我是一名高校老师。越在大学里工作，越容易对大学本身产生一种居安思危的感受。这两年，变化来得很快。一方面，经济周期调整，就业市场收缩，很多过去被认为“稳妥”的专业，突然变得没有那么稳妥。另一方面，AI快速进入教育、科研、金融、设计、传媒、制造、物流、医疗等领域，很多原本依靠知识、经验和流程积累形成的专业壁垒，正在被重新拆解。
更直接的变化发生在高校内部。教育部公布的2024年度本科专业备案和审批结果显示，全国高校新增专业点1839个，停招专业点2220个，撤销专业点1428个；同时，《普通高等学校本科专业目录（2025年）》增列29种新专业，专业总数达到845种。前段时间的两会，中传大学党委书记说，过去两年，他们学校裁撤了20多个专业。也就是说，大学专业不再是一个长期稳定的分类体系，而正在变成一个快速响应国家战略、区域产业和技术变革的动态系统。
所以，当我们再问“AI时代，大学应该选什么专业”时，这个问题本身就不合理。
一、“AI时代，大学应该选什么专业”的问题为什么不合理
长期以来，我们的专业选择逻辑是线性的，即预测热门行业→选择对应专业→获得知识技能/人脉/经验→进入职场。
换言之，我们的思路是先判断未来几年哪个行业会火，再判断这个行业需要什么岗位，然后根据岗位倒推专业，最后得出一个看似理性的结论：某某专业前景好，某某专业不好就业。这套逻辑在过去有一定道理。因为过去行业周期相对较长，岗位结构相对稳定，大学专业和职业入口之间也有较强对应关系。学土木，大概率进建筑地产和基建；学金融，大概率去银行、证券、保险；学外语，大概率去外贸、教育、翻译；学计算机，大概率进互联网和软件行业。
但今天，这套逻辑的稳定性明显下降了。经济学、金融学曾经很热，后来进入更强的学历竞争和证书竞争；语言类专业曾经有明显的信息差和国际化红利，现在机器翻译和AI写作大幅降低了基础语言工作的门槛；计算机曾经是最确定的上升通道，但随着互联网增速放缓、AI编程工具普及，普通代码岗位也在分化；土木工程曾经依托房地产和基础设施扩张形成长期红利，如今也面临行业周期调整。
这并不是说这些专业都不行了，而是说，任何一个专业都不再天然安全。AI时代最大的变化，不是某几个专业变冷，某几个专业变热，而是专业选择的底层逻辑变了。过去，专业主要承担“职业准备”功能；现在，专业更像是一个能力生态的入口。真正决定孩子未来的，不是他是否押中了某个热门行业，而是他能否在大学期间形成一种可迁移、可迭代、可与AI协同的能力结构。换句话说，专业选择不再是押风口，而是选土壤。
综上所述，AI擅长的是归纳规律与标准化输出，而这恰恰是过去绝大多数专业教育的核心。一旦行业逻辑发生突变，抱着学一门手艺吃一辈子心态的学子，极易成为第一批数字难民。我们必须实现从职业预备向能力生态构建的范式转移。专业不再是你的终点，而是你构建个人社会资源、认知深度与跨界杠杆的坐标系。
二、人口结构与AI变革的双重绞杀
我们正被两根绳子同时拉扯，今天讨论大学专业，不能只看AI，还必须看人口结构。
第一根绳子，是人口变化。国家统计局数据显示，2025年末全国人口为140489万人，比上年末减少339万人；全年出生人口792万人，死亡人口1131万人，自然增长率为-2.41‰。这意味着，未来高校生源结构、区域高校竞争、专业存续逻辑都会随之变化。人口变化对大学的影响，不会马上体现为所有大学都招不到学生，但会逐渐改变大学的权力结构。过去是学生追逐大学，未来将越来越多地变成大学争夺学生。高校专业如果不能对接社会需求、区域产业和学生发展，就会面临停招、合并甚至撤销。
与此同时，高等教育已经从精英教育进入普及化阶段。教育部相关数据表明，我国高等教育毛入学率已达到60.8%，进入普及化阶段。这说明，大学文凭仍然重要，但它不再像过去那样自动代表稀缺性。2026届全国普通高校毕业生规模预计达到1270万人，再创新高；这两年考研人数频频预冷下降。这进一步说明，就业竞争已经不是有没有大学文凭的竞争，而是大学四年到底积累了什么的竞争。也就是说，大学教育已经丧失了对教育的垄断权。
第二根绳子，是AI变革。AI改变教育的方式，不只是让学生多了一个工具，而是让知识获取的门槛大幅降低。过去很多需要老师讲、教材教、课堂训练的基础知识，现在通过AI可以快速获得解释、案例、代码、翻译、摘要和方案。知识本身仍然重要，但获取知识不再稀缺，真正稀缺的是提出问题、判断质量、组织资源、完成复杂任务的能力。马斯克曾谈到，AI可能让很多传统技能变得不再必要，但大学仍有价值，因为大学提供了同龄人共同学习、社交成长和广泛接触不同领域的环境。这个判断未必是严格的教育理论，但它指出了一个趋势，当知识变得越来越容易获得，大学的价值就会从单纯传授知识，转向提供社交、协作、试错、表达、组织和成长的场域。这个也同样论证了，大学丧失了教育的垄断权。
所以，未来大学不是没有用了，而是大学的价值重心变了。大学不再只是学一个专业知识的地方，而是一个人完成社会化、能力化和结构化成长的关键场所。
三、AI时代选专业，首先要建立优先级
既然不能简单追热门，那么专业怎么选？我认为，选择原则可以概括为一句话：家庭资源给起点，孩子禀赋给斜率，大学平台给放大器，AI能力决定上限。
第一，看家庭所在行业和父母资源。这不是鼓励子承父业，也不是把家庭资源简单理解为托关系，而是承认一个现实，孩子进入社会时，并不是从零开始竞争。父母所在行业积累的经验、认知、人脉、实践场景和风险判断，本身就是重要资源。
如果父母在医疗、教育、工程、制造、交通、物流、金融、财税、法律、能源、体制内单位或某类企业中有长期积累，而这个行业并没有明显衰退，就不应该轻易抛弃这份资源。更好的方式是让孩子在相近方向上完成升级。父母做医疗，孩子不一定非要学临床，也可以选择口腔、影像、药学、生物医学工程、智能医学工程、医疗数据、医院管理。父母做工程制造，孩子可以选择电气、自动化、机械、智能制造、工业工程、供应链管理。父母做物流交通，孩子可以选择交通运输、物流工程、供应链管理、数据科学、工业工程。父母做财税金融，孩子可以选择会计、审计、税务、统计、金融科技、法学和数据分析。
家庭资源的真正价值，不是直接安排工作，而是让孩子更早理解行业真实运行逻辑，少走信息差的弯路。
兴趣当然重要，但高中阶段的兴趣往往不稳定。很多孩子所谓的兴趣，可能来自短视频、亲戚建议、老师影响，甚至只是因为某个专业名字听起来高级。真正可靠的不是喜欢什么，而是孩子在哪类任务中更容易获得正反馈。
有的孩子喜欢抽象推理，数学、物理、逻辑、代码学起来不痛苦，这类孩子适合计算机、软件工程、人工智能、电子信息、自动化、统计学、数据科学等方向。有的孩子动手能力强，喜欢设备、系统、工程和真实场景，适合电气、机械、车辆、新能源、智能制造、交通运输、物流工程、工业工程。有的孩子表达能力强，善于理解人和社会，适合法学、教育学、新闻传播、汉语言、外语、心理学、公共管理，但必须叠加AI工具和数据能力。有的孩子细致、稳定、责任感强，适合医学、药学、护理、会计、审计、财务、质量管理等专业。
判断天赋，不要问一句你喜欢什么就结束，而要看他在什么事情上能坚持、能复盘、能改进、能产生成果。
我觉得我这样说还是有点抽象，我换个方式表达。怎么看孩子的天赋呢？
我们觉得天赋难看出来，是因为我们习惯用“成绩”看天赋。但在AI时代，天赋的定义变了。现在的核心天赋是“深度沉浸的能力”（Deep Work）和“强烈的原生好奇心”。别看孩子想学什么，看他在没人监督时，愿意在什么事情上浪费时间。如果他喜欢拆解东西，他的天赋在物理世界（具身智能、硬件工程）。如果他喜欢组织同学玩游戏、制定规则，他的天赋在组织逻辑（社会学、管理、法律）。如果他极度敏感、共情能力强，他的天赋在情绪价值（心理学、艺术、深度服务业）。
AI越发展，越要警惕低门槛、强重复、弱专业壁垒的方向。凡是只依靠基础文案、基础翻译、基础绘图、基础报表、基础运营、基础行政流程的岗位，都会被AI大幅压缩。所以，专业选择要尽量靠近几类硬门槛：数学门槛、工程门槛、医学门槛、法律门槛、财务门槛、数据门槛、实验门槛、组织管理门槛。专业不一定越难越好，但一定要有一套需要长期训练才能掌握的底层能力。
AI不是在真空里发挥作用的。未来有竞争力的人，不只是会用AI的人，而是懂一个行业、懂一个场景、懂一个真实问题，并能用AI改造它的人。所以，单纯学AI未必安全，AI加医疗、AI加制造、AI加交通、AI加物流、AI加教育、AI加法律、AI加财务、AI加城市治理，反而更容易形成复合优势。
同一个专业，在不同学校和城市中的价值完全不同。计算机专业在强工科院校、科技城市和产业集聚区，资源明显更多；金融专业在财经强校和金融中心更有优势；医学专业高度依赖学校附属医院和临床平台；交通、物流、智能制造、新能源等专业，则与区域产业基础密切相关。所以，专业不能孤立地看，必须放在“学校层次、城市产业、学院实力、就业网络”中一起判断。
表1.大学选择专业的优先级
|
优先级
|
选择依据
|
核心逻辑
|
建议方向
|
|
第一顺位
|
家庭资源 + 孩子不排斥
|
信任资产的无缝传递，避开无效竞争
|
父母深耕的行业，但进行数字化/AI化升级
|
|
第二顺位
|
孩子有明显“痴迷点”
|
兴趣是唯一能对抗AI枯燥算力的武器
|
无论冷热门，只要能做到前1%
|
|
第三顺位
|
高频物理交互/强社会关系
|
AI在物理世界和深度社交中进化最慢
|
临床医学、高级护理、机器人工程、高端法律
|
|
末尾顺位
|
纯脑力中间层/标准化办公
|
AI的绝对主场，极易成为“数字难民”
|
初级翻译、基础会计、初级码农、传统文员
|
下一篇，来讲解如何从地域、学校层次（孩子高考分数）等角度，结合具体专业，来分析什么专业适配什么性格的学生。
夜雨聆风
