夜雨聆风AI时代 ·理解K型分化
我们到底在焦虑什么？不是焦虑选错专业，是焦虑"选专业"这件事的逻辑已经变了，而我们还在用旧逻辑做决定。
今年高考的时候，我没有感受到周边家长和孩子的焦虑，都在闷头备考，顾不上焦虑。等分的时候，也还泰然处之，尽力了就好。分数下来后，开始选专业报志愿了，家长和孩子们思路的繁忙度堪比整个高三。
因为AI时代来了，发展之迅猛，打了个措手不及。
家长们在寻找下一个稳妥的专业，孩子们在热搜上讨论"天坑专业"，家长们在判断走向，孩子们在选择喜好。一家人在志愿填报系统前，一起预测四年之后。如果要总结的话，还是AI时代，哪些岗位会被替代。
我从来不觉得AI会替代人。这个词本身的问题出在"人"这个字上。
为佐证我自己的想法，近一年也从各个学科的角度，看了不少的好书和文献。借着这次自己也在放假的暑期，好好聊聊相关的几个问题，今天我们就聊聊专业。
壹
知识壁垒被瓦解了
为什么要上大学，显然应该是以较为适配的方式，让学生从老师那里获取确定性的知识，这个知识不是某个老师独有的，是信息差。你学一个专业，掌握一门别人不会的手艺，这个手艺能吃十年、二十年。选专业=选赛道=选饭碗，这个等式在过去是成立的。
它成立，需要三个前提：技能有壁垒，别人学不会；技能有时效，管得了十年八年；市场需求可预测，四年后的行业缺什么人，大致能猜到。
可是，现在AI把第一个前提抽掉了。
任何一个专业，如果是为了学习这个知识，显然会受到冲击。当一个大一新生用AI能在一个下午搞懂一个专业的核心框架，"你学了别人不会"就不再成立。知识壁垒这个概念本身，被瓦解了。
浙大本科生院院长吴飞提到："大学课堂上讲的知识，已经远远落后于生成式AI模型能生成的内容了。"
当然大学不止是学知识，还有训练方法、思维体系、人脉、文凭。没错，但这些曾经是知识的附属品。知识壁垒一倒，它们反而成了上大学最值钱的部分。但前提是：你得冲着"学会判断"去，而不是冲着"学点手艺"去。一张文凭能证明你学过什么，但"学过什么"已经没那么重要了，AI什么都知道。
AI恰恰是最强的"在已知框架内执行"的工具。它不是替代标准化人才，是包含了标准化人才。
以及你能做到的标准化任务，它都能做，而且更快更稳定。当人被包含，"熟练"就不再是壁垒了。你引以为豪的十年经验，AI用十秒就追上了。
所以上大学剩下的不是知识本身，而是把知识变成判断力的训练过程。面对一个没有标准答案的问题，你能定义问题、拆解问题、做出取舍。这个能力AI给不了你，不是因为它不够聪明，而是因为它不替你承担选择的后果。
会读书是"找到正确答案"，会创造是"在没有标准答案的时候做决定"。前者AI比你强，后者只能靠你自己。
中国高等教育最擅长培养的，就是标准化、执行力强的人才。在要求范围内完成既定任务。过去只要你知识够扎实，技能够熟练，就有可能成为某领域的师傅。这样的人才匹配了房地产、基建、制造等领域的需求。但现在，抽掉了知识壁垒。那么我们上大学要去学的是什么？
讽刺的是，在2020年前后，机械专业出身的学生打算念博士，身边人纷纷劝他"转码"；而如今，程序员反而遭受了AI最猛烈的冲击，机械等专业的报录比开始逐年回升。
这个反转不是偶然，也不是风水轮流转。程序员被冲击，恰恰因为写代码高度可被AI标准化，它本质上就是在已知框架内执行的任务；而机械专业的回升，是因为它们涉及物理世界的交互和跨学科判断，AI暂时够不着。
被冲击的从来不是"差专业"，是"可被标准化的专业"。这个区分，比"好专业"和"差专业"的区分重要得多。
AI把"有标准答案的事"全包了，留给人的只有"没有标准答案的事"。
贰
K型分化：中间塌陷
这一轮AI带来的分化，不是"好专业"和"差专业"的分化，而是一种K型分化。
K型分化这个概念，最早是美国财经观察家Peter Atwater在2020年疫情期间提出的。他的观察是：经济冲击后的复苏路径不是V型齐头并进，而是分叉——K的一撇向上，一捺向下，同一场危机，不同的人走向完全相反的方向。
AI把这个逻辑推到了极致。
AI带来的K型分化，机制和经济K型不同。形状相似，都是中间塌陷、两端分叉。但塌陷的原因变了。经济K型的底层是资本差异，有资产的人财富升值，没有的人收入缩水。AI的K型底层是认知差异，会定义问题、会做判断的人被AI放大，不会的人被AI包含。
关键是，AI不是从底部开始替代，而是从中间开始掏空。
底部的体力劳动涉及物理世界的交互，AI暂时够不着；顶部的创造和战略判断，AI也做不了。恰恰是中间那一层，按流程执行、在已知框架内完成任务，被AI最精准地吃掉了。这就是为什么K型是K型：不是整体下沉，是中间塌陷。中间层消失了，向上和向下之间就没有了过渡带。
2026年一季度，科技行业裁员超过7.8万人，近半数直接因AI替代。与此同时，AI相关岗位同比暴涨12倍，平均月薪超过6万。
——脉脉招聘中高端人才市场数据
有人把AI比作放大器。它不是简单地抹平差距的工具，而是放大差距的工具。目标清晰的人，能力被放大；目标混乱的人，混乱也被放大。
AI的杠杆效应依赖使用者的判断力。同一个AI工具，有人用它做出了一个产品，有人用它写了一堆没人看的东西。AI不创造差距，它把已有的认知差距乘以十。判断力强的人如虎添翼，判断力弱的人只是更快地产出平庸。K型分化的一条路斜着向上爬，一条路斜着向下滑，中间几乎没有过渡层。
放到专业这件事上，K型分化的含义是：不是"哪个专业好就业"的问题，而是你选的专业在K型的哪一端。用旧逻辑选专业，等于在正在消失的中间地带押注。
更残酷的是马太效应。AI作为一个高度依赖前沿技术和算力资源的领域，很可能不会填补教育资源的不平等，只会放大。
当你纠结"选计算机还是选会计"的时候，真正的问题不是这个。真正的问题是：你选的这条路，是让你成为驾驭AI的人，还是被AI管理的人？
区别就一个：你是AI的质检员，还是AI的老板？质检员——工作被AI拆成步骤，AI执行，你签字确认。老板——你定义问题，AI执行，他是你的外脑，你做判断。和你学什么专业关系不大，和你是什么样的人关系很大。
叁
确认自己是谁
那该怎么选？
先说一个判断：专业这件事，不是"押注未来"，而是"确认自己是谁"。过去，选专业才是押注，你押哪个行业会火，押哪个赛道还缺人。这个动作成立的前提是：你能预测未来。但K型分化告诉我们，未来不是一条线，而是分叉的。你押的不是哪条线更稳，而是你站在K型的哪一端。
所以这不是"你在选专业"，是"你在确认自己"。
复旦大学计算与智能创新学院教授彭鑫打了个比方，叫"画田字格"：先把格子划好，边界定清楚，让AI成为你的助手。你得先有自己的框架，AI才能往里面填。没有框架，AI给你的是一堆碎片，每块看着都有用，拼在一起却什么也不是。
什么叫"画田字格"？就是你知道自己是谁、要解决什么问题、边界在哪。这不是选专业能替你做的事，是你得自己想清楚的事。专业不是你的田字格，你对"我是谁、我要解决什么问题"的回答才是。
斯坦福大学教授李飞飞说得更直白："AI越强大，个人独特性越有价值。"因为AI的训练数据来自所有人已经做过的东西，它擅长"平均水平的好"，不擅长"个人化的破"。当AI把"平均水平的好"变成免费的，那些AI训练数据里没有的东西：你独特的经历、判断、品味，就成了稀缺品。
"确认自己是谁"不是一句哲学口号。落到操作上，就是问自己几个具体的问题：
你是对"解决问题"更兴奋，还是对"执行任务"更兴奋？
你更喜欢"定义问题"，还是"在给定问题里找答案"？
你能不能忍受"没有标准答案"的不确定感？
这些问题的答案，指向的就是K型的上下两端。前一种倾向让你站在上端，后一种倾向让你滑向下端。这个倾向，不是选专业能替你决定的，是你得自己想清楚的事。
K型分化解释了"为什么会分化"。但还有一个更根本的问题，人是不是真的不会被AI替代？
下一篇，给大家介绍几本我近期看的书。也许会给我们一些跟大多数人直觉不同的答案。
