怡居地產

加入怡居

過去7年，我司每年平均捐出52%純利作慈善用途，款額動輒以百萬元計，可稱實至名歸的社會企業。閣下光顧我司，是變相自己做善事！日後請多多光顧為感！

尖沙咀總行 : 2569 2192

太古城華山分行 : 2569 1339

沙田銀禧分行 : 2636 1380

太古城明宮分行 : 2560 3738

沙田第一城專責組 : 2647 1838

杏花邨專責組 : 2898 0007

尖沙咀總行 : 2569 2192

太古城華山分行 : 2569 1339

沙田第一城專責組 : 2647 1838

沙田銀禧分行 : 2636 1380

太古城明宮分行 : 2560 3738

杏花邨專責組 : 2898 0007

(原文發表於2026年6月22日)

文科生的春天来了？

看到这些消息，你的第一反应可能是，文科生的春天来了？

毕竟这些年关于文科的消息，基本都是坏消息。我记得前两年还有个新闻，说有个人硕士毕业之后去送外卖，本来网友很惋惜。但直到这个人在直播时说，自己是学哲学的。话一出口，留言区画风突变。从惊讶变成了“理应如此”，从惋惜变成了“舍你其谁”。

从最近的几个新消息看，是不是说明文科生的就业又好起来了呢？这还真不好说。

首先，麦可思发布的《2025年中国本科生就业报告》显示，就业落实率排名前50的专业里，主要都是非文科专业，其中工科占了大约三分之二。很多高校也在批量地裁撤文科专业。

其次，黄仁勋说的AI带来利好，属于他的个人判断。其他科技巨头甚至提出过相反的观点。比如，山姆·奥特曼提醒过要对AI监管，DeepMind的哈萨比斯说过想让AI在实验室里多待几年，Anthropic前两天还呼吁暂停对AI的研发。你看，科技大佬之间也存在分歧。

最后，我们再细看这一轮的招聘。资深政经学者马江博老师专门做过分析。他说，AI大厂月薪3万元招文科生确实值得高兴，但是也要注意几个细节。

第一，这些岗位要求的人才是高度复合型的。比如，AI伦理研究员、大模型人文训练师，这些岗位要求从业者能深刻理解人性、社会、文化和价值伦理，并且能把这种理解“翻译”成AI可以学习和遵循的规则。

说白了，这不是招“文科生”，而是在整个文科毕业生群体里，高度选择性地采购极少数同时懂人文和懂技术的尖子。对每年数以百万计的普通文科毕业生来说，这是尖子生的机会，不是行业性的普惠。

第二个，月薪2万到4万元，这个薪资听起来不低。但如果你把坐标系从“文科薪资”切换到“AI行业薪资”，感觉就不一样了。AIGC算法工程师、算法研究员、AI科学家，这些岗位的月薪都要高得多。3万元月薪放在AI行业的坐标系里，属于中等偏下的水平。

换句话说，即使你是那个成功进入AI行业的尖子文科生，你拿到的也只是这个行业的起步价。天花板依然属于技术岗。

文科生面临的是“价值变现路径断裂”的困境

那问题就来了，为什么文科就业这么难？是文科本身没价值了吗？

关于这个问题，马江博老师认为，需要理解三个变化。这三个变化，构成了对文科生的三重挤压。也是文科生就业难的核心原因。

第一个变化是，经济的结构性上行。

马江博老师说：“文科就业好，需要的是经济的普遍上行。现在我们面临的是结构性上行。”

以前是经济普遍上行，大家都好。教育、商贸、金融、文化娱乐、房地产、市场营销，这些传统行业景气，能容纳大量的文科岗位。而且那个年代到处是中小企业，每个中小企业都需要一些通用的管理岗，这种通用管理型岗位也是文科就业的蓄水池。

而现在，我们面临“结构性上行”，不是所有行业一起涨，而是只有特定赛道在爆发式增长。比如，AI、新能源、芯片、生物医药，而这些赛道的核心岗位几乎全被理工科占据。而那些没被新产业覆盖到的领域，恰好就是文科传统的就业腹地。

第二个变化是，供给端矛盾的加剧。说白了，文科生越来越供大于求。

过去二三十年，伴随高等教育大规模扩招，文科专业经历了一场井喷式膨胀。因为相比需要昂贵实验室的工科，文科专业开设成本低得多，培养模式也更容易“标准化”。一所普通大学想扩招，开设成本最低的就是管理学、法学、汉语言文学，这些不怎么需要硬件投入的专业。于是，管理类、法律类、中文类毕业生连续多年井喷，市场根本消化不了。这是第二层。

第三个变化是，AI正在替代初级文职岗。那些曾经是文科应届生就业蓄水池的岗位，行政助理、基础文员、初级内容审核，恰好是AI最擅长处理的。

所以文科生面临的，不是“知识没用了”的危机，而是“价值变现路径断裂”的困境。你学到的东西依然有价值，但这个价值找不到一个直接的、稳定的产业来兑换它。

对内的能力建设，对外的探索路径

假如这个判断成立的话，那么后面的问题就很实际了，文科生怎么办？

我们可以把这个建议分成两部分。第一，对内的能力建设。第二，对外的探索路径。

首先，对内的能力建设。有个建议或许可以参考，叫，把你的技能，匹配到一个可被识别的问题上。

也就是，你的能力，必须能被市场“看见”。你可能会写、会思辨、会理解人，但这些都只是“能力”，它不是“答案”。能力的定价是模糊的，而“答案”的定价是清晰的。也就是，你得清楚地告诉别人，这个技能能解决哪个具体的问题。

举个例子，就拿我们自己来说。得到的课程编辑里就有不少文科生。那么，对于一名课程编辑来说，他怎么让自己的能力，匹配到一个可识别的问题上呢？

假如我把能力锁定在，“我懂得怎么做课程”，那么就意味着，我把赛道框定在了教育行业，或者培训行业。毕竟，除了这些行业之外，其他公司可能不太能想象出，我聘请一个课程编辑有什么用？

怎么办？这时，我就要想，这套做课的能力还能不能匹配到其他问题上？当然能。

比如，做课的流程里有一个关键环节，叫，知识萃取。也就是，面对一个老师，课程编辑需要在沟通中快速确定，这位老师的关键知识是什么，核心能力是什么，以及把这些东西课程化、产品化。

你看，一旦切换到这个视角，你会发现，很多行业都需要这个能力。尤其是那些快速发展的行业，比如新能源汽车。他们更想要把过程中的好经验沉淀下来，把隐性的默会知识，变成显性的技能模板，让公司里的更多人学习掌握。

这时，我就可以对外发射一个信号，不是我会做课，而是我能帮你把公司里的关键知识做成课程产品，把你公司里的个人优势，转化成这个公司的知识资产。这个能力，别人一眼就能识别出来。

再比如，在做课的过程中，编辑还需要预判用户的获得感。他们需要准确地想象出，用户看到每句话会是什么反应。哪句话让他们有启发，哪个金句别人会分享，以及哪些话会让人不爽，绝对不能说。

你看，这时，我就可以释放一个信号，不是我会做课，而是我擅长公开表达，能帮你的公司做品牌传播，还能避免公关灾难。这依然是个可以被一眼识别出来的能力。

换句话说，我们在给自己的核心能力下定义时，或许可以多问自己一句，别人看到这个技能时，能不能马上感觉到，“我需要这个能力，去解决某个问题”。就像前面说的，把能力转换成“答案”，能力往往是模糊的，答案通常是清晰的。

其次，对外的探索路径。关于这个问题，马江博老师给出了几个具体的建议。

比如，文科加科技。教育部2026年新增的本科专业里，已经出现了这个趋势：北京语言大学获批“语言科学”，华东师大获批“计算语言学”，哈工大获批“语言智能”，三所学校从三个不同路径切入语言与AI的交叉地带。还有中国科大获批了“商业人工智能”，南开大学获批了“数据资源与数据智能”，等等。这些交叉地带，都是可以关注的领域。

再比如，文科加新兴产业。不是去做传统的“文职岗”，而是进入高端制造、新能源、生物科技这些硬科技领域，去做它们的品牌叙事、政策分析、市场洞察、ESG战略。靠近正在增长的产业，给它做配套。产业本身的问题，也许会给你的技能提供用武之地。

其实，不管是对内的能力建设，还是对外的路径探索，本质上都是在做一件事。把自己当成答案，去寻找那个已经被看见，已经被定价，但尚未被解决的问题。

最后借用一句话。在今年麻省理工的毕业典礼上，AMD的CEO苏姿丰做了一场演讲，主题是“奔向难题”。其中有句话，对文理科生来说都很适用。说的是，世界不缺少会使用AI的人，但需要“知道哪个问题值得解决”的人。

假如你想了解更多就业趋势，推荐你关注马江博老师的《政经参考》。以及，我们今天提到了课程编辑的能力构成，假如你对做课这门手艺感兴趣，推荐你关注我们的《做课的方法》线下班，在得到首页搜索“做课的方法”就能看到详情。