2025年夏天，青少年找暑期工作這件事，突然變得前所未有的難——不是難在競爭激烈，而是工作崗位本身消失了。美國勞工統計局追蹤了近80年的數據，顯示去年青少年雇傭率跌到了有記錄以來的最低水平。這不僅僅是季節性的波動，職業轉型服務公司挑戰者、格雷與圣誕（Challenger, Gray & Christmas）的一份報告明確指出，進入2026年夏天，情況很可能還會更糟。

報告里用了一句話來概括當下的處境：“在即將迎來招聘最密集的月份時，青少年在職人數原本就偏少，這使得想要迎來一個強勁夏季的跑道，比過去許多年都要窄得多。”這句話翻譯成人話就是：企業手頭本來就沒什么年輕員工，到了該大量招人的時候，基礎盤都比往年薄，想大干一場都找不到人帶。

與此同時，德雷塞爾大學發布的《2026年大學招聘展望》給出了另一個讓人不安的數字：將近20%的企業表示，計劃在2026年減少招聘實習生，甚至完全不招。當這么多公司同時關上實習大門，意味著從高中到大學，整個年輕人進入職場的通道正在系統性地收窄。

造成這種變化的頭號原因，也是讓這些青少年父母可能正在經歷裁員的原因——人工智能。AI不僅能寫代碼、做報表，現在連最基礎的入門級工作也能打包帶走。

實習和初級崗位的工作內容，大多屬于那種必須有人做、但做起來并不復雜的事務性勞動。接電話下單、最基礎的前臺客服、盤點庫存、安排會議日程，這些任務對AI來說，已經展現出“令人難以置信的能力”。這是職場平臺Indeed的經濟學家布倫丹·伯納德（Brendon Bernard）對《環球郵報》說的原話。他的觀察戳中了一個現實：應屆生干的就是AI最擅長的那部分活兒。

挑戰者、格雷與圣誕的報告具體羅列了那些正在被AI替代的典型任務：接單、基礎客戶服務、庫存檢查和日程安排。這幾項幾乎就是過去幾十年青少年暑期工的核心內容。現在，一個對話機器人可以同時處理上百個訂單查詢，一個庫存管理算法能實時追蹤貨架，排程工具自動完成時間協調，老板們甚至不用花時間和精力去培訓新人、反復核對工作成果、手把手教年輕人怎么更快地完成項目。

對企業來說，這是一個簡單的成本賬。培訓一個零經驗的暑期工需要投入管理者的時間，出錯帶來的返工成本也不低。而AI系統雖然前期有部署成本，但一旦跑順，邊際成本趨近于零，還能7×24小時工作。不用排班、不用交社保、不會突然請假去參加畢業典禮。但這套算法邏輯下，青少年失去了第一份工作的機會，也就失去了第一次學習如何守時、如何與人協作、如何為自己的工作結果負責的原始場景。

不過，如果因為AI搶走了一些工作，就認為年輕人完全沒有機會，那也會漏掉故事的另一面。AI本身正在創造一批新的入門級崗位，而且這些崗位的出現速度，可能比它消滅的舊崗位更快。

一個很直接的證據來自谷歌。這家公司一直有非常成熟的實習生項目，涵蓋商業、工程、技術和研究領域。按照常理推斷，當全行業都在收縮實習名額的時候，這種大廠應該也會收緊口子。但谷歌招聘副總裁布萊恩·翁（Brian Ong）對彭博社的說法剛好相反——2026年谷歌的實習項目不僅沒有縮水，反而在擴大。他的原話是：“這一增長部分是由我們對人工智能研究的持續投資所驅動的，這項投資正在創造新的實習機會。”

這是一個很值得拆分的信號。谷歌在AI研究上投重注，這筆投資不光變成了更強大的模型和產品，還長出了需要人手去跟進的新業務分支、新實驗項目。這些新事物的初期階段，天然需要大量基礎數據標注、測試用例執行、原型產品市場調研等工作，而這些事情恰恰適合交給帶著好奇心和學習能力的年輕人。過去那種“打印文件、訂會議室”的實習內容確實在被AI消解，但“協助評估AI生成內容的準確度”“參與構建下一代多模態交互的原型測試”這種此前不存在的工作描述，正批量出現在招聘頁面上。

這形成了一個有意思的閉環：AI大規模消解重復性勞動的同時，也大規模催生了需要人類判斷力和創造力介入的新任務。而年輕人如果能夠主動去理解和應用AI工具，反而可以用前輩們當年想象不到的方式跨過職場的門檻。

事實上，那些率先擁抱AI工具的年輕人，已經展現出驚人的適應速度。他們可能用大語言模型來輔助寫求職信、模擬面試問答、快速了解一個行業的術語體系，甚至在課程項目中就用AI生成初版代碼，自己來做關鍵的調試和優化。對企業來說，招到一個知道怎樣通過AI放大自身效率的實習生，遠比招到一個只會等待指令的新人更有價值。這就是為什么谷歌在行業整體縮減實習名額時，反而敢于擴張——它賭的不是勞動力市場的整體回暖，而是新一代勞動者技能結構的變化。

回看挑戰者、格雷與圣誕的那份報告，雖然整體趨勢向下，但報告中反而給了一個隱含的結論：不是所有類型的入門崗位都在消失，消失的是那些可以被清晰定義流程、不依賴現場應變的任務。而那些需要結合AI工具、對輸出結果進行質量判斷、在多輪交互中不斷調整策略的崗位需求，其實正在上升。這份報告沒有直接點出，但當你把它的數據和谷歌的動向放在一起看，這條暗線就非常清楚了。

伯納德的那句話也可以反過來讀。他說應屆生干的很多任務，AI已經非常擅長了。那么如果應屆生轉而去做那些AI還不擅長、或者需要人來駕馭AI才能完成的任務呢？那個領地其實是擴張的。比如，如何設計一個AI客服對話流，讓它在不激怒客戶的前提下解決問題；如何分析AI庫存預測的偏差，找出背后供應鏈的真實卡點；如何利用自動化排程工具釋放出的時間，去做更復雜的客戶需求調研——這些崗位已經不再是單純的“接單員”或“客服代表”，而更像是人機協作場景下的流程設計者和異常處理者。

年輕人當然有權感到憤怒。寒窗苦讀十幾年，發現以往的實習路徑被AI截斷了，尤其當看到父母那輩人也是因為自動化或AI優化而面臨職業轉型壓力時，這種代際疊加的焦慮是很真實的。但憤怒之后，能夠識別出新路徑的人，將獲得一個前人完全沒有經歷過的競爭窗口。在金融和市場營銷實習名額縮水的同期，AI測試、數據策展、合成數據生成這類新出現的實習方向，正在從小眾變成主流。

谷歌的案例說明了一個很直白的道理：當一項技術足夠深刻地觸動一個公司的核心戰略時，它不會只裁撤崗位，它會同時裂變出配套的人力需求。AI研究的持續投資，意味著需要更多人來把研究成果產品化，把產品能力場景化，把場景落地給具體客戶。這個鏈條的每一個環節，都需要那些能夠理解技術邊界、又不被技術語言困住的年輕人。他們不需要是博士，但需要知道怎么向一個語言模型提對問題，怎么判斷生成的內容是否可靠，怎么在模型輸出與業務需求之間做銜接。

2026年的夏天還沒到，但信號已經非常清晰。對于那些還在糾結要不要學AI工具的年輕人來說，問題已經不是“要不要學”，而是“先學哪個方向”。挑戰者報告的悲觀預期和谷歌的實習擴張之間，并不是一組矛盾數據，它們共同勾勒出了后AI時代入門級勞動力市場的真實輪廓：重復執行的崗位快速收縮，人機協同的崗位悄然增生。而這個轉換的過渡期越短，能抓住新機會的人就越多。

回到開頭那份近80年最低的青少年雇傭數據，它可能標記了一個歷史轉折點——一種以重復性勞動為基礎的青年就業模式正在系統性退潮。但是80年的坐標本身也意味著，勞動力市場曾經走過很長一段沒有AI的路，現在開始步入一條有AI參與的新路徑。對于當下這代年輕人來說，他們正好站在這條分界線上，前面那些舊崗位消失的陰影是真實的，前面那些因AI而生的新崗位亮起的燈，同樣是真實的。