过去几年，谷歌、IBM、苹果等大公司陆续宣布，大量岗位不再要求应聘者持有大学学位，美国不少州政府也取消了多数公职的学位门槛，转而强调“技能优先招聘”。
但从招聘数据看，故事呈现出截然相反的面貌。哈佛商学院（Harvard Business School）与劳动力市场研究机构燃烧玻璃研究所（Burning Glass Institute）追踪了大型企业的 11,300 个岗位，对比取消学位要求前后至少各一年的实际录用情况。
结果显示，这些岗位录用无学位者的比例平均只提高了 3.5%；约 45% 的企业仅修改招聘启事，录用行为没有实质变化；部分企业起初有所改变，后来又向“学历优先”妥协。据估算，2023 年美国真正因取消学位门槛而获得工作机会的只有约 9.7 万人。
在 AI 普及后，学历在劳动力市场上的分量正在减轻，雇主却并没有找到可靠的替代评价标准。报告合著者、哈佛商学院教授约瑟夫·富勒（Joseph Fuller）在媒体采访中表示，招聘是一种相对比较，如果四个候选人都能胜任，招聘经理没有理由不选有学位的那一个。
面对这一现状，我们应怎样看待学历，又该如何重新规划大学的地位？
近日，沙特阿拉伯利雅得阿法萨尔大学（Alfaisal University）经济学教授杰森·波茨（Jason Potts）在社会科学研究网络（SSRN）发布论文，题为《AI 之后的大学》（The University after AI）。他尝试从经济学角度解释这一困境的根源，并认为大学这门生意真正出售的东西，从来不是我们以为的知识。
大学只卖“文凭”？
大学存在了大约一千年，其间，印刷术、广播、计算机、互联网和大规模开放在线课程（MOOC）都曾大幅降低知识传播成本，大学的基本形态却几乎没变。
在杰森看来，这些技术都在降低“内容”成本，但内容从来不是大学的核心产品。大学真正出售的是匹配与验证：把学生、学者、雇主、资助方聚到一起，并向第三方提供担保，确认某人掌握了他所声称的知识。
按照经济学概念，教育是一种 “信任品”（credence good），购买后未必能立刻验证其质量：雇主招聘毕业生，他们的真正实力可能要过好几年才看得出来。围绕这份担保，大学演化成一个多边市场平台，本科生、国际学生、研究生、教职人员、企业雇主、政府、校友、捐赠者等 15 类相关方都参与其中。
在英美澳式的自治大学体系中，作为平台的大学靠交叉补贴运转：国际学生补贴本国学生，教学收入补贴科研，科研带来声誉，声誉再吸引学生。杰森也借此解释了大学行政系统过去 50 年不断膨胀的原因：这在很大程度上是协调多方所带来的必然成本。
杰森将 AI 定义为第一种可同时触及匹配和验证的信息技术，这就与大学出售的“商品”形成了竞争。在 AI 的冲击中，大学的价值正遭受着前所未有的动摇。
冲击同时发生在两端。在产品一端，学历信号正逐渐失效。杰森援引 2001 年诺贝尔经济学奖得主迈克尔·斯彭斯（Michael Spence）的信号理论，认为学历的信息量来自它的成本结构：拿学位需要付出代价，能力强的人付出的相对代价更小，因此文凭能把不同能力的人区分开。
但 AI 让论文、代码、数据分析等产出的生产成本“平等地”对所有学生下降，且降幅接近。由此引发的作弊争议只是表层问题，因为即使所有人都合规使用 AI，社会也越来越难靠文凭区分学历持有者的实际水平。
一个可验证的发现是，在观察到毕业生实际能力的变化前，学位对应的工资回报已经应声下降。经济学家何塞·阿萨尔（José Azar）分析显示，美国大学毕业生的工资溢价从 2022 年的约 87% 降至 2026 年的约 78%，与 90 年代中期的水平相当。经通胀调整后，大学毕业生实际时薪出现了有记录以来的最大幅下降（约 2%），无学位劳动者的时薪则上涨约 3.3%。
而在收入端，AI 让大学流失了重要的资金来源。AI 对科研的直接威胁未必是取代人，更可能的路径是，它会抽走原本为研究买单的本科教学收入。杰森认为，本科教学材料、文献检索、辅导、专家匹配等是最容易让 AI 代劳的环节，这也让从学费流向科研，到科研产生声誉的链条在底层出现裂痕。
这种推演有其合理性。移民政策调整后，英澳高校刚刚经历了一次类似的冲击。澳大利亚几十年来靠国际学生学费填补科研资金缺口。签证收紧后，39 所大学中的 26 所出现赤字，债务大增，迫使校方不得不裁员和削减课程。
基于这套模型，杰森描绘了另外两条路径：普通大学的核心资产会从“运行行政协调系统”转向“做一个可信的验证者”。 可信担保需要一个独立、为失误承担声誉代价、且存续得足够久的实体。AI 可以安排考试、改试卷、管理档案，却不能独自向第三方担保“这个人确实具备我们声称的能力”。廉价产出越多，可信验证反而越稀缺。
同时，大学得到回报的基础正从知识存量转向适应新技术的能力。近期，清华大学研究团队联合芝加哥大学（University of Chicago）在《自然》（Nature）发表研究，发现使用 AI 的科学家个人产出和影响力扩大，整个学科的研究话题范围却在收窄。杰森据此认为，提出新问题、进入冷门领域、做长周期且结果不确定的研究，正在变得稀缺。大学或许可以从中寻找新的发展机会。
无法被 AI 动摇的事
杰森并没有根据这些分析得出“大学将被取代”的结论。在他看来，大学具备三项 AI 很难触及的价值：共同生产（AI 能降低产出成本，却无法替学生投入学习）；同伴群体（一个经过筛选的高质量群体）；物理存在与法律身份（实验室、临床实习、职业执照、签证担保都需要持久的实体机构）。
而且，除了出售“可信凭证”，顶尖大学已经在出售品牌和同伴网络，因此不受前述四条冲击路径的影响。压力最大的是占大多数的普通大学：它们的核心资产恰好源于正在被自动化的行政系统。
对于正在承压的普通大学，杰森给出了 10 项可行的建议，其中一部分已经开始接受实践的检验。
第一是恢复高成本信号。杰森认为，与其把精力放在检测 AI 写作的军备竞赛上，不如把考核转移至产出成本仍与能力挂钩的形式，比如实时口头答辩（viva voce，拉丁语的“以活的声音”）这一源自中世纪大学的古老传统。
口头考核正在各国高校回归。奥克兰大学（University of Auckland）商学院两年前开始推行“互动式口头评估”，以此替代部分书面作业，并发现分数分布变得更均匀了。为进一步压缩组织口试的成本，纽约大学斯特恩商学院（NYU Stern）教授帕诺斯·伊佩罗蒂斯（Panos Ipeirotis）直接用语音 AI 主持，开展 36 场考试的总成本仅需约 15 美元。虽然压力有所增加，但约 70% 的学生认为这种形式更能检验真实理解。
第二则是在制度上分离教学与认证。这是最激进的一项，即大学应当把考核和认证当作主营业务，教学可以选择亲自做或是“外包”。杰森认为，认证要可信，就必须独立于被认证方，而终身教职制的真正用处是让考官能不计后果地给一个人打出不及格分。但他坦诚，大学内部几乎没有人愿意这样做。
第三是填补职业初级成长环节的缺失。过去，毕业生通过整理材料、做基础分析、写初稿、给资深同事打下手等初级工作在企业中成长。而现在，AI 正在取代这些任务，年轻人初入职场，脚下却没了起步的阶梯。
杰森认为，AI 普及后，资深岗位的被替代程度有限，真正危险的是通往资深岗位的台阶先消失。据此，大学可能需要接手企业不再承担的早期职业训练。
除了这三点，杰森还提出一些大学可以考虑转型的方向，如建立可迅速提供和撤销短期资格的快速认证机构；改变招生取向，把同伴群体当作产品来经营；为学者提供分级身份和设施使用权，而非捆绑式的全职合同；主动退出纯信息性的业务，只保留依赖法律身份、物理设施或长期信任的环节；将大学对毕业生成果的隐性利益关系转化为显性经济安排；将科研重心转向私人激励不足的探索性领域；以及把学术自治、同行评审和终身教职等制度视为生产可信担保的核心技术等。
杰森在论文结尾写道，大学延续了一千年，主要不是因为不断重建旧学院，而是因为不断创建新学院。
对于欧美大学，相关方的利益关系错综复杂，牵一发而动全身，在现有体制上进行改革举步维艰。因此，更可行的路径应当是设立独立治理的单元，从一开始就围绕验证和探索来设计。
中国高校怎么做
杰森的分析基于欧美大学体系，但在中国，公办高校的平台结构与前者存在很大差异：政府既是最大的出资方，也是直接的管理者，国际学生学费不是重要收入来源，捐赠者和校友的角色同样弱于英美。
因此，杰森预测“去中介化会从学费端切断大学发展链条”，中国大学在这一点上反而有缓冲。但按照信号崩塌路径，中国高等教育毛入学率已超过 60%，2026 届毕业生预计 1,270 万人。学历普及叠加 AI 作用，学位区分度被进一步稀释，中国的普通高校毕业生也将承受更直接的压力。
在应对方面，杰森的“快速认证”建议与教育部 2025 年启动的“双千”计划有相似之处。“双千”计划推动全国高校开设 1,000 个微专业和 1,000 个职业能力培训课程，以此缩短人才培养周期，直接对接产业需求。
考虑到财政拨款能提供资金缓冲，中国高校目前面对的还不是存亡问题。学位在就业市场上仍有筛选功能，大学作为培养人才的主要场所，短期内没有替代者。
因此，相比于兴建 AI 学院和相关学科，中国大学要回答的更紧迫课题是，当 AI 已经大幅改变知识的获取方式和初级工作的形态，大学的培养目标能否跟上这种变化：学生需要掌握的究竟是一套会被 AI 迅速追平的固定知识，还是判断、验证和在陌生领域快速学习的能力？
参考内容：
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7453440
https://www.burningglassinstitute.org/s/Skills-Based-Hiring-02122024-vF-srmp.pdf
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7364838
https://www.auckland.ac.nz/en/news/2025/10/02/the-case-for-oral-exams-in-the-age-of-ai.html
https://arxiv.org/abs/2602.20946
https://arxiv.org/abs/2412.07727
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
热门跟贴