如果四个候选人都能胜任同一份工作，招聘经理为什么还要选那个没学位的人？
哈佛商学院教授约瑟夫·富勒给出的这个反问，戳破了过去几年"技能优先招聘"的漂亮话。谷歌、IBM、苹果陆续宣布大量岗位不再要求大学学位，美国不少州政府也取消了多数公职的学位门槛。但哈佛商学院与燃烧玻璃研究所追踪了大型企业的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，结果并不好看。
这些岗位录用无学位者的比例平均只提高了 3.5%；约 45% 的企业只是改了招聘启事，录用行为没有实质变化；还有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。
文凭的信息量，来自它的成本
沙特阿拉伯利雅得阿法萨尔大学经济学教授杰森·波茨近日在社会科学研究网络（SSRN）发布论文《AI 之后的大学》，试图从经济学角度解释这个困境的根源。他的判断是：大学这门生意真正出售的东西，从来不是我们以为的知识。
大学存在了大约一千年。印刷术、广播、计算机、互联网、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。杰森认为，这些技术降低的都是"内容"成本，而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。
按经济学概念，教育是一种"信任品"——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，平台靠交叉补贴运转：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带来的必然成本。
杰森把 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"形成了正面竞争。
工资溢价先跌了，能力变化还没被看见
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·斯彭斯的信号理论：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·阿萨尔的分析显示，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。杰森认为，AI 对科研的直接威胁未必是取代人，更可能的路径是抽走原本为研究买单的本科教学收入。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、再到科研产生声誉的链条在底层出现裂痕。
这种推演有现实参照。移民政策调整后，英澳高校刚刚经历了一次类似冲击。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，迫使校方裁员和削减课程。
口头答辩回归，认证与教学分离
杰森并没有据此得出"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 项可行建议，其中一部分已经开始接受实践检验。
- 恢复高成本信号。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。
- 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"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。但他也坦诚，大学内部几乎没有人愿意这样做。
- 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。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，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，大学可能需要接手企业不再承担的早期职业训练。
口头考核正在各国高校回归。奥克兰大学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教授帕诺斯·伊佩罗蒂斯直接用语音 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。
杰森还提出一些大学可以考虑转型的方向：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。
他在论文结尾写道，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，在现有体制上改革举步维艰，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。
中国高校的缓冲与压力
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，杰森预测的"去中介化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。该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？
热门跟贴