ARTICLE · 1061040
在AI时代需要各种不同程度的通才
你提出的判断——指挥AI干活的人应该什么都懂，成为通才，专家干的活将来AI都替我们干了——触及了一个真实且紧迫的趋势，但它需要拆开来看。“通才吃香”这个方向有扎实的实证支撑，但“专家没必要再当”这个推论，可能走得太远了。
“通才吃香”有证据支撑，但通才的定义需要厘清
你提到的“指挥AI干活的人”，在管理学和组织行为学研究中有一个对应的概念：“AI增强型通才”（AI-augmented generalist）。一篇2026年发表于《Health Affairs Scholar》的论文系统论证了这种角色的兴起：AI将各专科知识整合为统一系统，使一个受过广泛训练的人能够处理此前需要多个专科医生协作的复杂病例。
但这里的“通才”不是“什么都懂一点”的杂家。论文明确将其定义为：在某个宽阔的领域内（如心血管-代谢疾病域），能够利用AI整合的知识，进行纵向、连续的管理，而非在每一个细分专科都达到专家水平。牛津学术期刊的另一篇文章也强调，AI增强型通才的核心能力是“跨领域的整合判断”，而非“所有领域的知识储备”。
这意味着，“通才”不是“取消专业”，而是“专业口径从窄变宽”。一个心内科医生如果只会看心脏，在AI时代可能不如一个能整合心、肾、内分泌的“心血管-代谢域”医生有价值。但后者仍然是一个有专业深度的通才，而不是一个“什么都知道一点但什么都不深”的人。
“专家没必要再当”这个推论，证据不支持
你判断“专家干的活将来AI都替我们干了”，但搜索结果指向的是专家角色的转型，而非消失。
一篇2025年发表于《Business Horizons》的研究，系统梳理了生成式AI在工作场景中的角色类型。结论是：AI主要“补充和增强”专家，而非替代专家。在需要“非例行任务”的场景中——比如将AI输出适配到具体消费者的认知和情感反应——人类专家的判断仍然不可或缺。研究甚至警告：过度依赖AI进行最终决策，会导致“通用化或缺乏灵感的产出”。
《Health Affairs Scholar》的论文也明确指出，AI增强型通才“不打算取代所有亚专科专业知识”，而是形成“初级保健与亚专科之间的中间层”。真正的“n-of-1”罕见病例、需要研究级干预的极端复杂情况，仍然需要亚专科专家。
所以更准确的判断是：AI替代的是“标准化的专家劳动”，而不是“专家判断力本身”。一个只会按照指南开药的专科医生，可能确实会被AI增强的通才取代；但一个能在指南之外识别罕见模式、在不确定性中做判断的专家，反而会因为AI的普及而变得更稀缺——因为AI让“标准答案”泛滥，真正稀缺的是“知道标准答案在哪里不适用”的能力。
通才培养的实践：海南的尝试和它的局限
你提到的“海南通才培养计划”，其设计思路正是回应这个趋势：不设专业、从大一开始培养纯粹通才、以自学+AI助学+讨论为主、精读至少一百本跨学科经典。这个计划的定位是培养“教学、研究、管理”领域的通才，目标是“有思想深度、想他人之不想”。
这个尝试的方向是对的，但它面临几个现实约束：规模限制在50人，说明这是一种精英化的“实验”，而非可推广的模式；“不设常任教师、完全由学生博览群书完成学业” 的设计，高度依赖学生的自驱力和自学能力，对大多数学生来说，缺乏结构化指导可能反而导致“什么都学了一点，什么都不会用”。
武汉大学的数智教育改革提供了另一种思路：不是取消专业，而是在专业教育中嵌入“通识+赋能+应用+专业”四层数智课程体系，让不同专业的学生都能获得AI时代的底层认知。这比“完全取消专业”更务实。
回到你的核心判断
你说“每一个大学生都应该认真想一想，你学的这个专业将来会不会被AI替代”——这个问题问得对，但答案不是“所以别当专家了”，而是“所以要成为一个有宽度的专家”。
“通才吃香的时代终将到来”这个判断，如果指的是跨领域整合能力比单一领域的深度更重要，证据是支持的。但如果指的是专业深度本身不再重要，证据不支持。AI增强型通才之所以有价值，恰恰是因为他既有宽阔的整合能力，又在某个宽阔领域内有足够的深度来判断AI的输出是否可靠。
所以，对大学生更诚实的建议不是“放弃专业、成为通才”，而是：在你的专业领域内建立足够的深度，同时刻意训练跨领域整合和AI协作的能力。 前者让你有判断力，后者让你有指挥AI的资格。两者缺一，要么沦为AI的附庸，要么成为被AI替代的“标准化专家”。
我：你说得对，我修正一下我的说法，未来需要各种不同程度的通才
DEEPSEEK:
你这个修正很关键。“各种不同程度的通才”这个表述，比“通才吃香”更准确，也更符合劳动力市场正在发生的实际变化。
“不同程度的通才”意味着什么
如果我们把“通才”理解为一个连续谱，而不是一个二元标签，就能看到几种不同的形态：
第一层：专业内的“T型通才”。 这是最基础也最普遍的一种。在某个专业领域有足够深度，同时对该领域相邻的2-3个方向有基本理解。比如一个机械工程师，除了结构设计，还懂一些电子控制和材料工艺。这种人在AI时代不会失业，因为AI可以帮他补足相邻领域的知识，但判断“什么该补、补到什么程度”的能力，来自他自己的专业深度。
第二层：跨领域的“整合型通才”。 在2-3个相关领域都有实质性理解，核心能力是在领域交界处发现问题和定义问题。比如一个懂医学又懂数据科学的人，他的价值不在于比AI更会诊断，也不在于比AI更会写代码，而在于他知道什么样的临床问题值得用数据方法去解决。这种人的稀缺性，恰恰因为AI让单领域知识变得廉价。
第三层：元层面的“指挥型通才”。 这就是你最初说的“指挥AI干活的人”。他不需要在每个领域都达到专家水平，但需要理解每个领域的基本逻辑、知道AI的输出在什么情况下可能不可靠、能判断一个方案是否值得推进。这种人的核心能力是判断力和决策力，而不是知识储备量。
为什么“不同程度的通才”比“通才”更准确
你最初的判断——“什么都懂，成为通才”——隐含了一个假设：通才是同一种东西，只是程度不同。但实际情况是，不同层次的通才，需要的是不同类型的教育。
第一层通才，可以在现有专业教育框架内培养，只需要拓宽专业口径、增加跨方向选修课。武汉大学的“通识+赋能+应用+专业”四层数智课程体系，就是这种思路。
第二层通才，需要结构化的跨学科项目训练，而不是简单的课程叠加。海南通才培养计划的“精读一百本跨学科经典+讨论”，可能更适合这一层，但它的规模限制（50人）说明这种模式高度依赖精英化的师生比和学生的自驱力。
第三层通才，需要的是在真实复杂场景中做决策的经验，而不是课堂训练。这种能力很难通过课程体系批量生产，更多是在长期实践中“磨”出来的。
对高等教育的真正冲击
你说“这对高等教育是巨大的冲击”，这个判断成立，但冲击的方向需要修正。冲击不在于“专业教育该不该取消”，而在于“专业教育的口径需要重新定义”。
一个只培养“窄而深”专家的专业教育，在AI时代会面临双重挤压：AI可以替代标准化的专家劳动，而“指挥型通才”又不需要那么多窄领域专家。但如果完全取消专业教育、转向“什么都学一点”，又会培养出“什么都知道一点但什么都不深”的人，这种人恰恰是AI最容易替代的——因为AI的知识储备量远大于他。
所以，高等教育的真正挑战是：如何在保持专业深度的同时，系统性地拓宽学生的整合视野和判断力。 这不是“取消专业”，而是“重新设计专业的边界和出口”。
回到你的修正
“各种不同程度的通才”这个表述，最大的价值在于它承认了多样性。不是所有人都需要成为“什么都懂”的指挥型通才，也不是所有专业都适合培养通才。一个临床医生需要的“通才程度”，和一个政策分析师需要的，不是同一回事。一个工程师需要的，和一个教师需要的，也不是同一回事。
教育的任务，不是把所有人都培养成同一种“通才”，而是帮助每个人找到适合自己的“通才程度”和“通才方向”。 这比“通才吃香”这个判断更复杂，但也更接近真相。
我：AI时代需要人提出新的问题，把不同学科的知识融会贯通就容易想出新问题，这就是通才的价值。所以每个大学生都应根据自身的条件，把自己培养成某种程度的通才。