技术在指数级加速，但岗位机会没有同步增长。 为什么会这样？机会流向了哪里？在这个转折点上，什么样的人能抓住新机会？ 这篇文章，我们从这堂课出发，回答四个问题： 第一节 | 不是岗位少了，是方向变了 2025 年的毕业生，正面对一个规则变了的求职市场。 2025 年 11 月，美国失业率升至 4.6 %，创近四年新高；中国城镇失业率为5.1%，青年失业率（16-24 岁，不含在校生）持续高位。同时，应届毕业生规模创纪录：2025 届 1222 万，2026 届预计 1270 万。 但与过去不同，这次不是岗位总量在减少，而是机会的流向变了。 就在昨天（12月17日），吴恩达一个月前在斯坦福的内部讲座视频才公开。11 月 18 日的 AI 课堂上， 他用两组数据解释了这个变化： 2025年，AI 让写程序变得前所未有地快。但这并不意味着工程师更吃香了，恰恰相反，许多人的工作 变得更容易被替代。 吴恩达在课堂上说了一句话： 模型可以帮你写出正确的代码，但它不会告诉你，这段代码要去解决什么问题。 这句话点出了关键：现在大多数岗位的分工逻辑已经变了。 不是谁更懂技术，而是谁先把问题定义清楚。 以往，一个产品从想法落地，需 ...

行业核心动态 - OpenAI宣布将部分AI训练和推理工作负载从Azure转移至AWS，启用后者的GB200 GPU集群，交易价值380亿美元[1] - 此举意味着长期依赖Azure的OpenAI开始寻求算力供应商的多元化，AWS从缺席者转变为关键任务的重要合作伙伴[1] 战略决策方法论 - 战略应围绕十年后仍不会变的客户需求建立，而非围绕变化，例如人们始终希望获得更快、更便宜、更可靠的服务[4][5][12] - AWS与OpenAI的380亿美元合作押注于企业对稳定算力的需求、客户为成果而非效率付费的意愿、以及系统可用性与安全性的永恒重要性[6][7][8] - 决策应避免等待所有信息明确才出手，在数据与直觉矛盾时，应依靠高判断力的人进行快速、可逆的尝试[13][17][18] - 真正的AI机会不靠预测赛道，而是基于直觉动手试错，亚马逊成功的产品如Echo、AWS均非来自客户明确需求，而是探索结果[16][18][30] 组织能力与效率 - 亚马逊宣布裁减约1.4万个白领职位，主要集中在中层管理岗位[22] - 公司内部已有70%的代码由AI工具生成，冗余、重复、慢反馈的岗位需求减少[23] - AI时代将加速淘汰无法快速试错的组织形态，创业公司因迭代速度快而更具优势，大企业则因决策流程缓慢而面临压力[25][26][27] - 未来的组织竞争力取决于快速调整和动手尝试的能力，而非仅仅采用AI技术[27][31][33]