张老师走以后，今年应该是AI填志愿最猛的一年吧，毕竟很难再遇到这么猛的志愿老师了。

不知道各位生意怎么样。反正我看市面上的所有志愿填报软件从去年开始就全面接入AI了。

央视之前也做了一期调查，派记者以家长身份暗访了多家高考志愿咨询机构。其中一个细节让我印象很深：一名所谓的"规划师"在接受记者询问时直接承认——"我一般都叫AI给我写一个，必须得看着念，我自己都不知道在讲什么。"另一家机构被问到底有没有真正的行业专家时，对方回答说："我们就没有初心，我们甚至没有道德。"

这话说得倒是干脆。

价值花了几千块，也不知道买到的是什么？是一个自己也搞不清楚状况的人，照着AI生成的内容，一字一句念给你听。那个AI，可能用的还是免费版。

有人可能会说，那就直接用AI工具本身呗，跳过中间人。这个想法听起来合理，但问题并没有解决，只是换了一个位置。

AI志愿填报工具有一个根本性的天花板，无论它的界面做得多好看，无论它背后的数据库有多大：它只能处理历史数据，没有办法预测未来。它知道过去五年某所学校某个专业的录取分数线，但它不知道今年这所学校扩招了多少名额，不知道今年这个专业在你所在省份的报考热度有没有突然上升，更不知道四年后这个专业的毕业生会走进一个什么样的就业市场。

还有一个更现实的问题很少有人提到。今年全国有接近1300万高考生，如果其中相当一部分人用的是同一套AI志愿工具，这个工具给出的建议必然是高度相似的。相似的建议引导相似的选择，相似的选择导致相似的志愿方向——最后的结果就是同分段的考生集体扎堆同一批院校和专业，该稳的没稳住，该冲的根本没冲成，大家一起制造了一场可以预见的集体滑档。

博弈论里有个基本原理：当所有人都做出同一个"理性决策"，这个决策对所有人来说就不再理性了。跟风本来是为了降低风险，但当跟风者足够多，跟风本身就变成了最大的风险。

这不是AI的问题，这是用错了工具的问题。AI志愿工具能做的，是让你快速了解某个分数段的大致可报范围，仅此而已。把它当成最终决策依据，你让渡出去的不是焦虑，是判断力。

接下来绕不过的一个问题，AI时代，未来什么专业好就业？

在AI快速渗透的这几年里，就业市场正在被撕开一道裂缝，裂缝两端各自生长。站在最靠近AI核心的地方，和站在AI最够不到的地方，都是安全的。危险的，是被这两端夹在中间的广阔地带——那些工作内容足够结构化、足够可描述、足够可预测的岗位，正在以人们还没来得及意识到的速度被替代。

这不是危言耸听。知乎上有一份援引多个国际机构数据的分析，列出了可自动化程度最高的职业：电话销售员可自动化率超过96%，簿记会计文员超过95%，保险理赔处理文员超过95%，薪资计时文员超过94%。世界经济论坛的预测更直接：2026年到2029年这三年，AI智能体将大规模移除的中层岗位包括——客服主管、数据录入操作员、法律助理、财务分析师、HR协调员、内容作者、初级平面设计师。

注意这份名单。这里面没有一个是蓝领工人，全是过去二三十年里被称为"体面职业"的白领岗位。

那些工作越容易被语言描述、越容易被流程拆解的专业，越危险。

学了四年财务，毕业后坐在格子间里做报表、录数据、整理凭证——这件事今天AI已经能做了。学了四年英语，靠翻译吃饭——这条路已经在收窄，全球三大顶级翻译学院之一的蒙特雷明德国际研究学院，2025年宣布关停研究生项目，不是经营不善，是AI翻译把这个行业的底座抽掉了。中国近几年撤销外语类本科专业的院校超过一百所，多个省份把英语、商务英语、翻译列入预警名单——这些都是真实发生的事情，不是推测。

学了四年新闻采编，进报社做内容，发现初级稿件已经有AI在代劳——这不是五年后的事，这已经是今天的现实。

但这不代表这些方向学了就完蛋，而是说：选这些方向，你必须提前知道自己将来要靠什么吃饭，不能靠那个最容易被替代的部分。

现在说两个安全的方向，一个往里走，一个往外走。

往里走，意思是走进AI的核心。

AI运行需要芯片，需要电力，需要数据，需要人去建造它所依赖的整个物理基础设施。芯片设计、电气工程、自动化控制、智能电网——这些专业不是在用AI，是在给AI造骨架。这类人才的稀缺性，随着AI应用的深化只会增加，不会减少。微电子科学与工程、电气工程及其自动化、自动化，今年连续包揽就业绿牌专业榜单，毕业生平均薪资和就业满意度都在持续走高，背后原因就在这里。

数据科学与大数据技术也在这个方向上。AI模型需要数据喂养，数据工程师是这条流水线上不可缺少的一环。这个专业对数学要求高，但并不要求顶级编程能力，文理基础扎实的学生都能学进去。

如果分数足够进前十名985，人工智能、计算机科学这类专业可以放心报。算法研发的天花板是真实存在的，顶尖院校培养出来的人，未来有机会定义AI，而不只是使用AI。但有一点必须说清楚：这条路必须读研，本科阶段能做的工作非常有限，更何况四年后初级编码岗位的竞争对手已经不是人类。

往外走，意思是走到AI最够不到的地方。

什么是AI够不到的？有三类：第一，需要人的身体介入，需要在复杂物理环境里完成不可预测的操作；第二，需要在极端情境下做高风险判断，错误代价直接关乎生命；第三，需要真实的人际情感联结，对方需要感受到你是一个活生生的人，而不是一个响应速度很快的程序。

临床医学是最典型的例子。牛津大学弗雷和奥斯本的劳动力替代模型测算，执业医生被自动化的可能性不超过2%。为什么？不是因为医生的工作简单，恰恰相反。每个病人的病情都是特殊的，同一种病在不同年龄、不同体质、不同心理状态的人身上，用药方案可以完全不同。AI可以读影像片子，但拿到结果之后怎么跟病人说，怎么安抚一个刚被告知得了重病的家庭，怎么在手术过程中应对突发的意外——这些需要的东西，不是数据，是人的判断、经验和温度。

有意思的是，AI医疗工具越强大，懂得使用和解读这些工具的临床医生反而越稀缺，因为他们站在了人机协作的交汇点上。

护理学的逻辑相似。机器人技术目前在触觉感知和复杂动作控制方面仍有根本局限，更何况护理里很大一部分工作是陪伴，是让一个病人或老人觉得自己被照顾，这是无法被算法复现的东西。中国老龄化的速度已经超过大多数人的预期，护理人才的缺口在未来十五年里只会越来越大。

心理学是另一个方向。有一篇分析说过一个很准确的判断：心理咨询里最重要的事情是倾听，不是分析，不是给建议，而是让来访者感到被真实地听见了。这件事机器做不到，因为它需要的不是语言输出，而是人和人之间那种无法量化的存在感。况且，人类情绪的很多问题恰恰源自悖论——有时候急于解决问题本身就是在制造问题——AI的线性逻辑处理不了这类弯绕。

航空飞行技术不常被提到，但它的逻辑非常清晰：飞行员的不可替代性，集中体现在当自动系统失效的那一刻。正因为常规飞行可以自动化，极端情况下的人类判断就变得价值极高，这个行业对人才的溢价不会因为AI的进步而消失，反而因为安全法规和技术信任的双重门槛而被长期锁定。

网络安全同样值得一提。这个领域的本质是攻防博弈，AI在让防御能力增强的同时，也给攻击方提供了新武器。这场战争没有终点，而战争的策略设计需要人来做，没有哪个算法能在面对全新攻击模式时比有经验的安全工程师更快做出正确判断。

所以，给正在填志愿的家长一些参考建议。

上面说的两个极端方向，顶端的（顶尖985的AI和计算机）对分数有硬门槛，不是所有家庭都能走这条路。但普通一本、二本的学生并不是没有出路，只是路在另一个地方。

现在AI应用层最缺的人，不是纯粹的AI工程师，是既懂某个行业又懂AI的人。 这两种能力单独来看都不稀缺，合在一起就变得极为罕见。医疗AI公司需要懂临床的人，工业AI公司需要懂制造的人，金融AI公司需要懂风控逻辑的人——光会用AI工具不够，光懂行业也不够，两者叠在一起的人，今天的市场给出的薪资完全是另一个量级。

对于普通分数段的学生，最实用的路径设计是这样的：本科老老实实选一个有真实行业壁垒的专业，临床医学、机械工程、金融学、建筑学都行，这四年打下的行业理解是别人学不走的；课余时间补AI基础，不需要学到能写算法，了解工具、能用工具、理解工具的边界就足够；研究生阶段再找"AI+行业"的交叉方向，顺势切进去。这条路走下来，你在大厂和科技公司里的竞争地位，比一个二本的纯AI科班毕业生要好得多，因为他可能算法比你强，但他对任何一个真实行业都一无所知。

本科打地基，研究生找赛道，AI只是乘数——这是眼下这个时间窗口里，普通家庭最务实的选择。

把志愿交给AI之前，这些事还是自己手把手做一下。

第一，出分之后先查位次，不要对分数线。

拿到成绩，很多家长第一反应是去看某所学校去年的分数线，然后跟孩子的分数比一比。这个比较没有意义。每年考生的分数分布不一样，招生计划会调整，报考热度会波动，去年600分能进的学校，今年可能596分就进了，也可能607分才够——单看分数线，你判断不了什么。

真正稳定的参照系是位次。去省级招考院官网查今年的一分一段表，找到孩子的全省排名，然后拿这个位次去对照目标院校过去三年在本省的录取最低位次。三年的位次区间，比任何单年的分数线都可靠。

第二，每所目标院校的今年招生章程，一定要亲自看。

这一步被绝大多数家长跳过，但它几乎是填报环节里最容易出错的地方。每年都有学校调整专业招生人数，有专业暂停招生，有退档规则变化，有专业是否接受调剂的说明变化——这些变化在招生章程里，不在历年数据里，不在任何AI工具里。

具体要看什么：投档方式是专业志愿优先还是分数优先，有没有专业分数级差，接不接受调剂，以及目标专业今年的招生计划人数。这几个数字，直接决定你的报考策略。

第三，如果条件允许，去找真实的行业从业者聊一聊。

这是花时间最值当的一件事，也是最少人去做的。随便找到三五个在你孩子目标行业工作了三年以上的人，问他们两个问题：你现在的工作，AI正在把哪部分替代掉？再过五年，这个行业大概需要什么样的人？

这两个问题的答案，比任何专业排名都有参考价值。行业报告是滞后的，从业者的直觉是超前的。脉脉、领英、行业群、校友网络，找人不难，大多数人愿意聊。

第四，把热度当反向指标。

这是一个逆向思维，但它有数据支持。每一个在媒体和自媒体上被大量炒作的专业，都意味着同分段里报考这个方向的人在增加，四年后就业市场的竞争在提前积压。高考志愿的悲剧往往是这样发生的：某个专业因为就业好被广泛报道，家长趋之若鹜，报考人数激增，录取分数走高，四年后大量毕业生涌入市场，就业变难，这个专业进入红牌预警，然后又被媒体大量报道——循环开始。

真正值得的方向，往往是那些有真实需求、但还没有大面积进入公众视野的地方。低调是护城河。

第五，在提交之前，认真做一次自查。

问自己三个问题：志愿列表里有没有完全是因为"别人说好"或者"AI推荐"才加进去、但你其实说不清楚理由的院校或专业？冲稳保的比例有没有严重失衡，要么全是冲，要么全是保，没有中间地带？每所院校今年的招生章程你有没有亲自看过，不是看别人转述的，是看原文？

如果这三个问题里有任何一个答案是"没有"，那还需要花时间把它补上，再提交。

附：专业方向建议（个人推荐）

这些只是一个粗略的方向感，不是具体推荐，使用时要结合孩子分数、院校层次和城市因素综合判断。

往AI核心走（建造AI的人）微电子科学与工程、电气工程及其自动化、自动化、智能电网信息工程、数据科学与大数据技术——适合理工基础扎实、愿意进大厂或国企、能接受深造的学生。顶尖985学生可以直接报人工智能、计算机科学，但必须有读研的准备。

往人类本质能力走（AI够不到的地方）临床医学、护理学、应用心理学、口腔医学、航空飞行技术、网络安全——适合有耐心、能接受长周期培养、或者有强烈人际服务倾向的学生。这些方向的共同点是：学习周期长、壁垒高、但一旦建立起来，AI进步只会让从业者更值钱，不会让他们更危险。

普通分数段的交叉路径本科选有行业壁垒的方向（临床、机械、金融、建筑），研究生阶段切"AI+行业"交叉。这条路不追求本科阶段的风口，而是在研究生阶段用行业理解换取进入应用AI层的门票。目前这个位置的人才缺口，远大于纯AI科班毕业生的缺口。

高危警示区纯翻译方向、初级财务执行岗、标准化内容生产岗——不是这些专业学了没用，而是如果只靠这些专业里最容易被替代的那部分吃饭，四年后会很难。如果已经选了这个方向，提前想好自己的复合技能在哪里。

以上，做了一段时间的职业规划，不希望以后还能遇到你们的娃。希望各位望子成龙的家长，孩子毕业以后别遇到我，最好校招就能分到大厂去给机器人上机油。