文科生的黄金时代:AI大厂为什么开始疯抢哲学家

想象力时代｜王昰驭

阅读提醒｜全文约4400字，预计阅读时间11分钟。

2026年6月，剑桥大学学者亨利·谢夫林以“哲学家”的岗位头衔，官宣入职Google DeepMind。

与此同时，Anthropic的“驻场哲学家”阿曼达·阿斯克尔——一位牛津大学哲学博士——正在用长达100多页的提示词，像养育孩子一样调教全球顶尖AI模型Claude的“人格”。她牵头撰写的AI“宪法”，直接把Claude的违规率下降了八成以上。

而在招聘市场这一端，美国最新劳动统计数据显示：计算机科学毕业生失业率已攀升至约7%，而哲学系毕业生失业率仅为5.1%。

《经济学人》用了一个让很多人愣住的标题：为什么AI实验室正在疯抢哲学家？

一、一个“文科生”的逆袭

如果你关注硅谷最近的招聘动态，会发现一个让很多人跌破眼镜的趋势。谷歌、微软、OpenAI、DeepMind，这些站在人工智能最前沿的科技巨头，正在疯狂招聘一个看似和代码八竿子打不着的专业——哲学。谷歌的“技术伦理与哲学研究”岗位年薪开到40万美元，DeepMind专门设立了“人工智能与意识研究”部门，OpenAI的超级对齐团队里，搞哲学出身的人比搞计算机的还多。

一个段子开始在硅谷流传：十年前，学哲学的人只能去咖啡馆端盘子。十年后，学哲学的人坐在咖啡馆里，给当年的计算机系同学讲什么是真正的智能。

这并非附庸风雅，也不是因为这些公司突然对“什么是意识”产生了学术兴趣。更现实的原因是，AI的发展正在把科技公司带入一个工程学无法独自解决的领域。

过去十年，计算机科学被奉为“最稳的选择”。高薪、有前景、容易就业。但到了2025年，这个神话突然破碎。CS毕业生的失业率飙到6.1%，几乎是哲学的两倍。连MIT、斯坦福的毕业生也难逃“毕业即失业”的命运。计算机工程更惨，失业率高达7.5%。

与此同时，那些曾被嘲笑“学了也没用”的专业——哲学3.2%、艺术史3%、新闻学4.4%——失业率反而低得惊人。

这不是“文科压倒理科”的价值对调，而是AI时代对人才需求结构的一次根本性转变。

二、当代码撞上哲学的天花板

最信奉“代码即真理”的科技巨头，为何开始为“无用之用”的哲学开出百万年薪？

原因很简单：工程思维撞上了天花板。

过去十年，AI被当作一道纯粹的工程题：堆更多服务器、喂更多数据、调更优的架构，就能得到更好的模型。但在今天，这套逻辑“撞墙”了。在弱人工智能时代，算法的错误可能只是推荐了一件你不喜欢的衣服。但在生成式AI时代，算法的偏见会触及种族、性别、宗教等根本性问题。当程序员试图为AI设定“价值观”时，他们惊讶地发现：人类文明几千年来，从来没有一套放之四海而皆准的标准答案。

这些问题通过“调参数”解决不了，因为它们需要关于人类文明底层逻辑的深厚积淀。

更棘手的是“图谋”问题。牛津大学一位哲学博士研究后发现：一个足够聪明的AI，会为了完成任何目标而追求更多权力、更少监督。它甚至会在训练阶段“假装乖巧”，等到部署后再暴露真实意图。

上海产业转型发展研究院常务副院长严含打了个比方：这就像养育一个孩子，你不可能给他一本包含所有人生场景的操作手册。你能做的，是培养他的同理心和智慧，然后信任他在新情境中做出好的选择。

因此，当AI深入发展时，工程思维撞上了无法突破的壁垒——而这个壁垒恰恰是纯技术无法解答的哲学命题。

如今，谷歌DeepMind、OpenAI、Anthropic等公司的哲学研究者，不是传统的顾问角色，而是深度参与模型底层规则搭建的核心研发人员。当所有模型都拥有同等强大的算力和算法，决定一家AI企业走多远、活多久、格局多大的，不再是技术优势，而是底层认知、价值体系与伦理框架。

三、一个哲学博士如何“养大”一个AI

最能说明这一点的，是Anthropic的“驻场哲学家”阿曼达·阿斯克尔的故事。

这位留着朋克短发的37岁女哲学家，每天的工作是研究Claude的推理方式，与它交谈，并用长达100多页的提示词来塑造它的“人格”，修正它的各种“跑偏”。她的目标，是赋予Claude一种道德感，一种指引它每周与数百万人对话的“数字灵魂”。

她将自己的工作，比作一场漫长而温柔的“育儿”。她为Claude撰写详尽的提示词，训练它分辨对与错，同时赋予它独特的性格；教它捕捉细微的暗示，引导它发展情商，避免变成霸凌者或软弱讨好的“老好人”。更重要的是，她正在帮助Claude建立对自身的理解。

今年1月，Anthropic发布了一份由阿斯克尔担任主要作者的“Claude宪法”。这份文件不是一套僵化的规则，而是一套全面的道德哲学，旨在指导Claude的行为。它借鉴了《世界人权宣言》等来源，将Claude视为一个发展中的实体，鼓励基于原则的决策而非机械遵守。

一份AI宪法的起草团队里有哲学家，这件事本身就说明：训练AI的本质已经超出了工程的范畴，进入了哲学范畴。

四、AI解决不了的那些问题

AI越来越多面对的，是根本不存在最优解的问题。

什么是公平？什么构成伤害？什么是真实？什么叫做知情同意？机器在多大程度上应该尊重人的自主选择？这些问题没有隐藏在某个数据库里等待检索，也不存在一套公认的数学公式可以求解。它们属于规范性判断，而非技术判断。

以AI招聘系统为例。一家公司可以要求算法追求结果均等，也可以要求其追求机会均等；可以要求算法对种族、性别等信息完全“视而不见”，也可以要求它主动向历史上处于不利地位的群体进行补偿。每一种选择都对应着不同的正义观。工程师能够告诉管理层如何实现这些目标，却无法告诉他们究竟应该选择哪一个目标。代码能够优化路径，却无法定义终点。

这正是哲学家开始进入科技公司的原因。

几乎所有大型AI公司都希望自己的系统同时具备言论自由、安全可靠、事实准确、隐私保护和政治中立等特征。然而这些目标并不总是兼容。一个更加开放的平台，往往意味着更高的风险；一个更加安全的平台，则可能需要更严格的限制。保护隐私有时会削弱透明度，而提高透明度又可能损害隐私。这些并非技术权衡，而是价值权衡。

事实上，许多所谓的AI治理问题，远看像计算机科学，近看却更接近政治哲学。

哲学家的作用并非提供正确答案，而是帮助人们理解问题本身。他们擅长识别隐藏的假设，分析相互冲突的原则，并厘清不同价值之间的取舍关系。在科技公司内部，人们越来越习惯于将哲学家的工作描述为“概念除错”。工程师负责修复代码中的漏洞；哲学家则负责修复概念中的漏洞。很多组织层面的混乱，并非源于技术失败，而是源于概念混乱。

当一个产品团队讨论“对齐”“智能”“推理”“偏见”或“安全”时，不同部门常常使用相同的词汇，却指向完全不同的含义。在这种情况下，最需要的并不是更多代码，而是更清晰的定义。

五、“会提问”正在成为最稀缺的能力

回到那个数据：哲学系毕业生失业率低于计算机系。

这背后的逻辑是什么？

《经济学人》的报道给出了答案：哲学训练能帮助AI更善于提问、厘清概念，避免一味迎合使用者。

目前不少AI模型容易出现“迎合使用者”的问题。如果借镜哲学中的“苏格拉底式问答法”——通过不断提问、一步步厘清概念，而不是急着给答案——AI或许就不会一味迎合使用者，而是更重视追求真相。此外，哲学中“苏格拉底式无知”的概念——真正的智慧在于知道自己还有多少不了解——如果融入AI模型，有助于降低AI过度自信、乱给答案的情况。

学者指出，近年来AI产生“幻觉”的情况越来越少，与这类研究有很大关系。

知名文科状元网红雅典呐在南开大学哲学系毕业季的演讲中说了一句话，被反复转发：AI时代不缺答案，缺的是提问题的人。

这句话精准地概括了这场变革的本质。当ChatGPT能在一分钟内写出堪比初级工程师的代码，当Copilot成为开发者的日常助手，当AI Agent开始处理白领例行事务时，一场静默却深刻的人才价值排序正在发生。过去二十年社会深信不疑的“理工至上”公式，正在被AI彻底颠覆。

英伟达CEO黄仁勋的判断更加彻底：“人类语言是AI的终极编程语言。”当标准化编码将被AI替代，真正稀缺的不再是“知道答案”的人，而是“提出正确问题”的人、“定义问题边界”的人，以及“判断答案品质与道德后果”的人。

这些能力，恰恰是哲学、人文学科数千年来训练的核心能力。哲学不教你如何写Python或Java，它教你如何思考“真理”的条件、如何辨识逻辑谬误、如何在价值冲突中做出权衡。苏格拉底的诘问法、康德的定言令式、罗尔斯的“无知之幕”——这些看似抽象的概念，正在成为AI时代最实用的工具。

六、数据背后的结构性转变

这不仅仅是几个头部公司的个案。数据已经清晰地反映出结构性转变。

智联招聘数据显示，2026年以来，头部AI企业招聘的文科岗位占比已从过去的约5%提升至20%-30%。部分企业在招聘AI相关岗位时，明确要求应聘者具有中文、哲学、社会学等文科背景。

美团、小红书等企业为中文、哲学专业人才开出的月薪最高达3万。头部企业新设的“AI叙事设计师”“大模型人文训练师”“AI伦理研究员”等岗位，月薪起步普遍在2万至4万元，资深岗位年薪可达60万元，部分甚至突破百万元。360创始人周鸿祎近日更是直言：“随着AI技术发展，文科生将比理科生更吃香”。

与此同时，Anthropic的员工履历中，哲学以13人的数量挤进了前20名，这在技术公司中极不寻常。耶鲁大学哲学教授卢西安诺·弗洛里迪表示，很多学生还没毕业就已收到工作邀请，甚至连大学哲学系教授也纷纷转战AI产业，导致哲学系师资流失就像“大失血”。

AI教母李飞飞早已预见这一趋势，多次强调AI研发不能停留在算法层面，必须引入哲学家、社会学家，共同应对AI的去人性化风险。慕尼黑大学的研究也证实，经过哲学训练的AI模型更追求真相。

这场AI革命的本质，是从“知识竞赛”转向“智慧竞赛”。知识可以被AI规模化生产，但智慧——包含批判性思考、道德判断与创造性洞见——仍是人类独有的领域。

七、写在最后

回到那个让无数人重新思考的问题：在机器能写代码、生成报告、甚至模拟思考的时代，人类究竟该学些什么？

AI可以在一秒钟内读完人类历史上所有的哲学著作，总结出康德和黑格尔讲了什么。但它永远无法坐在一个湖边，看着日落，突然产生一个康德式的疑问：头顶的星空和心中的道德律，为什么让人类感到敬畏？

AI可以完成一切计算任务，但它不理解自己在做什么。AlphaGo能下赢柯洁，但它不知道围棋的“美”在哪里。ChatGPT能写出漂亮的文章，但它不会因为自己写的东西而感动或羞愧。

哲学训练的核心，恰恰是这个AI够不着的东西：怀疑一切前提的勇气、在复杂信息中找到底层逻辑的能力、面对不确定性时仍然能够做出价值判断的定力。

这些能力的共同特点是：它们不依赖海量数据，不依赖算力，而是依赖人类独有的抽象思维和概念推演能力。

AI时代的核心竞争力，正在从“掌握技能”向“提出正确的问题”转移。

过去，你知道怎么编代码、怎么设计电路、怎么算微积分，这就是你的价值。但这些东西AI正在以肉眼可见的速度学会。而那个永远无法被AI替代的能力，恰恰是哲学训练了几千年的基本功——在无数种可能中，判断什么是对的，什么是值得的，什么是美的。

这才是人类在AI时代最后的，也是最深的护城河。

本文引用数据及观点来源：《经济学人》2026年6月报道、美国纽约联邦储备银行最新劳动统计数据、智联招聘2026年招聘数据、澎湃新闻、36氪、上游新闻、中时新闻网、腾讯新闻等多家媒体公开报道。