大学学历正在从“稀缺信号”变成“基础设施”

说“学历贬值”很容易引起误解，好像大学教育本身变得没有价值。更准确的说法是：学历作为一种稀缺信号的价值在下降，而教育作为基础能力和进入现代职业体系的门槛仍然重要。

这和自来水、电力、互联网很像：越普及，社会越离不开；但正因为人人都能获得，它越难单独构成竞争优势。

学历有两个完全不同的价值：提高能力，与证明稀缺

教育能提高阅读、数学、专业知识和学习能力，这是人力资本价值。与此同时，学历还承担筛选功能：当大学生很少时，“大学毕业”本身就能向雇主传递较强信号。

普及改变的是第二部分。假设过去 100 个求职者只有 10 个本科生，那么本科足以大幅缩小候选池；当 100 人里有 60 个本科生，企业就必须继续寻找新的区分维度。

为什么“大家学历都更高”，企业却不一定更愿意支付学历溢价

工资最终取决于岗位产出和替代难度。如果高学历人口增长速度快于高复杂度岗位增长速度，就会出现学历向下渗透：过去高中即可完成的岗位开始要求本科，过去本科能进入的岗位开始要求硕士。

这不是知识变得没用，而是筛选门槛抬高。个体为了维持相对位置继续增加教育投入，于是形成“学历军备竞赛”。社会总体教育水平提高，但单张证书的区分力下降。

AI 又在削弱学历背后的一个传统优势：掌握标准答案

学校长期擅长训练结构化知识的学习和复现。当 AI 可以迅速解释概念、生成标准文本、完成常规分析后，“我知道这个答案”与“我能在真实环境里把问题解决”之间的差距变得更明显。

这会把招聘信号进一步推向实践：能不能定义问题、判断信息真假、在约束下交付结果、和他人协同、使用 AI 放大产出。

大学不会消失，因为它不仅卖知识

大学同时承担社会化、专业训练、研究基础设施、同伴网络、实习入口和认证功能。很多实验室、临床、工程训练也无法完全在线替代。因此“知识可以在网上学”并不能推出大学失去价值。

更可能发生的是大学内部价值重排：单向讲授的相对价值下降，真实项目、实验、研究、实习、导师反馈和高质量同伴网络的重要性上升。

数据与背景来源：中国教育部；OECD。具体口径见文末。

到 2036 年，“学历 + X”会取代单一学历叙事

到 2036 年，本科仍然可能是大量知识型岗位的基础门槛，但真正区分人的会更像组合变量：学历 + 领域经验、学历 + 项目作品、学历 + AI 杠杆、学历 + 销售能力、学历 + 组织责任。

顶尖学校和稀缺专业的信号价值可能仍然很强；普通学历则更像“证明你完成了基础训练”，而不是自动承诺高收入。

学历普及的悖论是：社会越依赖高等教育，单个人越难仅凭“受过高等教育”证明自己稀缺。

主要风险不是上大学，而是把大学当成自动兑换职业位置的金融产品

如果一个人把教育理解成能力投资，他会关心自己究竟学会了什么、能解决什么问题；如果把教育理解成证书投资，就容易只比较“投入几年能换多少工资”。在学历普及时代，后者风险越来越大。

教育仍然重要，但它从终点变成底座。真正的竞争开始于拿到学历之后，而不是结束于毕业证发下来那一天。

学历是一种“位置型商品”：价值取决于别人有多少

一部分教育价值属于绝对能力，例如读懂复杂文本、掌握统计和专业知识；另一部分属于相对位置。招聘名额固定时，学历越高越容易进入前面的候选区间，这就是信号价值。

位置型价值天然依赖分布。当所有人学历一起提高，社会平均能力可能上升，但相对排名不会因此消失，于是新的排序指标会出现。名校、研究生、实习、竞赛、作品集都可能成为下一层筛选。

学历膨胀的成本，是年轻人进入职业市场的时间被不断推迟

如果越来越多岗位要求更高学历，个体会延长受教育年限。社会因此投入更多时间和学费在筛选环节，而年轻人更晚获得全职收入、住房和家庭决策能力。

这与低生育也存在连接：教育期延长会压缩婚育窗口，提高机会成本。教育体系的扩张并不是孤立趋势，而会改变人口和家庭结构。

不同专业不会一起“贬值”，关键仍是供给与岗位需求

医疗、芯片、能源、数学等需要长期系统训练的领域，与大量可以通过短期工具训练完成的岗位，学历价值不同。即使总体学历普及，进入受监管职业或高复杂度专业仍需要正式教育。

所以“学历越来越没用”的统一判断会误导。真正下降的是普通证书的普遍筛选力，而不是所有专业训练的生产率价值。

人口下降会给教育体系带来另一个反方向力量：学生更少，优质教育资源可能更集中

未来学龄人口减少，会让部分学校面临招生不足，同时顶尖大学和热门专业仍可能高度竞争。教育不会简单“更容易”，而是出现地区和层级分化。

弱地区学校可能合并，强学校通过品牌和资源继续吸引全国学生。学历本身普及，学校之间的信号差距反而可能扩大。

AI 会催生新的认证方式：证明“你能做什么”，而不只是“你学过什么”

当 AI 可以帮助完成作业和考试式任务，传统评价越来越难区分个人独立能力。招聘可能更多采用现场任务、长期项目记录、代码贡献、真实客户结果等更难伪造的信号。

教育机构也可能把评价重点从最终答案转向过程：如何提出问题、如何使用证据、如何验证 AI、如何解释决策。认证从知识持有证明转向能力过程证明。

读大学的回报应被拆成至少五个变量

专业能力增量、学校信号、同伴网络、进入行业的资格、以及机会成本。不同学校和专业这五项差异巨大，因此“大学值不值”没有一个统一答案。

未来个人更需要像评估投资一样评估教育路径：这个项目真正提供什么稀缺资源？如果主要内容可以被低成本在线替代，而认证又没有明显信号，那么投入多年时间的回报率就要重新计算。

在下一阶段，教育系统最难的问题可能是“如何证明学习真的发生了”

内容生成越来越容易后，一份漂亮论文、一段代码甚至一个作品集都可能大量借助 AI。学校和雇主必须找到更可靠的证据：口头答辩、过程日志、真实项目、团队协作和长期行为记录。

这会让教育从结果文件转向过程数据。真正的学习痕迹比最终成品更重要。

学历贬值与教育价值下降不是同一件事

当大学从少数人进入的大门变成大规模教育系统，学历作为稀缺信号的溢价会下降，但教育本身可能仍然提供知识、网络、资格门槛和社会化。就像识字普及后，“会识字”不再带来高工资，却不代表识字没价值。

真正发生的是信号层级上移：本科成为基础条件后，用人方会继续寻找学校层级、实习、项目、作品、考试和真实工作结果等新信号。

AI会进一步压缩“标准答案型能力”的信号价值

如果AI可以完成大量作业、报告和基础分析，仅凭一次性作品越来越难判断一个人是否真正理解问题。教育评价会被迫向现场推理、长期项目、口头解释、真实协作和责任结果移动。

这不意味着考试消失，而是容易外包给机器的考核形式失去区分度。

大学的长期功能会重新聚焦于高成本环节

信息传递已经被互联网极大压低成本，AI继续压低解释成本。大学更不可替代的部分可能是高质量同伴网络、实验设施、认证、导师反馈、组织化训练和进入专业共同体的路径。

到2036年，大学仍可能非常重要，但“听课获得信息”占总价值的比例会继续下降。