2026 年的北美求职市场，正把被裁的大厂资深工程师和刚毕业的博士放进同一个池子里竞争。MarsBit 刊发的文章援引《华尔街日报》报道和康奈尔大学计算机博士 Jinyan Su 的公开复盘称，在这轮招聘环境里，名校背景、顶会研究和大厂实习经历，都不再自动对应稳定的全职岗位。
普林斯顿博士投出 2300 多份申请，仍未找到稳定全职工作
文章先提到一个由《华尔街日报》记者 Lindsay Ellis 于 10 月 17 日报道的案例。主角 Jack Weis 是普林斯顿大学化学工程博士，2024 年毕业。
2022 年，他以共同作者身份在《PNAS》发表论文，研究用机器学习模拟水结冰的过程，规模可覆盖数十万个原子。到 2024 年，这篇论文被写入诺贝尔物理学奖官方科学背景文件的参考文献第 39 项，出现在 Geoffrey Hinton 获奖相关背景材料中。原文特别说明，Weis 并不是诺奖得主，也不是独立第一作者，但论文能被诺奖委员会引用，至少说明其研究并非无足轻重。
现实中的求职结果却与这份履历形成强烈反差。自 2024 年至今，Jack Weis 已投出 2300 多份求职申请，仍没有获得稳定的全职工作。
报道显示，他申请过制药研发岗位，也申请过国家实验室博士后职位，很多申请没有回音；转向软件和咨询岗位后，结果同样不理想。一路下探后，他甚至去应聘一家销售冷冻蟹肉饼的公司，依然没有拿到岗位。
在这两年的求职过程中，多数申请石沉大海，少数回复则是自动拒信。文章将这种状态概括为：最折磨人的并不只是失败，而是求职者往往不知道自己为什么失败。
短暂接到 AI 相关零工后，他又在 3 月中旬被解雇
在没有稳定工作的情况下，Jack Weis 今年 1 月终于获得一份带来收入的工作。一家初创公司以每小时 70 美元的报酬聘请他编写化学题目，并为 AI 给出的答案打分。
这份工作起初每周约 20 小时，之后缩减到 4 小时，再后来整周都没有任务。到 3 月中旬，他通过一条群聊消息得知自己已被解雇。
文章把这一经历放在更大的背景下审视：诺贝尔奖委员会曾从他的研究中看到 AI 改变科学的证据，而到目前为止，AI 行业真正从他这里买走的，只是几个月按小时计费的答案标注工作。
后来，他搬回犹他州盐湖城，住进父母家的地下室。报道提到，他没有完全放弃求职，正在准备 LSAT，考虑转向法律行业，同时也在琢磨一个利用无人机清除入侵杂草的创业方向。
康奈尔博士 Jinyan Su：求职像一场「剧毒的强化学习」
另一位案例来自 Jinyan Su。文中称，她本科毕业于中国电子科技大学，2025 年曾赴斯坦福大学计算机系担任访问学者，2026 年获得康奈尔大学计算机博士学位。
她的研究方向包括强化学习环境设计、大语言模型后训练，以及模型安全与对齐；实习经历则覆盖 Adobe 研究院、Meta FAIR 和微软 Copilot 团队。
即便拥有这样的履历，她仍在 2026 年的求职过程中承受了很大压力。根据她本人的公开复盘，这场求职并不像一套清晰的人才筛选机制，更像一场「极度充满噪声的强化学习」。
她之所以使用这个比喻，与其研究背景直接相关。在强化学习框架里，Agent 做出动作后，环境会给出奖励或惩罚，Agent 再根据反馈调整策略。但她认为，现实中的求职环境不仅是黑箱，而且带有明显的「毒性」。
第一层问题：缺少反馈
她提到，投出大量简历后没有回音，求职者通常不知道问题出在哪里；完成一轮 45 分钟的电话面试后，第二天收到拒信，也很难知道究竟是算法题没有达到面试官预期、系统设计回答没有击中偏好，还是公司刚刚冻结了 HC。
在这种情况下，候选人只能在信息极少的环境里不断试错。
第二层问题：噪声过高
她还提到，面试主观性很强，自己遇到过面试官在视频面试过程中明显分心，也遇到过因为写代码速度太快、思路太顺，而被无依据怀疑作弊并打低分的情况。
按照她的描述，结果并不完全由实力决定，面试官状态和偶然因素会显著影响最终判断。连续遭遇拒绝后，求职者很容易开始怀疑自己的能力，甚至怀疑过去几年的博士训练是否还有意义。
她把问题指向 Agent：人还在面试，Agent 已经上班
Jinyan Su 在帖子中描述，2026 年的求职池里同时挤满了几类人：同届竞争激烈的应届博士、刚被大厂裁掉的 L6/L7 资深工程师，以及等待时机已久的跳槽者。
但她认为，如果只把原因归结为大厂裁员或经济周期，还不足以解释这轮竞争的烈度。她给出的核心判断是：2026 年初，Agent 能力出现爆发，企业内部已经开始大规模使用 Agent 写代码、修 Bug、处理内部事务，这可能引发了一场隐蔽但影响深远的就业冲击。
按照文中的描述，过去一个核心项目可能需要 2 名资深架构师带 10 名初中级工程师，其中包括刚毕业的博士和硕士；而在新的配置下，公司可能只保留那 2 名资深架构师，再配上一组能力更强的 Agent，初中级工程师对应的 HC 会被大幅削减。
岗位池收缩后，原本在大厂内部相对稳定的资深工程师被挤出体系，开始向下竞争。结果就是，被裁的大厂工程师与刚走出校园的博士，被迫在更窄的通道里争夺更少的岗位。
招聘标准也变了：从看论文，转向看交付
文章认为，名校博士光环在 2026 年失效，一个重要原因是 AI 公司衡量候选人的尺子已经改变。
过去几年行业处在高热阶段，企业更愿意为「论文」和「潜力」买单，也愿意把顶会人才密度写进对外叙事。到了 2026 年，企业更看重的是交付能力，是能否以更低成本把技术做成可落地、可变现的产品。
在这种标准下，应届博士的短板被放大。文中提到，博士训练通常要求研究者在极窄的方向上长期深挖，可能为了 2% 的准确率投入数月时间；实验代码只要能跑通数据即可，未必符合工业环境对底层逻辑、可维护性和稳定性的要求。
与之相比，被裁下来的大厂 L6/L7 工程师更熟悉线上事故处理、遗留系统修复和快速交付。面对工业界强调速度、稳定性和落地的要求，没有全职工程经验的应届博士会处于明显劣势。
文章用一句相当直接的话概括这种处境：没有工业界经验，哪怕是康奈尔博士，在面试官眼里依然像是「裸奔」。
Jinyan Su 给出的三条求职建议
在多次碰壁后，Jinyan Su 总结了三条生存法则，核心都围绕一个现实前提：在 HC 快速变化、竞争者持续增加的市场里，求职者必须更快、更有选择地行动。
1. 不要过度等待
她认为，高学历求职者最容易犯的错误是完美主义，总想等到自己「准备好了」再投递、再面试。但在 2026 年的市场里，HC 变化很快，今天开放的岗位，明天可能就关闭。与其长时间准备，不如尽早进入面试流程，在实战中复盘和修正。
2. 不要盲目海投
她不建议把精力消耗在自己并不想去、或者薪资明显偏低的公司上。即便拿到面试，这类机会也可能只是短暂的情绪安慰，却会占用大量时间和状态。她建议列出真正愿意加入的公司，研究产品和 JD，尽量争取内推，把有限精力集中到更有价值的岗位上。
3. 谨慎对待初创公司
她特别提醒应届生关注初创公司的签证和生存风险。文中提到，很多打着「AGI 在望」旗号的公司会用低底薪加期权吸引候选人，但对留学生而言，H1B 是关键变量。如果公司法务体系不成熟，签证一旦出问题，后果会直接影响留美工作资格。
另一层风险来自经营稳定性。她提到，在资本耐心下降的环境里，没有现金流支撑的公司随时可能倒闭，候选人手中的期权也可能失去价值。基于这些考虑，她建议第一份工作尽量选择成熟企业，以获得更稳定的现金流、工程规范和签证支持。
参考来源与署名信息
文中列出的参考资料包括 Jinyan Su 在 X 平台发布的帖子，以及 Yahoo Finance 页面中收录的一篇相关文章链接。原文署名显示，本文来自微信公众号「新智元」，作者为「ASI 启示录」，由 MarsBit 发布。
