最近，全網都在熱議“XX專業值不值得讀”，不同家庭的孩子怎樣進行志愿規劃避免“掉坑”，“學長學姐現身說法的專業避雷”等。

無論哪個國家，畢業時對所選專業感到后悔的學生都不在少數。畢竟，大學教育資源在全世界都是稀缺的，所以即使有些“天坑專業”與就業市場不匹配，這些“坑”依然都會被新生填滿。

但誰都不想一畢業就失業，或者投身“地獄模式”的工作。難道不認識神通廣大的長輩，付不起昂貴的規劃師咨詢費，就只能 “一選定終身”了？

其實熟人或網紅老師的建議也好，付費的志愿規劃服務也好，本質上都是消除信息差，幫助學生多了解一些世界運作的真相。

今日之世界，由AI技術驅動的產業革命，可以說是最具普遍性共識的一個真相。不過，AI相關教育還遠稱不上成熟，甚至可以說是史前時代，大量就讀、就業的細節，來自于從業者的切身感受和體驗，高質量的分享很少能被大眾所接觸到。

而了解真相，是學子們做出人生選擇的第一步。我們希望通過來自雙一流乃至職業教育學校，大一新生或已經靠AI賺到錢的職場人現身說法，為大家提供一些真實的聲音。

AI專業，不等于最優開局

熱門、高薪、好就業，是大家對AI專業的主要印象。相比生化環材等知名“天坑”，考上AI專業，是不是代表了大學生涯的最優開局？

第一個真相是：比起理論扎實、積累深厚的傳統專業，新興的“AI專業”可能更難學到東西。

過去幾年，AI已經從計算機科學領域獨立出來，有了專門的本科專業，也進入了高等職業教育。考上“AI專業”的學生數量越來越多，但“AI專業”的含金量卻未必同步提升了。

如果學生要自學成才或者和老師、本校本專業一起摸爬滾打地成長，你覺得這學費交的值嗎？當下很多“AI專業”，就是如此。

隨著大量高校AI專業、院系的建立，需要快速填補大量教師，很多教師都是計算機等臨近專業抽調過來，可能并不了解AI技術與產，也是“初學者”。其中，AI理論可以很快上手，比如人工智能的發展史、機器學習原理等。

但是，讓不熟悉AI的老師們結合實踐，搞一個落地應用或者做一個具體項目，很多人就犯怵了。

因為真正Coding編程、做模型訓練的時候，涉及到大量專業細節的問題，比如調參為什么改了這個、改了那個？為什么調完模型精度還是很低？這些都需要長時間的充分實踐，才能有感覺。

中部地區某211大學的一位老師說，該院在2018年就成立了人工智能實驗室，雖然叫這個名字，但老師們還不是太會用人工智能，甚至連python語言都不太會，只是覺得人工智能很有未來，所以就起了這個名字，目的是帶著本科生做科創。本科生一考上該大學，還是大一新生的時候，第一學期就開始培訓。

試想一下，當學生在機房上機訓模型調參，結果老師都不知道遇到具體問題該怎么解決，學習效果會有多好？

眾所周知，AI學術界和產業界的變化又非常迅猛，技術更新換代速度非常快。2023年之前，沒有人會想到大模型會帶火提示工程，prompt會成為技術領域最熱門最有價值的就業方向之一。

當老師們都在拼命學新東西，還學不完的時候，學生們更像是在玩一場“養成游戲”。

少有人提的風險：AI學科可能隨時被推翻

當然，我們并不想批評AI專業和AI教師。高校教育能夠緩解AI人才緊缺，是提升AI人才質量的關鍵，所以設立AI專業是非常必要的。而任何一個新的專業，都要經歷探索、成熟的過程，這無可厚非。

不過，“教學相長”的背后，是AI學科還處于史前時代的現實處境，其中所包含的風險少有人提，卻也是學生們應該心中有數、預先準備的：

第一，AI理論基礎以后可能會被重構。

以計算機科學為例，擁有集成電路、操作系統、編程語言等一套完整的學科體系。而人工智能，作為一個獨立學科的條件，其實還是不成熟、不健全的，大量其他領域的理論，如認知神經科學、計算機、數學等糅雜其中。

在某次“AI院長峰會”上，清華大學人工智能研究院名譽院長張跋院士直言，人工智能的理論、通用硬件、軟件都還沒有，目前掌握的只是有限的一些算法，產業處于發展初期的探索階段。已有的知識驅動和數據驅動方法，都不足以成為人工智能的理論基礎。

這意味著，AI專業學生在本科階段所學的知識可能被廢棄，僅靠技能、應用技巧的學習，是無法與其他專業或“社會大學”從業者拉開明顯差距的。如何提升這張“本科畢業證”的含金量，就必須在就讀期間考慮到了。

第二，AI學科建設的投資可能不足。

人工智能專業雖然是一個新的專業，但是它并不是一個新的研究方向，不同高校的同一專業就可能拉開比較大的差距。

頭部高校有足夠的師資和足夠優秀的學生，來承接AI專業的建設和發展。但往下一級，很多高校缺乏大量的老師來支撐專業的教學，對于前沿技術的支撐也不足，那么普通院校的AI專業學生所得到的教學指導、社會資源、校友關系等，相比一些較為成熟的傳統學科，可能都會打折扣。

認識到這一點，才能在就讀期間，去主動鏈接自己需要的資源，培養必要的能力。比如說，應該掌握一些用于就業保障的技能，但也不要把一些“技能”看得太重，因為大多數技能、軟件的壽命都比你想象的要短，需要以更好的方式重寫，所以必須打好基礎，認真學習基礎理論、知識和方法，建立自我驅動、自我學習learning to learning的能力，同時積極參與AI企業的活動，到企業參與實踐，將理論知識聯系實際，端到端解決問題。

非AI專業，或許更有前途

大家可能發現了，看起來很美的AI專業，也有很多不如意。世界上沒有完美的專業，只顧理想、不顧現實來選擇專業，當然不適合普通家庭、普通學生，但盲目追求熱門專業，也可能是竹籃打水。

很多人希望選個“好專業”的本質訴求，其實是減少競爭，回避內卷，未來能夠找到比較好的就業去向。

討論這個話題，著名風投家Naval的觀點值得反復琢磨：“Escape competition through authenticity … Basically, when you’re competing with people, it’s because you’re copying them. It’s because you’re trying to do the same thing. But every human is different. Don’t copy.”

簡單來說，就是如果你有原創性，和別人做不同的事情，就可以不參與競爭了。“不要模仿他人，做自己”，這句話聽起來很雞湯，但在AI時代有很強的可行性。

首先，產業AI化的機會。AI是一個綜合交叉學科，當一扇扇產業和行業之門被推開，AI會“從天上的云變成地下的雨”，滲透到每一個領域。AI產業和就業機會，在整個智能經濟中只占了很小的一部分。AI與行業的緊密結合，才是更廣闊的天地，非AI的專業和從業者反而可能有更大的機會。

其次，AI門檻降低，行業壁壘更安全。大模型、AutoML等技術持續發展，AI作為一個工具的門檻越來越低。但是，AI要融入千行百業，行業知識和行業專業的知識門檻、經驗門檻是非常高的，需要時間去積累，而壁壘高也意味著競爭少，很難被他人或AI替代。

此外，重復工作的消失。AI技術進步，即使是知識勞動的白領職業，比如數據分析師、文秘、翻譯等重復性工作的崗位，都在逐步完成智能化替代。也就是說，年輕人不想原創、不想做自己也不行了，因為未來就業市場上可能只剩下AI無法替代的崗位，那就是富有創意的、需要與人打交道的工作，個人不可替代的特質會變得愈發寶貴，當然也愈發值錢。

活出不設限的人生

那么，我們應該如何將自己的專業、興趣與AI結合呢？我們用幾個真人真事來為大家提供一些思路。

1.傳統專業的刷新

某大學能源專業的一位教師，是剛從海外回國的“杰青”，他參加教學時間不長，但感覺到學生對AI非常感興趣。

原來，傳統學科的就業前景不是特別好，雖然能源行業是支柱行業，就業不是問題，但工作地點一般都在荒山戈壁海上，對年輕人的吸引力越來越低了。

對于本科生來說，新興人工智能產業的發展更多，對就業很有好處，所以學生們對把AI用到傳統領域都非常有興趣。即使畢業后繼續深造讀研，跨界AI在研究生選專業時也是有優勢的，因為各個領域多多少少都會加一點人工智能的東西。

而對于研究生來說，掌握AI也可以讓研究變得相對容易一些。因為能源專業的一些優化問題，需要用到很多很深的數學知識的優化方法，而用了深度神經網絡等AI技術以后，算法自動優化可以讓研究提高效率，真的可以解決一些比較實際的問題。

這位老師坦率地說，“世俗一點講，現在AI相關的比較熱門，從發論文的角度也相對容易一些，所以對他們的吸引力也是很強的”。

更多傳統專業優秀教師開始關注AI、掌握AI、使用AI、教授AI，學生們就會越早從AI中受益，加速AI人才質量的提升。

2.二本少年的逆襲

遇到山東省某所農業大學的大三學生小馮，是在一個上海的AI開發者峰會上。

原來，小馮發現老家鹽場一直采用傳統方式進行曬鹽，靠人工測量水位高度，工人們的工作辛苦。圖像識別分析圍圈曬鹽圖像，及時提醒撈鹽，大大減輕了鹽場工人的負擔。

目前，主流AI開發平臺都有大量成熟的CV模型可以直接調用，數據標注也有自動化工具來實現，只需要采集原始圖像數據，就可以輕松實現這樣的應用。

2023年，這樣基礎的CV應用，別說全國性峰會，可能在本地大學城都略顯過時了。小馮將自身的專業知識、老家鹽農的關懷，與AI進行跨界結合，起到了意想不到的效果。

作為AI開發者代表之一，他本人也很直接：我覺得是因為鹽場這個場景以前沒有人做過，我是第一個想到做到的，所以主辦方才會邀請我來展示。

很多時候，機會就是一次勇敢的行動，率先走出校園，走出城市，踏進廣袤的產業世界，將自己的特質/興趣/情懷進行安放，就能打開人生的更多可能。而這背后，是敏銳的洞察、對工人辛苦的共情，這些閃光的能力和特質，成就了小馮改變求學生涯的必然。

3.獨立開發者的豹變

不管什么專業，就業才是大多數學子真正關注的問題。其中，時間自由、賺錢豐厚、有成就感的獨立個人開發者，是很多人向往而又不知道如何入門的。

小王是我們認識的一位獨立開發者，在他看來，這個職業有點像豹子，需要快速、敏捷、能力很強，一般獨來獨往。

聽起來很酷，其實小王是個深度社恐，這十幾年沒有接觸過外人，微信里的聯系人只有三十個，包括他的父母、親屬和快遞員。

盡管不善與人打交道，但小王也有非常不錯的收入，他到底是怎么賺錢的呢？

原來，小王的客戶是制造企業為主，這些企業要智能化，不可能去找一家大的軟件公司雇一個工程師來擰螺絲、焊電路板，成本負擔不了。而中國又有幾百萬家這樣的制造企業，只能靠小王這樣的開發者去滿足，也足以讓小王獲得不錯的收入。

當然，小王本身能力也非常出色，他從小就參加各種編程比賽，專業就是軟件開發，還曾自己創過業。我問小王對想做獨立開發者的年輕人有什么建議，原本以為他會分享很多技巧，沒想到他拋出的話和風投家Naval一樣——做自己最好。只要發揮每個人的特長，一個人總能在這個獨立開發領域，找到自己的生存空間。

“還有一點，就是一定要掙錢，一定要掙錢，不能純理想”，小王特意強調了兩遍，我聽出了他話里的真誠。

面臨“選專業”這樣的人生重大選擇，我們都希望一擊即中，有一個最好結果，為此殫精竭慮、求人問道，甚至上當受騙，只為了看到多一點真相，了解多一點事實，少踩一些坑。

任何專家、領導、天才的建議，或許都沒有這一個個真實的眾生故事更準確、更真誠、更具參考價值。

可以看到，AI時代的人才需求，正在發生很大的變化：

AI的技術特性和應用導向，人才可以在學術界、產業界更靈活、自如地流動，AI創新的轉化效率和人才培養效果才能更加顯著，原本產學研各自為政的人才培養模式必須打破。所以，AI和其他專業，高校和產業，彼此的融合突破已成必然，雙方都在往中間走，“冷板凳”也可以因AI+而變得熱乎，重要的是你如何看待AI、看待教育、看待自己。

人生沒有失敗，更不可能“一選定終身”。因為智能變革將帶來巨大的發展紅利，而你是獨一無二的人類，你有無限的可能性，你抓住的機遇點越多，人生的容錯率就越高。

了解了這些就讀和就業的真相，也就自然可以推理出該選什么、該做什么、該學什么。

審核編輯 黃宇