1290万毕业生，多少岗位在等他们？

原创马晓尙代价研究僧

这两天，全国数百万家庭，盯着手机屏幕，等一个数字。

2026年高考报名人数1290万，比去年少45万。同时，十五五期间双一流高校本科扩招10万，因为要应对学龄人口的"排浪式达峰"，这是写进了政治任务的扩招。

听起来是好消息：考生变少了，学校扩招了，上好大学的机会更大了。

但有一个问题，被这个好消息掩盖了：2026年大学毕业生数量达到1290万，就业形势并不乐观，尤其是一些冷门专业。

更多人能上大学，和更多人能找到工作，是两件完全不同的事。这两件事背后，是两套完全不同的运作逻辑。

教育的供给，是谁在决定的

先看一个细节，今年很多家长和考生都在讨论：这次扩招并不是平均撒出去的，很多新增计划把名额投向人工智能、集成电路、智能制造、机器人、能源、新材料这些专业，对历史类考生的帮助没那么大。

这个安排，听起来很合理——AI、芯片，这些是"国家需要"的方向。

但请注意这句话背后的决策机制：是谁判断"国家需要"什么方向的人才，需要多少？是教育部门，是行政计划，是写进文件里的"十五五"目标。

这和企业招聘的逻辑，是完全不同的两套系统。

企业招聘，回答的问题是：我现在这一单生意、这一个项目，需要什么样的人来完成它，我愿意为这个人付多少钱？这个判断，是基于真实的订单、真实的现金流、真实的市场反馈做出来的，错了，企业自己承担代价。

教育部门设置专业、决定扩招方向，回答的问题是：根据宏观规划，未来国家在哪些领域需要更多人才？这个判断，没有一个直接的、即时的市场反馈机制来检验对错。如果判断错了——比如十年前大举扩招的某个"热门专业"，十年后变成了就业最难的专业之一——没有人需要为这个判断承担直接的财务后果。

这就是教育供给和市场需求之间，天然存在的脱节：一个由行政计划驱动，一个由真实的利润和现金流驱动。计划可以参考市场信号，但计划本身永远滞后于市场的真实变化速度，因为做计划需要时间，执行计划需要更长的时间，而市场每天都在变。

"干净专业组"，是一个值得细看的现象

今年高考志愿填报里，有一个很有意思的操作：很多211高校把人工智能、集成电路、临床医学等热门专业单独打包成"干净专业组"，分数线拉得很高；冷门专业塞进另一个组，取名"工科试验班"或者"理科实验班"，让学生调剂进去。

这个操作，恰恰暴露了一个真相：哪些专业值钱，哪些专业不值钱，市场早就用分数线投票投出来了。

高分考生愿意为"人工智能"专业拼命卷分数，不是因为这个名字好听，是因为这背后对应着真实的就业市场预期——这些方向的薪酬水平、招聘需求、行业景气度，是被广泛认知的。低分专业被塞进模糊的"试验班"名字里，等着被调剂，也是因为大家都知道，这些方向的真实市场价值偏低。

家长和考生，其实已经在用分数和志愿填报，进行一场真实的"市场定价"。

问题是，学校设置专业的速度，跟不上市场变化的速度。一个专业从设立到第一批学生毕业，至少四年。四年前看起来前景光明的方向，四年后毕业时，可能已经供过于求。这个时间差，是行政计划体系永远无法消除的结构性问题。

真正的瓶颈，不在教育端，在资本端

现在说我提的核心问题：为什么1290万毕业生，会面临"不乐观"的就业形势？

很多人把这个问题归结为"专业设置不合理"，归结为"教育与市场脱节"。这个判断没有错，但只说了一半。

更根本的问题是：岗位是怎么产生的？

一个岗位的诞生，前面已经反复讲过这条链条：储蓄被转化为资本，企业家拿到资本，判断有利可图，扩大生产，雇人。

这条链条上，有两个环节，正在被持续地消耗。

第一是税收。企业每实现一笔利润，要交企业所得税；雇佣每一个员工，要承担社保、公积金的企业部分缴纳；各类增值税、附加税，嵌在每一笔交易里。这些税负，从企业可用于再投资的资本里，一笔一笔地抽走。

第二是管理和合规成本。审批流程、资质认证、各类检查、行业准入门槛——这些行政成本，本身不创造任何价值，却消耗着企业的时间和资金，本来这些资源是可以用来扩大产能、增加雇佣的。

这两件事加在一起的效果是：企业用于资本积累、用于扩张再投资的那部分利润，被系统性地削减了。资本积累的速度，决定了一个经济体能够创造新岗位的速度上限。

教育系统每年按照行政计划，稳定地、可预测地产出1290万毕业生。

企业能够创造的真实岗位数量，取决于资本积累的速度，这个速度，又取决于税负和管理成本对企业利润的侵蚀程度。

供给端是行政计划驱动的，相对稳定、可预测、持续增长。

需求端是资本积累驱动的，受到税收和管理成本的持续侵蚀，增长速度天然受限。

两条曲线，速度不匹配，差距就是每年那批找不到合适工作的毕业生。

这不是"教育出了问题"，也不是"年轻人不够努力"，是两套完全不同的运作逻辑，在用不同的速度运转，而供给端的速度，目前明显快于需求端。

给每个家庭一个具体的建议

说了这么多结构性问题，回到每一个具体的家庭，能做什么？

我想提一个角度：把上大学，当成一项真正的投资决策来看待，而不是一项必须完成的人生任务。

任何投资决策，核心是算清楚两件事：投入是多少，预期回报是多少。

上大学的投入，不只是学费。还包括四年时间的机会成本——如果不上大学，这四年本可以用来工作挣钱、学一门手艺、积累实际经验。这个机会成本，在不同的专业选择里，差异巨大。

上大学的回报，不是一张文凭，是这张文凭背后对应的真实就业市场价值——未来的薪酬水平、职业发展空间、行业的长期景气度。

那些被打包进"干净专业组"、分数线被拉得很高的专业，市场已经用分数线告诉你：这个方向的预期回报，目前被广泛认可为更高。那些被塞进模糊名字"试验班"里的专业，市场同样用分数线告诉你了另一个判断。

这不意味着每个家庭都该挤破头去抢"人工智能"专业——四年后，这个方向是否依然供不应求，没有人能确定地保证。这恰恰是投资决策最难的地方：你今天看到的"高回报"信号，是过去几年市场反馈的结果，不是对未来的保证。

真正理性的做法，是把这件事当成一个需要持续跟踪、动态判断的投资，而不是一次性的、靠运气的赌博。

具体来说，几件事值得每个家庭认真考虑：

不要只看学校的名气，要看专业对应的真实就业数据——这个专业过去三年的毕业生，去了哪里，拿到什么薪酬，这些信息，比学校排名更有参考价值。

不要忽视职业教育和技能培训这条路。在行政计划驱动的高校扩招持续进行的同时，一些技能型岗位——电工、维修、护理、特定的技术工种——长期处于供不应求的状态，因为很少有人愿意走这条路，但这条路的投资回报率，在某些细分领域，可能远高于一张普通本科文凭。

对于已经在读、专业前景不明朗的学生，及早规划第二技能、考虑跨专业的实习和实践经验，比单纯等待毕业再去找工作，更能对冲行政计划和市场需求之间那个结构性的时间差。

这一切的核心，是把"我的孩子该读什么大学"这个问题，从一个情感化、攀比化的问题，重新放回到一个理性的投资决策框架里：投入多少，预期回报是多少，风险在哪里，如何对冲。

行政计划决定了1290万这个数字，决定了热门专业被拉到多高的分数线。

但每一个具体家庭的具体选择，依然是自己可以掌控的事。

这场考试结束了，真正决定回报的那场考试，才刚刚开始。