人文 Bestblogs · 徐文浩，任鑫 · 昨天 22:09 · AI 生成
杜克大学周忆粟：AI 来了，年轻人的梯子被抽掉了 社会学家周忆粟在播客对谈中提出，AI 正在系统性抽掉初级岗位的晋升阶梯，并用「合法的边缘性参与」概念解释了这一过程：新手通过边缘任务参与核心工作的学习路径被 AI 整段替代。同时，AI 填平了学习中的必要摩擦，导致「做」与「学」的功能被分离，高等教育评估被迫转向具身性、当场口试等过程导向的新模式。文章适合关注 AI 对就业与教育结构性冲击的读者，尤其适合高校管理者、HR 和应届生阅读。原文 ↗ 原文 ↗
核心观点
▍ AI 通过替代可验证的数字化工作流，系统性抽掉了初级岗位的晋升阶梯，这是对教育-就业传导机制的结构性破坏。 ▍ 学习过程中的必要摩擦（挣扎与痛苦）被 AI 填平后，出现了「做了但没有受到教育」的困境，技能内化过程被中断。 01 周忆粟观察到，部分学生将作业完全外包给 AI，虽然获得了结果，却跳过了学习中必要的痛苦与挣扎，导致技能无法内化。 02 他借用「合法的边缘性参与」理论解释：过去新手通过从简单任务做起逐步参与核心工作，现在这一切可验证的数字化工作流被 AI 替代，资深员工在 AI 辅助下产能大增，不再需要初级助手。 03 传统写论文、交代码的评估方式正在失效，高校已出现三种应对趋势：增加与真人临床/打交道的具身性评估；从交结果转向当场口试；让学生分析、检验机器生成的结果。 04 周忆粟借助 AI Agent 一个月完成了过去积压多年的劳动密集型科研任务，但指出 AI 在理论与数据结合的高级分析上表现「大众化」，因为社会科学不像自然科学有明确的验证标准。 05 他认为大学所学的具体知识大多会被遗忘，但面对问题时的姿态、立场和品味具有极强的可迁移性，对家长而言，保护好奇心与培养专注投入的能力比选择专业更关键。 反方 / 局限
— 周忆粟承认，AI 在社会科学的高级分析上存在边界，因为缺乏如自然科学般的绝对验证标准，导致 AI 输出「大众化」而非「深度化」。
概念锚点 周忆粟的学术底色
提出AI抽掉晋升梯子的周忆粟，并非空谈的教育观察者。他是昆山杜克大学公共政策与社会学教授，长期研究东亚教育体系的社会分层与制度动态，曾翻译安德鲁·阿伯特的《攸关时间》等过程社会学著作。阿伯特强调「社会世界处于恒久变化中」，时间结构如何影响因果——这种过程论视角，恰好解释了他为何能从「边缘性参与」被AI打断这一结构性变化切入，而非停留在工具替代的表面讨论。
▸ 3 条关联资料
▼
前置背景 被AI抽掉的晋升阶梯
周忆粟在文章中借用了「合法的边缘性参与」来解释AI对初级岗位的冲击。这个由莱夫和温格在1991年提出的社会学概念，核心是描述新手如何通过逐步参与边缘性任务，在实践共同体中成长为老手的过程。过去，职场新人通过整理数据、撰写纪要等低风险任务来学习组织运作——这些任务如今被AI替代，导致新手失去了「合法的边缘」位置，晋升的阶梯被结构性抽掉。
▸ 3 条关联资料
▼
平行视角 认知外包的另一面
周忆粟担忧AI引发的「认知外包」会弱化学生内化能力，但中国教育新闻网的深度分析指出，人脑与外部智能网络的连接才是认知外包的核心——内部认知网络提供方向与价值判断，外部网络提供海量存储与计算。北京师范大学余胜泉教授进一步认为，AI教育的终极目标不是防止外包，而是实现「大规模教育的个性化」，让教师像乐队指挥一样协调AI乐器。同一现象，教改派看到的是结构性机遇，保守派看到的是认知退化风险。
▸ 3 条关联资料
▼
未来推演 重构公平晋升的10条原则
当AI吞噬了职场新人的常规任务，布鲁诺·曼诺在《教育周刊》提出了10条重建路径：构建「工作即学习」场景、以实证验证能力、建立技能关联性网络等。核心思路是利用AI本身来重塑「经验获取—能力验证—资质认证」的链条，而不是单纯增加培训预算。目前已有企业试点把AI辅助的微项目作为新人绩效依据，但要观察2026年Q1能否形成可复制的标准化框架。
▸ 3 条关联资料
▼
延伸追问 教育评估如何转向过程
当AI能完美替代作业和代码，大学的评估体系被迫转向「当场口试」和「具身性检验」。这背后真正的挑战是：如何设计出AI无法代劳、同时能规模化执行的评估任务？华东师范大学上线的「智身课堂」大模型系统，已能通过计算机视觉实时捕捉舞蹈动作，从身体技术、协调性、艺术表现四维度自动生成可视化报告。这种「过程导向」的评估在艺术教育率先落地，但数理逻辑等学科如何复制，尚无成熟方案。
▸ 3 条关联资料
▼