但需有作品集。

此类展示效果日益显著。许多公司已不看重过往经历，而关注你正在创造什么。以往求职，是投递简历等待回复。如今是打造产品，主动展示能力。

区别在于：简历是他人对你的评价，作品是你对自我的证明。

结语｜机会未减，只是路径转换

2025年并非工作减少，而是路径变迁。

过去路径：从学历到经验，从经验到简历，从简历到面试，最终入职。

现在路径：从能力到作品，从作品到展示，从展示到合作，在合作中成长。

能力要求已变。

团队环境比公司品牌更重要。

学习方式需快速迭代。

作品集比简历更有力。

这四点，决定了你能否把握新机遇。

📮 参考资料：

https://www.youtube.com/watch?v=AuZoDsNmG_s&t=1523s

https://blog.csdn.net/m0_59236602/article/details/147142478

https://www.pwc.com/gx/en/issues/artificial-intelligence/ai-jobs-barometer.html

https://www.ncsti.gov.cn/kjdt/ztbd/2025qqszjjdh/202507/t20250704_209386.html

https://finance.sina.com.cn/jjxw/2025-12-10/doc-inhafvxv0448097.shtml