当AI拿走“新手任务”，年轻人靠什么进场？

作者｜予欣

编辑｜重点君

又是一年秋招季。这届大学生找工作，多少有点拧巴。

一边，是“AI抢走初级岗位”的标题，隔三差五冲上热搜；另一边，是所有人劝你：要主动拥抱AI啊。说实话，他们可能最烦的就是这句话。拥抱了，然后呢？第一份工作到底还剩下什么？我自己又靠什么长本事？

这些问题，在科大讯飞近期举行的北大、清华校园招聘宣讲会上，都被拿到了台面上。

作为AI国家队，科大讯飞基于全国产算力平台，训练出国内首个全栈自主可控大模型——讯飞星火，在国产算力底座上，攻克了MoE模型全链路训练，训练效率相较同规模A800集群，从开箱状态下的30%提升至93%。

但恰恰是这家深耕AI领域的企业，给新员工的第一课是：先别用大模型。他们搭的“新手村”，不是从怎么用AI开始，而是从“人”开始。

一家AI公司，为什么劝你“别急着用AI”

如果你关注AI圈，会发现最近有个词很火：Workslop，工作垃圾，网友神翻译：AI泔水。

场景你一定不陌生：mentor收到实习生发的一份方案，排版漂亮、结构完整、交付神速。结果仔细一看，数据是编的，逻辑是断的，只能自己花一下午返工。

有研究发现，过去一个月，40%的职场人都收到过这种东西。硅谷工程师说，这是对同事注意力发起的“非对称DDoS攻击”，发送者零成本，接收者花几十分钟从垃圾里淘信息。

这可能是清华宣讲会上，被问到“AI焦虑”时，刘庆峰没有顺着说“多用AI”的原因。

他反问了一个问题：如果一个人自己都不知道正确答案大概长什么样，他拿什么来判断AI有没有在一本正经地胡说八道？

这也是AI进入真实业务后绕不开的问题。

如果AI生成的是一段宣传文案，错误的代价可能只是返工；但如果它参与的是医疗辅助、电网调度、工业生产或者其他复杂系统，事实是否准确、逻辑是否可靠、风险能否被识别，就不再只是效率问题。

工具越强，使用工具的人越需要判断力。

所以讯飞给出的顺序是：先练基本功，先形成独立判断，再充分使用模型。

今年入职讯飞的应届生，都先培训、考核，达标了，才让用AI。培训也不是教几个提示词，而是学怎么拆需求、做模块化设计、代码审查、分析复杂问题、搭AI应用架构设计……

这些“古法”技能，更底层、更强调基本功，也是目前AI“蒸馏”不出来的东西。它只能在企业里，和mentor面对面沟通、手把手的实践中，一点点学会。

AI可以快速给出一个答案，却不能替一个新人走完形成判断力的过程。

当执行能力被AI补齐，人靠什么创造价值？

培养基本功，只能解决不被AI带跑偏的问题。接下来的问题更现实：当基础执行越来越多被AI补齐，一个人的工作价值，到底从哪来？

在科大讯飞的北大专场宣讲会上，第一个站起来提问的，是一位文科生。问题很直接：文科生在一家AI公司里，到底能做什么？

这个问题很真实。AI行业热闹了这么久，争的都是顶级研究员、工程师，好像所有人都得卷算法、编程，才能拿到下一张船票。

刘庆峰的回答有点出人意料。他说，大模型正在帮文科生补上工程开发的短板，技术门槛降下来以后，审美、哲学、艺术感、共情能力、对客户的洞察，反而可能变得更重要。

这并不是说技术不再重要，而是AI正在改变人与工具的分工模式。

AI擅长快速计算、检索信息、生成内容和执行标准化任务，但一个产品应当解决什么问题，是否符合人的真实需求，又会对社会产生什么影响，仍然需要人来判断。

这也是行业共识。今年，硅谷模型“御三家”都开始挖哲学、心理学背景的人才，Anthropic甚至找了一位研究王阳明心学的美国教授。这背后，是AI已经发展到新阶段，困住模型的不是智商，而是如何对齐人类社会的价值观、秩序和人文底蕴。

除了人文学科，各行各业也是同理。

在清华，当一位协和医学院的大四学生说，“感觉我们可能会被取代”，刘庆峰答得很干脆：“医生永远不会被替代。”讯飞所有做医疗的同事，入职要先读韩启德院士的《医学的温度》。

他的解释是，医学绝不只是看得准不准，还有病人的恐惧、用药时的心理感受、临终关怀，“只用纯理科的路子看病，一定到不了医疗最高的境界。”

教育也是。教育AI不能只会答题，还要理解孩子为什么学不会、会不会从此失去兴趣；陪伴型AI需要的也不只是技术，而是是教育学、心理学、情绪价值。

更有意思的是，回答完那位文科生的问题后，刘庆峰又补了一句：“我们原来技术强、速度快，审美本身是不够的，所以要请年轻人来补。”一家科技公司的董事长，公开承认自己有短板，请年轻人来补，这比十句“我们重视人才”，都有说服力。

而当话题落到了企业，另一个问题自然浮出水面：进入企业后，一个新人应该怎么成长？毕竟，拿到Offer，只是第一步。

“新手村”消失后，企业要重新修一条路

年轻人能带来新视角和活力，但这些优势真正转化为工作价值，还要进入真实业务。而进入真实业务，往往是从整理资料、写基础代码、处理简单需求，这些基础任务开始。

所以，传统的职场成长很像打游戏：从琐碎工作做起，在一次次练习和犯错中积累经验，再逐渐进入更复杂的项目。它们虽然不起眼，却构成了职业成长的“新手村”。

问题在于，这些过去属于新人的任务，正在被AI率先接管。

“新手村”被拿走了，企业对新人的要求也随之提前。今年5月，一位AI创业者的话引起很多人讨论：“从整体水平看，一个毕业生的水平是1.0，但企业需要的水平突然变成了5.0。”以前，应届生只用写代码，现在，一进公司，就要求他懂业务、会判断、能用AI落地，相当于在招一个资深程序员。

现场，刘庆峰也转述了一个扎心的细节：最近，好几位数学学院的院长都在感慨，模型把各种数学问题都解决了，年轻数学家反而失去了机会。本来他可以做一个小的创新，在小创新的基础上长出大的创新，现在台阶被抽走了。

当新人不能从基础任务里学习以后，一条进入真实业务的路，就变得更重要，也更紧迫。

硅谷已经在重修这条路。OpenAI搞了6个月带薪驻留项目，让跨专业、非传统背景的人直接参与真实研究；Anthropic把经验不足两年的年轻人放到真实机构，做整年项目。

作为一家成立多年的科技公司，讯飞也在重新设计新人的成长路径，不光一口气推出三个顶尖人才专项（飞星、飞凡、星火X），而且一人一策、一人一薪、上不封顶；校招晋升速度也从平均3年，到最快1年；还拆出了几个创业主体，新人进来就有实战、分股机会。

比政策本身更值得关注的，是年轻人进入公司后究竟在做什么。

从清华来到讯飞的他们，呈现出不同专业进入AI行业的可能性：

• 曹翔宇，新雅书院经济与金融专业18级，现在是教育战略与Marketing部的海外大屏项目负责人；
• 刘雨欣，材料学院17级，星火大模型推理引擎研发工程师，做基座模型核心研发；
• 林会杰，07级计算机系，智能穿戴业务部总经理，讯飞AI翻译眼镜整条产品线归他管。

几个年轻人的自述也很打动人。一位24届同学说，在讯飞，“新人也有机会拿到完整业务视角”；一位25届的同学，入职就独立承接出海软硬件攻关；一位26届的研发说得更直白：他能“直接参与一线模型迭代，不是重复的数据清洗、无意义的基础工作。”

往大了说，在讯飞，国产AI带来的时代机遇，不是宏大词汇，而是一个个待解决的真实问题：国产算力上的大模型训练、多模态交互、AI芯片、具身智能，教育、医疗AI落地……

这些方向背后，是讯飞承担的一系列国家重大战略任务：在全国产算力上持续对标国际最新水平的通用大模型，确保极限情况下能够兜底保障国家重大需要；教育、医疗、汽车、安全等行业大模型达到国际领先，并稳定达到人类行业专家水平；多语言大模型给世界提供第二种选择；类人多模智能交互系统效果突破，国际领先。

这些任务，决定了一个新人进去以后，还有多少成长空间。

当基本功被做扎实，成长空间被充分打开，再叠上AI的buff，一个新人的成长速度，就是指数级的。

这或许就是AI时代，一个新人打怪升级的新路径。

北大、清华都是中国最顶尖的学府。但面对AI，全国1270万应届生的焦虑应该是同等的。

而科大讯飞与北大、清华学生的两场对话，指向的是另一个问题：对新人来说，重要的已经不是追问“AI会不会抢走我的第一份工作”，而是哪里才有重走“新手村”的机会，去经历那个从不会、做错、被纠正，到终于能独当一面的过程。

对今天的大学生来说，一份好工作的标准可能也真的在变化：不只是收入不错、公司够大，还有能不能在AI越来越强的时候，让你依然有时间、有土壤，长成一个有判断、有审美、也能对事情负责的人。

毕竟，AI可以替人做10000件事，但成长这件事，只能回到真实的业务土壤里，一步一步发生。