消失的第一阶:美国青年招聘下滑对增长、不平等与市场意味着什么
消失的第一阶:美国青年招聘下滑对增长、不平等与市场意味着什么

劳动力市场最深远的恶化,有时并不体现在失业率上。私人部门每个岗位的新雇员率显示,到2025年第三季度,22–24岁劳动者相对35–54岁群体的招聘强度,比2015–2019年均值低13%;25–34岁群体低7%。35–54岁人群也走弱,但年龄越轻、经验越少,进入新工作的机会损失越大。
这不只是毕业生的不耐烦、疫情后正常化或单一届别的坏运气。招聘是进入职业、积累企业专属知识、建立履历并启动工资复利的机制。企业在大规模裁员前先减少招聘,内部员工仍显稳定,外部求职者面对的门却明显变窄。
因此,这张图是一个分配意义上的宏观信号:劳动需求在扩展边际变弱,企业更看重已验证的生产率,自动化可能正在改变初级岗位的经济性。人工智能未必先造成全社会失业,更可能先改变调整成本的承担者:资深员工留任并使用工具,初级员工却失去培养资深能力的任务。
本文的核心判断是,早期职业招聘崩塌的代价远大于眼前少掉的岗位。它会伤害终身收入、人力资本、家庭形成、流动性与未来管理梯队,并最终降低潜在增长。企业节流与技术替代可暂时支撑利润和股指,但个体企业的理性优化可能共同制造更弱的劳动力市场。
正确解读图表
该指标是相对新雇员率,不是通常的失业率。它以私人部门四季度平均的新雇员数除以岗位数,并将年轻群体与35–54岁比较,再相对于2015–2019年均值表达。2025年第三季度22–24岁为负13%,25–34岁为负7%,都表示其招聘强度显著低于疫情前常态。
失业是存量,招聘是进入新雇佣关系的流量。一个市场可以很少裁员,却因职位与招聘下降而对新人极不友好。企业常先冻结空缺、减少校园招聘、提高经验要求或内部调岗,因为这些做法比公开裁员更安静、声誉成本更低。
2020年前的历史表明,青年相对招聘具有周期性:扩张时上升,衰退附近下降。疫情先重创青年密集服务业,重启又带来异常招聘,随后回落;但2023–2025年的下行已呈持续性,且最年轻群体继续拉开差距。
与35–54岁比较也在一定程度上控制了全经济招聘疲弱。如果所有年龄组同比例走弱,相对曲线应靠近零;负值说明企业不仅少招人,还把更少的起点分配给履历较短者。
单一图表不能确定因果,行业构成、教育参与、人口、移民和自愿跳槽都会影响年龄数据,且该指标不覆盖政府招聘与自雇全貌。但13%对7%的差异足够大且足够持久,不能被轻描淡写。
低裁员、低招聘的劳动力市场
疫情后的市场越来越像“低裁员、低招聘”均衡。企业因重建团队代价高而保留有经验员工,却又因收入放缓、融资昂贵、政策不确定和利润压力而不愿扩张,于是内部人被囤积,外部人机会被配给。
这解释了为何总就业尚可,而求职体验很差。净就业等于招聘减离职;两者同时下降时,净数仍可为正。一个保留990名员工、仅补10人的千人公司,与一年进出200人的公司期末人数相同,但给毕业生与转职者的机会完全不同。
戴蒙德—莫滕森—皮萨里德斯的搜索匹配模型最适合解释这一现象。劳动者寻找异质岗位,企业发布职位并筛选,匹配需要时间和资源;当企业减少空缺或提高标准,找工作概率会下降,而无需先出现裁员潮。
青年特别脆弱,因为其生产率信息较少。多年业绩能降低不确定性,首份工作的申请者只有教育、面试和潜力。需求强时企业愿意培训,需求弱时便等待做过相似工作的人,“初级岗位”悄然变成“需两年经验”。
这是一种期权价值。招聘包含招募、入职、培训、遣散和管理注意力等沉没成本;不确定性高时,等待更有价值。经验候选人的均值未必高很多,只要结果分布更窄,就足以让企业提高初级招聘门槛。
低招聘还会自我强化。外部邀约减少令离职下降,离职下降又减少补招;员工困在不匹配岗位,职位链收缩,外部选择变弱令工资增长放慢。年轻人最依赖流动性,因此成本最大。
贝弗里奇曲线把职位空缺与失业联系起来,但总量可能掩盖届别错配。资深求职者仍可顺利匹配,新人却可能向自动筛选系统投递数百次。关键不只是空缺数量,而是无任职经历者把空缺转成录用的概率。
内部劳动力市场也会分割机会。内部晋升可降低信息风险,却只有在层级底部继续补员时才形成完整链条。当技术吸收初级任务,内部晋升率可以健康,社会对外部人的流动率却恶化。
企业为何退出初级招聘
年龄梯度可由多种力量共同造成。首先是传统周期走弱:青年集中于繁荣后段扩张、需求转弱时先收缩的岗位,且任期较短;即便不裁员,企业也最容易推迟这些招聘。
其次是资本成本上升。企业评估初级分析员时,要用贴现率衡量未来不确定收益与当下工资、福利、设备和监督成本。利率越高,远期培训收益权重越低,因此培训密集型招聘像久期较长的投资。
第三是管理带宽。新人不是资深员工的廉价替代,因为他们占用导师时间并需要复核与纠错。管理层跨度扩大时,削减培训班能改善短期生产率,却会损害组织未来能力。
第四是证书通胀与风险规避。数字申请带来巨大候选池,筛选系统鼓励企业增加软件、行业、学位和头衔门槛。它们减少错误招聘风险,却排除能学会工作的人;所谓技能短缺有时是企业不愿承担培训成本。
第五是组织扁平化。协调员、初级经理和支持岗位被删除,部分确实提高效率,但层级也曾是学徒制:新人从有限任务与观察中逐步获得判断责任。扁平化可能同时移除官僚与成长阶梯。
最后,人口和劳动供给也会影响结果。青年届别缩小或在校率提高会减少求职者,但若青年真的稀缺,企业通常应提高招聘力度和工资。持续的相对招聘缺口更符合需求受限、任务改变或匹配失灵。
仍需严谨检验行业构成。22–24岁更多分布于酒店、零售与行政支持,而专业毕业生有独立招聘周期。若高流动行业缩小、就业关系更持久,招聘下降未必同等有害;若服务入口和专业毕业通道同时走弱,问题就不是良性转型。
薪酬形式也会干扰观察。企业可能用合同工、自由职业和项目制替代初级正式岗位;劳动者看似活跃,却没有导师、福利、晋升阶梯或稳定工时。因此还应观察临时就业、不充分就业、非自愿兼职及独立工作是否真能积累声誉。
人工智能与消失的学徒制
生成式AI使问题更尖锐,因为许多早期职业任务最容易被自动化:摘要、基础代码、初版模型、演示材料、常规研究、数据核对和标准沟通。这些任务不仅产出工作,也通过反复练习培养辨别异常与错误假设的判断力。
当AI瞬间生成初稿,资深员工监督软件即可削减初级层。对企业而言,这是更低成本与更少协调;对经济而言,却形成学徒制外部性:每家企业都想雇别人训练好的员工,却不愿支付培养下一代经验的成本。
贝克尔的人力资本理论区分通用技能与企业专属技能。企业不愿为可被带走的通用训练买单,年轻人又受融资约束。初级岗位过去把工资、监督实践与晋升捆绑,岗位消失便重新暴露训练融资缺口。
关键是任务自动化不等于职业消失。AI可替代基础执行,同时与资深判断互补;若经验是软件的关键补充品,技术会提高专家需求,却减少新人成为专家的入口。
这类似技能偏向型技术变革,但发生在同一职业和不同资历之间。生成式AI进入认知生产后,法律、软件与金融机构都可能减少文件审阅、样板代码和标准材料所需的新人,即便资深专业人员需求仍强。
测得的生产率会先改善,收入/员工和利润上升。但这可能是在消耗既有人力资本而非创造新能力。十年后,企业或发现没有足够的人监督AI、处理例外、谈判客户并承担后果。
问责是自动化预测中常被忽略的稀缺补充品。高风险组织仍需要理解推理链、识别分布变化并承担专业责任的人,而这些能力来自逐级接触错误和后果,不是只看模型输出就能学会。
由此可能形成“杠铃型”组织:一端是少量高薪专家,另一端是自动系统或不稳定承包者,中间发展岗位变少。它在稳定时期盈利,却在网络事件、法规变化或模型失效等新冲击中脆弱。
最优秀的企业会重塑而非放弃学徒制,让AI使新人接触更多案例、验证输出并处理例外,按学习而非机械工时考核。但训练收益会外溢到未来雇主,市场不会自动保证足够投入。
创伤、滞后效应与糟糕起点的终身成本
职业起点不佳会改变整条生涯。衰退期毕业生常经历长期收入损失、较差雇主匹配和更慢晋升;低质量首职积累的是对应技能与人脉,而雇主又把既往头衔当作能力信息。
两个能力相同的毕业生,一个进入正规培训、获得反馈和项目凭证,另一个做一年临时工再求职。十二个月后,前者看起来更安全,最初的需求冲击便被写进履历、推荐、信心和网络,统计性歧视继续放大差距。
简化的人力资本式为 H(t+1)=(1−δ)H(t)+I(t),其中δ为折旧,I为学习投入。初级工作提高I;若早期投入不足,后续学习又依赖既有能力,损失就不只是一年工资,而是更低收入路径的现值。
滞后效应把微观过程连接到宏观。暂时需求不足可通过技能、依附和流动性损失降低未来潜在产出;2025年的需求不足若阻碍一届人形成能力,就会成为2030年的供给不足。
损害分布不均。富裕家庭的青年可继续教育、接受低薪实习、搬迁或等待;负债与有家庭责任者必须立即赚取收入,往往离开专业。父母提供的保险因而成为更重要的劳动力市场资产。
种族、性别、残障与移民身份会与财富渠道叠加。企业规避风险时更依赖推荐、熟悉院校和主观“契合度”;即使规则中性,实习、交通、证书与专业推荐的差异仍会造成不均。
教育机构也面临扭曲激励。入口消失后,学生购买更多学位来发信号,把筛选成本从企业转给家庭。若证书只排序而不增产,社会付出更多资源,职业起点数量却未增加。
反复被拒还会影响心理与健康,降低搜索强度、自信和风险承受能力。有人退出劳动力、购买低回报证书或放弃创业,这些反应可以理解,却会削弱未来活力。
22–24岁13%的缺口尤其危险,因为这是职业分流最快的年份;25–34岁7%的缺口说明问题已延伸到第二份工作、晋升和转行。经验在保护内部人,但阶梯下段正在整体消失。
从职业到消费、住房与家庭形成
就业入口通过家庭资产负债表影响总需求。收入不稳使青年推迟独立居住、婚育、购房和耐用品消费,进而影响住房周转、建筑、家具、汽车、保险和地方税基。
永久收入假说认为消费取决于预期终身资源,但青年受信贷、学生债务、收入不确定和缺乏抵押品约束,劳动收入的边际消费倾向很高。因此早期收入损失很快转化为需求走弱。
住房是最大渠道。没有稳定工作记录便难以获得按揭或承担高租金;与父母同住虽能缓冲,却减少家庭形成。昂贵城市的住房短缺又阻碍迁往高生产率岗位,使工作匹配与住房供给相互锁定。
推迟家庭形成具有长期财政后果。低生育由多重因素造成,但育龄期经济不安是其中之一;未来劳动力更小会提高抚养比,加重养老金、医疗与公共债务压力。
消费信贷可以检验传导。年轻借款人逾期、循环信贷、学生贷款压力和汽车贷款走弱将支持本论点;若实际收入与资产负债表改善,则招聘下降可能部分来自跳槽减少或自愿供给变化。
地域同样重要。大城市过去提供密集的初级岗位与导师;远程工作扩大接触面,却削弱非正式学习并降低企业雇用需监督新人的意愿。若岗位集中于昂贵中心且要求混合办公,缺乏家庭资源者面临双重障碍。
生产率:真实效率还是递延维护
乐观解释是软件用更少新人创造同等产出,使劳动力转向更高价值活动。技术进步长期淘汰任务、创造产业并提高生活水平,不能把每个入口减少都视为衰退。
但生产率必须按产出、质量和可持续性衡量,而非仅看人数。削减培训可机械提高人均产出,却可能来自工作强化、质量下降或组织资本消耗;递延培训如同递延维护,故障前看似高效。
企业与总量生产函数不同。一家公司可挖走经验人才,所有公司却不能永远如此。这类似研发和基础设施投资不足:培训工人会流动、传播知识并创业,私人回报低于社会回报。
内生增长理论强调知识与人力资本影响增长率。年轻人较少进入学习密集环境,会滞后拖慢创新;许多运营知识、管理判断和创业识别是默会的,无法由专利和研发支出完全衡量。
反向力量是,被排除者可能创业、独立工作或借数字工具加速学习。但创业仍需资金缓冲、网络和客户,不能假设每个消失的带薪学徒岗位都会变成成功企业。
实证标准应是实际产出和质量提高,同时该届人持续进步。若人均产出上升且青年进入更高薪岗位,转型是建设性的;若流动、实际收入和培训管道同时萎缩,效率可能只是向未来借来的。
公司金融与短期利润防御的诱惑
公司激励使这一模式持续。市场迅速奖励利润达标、裁员和AI效率,而培训回报分散、迟延且不确定;取消毕业生招聘的节省却立刻出现。
自由现金流纪律可约束浪费,但培训并非普通费用。会计把多数员工发展列为当期成本,虽其收益跨多年;削减招聘能提高当期盈利,却不会在资产负债表记录人才管道耗损。
实物期权逻辑也会反噬。不确定性使推迟招聘合理,但同步推迟会削弱需求并增加不确定性:企业等客户,年轻客户又因企业不招人而少消费。降息在信心越过阈值后,可能非线性释放投资和招聘。
市场结构也重要。大企业能投专有AI、内部流动和正规培训,小企业缺乏能力;但大企业也可更激进自动化并凭品牌要求经验。若入口集中于少数巨头,它们对职业准入与工资的权力上升。
买方垄断是另一视角。求职与迁移有成本,外部选择恶化时企业无需涨薪即可留人,并等待理想候选者。储蓄少、信息不足的青年受影响最大。
对信用投资者,降低人工成本可暂时改善偿债率,但依赖复杂产品、监管专业或客户信任的企业会积累关键人员风险。应追问资深员工退休后谁理解系统、如何处理例外、继任深度是否变差。
宏观政策:需求支持必要但不充分
货币政策通过融资、资产价格、汇率和预期影响周期。初级招聘类似长久期投资,可能对实际利率高度敏感;可信的宽松路径可先支持职位,但不能单独修复学徒制度。
政策制定者应区分“劳工短缺”叙事与“招聘短缺”现实。内部员工稳定且劳动力增长慢,可使总失业率保持低位,但不代表包容性充分就业;分年龄找工作率和转移流量能揭示隐藏松弛。
财政政策可更直接处理外部性:对净新增初级岗位、可携带证书的学徒制和高质量培训提供限时支持。补贴必须奖励真正新增且持久的岗位,而非给原本会发生的招聘改名。
教育应更连接工作,但不应沦为狭窄职训。合作项目、带薪实习、雇主参与的项目课程和技能档案可降低信息不对称;无薪实习按家庭财富分配经验,是糟糕方案。
竞争政策和劳动标准也很关键。竞业限制、互不挖角、不透明薪酬和过度证书要求会压低流动;福利可携带与执照改革可降低转岗成本,同时培训补贴不能成为低薪与无限试用的借口。
政府可在研究、基建、医疗、教育和气候韧性领域提供有社会价值的早期职业岗位,并建立可迁移技能与严格评估。目标不是永久吸收所有毕业生,而是在私人部门集体投资不足时保持劳动依附。
AI政策应追求互补而非冻结任务。获得公共研发或采购支持的企业可披露人才发展计划,行业可建立共享培训池,以克服单个企业担心人才被挖走的问题。
投资者的跨资产与行业地图
该信号并非全面利空。短期内,少招新人而维持产出的企业利润会增强,软件、自动化、数据基础设施和相关咨询可能获益,拥有数据与资深团队的大型企业会扩大优势。
宏观成本通过消费、流动和未来技能短缺出现。首次家庭形成相关行业——公寓、入门住宅、家具、汽车、婚庆和托育——面临销量风险;奢侈消费却可因冲击集中于年轻低财富家庭而保持韧性。
住房会呈现冲突:家庭形成推迟削弱边际需求,供给约束又支撑价格;买房推迟可增加租赁需求,与父母同住却减少新租约。投资者需看当地就业、租金、供给和人口迁移。
银行与消费金融面临贷款批次风险。危险借款人未必已失业,可能只是工时、跳槽与预期工资进阶变弱;信用卡和无抵押贷款比优质按揭更敏感,学生贷款则直接关联教育回报。
股票投资应区分可持续生产率与人才清算。把AI、内部晋升、培训和产出增长结合的企业会积累优势;为季度利润砍掉管道者最终可能遭遇执行失败和专家工资飙升。
政府债券收到相反信号:弱招聘指向未来需求放缓和通胀下降,利好久期;但劳动力能力下降限制供给,财政应对又增加发债。真正生产率提升可兼顾增长与去通胀,消耗人力资本则可能低增长但通胀不相称下降。
信用利差在低裁员阶段可保持紧,因为企业现金流受保护;当招聘谨慎转成广泛裁员,或家庭逾期反馈到需求时,风险才上升。关键制度切换是流量疲弱转为存量收缩。
哪些证据会证实或推翻本论点
第一项证实信号是分年龄找工作率继续下降,即使裁员温和。失业或非参与到就业的流量,比总失业率更有信息;搜索期变长、首职减少与雇主间转移下降会强化低招聘解释。
第二,职位描述应显示经验要求上升、真正初级空缺减少。在线招聘数据可量化头衔、年限、证书和工资;若所谓初级职位要求既往经验,空缺总数就夸大了准入。
第三,工资可区分供需。青年真正稀缺应提高其相对工资;招聘弱且相对工资软,说明需求不足或任务价值降低。资深专业工资强、初级工资弱则支持技术与经验互补。
第四,应观察企业培训支出和晋升率。若少招新人但大幅增加每人投入并加速晋升,数量下降可能伴随质量提高;若招聘和培养一起下降,学徒缺口就很明确。
第五,需分解生产率。人均产出、实际工资、产品质量和投资共同提高才是真效率;仅靠减员、延长工时或降低服务的利润改善不是。总量数据还需与行业和客户结果交叉验证。
第六,要多年追踪届别的就业、收入、职业、财富、婚育与迁移。若2025届在环境改善后迅速追上,本论点减弱;若初始差距在复苏后仍持续,则创伤效应增强。
最后,可利用行业与企业差异,把生成式AI高暴露职业与低暴露职业比较,并控制周期敏感度;不同采用速度也提供检验,虽然采用者本身并非随机。
一种有效设计,是在同一职业内比较自动化任务暴露不同的企业,并同时观察资深招聘、产出、工资和培训。若AI提高产出与资深需求而压低新人录用,互补—替代机制更可信;若低暴露企业同样下降,则宏观疲弱更可能。
研究还应区分集约与扩展边际。企业可能招聘人数不变却不给有意义工作,也可能少招但大幅投资每人。必须调查任务内容、导师时间、责任和晋升;决定性变量是能力生产,而非毕业生项目是否名义存在。
结论:保护创造经验的过程
图表信息简单但含义深远:到2025年第三季度,22–24岁相对35–54岁的新雇员率比2015–2019年均值低13%,25–34岁低7%。最年轻者退步最多,而且这是招聘流量问题,可在内部人就业稳定时被掩盖。
紧金融环境、需求放缓和管理谨慎解释部分下行,但年龄梯度也符合结构变化:企业强调已验证生产率、压平组织、提高经验门槛,并用AI完成过去支撑初级岗位的任务。这能支持当前利润,却削弱创造未来专家的机制。
成本不止缺失的一份工资。早期工作创造人力资本、网络、推荐、信心和职业身份;准入延迟会通过未来收入、家庭形成、流动性和管理创业管道复利,且无家庭财富者承担最多。
对市场而言,初期甚至可能利多:人工成本变慢、人均收入上升、龙头扩大份额。长期检验在于生产率究竟是持久创新,还是递延的人力投资。经验是一个过程的产出,不是可无限开采的自然资源。
政策应在不抵制技术的前提下保护这一过程。更好的学徒制、带薪工学结合、可携带证书、定向招聘激励、流动改革和AI辅助训练,可降低创造经验的私人成本。投资者也应奖励用自动化深化能力、而非清算初级层的企业。
从顶端看,职业阶梯第一阶似乎只是例行任务、监督和错误,容易被删除;但判断力正由这些活动构成。第一阶消失后,今天的资深员工也许爬得更快,明天的经济却会发现,学会攀登的人已经太少。



留言