人们过去把哲学看成一种“有意义但不实用”的学科。它适合讨论人生、价值、伦理、自由、意识和意义，却似乎很难和真实岗位、工资、公司需求联系起来。哲学可以让人想得更深，但未必能让人在招聘市场上更有优势。可是，AI 正在改变这件事。过去最不像“岗位技能”的哲学，正在被 AI 时代重新标价。根据 Daily Nous 对 PhilJobs 哲学职位数据库的分析，2013 年，哲学岗位中与 AI 相关的职位大约只占 1%；到 2025 年，这一比例已经上升到 16%。换句话说，2025 年大约每 6 个哲学岗位中，就有 1 个以某种方式提到 AI。这并不意味着整个社会突然到处都在招聘“哲学家”，但它至少说明：在哲学内部，AI 已经不再是边缘话题，而正在变成真实的岗位方向。另一个信号来自毕业生就业。Daily Nous 转述《经济学人》对美国大学毕业生就业数据的分析时提到，AI 暴露度更高的专业，近年就业结果明显承压。2022—2024 年间，哲学专业毕业生就业变化反而为正，大约增长 4%；而计算机科学、传播学、电气工程、信息科学等 AI 暴露度更高的专业，则出现 7% 到 14% 的下降。2025 年进一步数据还显示，一些 AI 暴露度最高的专业，全职就业率从接近 70% 降到 55%。这组数据当然不能简单解释成“AI 让哲学胜出、让计算机失势”。事情没有这么粗糙。但它提示了一个现象：AI 并不是简单强化所有“硬专业”，也不是简单削弱所有“软专业”。它首先冲击的，是那些更容易流程化、模板化、标准化、初级化的任务。过去几十年的常识是：计算机、信息科学、工程等专业更“硬”，哲学、人文、思辨类专业更“软”。硬专业更接近岗位，软专业更接近兴趣。但 AI 到来之后，这个判断开始变得不那么稳固。因为很多“硬技能”的入门层任务，恰恰更容易被自动化、辅助化、模块化。基础代码、资料检索、文档整理、翻译、摘要、标准化分析、PPT 初稿、报告草拟，这些任务过去构成了大量初级岗位的日常内容。现在，AI 已经可以参与甚至完成其中相当一部分。于是，真正发生变化的，不是某个专业突然消失，也不是某个职业一夜之间被取代。真正发生变化的是：工作本身正在被拆解。过去，公司招聘一个初级员工，是因为这个人可以完成一组任务：查资料、写初稿、整理表格、翻译文件、做基础分析、写代码、做汇报材料、处理客户沟通。现在，AI 可以参与其中很多环节。于是，公司不一定取消整个岗位，但会重新设计岗位内容：低阶任务被机器吸收，中阶任务被人机协作重组，高阶任务则要求人具备更强的判断、定义、协调和责任承担能力。一个 AI 系统应该如何回答人的问题？它什么时候应该服从用户？什么时候应该拒绝？什么时候应该劝阻？什么时候应该保持中立？怎样避免一味迎合用户？怎样处理自杀、自伤、政治极端化、阴谋论、仇恨言论、医疗建议、法律建议、亲密关系、未成年人保护？一个模型如何在“有帮助”“不伤害”“尊重用户自由”“遵守法律”“保护弱者”“避免操纵”之间排序？这些问题表面上是产品问题、工程问题、合规问题，深处是哲学问题。因为它们都绕不开概念边界和价值排序。什么叫伤害？什么叫操纵？什么叫自由？什么叫歧视？什么叫事实？什么叫责任？用户意愿和公共利益冲突时怎么办？安全和自由冲突时怎么办？少数人权利和多数人偏好冲突时怎么办？这些问题不能只靠写代码解决，也不能只靠商业指标解决。它们必须被定义、被论证、被排序、被制度化。AI 公司和治理机构正在把“模型应该如何行为”这件事写成规则、文件和训练机制。OpenAI 发布 Model Spec，用来说明模型应该如何遵循指令、处理冲突、尊重用户自由，并在各种查询中安全地行动。Anthropic 发布 Claude Constitution，把 Claude 的价值和行为意图写成类似“宪法”的文件，并明确表示它在训练过程中发挥重要作用。联合国教科文组织早在 2021 年就通过了适用于成员国的 AI 伦理全球标准。这些共同说明：AI 行业正在把“模型行为规范”制度化。而一旦要制度化，就会进入哲学的地盘。因为模型行为规范不是简单写几条安全规则。它涉及伦理学，涉及认识论，涉及语言哲学，涉及心灵哲学，涉及政治哲学，也涉及技术哲学。模型是否理解？它是否只是模拟？用户为什么会把它当作主体？人类如何在与机器对话中保留自己的判断？一个会说话、会建议、会安慰、会拒绝、会影响人类决策的系统，到底应该承担什么样的边界？这些问题过去可以停留在课堂、论文和伦理委员会里。现在不行了。现在，它们必须进入产品规则、模型训练、评估标准、用户界面、风险控制和监管文件里。换句话说，哲学正在从书斋里的思辨，变成 AI 产业链上的一种基础能力。《大西洋月刊》在 2026 年 6 月发表文章指出，硅谷正在转向伦理学家来塑造 AI 的未来。文章提到，Anthropic 的 Amanda Askell 把自己训练 Claude 的工作称为“应用哲学”；Arizona State University 希望在 2027 年推出 AI 与哲学专业；University at Buffalo 也因为 AI 热潮开设“应用本体论”博士项目，以回应市场对本体论人才的需求。当然，这并不意味着所有哲学专业都会自动变得抢手。真正被市场重新定价的，不是“哲学”这个标签，而是哲学训练中能够迁移到 AI 时代的能力：伦理判断、概念辨析、规范设计、复杂推理、语言分析、主体性理解、公共治理意识，以及把抽象价值落到具体系统中的能力。这种能力不一定以“哲学家”这个职位名称出现。它可能叫 AI ethics researcher，responsible AI specialist，model behavior expert，alignment researcher，policy researcher，AI safety analyst，ontology specialist，human-AI interaction researcher，或者 trust and safety lead。职位名称可以不同，但背后的能力结构是相似的：理解复杂价值冲突，定义概念边界，设计规范框架，处理人和机器之间的责任关系。未来的工作，并不会简单分成“懂技术的人”和“不懂技术的人”。更可能的分界是：一类人只会使用工具，另一类人能够定义工具应该服务于什么目标；一类人只会接受 AI 的答案，另一类人能够判断答案背后的前提和边界；一类人被新的工作流程重新安排，另一类人参与设计新的工作流程。哲学的岗位价值，就出现在后者。这也是今天很多关于 AI 和就业的讨论容易忽视的地方。人们常常问：AI 会不会取代某个专业？某个职业还值不值得学？计算机还香不香？文科是不是没有出路？但更重要的问题是：一个专业训练出来的能力，能不能迁移到 AI 时代的新问题上？如果一个专业只是教人完成一套固定流程，它就会更危险。因为流程越固定，越容易被机器学习、复制、压缩和重组。如果一个专业训练人定义问题、判断边界、处理复杂冲突、承担价值责任，它反而可能在新的技术结构中获得位置。哲学的反转，正是这个逻辑的一个例子。AI 让哲学变得现实。当机器越来越会回答，人类就更需要知道什么是好问题。当机器越来越会执行，人类就更需要知道什么值得执行。当机器越来越会模拟判断，人类就更需要建立判断的尺度。当机器越来越像一个“主体”，人类就更需要重新理解什么是主体、责任和边界。
夜雨聆风