选“AI+X”交叉专业,到底是上车还是入坑?

选“AI+X”交叉专业，到底是

上车还是入坑？

最近几年，“AI+X”简直成了大学新增专业的“流量密码”。

AI+医学、AI+教育、AI+金融、AI+法律、AI+传媒、AI+人文、AI+治理、AI+科学……仿佛随便哪个传统学科，只要前面缀上“AI+”，立马就变得抢手、高端、前沿。

对高校来说，开一个AI+X专业，像是在高调宣告“我们让学生拥抱了智能时代”；对咱们学生和家长而言，选它就像抢到了未来风口的票。可是，大家应该都有一些疑问吧：交叉学科不是应该很重要吗，这么容易就“拼”出来了？面向未来的高等教育能这么容易玩转？

基于此，今天来跟大家探讨一下——选“AI+X”专业，到底是踏上了第四次工业革命的快车，还是掉进了“领导拍脑袋、专业攒出来”的大坑？

不可否认，AI正在重塑大学的专业设置逻辑。

过去，一个专业得有清晰的学科边界——计算机就是计算机，法学就是法学，医学、教育、经济，各自有稳定的知识体系和培养路径。但AI一来，传统阵地似乎全被搅动了：法学得管算法治理和数据合规，教育学要面对智能学习场景，商科绕不开AI决策，连人文社科都得重新思考知识生产和文化传播被AI改变成啥样。

于是，AI+X如雨后春笋。比如东部某土建985神校的奇葩学科规划，香港八大里某所“尾部”大学的AI赋能发展，还有美国宾大、马里兰大学新学科等。

乐观地看，这是大学在主动回应技术浪潮，总不能假装AI不存在，继续用老模板教学生。但问题是，很多专业还没想清楚“AI”和“X”到底怎么结合，就急吼吼挂牌招生了，“拍脑袋抢先机”的决策方法再次重演。事实上，现在不少学校的做法，就是在原专业里塞几门《人工智能导论》、《Python编程》、《数据分析》或者《生成式AI应用》课程，然后美其名曰“交叉学科”或AI赋能。哪些高校是这样弄的，不在高校圈子的朋友们，去网上找一下感兴趣学校的师生的交流讨论也就清楚了。一些表面花哨、内核却缺乏系统设计的所谓新型专业，实在是儿戏。

我的看法是，别被噱头唬住，回归两个最朴素的标准：先得是个好专业，再得是个好交叉。

先说“好专业”的底线——

第一，培养目标必须清晰。

不能光喊“培养复合型人才”、“适应AI时代”这种大空话。得说清楚：四年后你出来能干啥？面向哪些真实社会岗位需求？具备什么具体的能力和素养？如果连这些都含糊，拜拜吧。

第二，知识体系要稳定。

专业不是几门课的“大乱炖”。得有扎实的基础理论、核心概念、方法论和实践环节。如果只是把AI课和X课并列摆放，学生学完既不算懂AI，也不算精X，那这专业只是个四不像。

第三，课程结构要有逻辑。

基础课、核心课、方法课、实践课、综合项目，得一层层搭上去，彼此支撑，而不是“多多益善”地堆砌。好的专业不是课程越多或越新颖越好，而是课程之间能够支撑同一个培养目标。

第四，师资不能靠“借”。

如果AI课找计算机学院老师来讲，专业课再由本院老师凑，中间没有一个真正懂交叉方向的团队师资，那这专业基本就是临时拼凑的。老师都不懂交叉，还怎么培养出交叉人才？

第五，职业出口要稳定。

别光追风口。如果社会只是短期需要“会用AI工具的人”，那更适合做成微课程或辅修模块（像上海某985已经在试点），而不是硬生生设成一个四年制本科专业。多数学生学习一门专业，是作为毕业后持续的谋生手段。

再说“好交叉”的门槛——

第一，交叉必须源于真实而重要的社会需求。

不是为了凑热点硬拉郎配（比如国内诸多土建高校用AI“拯救”濒死的土建学科的例子），而是因为某个真问题，单靠一门学科根本解决不了。比如人机协作、智能医疗、资源可持续发展，这些本身就需要技术、伦理、制度、人文多维度协同。

第二，交叉要产生“1+1>2”的化学反应。

不是让学生学得更杂，而是形成全新的能力结构。比如“人本AI”，不是简单“AI+心理学+设计”，而是要让学生理解AI系统怎么跟人、组织、社会真正地协同工作。

第三，交叉要催生新问题域和新方法。

好的交叉学科有自己的核心追问——比如“人如何与AI高效协作”“AI决策如何被治理”“AI怎样改变科学范式”。这些问题能把不同学科真正拧成一股绳，而不是各讲各的课。

小结一下，我认为，至少满足以上两方面标准，才算靠谱的AI+X交叉专业。

基于上述分析，大家觉得“选择“AI+X交叉专业”，是“赚了”还是“亏了”呢？

我的答案是：得看具体专业。残酷地说，目前很多AI+X确实像是“草台班子临时搭台”。那些不符合上面标准的专业，学生毕业后很可能既没有达到传统专业的深度，也没有AI专业的硬核技术。毕业时好像啥都沾边，真到求职场上，又说不清自己哪里强——这就是妥妥的“入坑”。

但也不能一棍子打死所有AI+X专业。比较值得留意的，是那些围绕真实问题生长出来的方向，比如“AI+人”——人机协作、人机交互、AI与社会治理等。因为AI带来的重要挑战不只是技术本身，还包括它怎么进入人的生活、学习、工作、组织和社会。这类方向当然很有意义，也更有长远价值。

至于“AI for Science”这类，我作为理工科科教人员，认为要谨慎看待。它当然重要——用AI推动物理、化学、生物、材料、医学的科研突破，可能深刻改变未来科学范式。但问题在于，它更适合作为科研方向、研究生课题或高水平平台，而不是随意作为本科专业。普通高校如果把它包装成本科招生招牌，你就得留个心眼——很可能“名词很大，根基很虚”。

所以，选AI+X是赚是亏，关键看三点：

- 有没有扎实的主干学科基础？

- 有没有真正的交叉问题，而不是课程拼盘？

- 有没有清晰的能力培养路径和毕业出口？

三点都清楚，可以上车，我认为这类新专业不会比成熟专业差；如果三点都含糊，只是名字好听，那就是在入坑。

结尾建议

**对大学决策者：靠谱点儿，少拍脑袋。

AI+X，不能为了追热点、抢生源、刷存在感就匆忙上马。负责任的大学，得先想明白：这个专业解决什么真问题？学生几年到底学什么？毕业时比传统专业学生优势在哪？师资撑不撑得住？课程是不是有机整合？社会是不是长期需要？这些问题没想清楚，就别把“AI+X”包装成新专业来收割学生。家长和孩子的青春与学费，不该沦为政绩工程的耗材。

**对正在选专业或已经入读的同学：专业重要，但别为它所累

选个好方向，确实能少走弯路。但如果你已经进了某个AI+X且觉得不太对胃口，也别慌——换不了专业，就接受它，然后在里面找到自己的节奏。说到底，决定你走多远的，从来不只是那点理论知识，而是你的思维能力、行动力、身体素质和你能调动的资源网络。如果你恰好喜欢自己的AI+X专业，那就更该加倍努力——交叉学科要求你更主动、更能吃苦，既要功底扎实，又要在不同知识体系之间搭桥。这份本事，练好了，比什么专业名字都有人生价值。