夜雨聆风今天人才管道里流出的结果，是四年前输入的。今天输入的，四年后才见效。
6月最后一周，三件事分别挂在教育、科技、产业三个页面上。
一类来自高校。央视新闻集中梳理多所"双一流"高校本科扩招情况，AI智能类成了新增专业里最醒目的风口。
一类来自企业。DeepSeek释放大规模招聘信号，计划将所有部门规模至少扩大一倍。
还有一类来自高招解读。6月27日晚至28日，央视新闻客户端总结2026高校人才培养四大趋势。
AI竞争正在从模型榜单进入人才管道。
1同一根管道
把人才培养想象成一根管道。入口是高中毕业生，出口是企业，中间是大学。
2026年6月，这根管道在三个位置同时被加压：
扩招、招聘、教改，分属三个部委的文件，三处加压，同一个驱动力：中美AI竞争。
中段最容易被忽略。高校人才培养四大趋势的前三条——拔尖通道、校企订单、复合学位——都在解决"怎么更快把人送到出口"。
第四条不一样。复旦大学已经把AI搭成了三层课程体系：通识一层、进阶一层、专业应用一层。北京邮电大学自己研发了多学科大模型，各专业学生按需调用。
AI从计算机系的一门课，正在变成所有专业的底层水电。
管道不只在变粗。它内部在重新布线。
2一个正在过时的数字
斯坦福HAI研究院2026年4月的AI指数报告给出了两个数字。2025年美国AI私人投资2859亿美元，中国124亿美元——差距23倍。同一份报告里，截止2026年3月，美国头部模型领先中国约2.7%。
23倍投入，2.7%领先。
然后6月，智谱GLM 5.2发布，在关键Agent基准测试中仅差Anthropic Opus 4.8约1个百分点，调用成本只有后者的五分之一。《纽约时报》的标题直写：中美AI差距正急剧缩小。
三个月，从2.7%到部分基准上的约1个百分点。竞争焦点正在从模型性能，转向另一件事：谁能更快把资金、算力和教育体系，变成持续的人才供给。
中美选了两条侧重不同的路。
美国更偏向资本密度。钱堆算力，算力堆模型，模型堆壁垒。天花板很清楚：当算力边际收益递减，领先会继续缩水。
中国更偏向人力资本动员效率。扩招、招聘翻倍、培养模式重构三件事同时加压，钱分散在管道的每一段。天花板也同样清楚：管道粗了，水质和出口承接能不能跟上。
值得看的还有差距的维度在分化。Stanford报告里，中国在论文量、专利量、工业机器人装机量上领先；美国在高影响力论文、顶尖模型、核心算力生态上保持优势。差距正在分散到不同能力模块。
人才管道是这里面周期最长的。扩招10万，从政策到毕业生进入市场，四年。培养模式重构，效果出来更久。
今天管道里流出的结果，是四年前输入的。今天输入的，四年后才见效。
3出口在抢人，入口在改造
脉脉2026年春招数据：AI岗位量同比增长8.7倍，占新经济岗位比重从约2.78%升到22.03%。北京新发岗位里，每10个有3个是AI岗。数据覆盖的是新经济行业，可以看到末端的需求在加速膨胀。
DeepSeek的招聘公告也提供了一个具体切片。33个岗位，算法工程师只是其中一类。专业领域数据产品经理要小语种背景、医学背景、法律背景。AI产品运营、通用Agent数据产品经理同步开放。
需求结构在变宽——会写模型的人要，懂行业加AI的人也要。
500万AI人才缺口这个数字也常被引用。人民日报援引人社部有关报告，缺口超500万，供求比1:10。
"十五五"时期双一流本科扩招10万人以上，新增名额大量投向人工智能、集成电路、低空技术、智能制造、机器人工程。
但扩招只是把入口变粗。
真正在变的是管道内部。管道变短，本硕博贯通减少了中间损耗。出口前移，校企联合让学生没毕业就面对企业需求，交叉学科让AI从计算机系的专项变成所有专业的基础层。
管道被整体重新布线。
4落在志愿表上
这张志愿表，是整套系统把压力传到末端的显示终端。今年填志愿和往年填的，底层系统的压力分布已经变了。
代价是容错空间在缩小。
年年都有人追热门。上世纪九十年代的金融热也引发过扩招——财经院校扩了，理工院校也跟着新设金融专业。但那一轮扩的是增量。
这一轮的不同在于，AI同时在两条线上推进：扩大本专业招生，和变成所有专业的基础层。
"AI专业"这个标签正被基础设施化。今天热门的专项能力，四年后可能已经变成行业默认的基础技能。
非AI专业的竞争力不取决于"是不是AI"，取决于叠加深度。一个懂AI工具的医学影像专业，比一个只会调模型的AI专业，更可能在这个周期里站稳。
落到选择上，这意味着三件事。
不把AI专业包装成确定性红利。这个标签正在被基础设施化——今天热门的专项技能，四年后是默认配置。
不贬低非AI专业为过时。差别在叠加深度和行业接口，不在有没有"AI"这两个字。
"选错专业就输了"是焦虑话术。容错空间缩小不等于容错空间消失。它只意味着：填志愿时，需要看见专业名称背后连着什么样的管道。
所以，更值得问的是：
这个学校能不能提供一套好的训练系统？
这个专业有没有AI、数据、工程工具的基础训练？
这个培养方案有没有跨学科和二次调整空间？
即使风口变化，学生留下来的底层能力能不能迁移？
📖 推荐阅读
📝 人机协作说明
本次人机分工合作中，人的判断集中在三件事：方向裁决（确定方向骨架）——语调定性（个人语调系统的规则设定与判断、AI腔识别与剔除）——结构决断（编排增补）。
✦ 写作是一件人机共创的美好小事 ✦
作者：Quinn
Quinns Pop Land
