最近看到一个很有象征性的新闻。

一些美国高校的毕业典礼上，台上科技高管一讲 AI，台下毕业生给出的不是掌声，而是嘘声。

毕业典礼本来是用来讲希望的。

可偏偏是在这样的时刻，一群正准备进入社会的年轻人，对“拥抱 AI”这套话术表现出了明显反感。

你或许会把这类反应简单概括成“年轻人反技术”。

很多年轻人根本不排斥 AI。恰恰相反，他们往往是最早接触、最频繁使用 AI 工具的一群人。

真正让他们不舒服的，不是技术本身，而是技术进入社会时的那种姿态。

技术由少数公司推动，收益先流向少数平台和资本，成本却要更广泛的人群来承担。

最讽刺的是，承担代价的人还要被教育成“你应该为这场进步鼓掌”。

今天的 AI，不是一种人人平等拥有的公共能力，而更像是一种掌握在少数公司手里的生产资产。

普通人当然可以用、可以买、可以订阅，但“可以使用”不等于“有决定权”。

模型怎么迭代，哪些行业先被重塑，收益如何分配，谁来承担被替代的成本，这些都不是普通人能决定的。

偏偏最先承受冲击的，又常常是议价能力最弱的人。

毕业生、初级岗位从业者、创意行业新人、文科和艺术类学生，以及那些被要求“尽快学会和 AI 协作”的基层白领。

表面上看，社会总会说，没人逼你用 AI，你可以慢慢适应。

但现实不是这么运转的。

学校会调整训练方式，公司会重写岗位要求，平台会改变内容分发逻辑，招聘市场会默认“会用 AI”是一种基础能力。

形式上你好像还有选择，实际上，你只是被推进了一场新的能力竞赛。

而且这场竞赛，并不总是公平的。

现在很流行一句话：你不会被 AI 取代，只会被会用 AI 的人取代。

这句话听起来很积极，也很像正确答案，但它把很多现实问题都轻轻盖过去了。

第一，什么叫“会用 AI”，很多行业到今天都没有稳定标准。

不是学几个提示词就算会，也不是装上几个工具就算完成升级。大量岗位现在都处在一种模糊状态：老板要求提效，员工知道该学，但没人能清楚回答，到底要学到什么程度，学了之后能不能真正换来更稳定的位置。

第二，学习 AI 从来不是零成本的。

它需要时间，需要设备，需要订阅费用，需要持续试错，也需要信息获取能力。

对有资本的人来说，这只是提升效率的工具；但对没资本的人来说，这却是一笔没人补偿的转型成本。你必须投入，而且未必有回报。

第三，就算 AI 确实能帮助一部分人升级，这种升级机会也未必平等开放。

更强的模型、更成熟的方法论、更高价值的应用场景，往往优先集中在大公司、头部团队和信息更灵通的人手里。于是 AI 一边创造新机会，一边把机会进一步向上集中。

所以真正的问题从来不只是：AI 会不会替代人。

而是当 AI 已经开始改写竞争规则时，被影响的那个人，有没有选择权，有没有过渡期，有没有体面重新定位自己的机会。

如果这些都没有，社会反弹几乎是必然的。

毕业典礼上的嘘声，本质上就是这种情绪的一次集中投射。

教育系统原本向年轻人承诺的是：你努力、你完成训练、你达到标准，社会会给你一个进入机会，至少给你一条还能往前走的路。

但 AI 浪潮带来的感受却是：你还没真正上场，入口可能已经变窄了；你刚准备按旧规则比赛，裁判已经换了新规则；至于你能不能适应，没有人给出明确答案。

这时候，学生嘘的其实不只是台上的某个人，而是在嘘一种越来越强的不确定感。

他们看到的不是宏大的生产力革命，而是一连串非常具体的问题：初级岗位会不会继续减少？哪些工作会先被压价？我现在学的东西还有没有用？如果 AI 在某些能力上已经更快、更便宜，那我未来还能占据什么位置？

技术公司当然会说，历史上每一轮技术革命都会消灭一些岗位，也创造一些新岗位。这句话从宏观上也许没错。

但宏观正确，不等于个体有出路。

所谓“会创造新机会”，往往只是从整体经济视角描述结果，却没有回答最关键的那个问题：

原来被冲击的我，真的能走到新机会那里去吗？

而且，这类反弹不会只停留在学生群体。

到那时，AI 面对的就不再只是产品争议，而是更广泛的社会接受度问题，甚至是政治和制度层面的反作用力。

人们未必要求技术停下来，但至少希望自己不是被无声牺牲掉的那部分人。

只要普通人还能相信：自己有路径，有机会，也有未来，技术冲突就还有缓冲空间。

可如果连这种基本希望都开始松动，那么今天出现在毕业典礼上的嘘声，就不会只是一个校园场景，而很可能是更大范围社会情绪的前兆。

这场嘘声真正逼问的，从来不是技术边界，而是社会怎么分配代价，怎么分配希望。