各地高考成绩和分数线已经陆续公布，很多家庭开始了紧张纠结的志愿填报环节。

不仅要思考“这个分数能读哪个学校、哪个专业”，还要考虑“这个专业会不会过几年就不行了”？

孩子辛辛苦苦读完大学，会不会一毕业就发现，很多工作已经被AI取代了？

于是我们直接问了AI这个问题：

未来哪些专业不会被你淘汰？

它给出的答案很现实——没有任何专业能完全不被AI影响。

医生会用AI辅助诊断，老师会用AI设计课程，律师会用AI整理文书，工程师会用AI做仿真，设计师会用AI生成方案，连农学、食品、养老、心理、传媒这些看起来离AI没那么近的领域，也会被数据、算法和智能工具改变。

所以，真正的问题不是哪个专业绝对安全。

而是孩子选择的这个方向，能不能让他持续学习、持续深入、持续形成自己的能力。

一个没有真实兴趣、不愿意长期投入学习、不能持续进步的人，才是最容易被淘汰的。

以下这八个专业，相对而言受AI冲击较小，仅供参考，填报志愿时请根据孩子的兴趣和能力谨慎决策。

代表专业：临床医学、口腔医学、麻醉学、儿科学、精神医学、医学影像学、眼视光医学

医学是最典型的“AI会深度进入，但不能彻底替代”的领域。

AI可以帮医生读文献、看指南、整理病历、辅助影像判断、提示用药风险。

但医生真正面对的，从来不是一堆数据，而是一个具体的人。

AI能给建议，但不能上手术台，不能给病人签字，不能独自面对家属解释风险，不能承担医疗责任。

尤其是急诊、麻醉、ICU、外科、妇产、儿科这些方向，很多紧急情况发生在几分钟甚至几秒内，AI不能替代医生去做判断和决定。

中国还在进入深度老龄化社会。老年医学、慢病管理、肿瘤、康复、心脑血管、精神心理，这些需求不是短期风口，而是长期趋势。

但医学也不能被浪漫化，它的门槛相对来说比较高。

学制长，规培苦，前期回报慢，对抗压能力、学习能力、责任心要求都很高。

如果只是觉得“医生体面、稳定”，却不愿意吃学医的苦，最好慎重。

代表专业：汉语言文学师范、数学师范、英语师范、学前教育、特殊教育、心理健康教育

AI对教育的冲击会很大。

讲知识点、批改作业、生成练习题、做学习规划，AI都会越来越强。

所以，那些只会照着PPT讲，只会重复标准答案，只会教刷题提分的“机械老师”肯定会被挤压。

老师还需要观察学生状态，要管理班级秩序，要处理学生的矛盾，要每天和家长沟通，要保护好孩子的身心健康。

尤其是学前教育、特殊教育、科学教育、心理健康教育，都高度依赖真实互动。

会设计学习过程、懂学生心理、善于课堂互动、能做项目式学习、会用AI工具的人，仍然很被需要。

代表专业：法学、知识产权、纪检监察、信用风险管理与法律防控、法律英语

AI查法条、写合同、整理案例、生成诉状的速度已经很快。

所以，文书型的法律工作会被明显挤压。

但AI越会生成内容，就越需要人来判断：

这份合同有没有风险？这条证据能不能支撑主张？这段AI生成内容有没有侵权？企业数据合规怎么做？平台责任怎么划分？算法歧视、隐私泄露、个人信息保护，谁来解释和处理？

争议解决、合规审查、商业谈判、刑事辩护、公司治理、知识产权、数据安全、AI治理等领域，仍然需要人的全权主导。

法律需要真实的人，去站在现实利益、制度边界和责任判断之间做出选择。

当然，法学也不是低门槛专业，而是一个分化很强的专业。

本科阶段如果只是背书、考证、套模板，那后面的竞争会异常激烈。

想要脱颖而出，需要有强学校平台、强表达能力、强实习经历，最好还能和金融、科技、数据、知识产权、国际业务结合。

代表专业：集成电路设计与集成系统、微电子科学与工程、电子科学与技术、电子信息工程

没有硬件，再强的AI也只是概念。

它需要芯片、算力、存储、传感器、通信网络、服务器、封装、材料、EDA工具。

集成电路和微电子专业涉及物理、材料、工艺、制造、设备、良率、供应链，方向也和国家战略高度绑定。

但它的要求也很高。

数学、物理、电子基础要求高。

不同学校之间差距明显，强校、强实验室、强产业城市，价值会高很多。

比较值得关注的方向包括模拟芯片、功率半导体、射频、传感器、EDA、先进封装、半导体设备、材料与工艺。

报这个方向，一定要看学校平台、培养方案、实验条件和所在城市的产业资源。

代表专业：自动化、机器人工程、机械电子工程、智能制造工程、测控技术与仪器、农业机器人、具身智能

AI不会只停留在聊天框里。

它会进入工厂、仓库、医院、矿山、港口、农业和家庭服务。

这个过程需要大量懂控制、传感器、机械结构、运动规划、工业视觉、嵌入式系统、生产线调试的人。

2026年新增专业里，具身智能、农业机器人就很有代表性。

它们都指向一个趋势：AI要从“会说话”走向“会干活”。

现实世界比屏幕复杂得多。

机器的问题，经常不是代码错了这么简单。

可能是机械磨损，可能是传感器漂移，可能是环境干扰，可能是工艺变化，可能是产线节拍冲突……

AI可以分析数据，但现场调试、系统集成、责任判断，仍然需要专业人士。

这个方向的坑也很明显。

如果学校实践条件差，学生只学理论，不进实验室，不做项目，不接触真实设备，很容易成为鸡肋专业。

建议尽量往控制、嵌入式、PLC、工业视觉、机器人算法、产线集成这些方向做深。

代表专业：电气工程及其自动化、能源与动力工程、新能源科学与工程、储能科学与工程、核工程与核技术、能源科学与工程、交通能源融合工程

中国未来几十年绕不开能源问题。

电从哪里来？怎么稳定输送？新能源波动怎么消纳？电网如何安全运行？储能如何规模化？

新能源车、数据中心、工业生产、城市运行，都离不开稳定能源系统。

AI可以做负荷预测、优化调度、故障检测。

但电力系统是最复杂、最不能出错的基础设施之一。

电网规划、变电站运维、储能安全、设备选型、现场抢修、系统稳定性，仍然需要专业工程师。

这类专业的优势是长期、稳定、国家需求强。

劣势是部分岗位环境辛苦，路径比较规整，有些岗位体制化明显。

适合那些能接受工程现场、愿意长期积累的人。如果孩子只想轻松、自由、高薪，这类专业未必合适。

代表专业：药学、临床药学、生物制药、生物工程、生物医学工程、医疗器械与装备工程、生物制造、脑机科学与技术

AI会深度改变生命科学和医药研发。

比如筛选靶点、预测蛋白结构、设计分子、分析临床数据。

但药物和医疗器械最终不是在电脑里完成的。

它们要经过实验、动物试验、临床试验、注册审批、生产质量管理。

AI可以提出可能性，但不能直接跳过验证。

这就是生物医药和医疗器械的门槛：湿实验、工程化、临床需求、监管审批、质量控制。

2026年新增的生物制造、脑机科学与技术，2025年新增的医疗器械与装备工程，都说明生命健康和高端医疗装备正在成为重要方向。

但这个领域很吃平台、学历、实验条件和产业连接。

如果想走这条路，最好尽量往药学、临床药学、生物医学工程、医疗器械、合成生物学、注册法规、质量管理、医学统计、临床研究这些更贴近产业和监管的方向靠。

代表专业：农学、种子科学与工程、智慧农业、动物医学、食品科学与工程、食品质量与安全

很多人一听到农学，就想到下地干活。

现在的农业早就不是种地那么简单了。

它关系到粮食安全、种业安全、食品安全、动物疫病防控、智慧农业、生物育种、供应链管理。

AI可以监测作物长势、预测病虫害、优化饲料配方、分析食品安全数据。但它不能代替田间试验、动物诊疗、疫病防控、食品检测、育种实践。

农业是典型的真实世界系统。

土壤、气候、水源、品种、病虫害、市场、物流，每一环都很复杂。

动物医学也是很多人容易忽视的方向。

一方面，畜牧养殖、动物疫病防控关系到食品安全和公共卫生。另一方面，城市宠物医疗正在持续增长。

食品科学与食品安全也是如此。

它不是简单研究“吃什么”。而是关系到检测、标准、工艺、营养、供应链和消费安全。

这些专业的共同特点是：不够“体面”，但长期被需要。

适合愿意扎根真实产业的人。

最后，填志愿时，别只问哪个专业最热门，也别只问哪个专业最安全。

更要问问孩子：你愿意在哪个方向上长期投入，成为一个更好的人？

只要孩子能有真实的兴趣，愿意走进去，愿意长期学习，愿意不断进步，形成专业硬技能+AI工具能力+实践经验+沟通能力+责任承担能力的能力组合，他就有机会在任何领域都创造出自己的不可替代性。

愿每个孩子，都能选到适合自己的专业，前程似锦，未来可期。