2025毕业生求职新法则：AI时代，能力、环境、学习与作品是关键

2025届毕业生所面临的求职市场，规则已悄然改变。

数据显示，2025年11月美国失业率攀升至4.6%，达到近四年峰值；中国城镇调查失业率为5.1%，16-24岁青年失业率（不含在校生）仍处高位。与此同时，应届毕业生人数再创新高：2025届达1222万人，2026届预计增至1270万人。

但与以往不同，此次并非工作岗位总数缩减，而是机会的分布发生了根本性转变。

就在昨天（12月17日），吴恩达一个月前在斯坦福大学的内部讲座视频刚刚对外公开。在11月18日的AI课堂上，他通过两组数据揭示了这一变化的本质：

• AI能够处理的任务复杂程度，每7个月提升一倍
• AI编程能力实现翻倍的时间，仅需70天

技术呈指数级加速发展，但就业机会并未同步增加。

为何会出现这种情况？机会究竟流向何方？在这个关键转折点上，哪些人能够抓住新机遇？

本文将基于这堂课的内容，探讨以下四个问题：

• 哪些能力变得更为关键？
• 为何环境因素远超个人想象？
• 学习模式应如何革新？
• 怎样让自己脱颖而出？

第一节 | 岗位未减，方向已变

2025年，AI使得编程效率空前提升。但这并不代表工程师更受青睐，相反，许多人的工作反而更容易被AI取代。

吴恩达在课堂上说了一句话：

模型虽能协助你编写出正确的代码，却无法告诉你这段代码究竟要解决什么问题。

这句话一针见血：当下多数岗位的分工逻辑已然改变。

关键不在于谁更精通技术，而在于谁能率先把问题定义清晰。

过去，将一个产品从构思到落地，往往需要5至8名工程师协同开发。如今，借助AI工具，单枪匹马也能快速完成。在工程环节被大幅压缩的同时，产品设计、需求拆解、目标判断等前置工作，反而成为最核心的环节。

为何这些"前置任务"愈发重要？

因为产品开发本质上是一个循环：编写代码 → 交付用户 → 收集反馈 → 调整方向 → 再次编写。AI使第一步提速了10倍，但其他环节并未同步加快。

这使得整个循环的瓶颈从编码环节，转移到了洞察用户真实需求之上。

现实中，多数团队的决策能力并未跟上这一节奏。代码编写速度加快，一旦方向错误，速度反而成为风险。最终结果是：

• 能够完成任务的人越来越多
• 但能够判断何事值得做的人反而越来越少

因此，团队中真正受到重用的，并非编码最快的人，而是那些能定义方向、快速试错、灵活应变的人。

在吴恩达看来，当今硅谷行动最迅速的工程师有一个共性：他们既懂编码，又能与用户深入交流。这种"技术+同理心"的复合能力，使他们能够以一己之力完成过去需要工程师与产品经理两个角色才能实现的任务。

工程师与产品经理的比例正悄然反转。

以往比例为4至8比1，如今越来越多企业趋向2比1，甚至接近1比1。部分创业公司已开始实行"1个产品经理配1个工程师"的模式，这在传统硅谷企业看来几乎难以置信。

课堂上另一位嘉宾 Lawrence Moroni（前Google首席AI倡导者，现任ARM AI业务负责人）也分享了一个观点：前几年，硅谷企业允许员工将各种价值观和个人追求带入工作。但2023年以后，企业不再关注情怀，只注重价值：你的产出能否为他们创造利润。

技术再强方向不对？无人买单。

情怀再足产出为零？照样出局。

这便是判断力优于技术的原因：你必须能辨别什么值得投入，什么应当放弃。缺乏这种判断力，再卓越的技术能力也将被边缘化。

第二节 | 优质环境胜过个人能力

第一节我们谈到，判断力优于技术。但仅有这一点还不够：即便你具备判断力，若环境不适合，同样难以施展。

吴恩达在课堂上分享了一个真实案例：一位斯坦福学生能力出众，获得了一家热门AI公司的录用通知。公司承诺先签约，轮岗后会为他匹配优质项目。然而签约后，他被安排去做Java后端支付系统。这并非AI项目，也非他的兴趣所在。一年后，他失落地选择了离职。

“问题不在于他的能力，而在于环境错了。”

但环境同样在选择人。Lawrence Moroni举了一个例子：一位能力出众、经验丰富的程序员，被解雇后申请了300多个职位，参加了众多大厂的深入面试，却屡屡在终轮被拒。原因并非技术问题，而是他在面试中表现得过于强势，让面试官认为他不适合团队协作。调整态度后，他迅速拿到录用通知，薪资翻倍。

这两个故事表明：

• 第一个：你或许有能力，但被错放了位置
• 第二个：你的能力可能很强，但团队合作精神同样不可或缺

能力是基石，但环境与协作程度决定你能走多远。

许多人忽视了一个变化：AI使个人能力得到延伸，同时也放大了团队环境的差异。过去，只需负责一小部分、按流程执行即可。如今则截然不同：

• 你需要迅速获取用户反馈（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）

如果团队无法做到这些，你个人再努力也只是在内耗。

吴恩达特别强调了优秀团队的几个特点：

• 乐于共享信息，不隐藏保留
• 勇于试错，而非反复开会讨论
• 支持个体尝试，而非依赖层级决策

他指出：在这种环境中，你的经验才能不断累积，你的想法才有机会付诸实践。否则，即便你满腔热情，也难以持久。

而这个环境，不仅指你的团队，也包括你日常交往的圈子。

如果你最亲密的5个朋友都是勤奋工作、快速学习、致力用AI让世界更美好的人，你也更可能如此行事。

因此，相比职位头衔，认清你所处的圈子、节奏与氛围，才是决定你能否成长的关键所在。

第三节 | 快速试错，加速成长

过去求职，比拼的是学历、项目经验、技能清单。如今，这些依然重要，但更关键的是：你实际做出了什么？

吴恩达在课上给出建议：

若想创新，就做20个原型，看看哪个能行得通。

这便是2025年的真实节奏。AI提升了任务完成的速度，但也暴露出许多人的短板：做得快不等于做得对；学得多不等于学得透。

传统学习路径是：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 → 遭遇挫折 → 调整方向 → 再次尝试。

这是一种全新的学习习惯，甚至工作习惯。Lawrence Moroni分享了他的实践：在开发AI驱动的电影制作工具时，他没有花数月撰写完整技术文档，而是：开始构建、测试、舍弃、重新开始。每次迭代，我对需求的理解都在深化。

为何要如此？因为失败成本已大幅降低。

吴恩达说：

“浪费一个周末却学到了东西，这完全值得。”

以往，完成一个项目需要数月时间。如今，一个周末就能做出可运行的原型。

Lawrence算了一笔时间账：

• 花费三个月做一个项目，最终发现方向错误，浪费三个月
• 用三天做10个原型，丢弃9个，保留1个继续打磨，仅用三天便找到正确方向

因此，快速试错并非急躁，而是一种风险控制手段。

但许多人的学习方式仍停留在过去。苦练代码却从未做出可上线应用，埋头观看视频教程却从不与人协作，项目一做就是大半年，最终推向市场却无人问津。

如今，AI运行越快，你的迭代速度也必须越快。关键并非一次做对，而是一次就能发现错误所在，并迅速调整。

要跟上这一节奏：

• 不要等到完美才发布
• 不要等到万全才动手
• 不要等到别人先做才行动

先做出来，再谈其他。

第四节 | 真正的竞争力，在于你的实际产出

前三节我们谈到：能力标准已变、团队环境至关重要、学习方式需要革新。但最后一个问题是：你如何证明自己？

当下的招聘，越来越像是挑选合作伙伴，而非筛选简历。

Lawrence Moroni本人就是一个例证。2015年，他希望加入Google Cloud团队。前两次面试均告失败，尽管他已在微软工作多年，并著有20多本书。

第三次，他改变了策略：面试前，他用Google Cloud开发了一个能通过技术分析预测股价的Java应用。随后将这个项目附在简历上。结果，整个面试过程中，面试官始终围绕这段代码提问。面试的主动权掌握在了他手中。

他预先证明了自己能做什么，而非仅陈述过往经历。这使他在300名候选人中脱颖而出。

十年过去，这一策略在2025年愈发重要。

吴恩达给出了一个判断标准：如今判断一个人是否值得合作，最简单的方式就是看他做出过什么，哪怕是一个小作品。

未必复杂，也未必完美。但必须是真实的、可用的、亲手打造的。

一位前职业冰球运动员的经历更具说服力。他13岁辍学，自称"世上最笨的人"。他管理着一家非营利冰场，每季度需向董事会汇报运营成果，为此每年花费15万美元聘请咨询公司整合数据（来自泵房设备、压缩机、电子表格、账户……）。

他尝试用ChatGPT自行完成。

结果：如今他只需两小时便能完成报告。省下的15万美元用于为贫困儿童提供冰球装备。

一个13岁辍学之人，借助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。

你未必需要创业，但你必须拥有作品。

此类展示的效果日益显著。许多公司已不再关注你过去做过什么，而是关注你正在做什么。过去求职，是投递简历等待回复。如今则是做出产品，主动展示能力。

区别在于：简历是他人对你的评价，作品是你对自己的证明。

结语｜机会未减，方向已转

2025年并非工作岗位减少，而是路径发生改变。

旧有路径：学历→经验→简历→面试→入职。

当下路径：能力→作品→展示→合作→在合作中成长。

能力标准已变。

团队胜过品牌。

学习方式需快速迭代。

作品比简历更具说服力。

这四点，决定了你是否能抓住新机遇。

📮 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