ARTICLE · 1198064
AI时代,孩子选啥专业?
AI时代,孩子选啥专业?最近，一直有家长和学生问我，AI大时代来了，社会行业格局已在被重塑，未来应该选什么样的专业去学习、才能更适应这个趋势？坦诚讲，我自己也一直在思考。 前阵子跟一个在东莞开厂的朋友吃饭。他说以前车间里一百多号人，现在只剩二十个不到了，剩下的活儿全交给机械臂了。他说这话时，表情很复杂，一半是轻松，一半是茫然。 
深圳某忙碌的三来一补加工车间 我忽然意识到，我们这代人正处在一个特别拧巴的过渡期。 往前推三十年，谁家孩子在制造业上班，那是踏实肯干的象征。我现在所在的深圳，就是当时“三来一补”产业的标准代表。流水线上三班倒，挣的是辛苦钱，但好歹有个奔头。那时候靠的是人海战术，人多力量大，谁手快谁就能多拿计件工资：这个阶段咱可以看作“劳动密集型”时代。 后来风向变了，房地产起来了，工地上的塔吊比树还密。钱开始往资金堆里跑，谁有本事撬动杠杆，谁就能在风口上飞。那会儿大家聊的都是“资源整合”“资本运作”，好像只要钱能转起来，日子就能一直红火下去：这个阶段咱可以看作“资金密集型”时代。 可到了今天，这两条路都开始变窄了。制造业在往自动化、智能化走，流水线上不需要那么多人了。房地产更不用说。。。俺是亲历者。。。这里省略一万字的泪水。那接下来靠什么？我琢磨着，大概就是靠脑子了：这个阶段可以看作“知识密集型”时代，而最具冲击力的，就是人工智能AI。 
AI这东西，表面上看是工具，实际上是在重新定义“人该干什么”。它把那些重复性的、可编码的活儿全接过去了，剩下的，全是那些需要判断、需要创造、需要从零到一琢磨明白的事儿。 但AI不是凭空掉下来的。它背后是算力、算法、数据，是一群能把数学公式写成代码的人。再往深了说，是数理化。我概念里，数学教的是逻辑推演，是从一堆乱七八糟的现象里找到那条清晰的线；物理教的是建模，是把复杂世界简化成几个变量，然后看它们怎么相互作用；化学教的是微观到宏观的转化，是理解物质世界怎么从原子层面一层层搭起来。这些东西，AI能帮你算，能帮你模拟，但它没法替你去“理解”。你得先有那个思维框架，才能知道该问AI什么问题，才能判断它给的答案靠不靠谱。 我本科和硕士在北大读城市经济学，博士在美国MIT读空间经济学。这个跨度听起来有点大，但对我来说其实是一件事：人、钱、知识，为什么会在某些地方扎堆。北大那几年，我跟着老师跑过深圳广州的城中村，看过土地财政怎么运转，也听过无数关于产业升级的争论。那时候我总觉得，城市就是一堆钢筋水泥加政策文件。后来到了MIT，开始用模型和数据分析空间里的知识溢出、创新集聚，才慢慢明白，城市不只是容器，它更像一个巨大的反应堆。人和人离得近，想法才会碰撞；想法碰撞了，创新才可能发生。 
我，1994年北大寝室 vs. 2018年未名湖畔 空间经济学里有个经典话题：为什么知识会在地理上集聚？因为面对面的交流、偶然的碰撞、非正式的信任，这些东西远程替代不了。AI时代，很多人说大家都可以在家办公了，城市要衰落了。我反而觉得，大学、城市、创新街区会变得更重要。因为教育不只是上课，不只是刷题，它是把人放进一个高密度的知识网络里。你在北大听一场讲座，在MIT跟同学吵一架，在实验室熬夜改模型，这些东西看起来跟“就业”没直接关系，但它们悄悄改变了你思考问题的方式。 所以，有人会说，现在网上什么都能学，学历不值钱了。我不同意，很不同意，坚决不同意。学历确实不能保证你飞黄腾达，但它至少证明了三件事：你受过系统训练 / 你能在压力下完成长期目标 / 你身边有一群同样较真的人。这三件事，在AI时代反而更稀缺。AI可以给你答案，但给不了你判断力。判断力从哪来？从数理化的训练里来，也从人文的滋养里来。 我特别想强调后者。技术回答“如何”，人文回答“为何”。AI可以写诗，但它不懂诗背后的痛苦与欢愉；AI可以生成方案，但它不懂方案对社区、对历史、对普通人的影响。我读城市经济学和空间经济学，越往后越觉得，这行当横跨经济、地理、社会学、政治。你得懂模型，也得懂人。你得会算，也得会看。不然，你设计出来的政策，可能效率很高，但冷冰冰的，把人当成了数字。 AI时代，我们太容易沉迷于“能不能”。能不能更快，能不能更便宜，能不能自动化。但真正重要的问题往往是“该不该”。该不该用算法决定谁获得贷款？该不该让平台无限收集数据？该不该为了效率牺牲公平？这些问题，数理化给不了答案，得靠历史、哲学、文学、伦理学。一个只懂技术不懂人文的人，可能很会造工具，却不知道工具该往哪用。一个只懂人文不懂技术的人，可能很会批判，却拿不出可行的方案。未来真正吃香的，是能在这两者之间搭桥的人，尤其在这AI时代。 
如果让我给现在的孩子、也给家长一些具体的专业和就业建议，我仔细想了想，可以总结为以下几点： 第一，别按“行业名字”选专业，要按“能力底座”选。本科阶段，尽量选那些基础厚、迁移性强的方向——数学、物理、计算机、统计、经济。。。都行。关键不是名字热不热门，而是它能不能训练你提问、建模、验证、表达的能力。等底座打牢了，上面盖什么楼，反而没那么慌。我之前接受采访直播时，曾说过，数学是学科之母，至今我仍然坚持这个观点。 第二，理工科一定要补人文，文科一定要补数据。未来最吃香的不是纯粹的“技术人”，也不是纯粹的“文化人”，而是能听懂两边语言的“双语者”。你懂算法，也懂伦理；你会跑模型，也读得懂历史；你能写代码，也能跟人解释清楚这代码会影响谁、会伤害谁。这种交叉能力，才是AI很难替代的。 第三，选专业要看“接口”。一个专业好不好，不只看它现在能不能就业，还要看它能不能跟别的领域接上。空间经济学就是一个典型的接口学科：经济学、地理学、数据科学、公共政策，全在里面。未来类似的方向还有很多：AI+医疗、AI+能源、AI+法律、AI+教育、AI+城市治理。别一窝蜂去挤最热的那一个，去找那个你能把两件事接起来的位置。 第四，就业别只盯着“稳定”和“高薪”这两个词。AI时代，很多岗位不是消失了，而是被重新定义了。医生会被AI辅助诊断重新定义，律师会被AI检索重新定义，教师会被AI个性化学习重新定义，城市规划师会被AI模拟重新定义。你要做的，不是躲开AI，而是成为那个会用AI放大自己专业能力的人。同样一个岗位，有人被AI替代，有人被AI增强，差别就在这儿。 第五，学历仍然重要，但学历不是保险箱。我对于本硕博的核心理解是：本科重基础，硕士重交叉，博士重原创。如果有条件，尽量去知识密度高的城市和学校。不是因为那张文凭有多神，而是因为那里的人、讲座、争论、失败和碰撞，会在你身上留下别的地方给不了的东西。但与此同时，你得手上有活：实习、项目、论文、作品集。AI时代，证明你能把一件事做成，比证书更有说服力。 我一直坚信：学历是起点，作品是证明。 
MIT著名的“无尽头走廊”，读博那些年我在这里穿行数千次。 第六，从小培养“该不该”的判断力。让孩子读历史，读文学，读哲学，也让他们接触技术、理解技术。别只教他们怎么用工具，也要教他们问：这个工具该不该用？对谁有利？对谁有害？谁来负责？这些问题，才是人区别于工具的地方。 我有时候会想，如果只教孩子敲代码，不教他们读历史、看文学、理解社会，那他们将来可能很会造工具，却不知道工具该往哪用。反过来，如果只谈情怀，不谈数理，那情怀也容易变成空话。教育和学历的意义，恰恰在于给你一个完整的“操作系统”。它让你既能向下扎根，理解世界的底层逻辑；又能向上生长，看见人的价值和边界。 说到底，风口会变，行业会变，但一个人脑子里的思维框架，是能跟着他一辈子的。制造业靠人力，房地产靠资金，AI靠智能，这些阶段都会过去。但无论哪个阶段，真正稀缺的，永远是那些能提出问题、拆解问题、验证答案的人。而这样的人，通常都有一个共同点：他们受过扎实的教育，有学历背后的系统训练，也有一点人文的底子。 别总想着追风口，风口追不上，也追不完。倒不如沉下心来，把那些最基础的东西学扎实。数理化要学，人文也要读。学历要拿，但别把它当终点。等风来的时候，你手里有桨，心里有数，自然知道该往哪儿划。 风会来，风也会停，但桨得自己造。
