4.5 AI 如何反过来加剧学历通胀

4.5.1 便宜的信号被淹没了

信号理论有一个关键前提：信号必须是**“难以伪造的”**，否则就没有区分作用。

过去，一封写得好的求职信、一份精心打磨的作品集、一篇像样的论文，都能在一定程度上体现一个人的能力和用心，因为写好它们需要付出真功夫。AI 出现之后，这些东西的生产成本急剧下降，人人都能拿出一份“看起来不错”的材料。这些“软信号”被稀释了，失去了区分能力。

用人单位怎么办？只能退回到**更难伪造的“硬信号”**上：学校名气、学历层次、知名企业的实习经历、熟人推荐。这些东西 AI 帮不上忙，所以变得更值钱了。

结果是：AI 非但没有打破学历门槛，反而让企业更依赖学历和出身。这对没有名校背景、没有人脉资源的年轻人尤其不利。

4.5.2 求职市场的“堵车”

还有一个更直接的效应：AI 让投简历变得几乎零成本，求职者可以一键投出几百份；企业那边收到的简历数量暴涨，只好用 AI 来自动筛选。双方都用 AI，结果是简历数量剧增、每份简历被认真看的概率剧降，匹配效率反而下降了。

这就是 1.2 节说的摩擦性失业在增加：岗位和人都在，但在这个越来越拥挤的市场里，找到彼此的时间变长了。

4.5.3 学位里的“真本事”被抽空

最后一层：大学教育原本培养的许多能力——写作、基础编程、资料检索与整理、外语翻译——恰好是 AI 最擅长的。当这些能力可以被工具轻易替代时，学位中“人力资本”的成分就缩小了，剩下的更多是“信号”成分。

回到 2.1 节的对照表：学位越接近纯粹的信号，就越容易发生通胀。所以 AI 不仅在劳动力市场上挤压了新人，也在教育内部掏空了学位的实质内容，让学历竞赛变得更加纯粹地“为排序而排序”。