夜雨聆风
四十年前，一句"学好数理化，走遍天下都不怕"贴在每间教室的墙上。它像一个家族的祖训，被一代人传给下一代人，几乎没有被质疑过。
但很少有人注意到，那个支撑这句话的时代底座，正在以月的速度崩塌。
不是工科变弱了，而是"工科"这个词的配方变了。AI不是一个更快的计算器，它是一个重新定义"什么值得人类亲自去做"的裁决者。面对这场洗牌，还在用四十年前的逻辑选专业，等于在上一个时代的废墟上盖房子。
一、旧工科之死：标准化的尽头，就是被替代
当AI开始写自己的代码，工位就不再属于人
① 你引以为傲的技术，可能只是一套可以被穷举的规则
程序员的恐慌不是空穴来风。
过去写代码是一项手艺——你要读文档、查Stack Overflow、调试到深夜。现在，AI把这一切压缩成一个对话框。腾讯的基础业务代码已有近六成由AI产出；字节的轻量化应用里，AI生成的代码占比逼近一半；而Anthropic和OpenAI这些原生AI公司，这个数字已经超过八成。
但真正可怕的不是数字本身，而是它的增速。你花四年学完的课程，AI在第四次迭代时就已经完全掌握了。毕业典礼上你穿着学士服拍照的时候，你专业里最标准化的那部分技能，可能已经不值钱了。
② 不只是程序员，所有"规定动作"都在危险区内
把尺度再拉大一点。
基础测绘、常规结构设计、初级电路绘制、合同审核、财务报表编制——这些工作有一个共同特征：输入是清晰的，输出是明确的，中间的步骤是可以被拆解成流程的。
而这恰恰是AI最擅长的事。它不会累，不会闹情绪，不会要求加薪，不会在周五下午心不在焉。它可以在秒级输出最优方案，然后立刻开始下一个任务。你跟它比的不是熟练度，而是存在本身的必要性。
规则越明确的领域，AI的替代速度就越快。护城河从来不在标准化里，而在那些没法写成操作手册的东西里。
③ 但顶尖的工科，从未死去
我不是在唱衰工科。
恰恰相反，芯片架构师、顶尖算法工程师、高端装备设计师——这些人的薪资曲线还在往上走，缺口一年比一年大。
区别在哪里？
区别在于，你是在执行一个已经存在的方案，还是在创造一个前人没走过的路。前者是旧工科的地盘，后者是新工科的沃土。旧工科死去的，从来不是"技术"这两个字，而是"可以被穷举的确定性"。
二、新文科之立：软的东西，正在变硬
AI不会握住老人的手，问一句"你今天还好吗"
④ 文科不是突然变香了，是AI帮忙筛出了真正有价值的部分
在AI出现之前，文科的困境是：良品和次品长得太像了。
会背三百个名词解释的人，和真正能洞察人性痛点的人，在考试分数上可能只差五分。所以旧时代的"文科学霸"，很大程度上是记忆力竞赛的产物——而记忆力，恰恰是AI最碾压人类的能力之一。
所以，不是所有文科都迎来了春天。死记硬背的、机械整理的、把知识当仓储来管理的——会计做账、基础翻译、常规文案、资料汇编——这些文科岗位的淘汰速度，甚至比标准化工科更快。
但AI同时做了一件事：它把所有"可替代的文科"都拿走了，剩下的，全是它学不会的。
⑤ 对人的理解，是无法被算法穷举的
什么是一个AI永远做不好的事？
答案是：理解另一个人的孤独。
今年年初，一款针对独居人群的日常打卡App冲上了付费榜榜首。它的功能简单到朴素：每天确认你还活着，在没有人问候你的时候给你发一句"今天还好吗"，在你没有回应的时候帮你联系紧急联系人。
这个产品的成功，不靠技术壁垒——任何一个会用AI编程的人都能在几天之内写出它的代码。它赢在一个AI捕捉不到的洞察上：当代年轻人并非不需要关怀，他们只是找不到一个不说教、不敷衍、不尴尬的方式被关怀。
代码可以生成产品，但对孤独的理解无法生成。这是文科真正的硬核壁垒——不是知识本身，而是穿过数据看到人的能力。
⑥ 新文科的配方：人文底色 + 技术触觉
未来的文科生不需要成为程序员，但必须懂得如何与AI协作。
一个只会做田野调查的人类学学生，和一个会用大模型做语料分析、用数据可视化呈现社会趋势的人类学学生，在求职市场上的身价差着不止一个数量级。
文科在这场时代变局中的真正机会，不在于"保护传统"，而在于用新的工具去解决一个老得不能再老的问题——人到底需要什么。这个问题，计算机或许能给出一个概率最高的答案，但永远无法替你去问出第一个字。
三、蓝领之稳：物理世界，是AI的终极盲区
⑦ AI诞生于比特，人类诞生于原子
有一个特别反直觉的趋势正在浮现：越是跟电脑打交道的白领工作，越容易被替代；越是在物理世界里摸爬滚打的蓝领工作，越稳如磐石。
服务员面对一个发脾气的顾客，需要在三秒之内判断对方的情绪烈度、选择合适的语气、决定是道歉还是解释还是找经理——这个决策链条涉及的信息类型太杂了：语气里的愤怒指数、肢体语言的威胁性、周围环境的反馈、乃至当天天气对顾客心情的隐性影响。
人类做这个，几乎不用思考。但AI要做这个，需要同时处理视觉、听觉、语义、情境判断等多模态信息，然后还要把它们融合成一个合理的行为指令——这在目前仍是研究的前沿。
你跟物理世界接触的面积越大，被AI覆盖的可能性就越小。因为AI从出生那天起，就活在矩阵里。而我们，活在混乱、潮湿、意想不到的真实世界。
⑧ 多模态识别：那道AI至今没跨过去的坎
你看过那些惊艳的机器人演示视频吗？后空翻、开门、递咖啡——每一个都像科幻电影照进现实。
但那是在实验室里。出了实验室的门，真实世界的复杂程度是指数级上升的。一个建筑工地上，沙子是湿的还是干的，钢筋已经被太阳晒了多久，地面下十厘米的土质和表层是不是一回事——这些变量在教科书里可以假设，在工地上不能。
所以，护理工、维修技师、高端厨师、定制化装修工匠——这些跟物理世界贴得最近的人，在AI时代反而拥有了一道由"世界的复杂度"构成的天然屏障。
四、结语：回到人本身
写到结尾，我想把话说得再直白一点。
这篇文章不是要你在工科和文科之间站队。这场时代变局的真正赢家，从来不是某一类专业背景的人，而是那些能把两套语言都讲通的人。
用文科的能力去发现人的价值，用技术的手段去实现那个价值——这才是AI时代的通用解法。
旧工科的落幕，不是工科的失败，而是技术终于回到了它应该在的位置：工具的位置。
新文科的崛起，也不是文科的翻身，而是"人"这个变量，在技术狂飙之后，被重新看见了。
技术走得越快，人文的底色就越重要。所有技术最终都要指向人。真正永远不会被替代的，永远是懂人、爱人的那一个。
最后，三条实操建议，比任何"热门专业排行榜"都管用：
第一，学工科，弃工具，选交叉。
能上顶尖院校的，大胆冲芯片架构、算法研发、系统设计这类"从0到1"的方向，永远稀缺。分数在中段的，别死磕纯计算机或纯机械制图，优先看医工交叉、工业设计、智能制造——这些"技术+场景+人"的交叉地带，AI一时半会儿还渗透不进。
第二，学文科，弃死记，重洞察。
把AI当成你的外挂大脑。学会用它处理信息、搭建框架、做初稿——然后把省下来的时间全部投入到一件事情上：研究人。研究用户在什么场景下会感到被冒犯，在什么瞬间会感到被理解，在什么样的语言里会放下戒备。这些，才是你在AI时代的定价权。
第三，如果不小心走到了蓝领的方向，不要慌。
凡是需要你的手、你的眼、你的直觉在真实空间里做判断的工作，都是安全的。服务、护理、维修、手艺——这些行当的含金量会在未来十年持续上升。
选专业之前，只问自己一个问题：这件事的核心判断，AI能独立完成吗？如果能，慎选。需要共情、直觉、创造、在模糊中拿主意的，放心选。
— 知了研究所 —
