2023年初，生成式人工智能以ChatGPT为号角，如浪潮般涌向全球职场。不知不觉间，“AI是否会取代人类工作”已成为我们身边绕不开的话题——有人感到不安，有人保持观望，更多人则在思考：这场变革究竟将如何改写我们的未来？

近期，哈佛大学一项基于28.5万家美国公司、跨越十年的就业数据研究，为我们揭示了一个更清晰的图景：生成式AI带来的并非一场无差别的失业海啸，而是一次“资历偏向型技术变革”。简单来说，AI并非均匀冲击所有岗位，而是首先瞄准了职业阶梯的底层——那些由应届毕业生和初级员工承担的、高度重复的“智力型基础工作”，例如代码调试、文档整理、数据录入等。相反，依赖复杂决策、战略洞察与人际协同的资深角色，不仅未被削弱，反而可能借助AI工具释放出更大价值。

视线转回国内，“学历是否正在贬值”的讨论同样热烈。而作为国家战略前沿的生物产业，恰好站在AI技术重塑产业形态的交汇点上。本文将结合跨国的宏观趋势与本土的行业动态，尝试回应以下几个关键问题：高学历的光环是否正在褪色？我们当前的工作会被AI替代吗？更重要的是，生物产业与每一位从业者，该如何在这场不可逆的变革中重塑竞争力、找到通向未来的路？

图片来源：peoplesdispatch.org

28.5万家公司揭示的就业真相

根据哈佛研究团队对Revelio Labs数据库的分析（覆盖2015-2025年），一个清晰的模式浮出水面：

自2023年第一季度起（恰逢GPT-3.5等工具大规模普及）采用AI企业的初级员工（Entry/Junior级）数量出现明显拐点，六季度内相对非采用企业下降约7.7%-10%。

这种收缩并非通过激进的裁员实现，而是源于一种前瞻性的“招聘冻结”。数据显示，自2023年起，这些公司显著缩减了初级岗位的新增招聘（平均每季度减少约5个职位），而离职率反而微降。这揭示出企业的策略逻辑：他们预见到AI将自动化大量入门级任务，因此选择提前收紧入口，以规避未来更大的重组成本。

冲击也并非均匀分布。它高度集中在高AI暴露度的职业领域，如软件工程、文案撰写、基础数据分析和客户服务。相比之下，零售销售、机械操作、护理服务等低暴露度岗位则波澜不惊。这初步描绘了AI替代的轮廓：它首先瞄准的是那些标准化、可重复的认知劳动。

学历的“U型曲线”

研究中最富启示的发现之一，关乎教育背景。当研究者依据毕业院校声望将员工分为五档后，冲击呈现出明显的“U型曲线”：受影响最深的，并非顶尖名校（Tier 1&2）或最末层级（Tier 5）的毕业生，而是中间层次（Tier 3&4）院校的毕业生。

图片来源：https://www.rivista.ai/wp-content/uploads/2025/10/ssrn-5425555.pdf

究其原因，顶尖院校毕业生往往起薪（2022年约8.6万美元）远高于其他层级，且其从事的岗位虽然也暴露于AI，但通常更要求复杂的系统思维、战略判断或人际网络构建，而这些，正是AI目前的短板。

而最末层级的毕业生，则更多地从事于AI暴露度本身就较低的体力或特定服务岗位，意外构成了“避风港”。

最最“倒霉”的中间层次毕业生，恰恰卡在了一个尴尬地带——他们的学历曾是其进入白领世界的敲门砖，但由于大多从事的是标准化认知任务，最容易被AI掌握和优化。

由此，我们可以发现，学历的价值并未消失，而是在剧烈重构。一张名校文凭的“信号”作用，正从证明“拥有标准化知识”，转向预示“具备解决模糊问题、持续学习和跨领域整合的潜能”。真正的护城河，不再是学历标签本身，而是其背后所代表的、难以被自动化替代的高阶能力谱系。

985/211学历真的无用了吗？

在AI浪潮的冲击下，曾经被视为“金字招牌”的985/211学历，真的失去光环了吗？要回答这个问题，我们需要先看清国内就业市场正在发生的结构性变化。

从宏观数据来看，名校学历的经济回报依然显著。根据教育部与智联招聘联合发布的《2024中国高校毕业生就业趋势报告》，985/211院校毕业生的平均起薪仍比普通院校高出35%至50%，进入头部企业的比例高达42%，是后者的2.3倍。这些数字似乎印证了学历的“硬通货”地位。

然而，另一种趋势正在悄然浮现。同一报告显示，2023-2024学年，无论是985/211还是普通院校的毕业生，从事“高重复性认知工作”的比例都在显著下降。这意味着，AI正在替代那些程式化的入门级白领工作，且不分学历背景。学历不再是一张免于自动化的“安全通行证”。

图片来源：iabac.org

这其实揭示了学历价值正在经历一场深刻重构。过去，名校文凭主要扮演“信号”角色，向雇主证明持有者的学习能力与基本素质。在多数岗位知识门槛不高的时代，这已足够敲开职场大门。但今天，当AI能够高效处理标准化任务时，企业对人才的期待已悄然转变。领英《2024未来技能报告》指出，雇主最看重的应届生能力前五位分别是：复杂问题解决、批判性思维、AI工具协同、跨领域学习和团队领导潜力——这些恰恰是当前AI难以完全替代的人类特质。

值得注意的是，顶尖院校所提供的丰富科研资源、跨学科课程、国际交流平台与行业合作机会，往往更有利于这些高阶能力的培养。因此，985/211学历的价值并未消失，而是从一种“准入资格”逐渐转化为对“高阶潜能培养环境”的背书。真正的挑战，或许不在于学历本身是否贬值，而在于传统教育模式与快速变迁的市场需求之间，出现了亟待弥合的结构性错配。

哪些岗位岌岌可危，哪些岗位迎来新生？

当我们把目光投向具体的职业领域，AI的影响则呈现出清晰的“暴露度光谱”。综合多项研究可见，技术类岗位如软件工程师、数据分析师，以及专业支持类岗位如法律助理、会计审计员等，自动化潜力较高（大于70%）。而像管理咨询、教学、金融分析等需要较多人际互动与情境判断的职业，则处于中等暴露区间。相比之下，医疗护理、高级管理、创意艺术及熟练技工等依赖复杂实操、情感交流或高度创造力的工作，受AI直接影响的可能性较低。

生物产业恰恰处于这场变革的交叉点上，其岗位暴露度呈现独特的“两极分化”。一方面，实验数据记录、基础文献综述、标准化实验操作等重复性工作面临较高替代风险；另一方面，实验设计、临床决策、生物伦理评估等需要深度专业知识与复杂判断的岗位，则相对安全，甚至可能因AI的辅助而增强。这揭示出一个重要趋势：AI不会简单地取代生物产业，而是推动其工作内容的重组——将人力从繁琐操作中释放，转而投向更需要创造性、策略性与人文关怀的环节。

图片来源：千库网

这一转型已在全球领先的生物企业中清晰上演。罗氏（Roche）与AI生物技术公司Recursion合作，将靶点验证周期从18-24个月大幅缩短至3-5个月，并同步调整团队结构，减少初级实验岗位，增加“计算生物学家”等复合型角色。莫德纳（Moderna）更直言自己是一家“恰好在做mRNA的信息技术公司”，其计算生物学团队规模在一年内扩张了140%。同样，国内的药明康德也是积极推动研发人员向计算背景转型，计划三年内将相关比例提升至40%；而新兴的晶泰科技，其实验与计算科学家的比例已从3:1演进至近1:1。

正如晶泰科技联合创始人兼董事长温书豪在2024年中国生物产业大会上表示的：AI不是要取代生物学家，而是让生物学家变成‘超级生物学家——一个人借助AI可以完成过去一个小组的工作，但思考的深度和广度要求更高了。

生物产业的未来就业图景

展望未来5至10年，生物产业的就业图景将在AI的深度渗透下经历一场静默而深刻的重塑。当前趋势已清晰预示了岗位结构的演变方向：一部分高度重复、程式化的角色将逐步缩减，例如常规的湿实验操作、基础数据记录整理、标准化文献工作及临床试验数据协调等岗位，这些任务正日益被自动化工作站与智能软件所承接。

与此同时，一批适应人机协作的新岗位需求正稳步增长。这包括能够运用AI工具解析复杂多组学数据的计算生物学家、连接实验室与临床需求的转化医学专家、精通生成式AI辅助药物设计的跨领域人才、专注应对AI伦理与监管挑战的专家，以及维护智能化实验系统的工程师。

更值得关注的是，全新的职能角色正在萌芽，例如专门策展高质量生物数据的“数据养成人”、负责验证AI生成假设真实性的实验科学家，以及利用AI挖掘数字生物标志物的创新岗位。这些变化共同勾勒出一个趋势：未来的生物产业，将不再是简单的人力增减，而是人才结构的系统性升级。

面对这样的未来，生物人才的核心能力模型也需相应重构。未来的竞争力将如同三个同心圆般层层构建：最内核的，仍是扎实的生物学领域知识，但必须与AI及数据科学基础能力紧密结合，例如掌握Python或R语言及机器学习基本原理，这已成为新时代的“基础识字能力”。在此基础上，脱颖而出的关键在于中层的“复合能力”——即融合生物学、计算科学乃至临床医学的跨学科思维，以及将AI作为延伸自身智力的高效协作能力。而最外圈，则决定一个人能否走向引领地位：那是在海量信息中精准定义关键科学问题的洞察力，以及在AI赋能的研究中坚守科研诚信与伦理的判断力。这套能力体系，标志着生物人才评价标准正从“知识记忆”向“问题解决”与“价值判断”迁移。

小结

回望哈佛研究揭示的28.5万家公司数据，我们看到的是生成式AI作为一种“偏向资历的技术变革”正在全球职场悄然发生。这提醒我们，技术革命从不平等地影响所有群体——这一次，它首先冲击的是职业阶梯的底层。

然而，数据同样显示，冲击是选择性的而非毁灭性的。在生物产业这个缩影中，我们看到了更丰富的图景：AI并非简单的“岗位杀手”，而是岗位的重新定义者。它淘汰的是高度重复、标准化的认知任务，同时催生了对更高层次人类能力的需求——创造性思考、复杂问题定义、跨领域整合和伦理判断。关于“985/211学历是否无用”的问题，答案已经清晰：学历作为“能力信号”的作用依然重要，但信号的内容正在从“知识储备”转向“高阶潜能”。那些能够提供跨学科训练、培养复杂问题解决能力的顶尖院校，其学位价值反而可能因为AI时代而更加凸显。

生物产业的未来之路，本质上是一条融合之路。未来的领军企业将是那些最擅长整合生物学洞见、AI计算能力和实验验证的“三元组织”；未来的顶尖人才将是那些能够自由穿梭于湿实验室、计算服务器和临床需求之间的“跨界科学家”。

最终，生成式AI向我们提出的最深层次挑战是：在机器越来越擅长执行既定任务的年代，人类将如何重新定义自己不可替代的价值？ 对于生物产业而言，这个问题的答案可能恰恰在于我们最本质的优势——对生命复杂性的敬畏、对疾病背后人文故事的理解、以及在不确定性中做出负责任判断的智慧。

大家觉得呢？（生物谷Bioon.com）

参考资料：

Generative AI as Seniority-Biased Technological Change:Evidence from U.S. R´esum´e and Job Posting Data