避免“一选定终身”，那些从就读到就业的 AI 真相

最近，全网都在热议“XX 专业值不值得读”，不同家庭的孩子怎样进行志愿规划避免“掉坑”，“学长学姐现身说法的专业避雷”等。

无论哪个国家，毕业时对所选专业感到后悔的学生都不在少数。毕竟，大学教育资源在全世界都是稀缺的，所以即使有些“天坑专业”与就业市场不匹配，这些“坑”依然都会被新生填满。

但谁都不想一毕业就失业，或者投身“地狱模式”的工作。难道不认识神通广大的长辈，付不起昂贵的规划师咨询费，就只能 “一选定终身”了？

其实熟人或网红老师的建议也好，付费的志愿规划服务也好，本质上都是消除信息差，帮助学生多了解一些世界运作的真相。

今日之世界，由 AI 技术驱动的产业革命，可以说是最具普遍性共识的一个真相。不过，AI 相关教育还远称不上成熟，甚至可以说是史前时代，大量就读、就业的细节，来自于从业者的切身感受和体验，高质量的分享很少能被大众所接触到。

而了解真相，是学子们做出人生选择的第一步。我们希望通过来自双一流乃至职业教育学校，大一新生或已经靠 AI 赚到钱的职场人现身说法，为大家提供一些真实的声音。

AI 专业，不等于最优开局

热门、高薪、好就业，是大家对 AI 专业的主要印象。相比生化环材等知名“天坑”，考上 AI 专业，是不是代表了大学生涯的最优开局？

第一个真相是：比起理论扎实、积累深厚的传统专业，新兴的“AI 专业”可能更难学到东西。

过去几年，AI 已经从计算机科学领域独立出来，有了专门的本科专业，也进入了高等职业教育。考上“AI 专业”的学生数量越来越多，但“AI 专业”的含金量却未必同步提升了。

如果学生要自学成才或者和老师、本校本专业一起摸爬滚打地成长，你觉得这学费交的值吗？当下很多“AI 专业”，就是如此。

随着大量高校 AI 专业、院系的建立，需要快速填补大量教师，很多教师都是计算机等临近专业抽调过来，可能并不了解 AI 技术与产，也是“初学者”。其中，AI 理论可以很快上手，比如人工智能的发展史、机器学习原理等。

但是，让不熟悉 AI 的老师们结合实践，搞一个落地应用或者做一个具体项目，很多人就犯怵了。

因为真正 Coding 编程、做模型训练的时候，涉及到大量专业细节的问题，比如调参为什么改了这个、改了那个？为什么调完模型精度还是很低？这些都需要长时间的充分实践，才能有感觉。

中部地区某 211 大学的一位老师说，该院在 2018 年就成立了人工智能实验室，虽然叫这个名字，但老师们还不是太会用人工智能，甚至连 python 语言都不太会，只是觉得人工智能很有未来，所以就起了这个名字，目的是带着本科生做科创。本科生一考上该大学，还是大一新生的时候，第一学期就开始培训。

试想一下，当学生在机房上机训模型调参，结果老师都不知道遇到具体问题该怎么解决，学习效果会有多好？

众所周知，AI 学术界和产业界的变化又非常迅猛，技术更新换代速度非常快。2023 年之前，没有人会想到大模型会带火提示工程，prompt 会成为技术领域最热门最有价值的就业方向之一。

当老师们都在拼命学新东西，还学不完的时候，学生们更像是在玩一场“养成游戏”。

少有人提的风险：AI 学科可能随时被推翻

当然，我们并不想批评 AI 专业和 AI 教师。高校教育能够缓解 AI 人才紧缺，是提升 AI 人才质量的关键，所以设立 AI 专业是非常必要的。而任何一个新的专业，都要经历探索、成熟的过程，这无可厚非。

不过，“教学相长”的背后，是 AI 学科还处于史前时代的现实处境，其中所包含的风险少有人提，却也是学生们应该心中有数、预先准备的：

第一，AI 理论基础以后可能会被重构。

以计算机科学为例，拥有集成电路、操作系统、编程语言等一套完整的学科体系。而人工智能，作为一个独立学科的条件，其实还是不成熟、不健全的，大量其他领域的理论，如认知神经科学、计算机、数学等糅杂其中。

在某次“AI 院长峰会”上，清华大学人工智能研究院名誉院长张跋院士直言，人工智能的理论、通用硬件、软件都还没有，目前掌握的只是有限的一些算法，产业处于发展初期的探索阶段。已有的知识驱动和数据驱动方法，都不足以成为人工智能的理论基础。

这意味着，AI 专业学生在本科阶段所学的知识可能被废弃，仅靠技能、应用技巧的学习，是无法与其他专业或“社会大学”从业者拉开明显差距的。如何提升这张“本科毕业证”的含金量，就必须在就读期间考虑到了。

第二，AI 学科建设的投资可能不足。

人工智能专业虽然是一个新的专业，但是它并不是一个新的研究方向，不同高校的同一专业就可能拉开比较大的差距。

头部高校有足够的师资和足够优秀的学生，来承接 AI 专业的建设和发展。但往下一级，很多高校缺乏大量的老师来支撑专业的教学，对于前沿技术的支撑也不足，那么普通院校的 AI 专业学生所得到的教学指导、社会资源、校友关系等，相比一些较为成熟的传统学科，可能都会打折扣。

认识到这一点，才能在就读期间，去主动链接自己需要的资源，培养必要的能力。比如说，应该掌握一些用于就业保障的技能，但也不要把一些“技能”看得太重，因为大多数技能、软件的寿命都比你想象的要短，需要以更好的方式重写，所以必须打好基础，认真学习基础理论、知识和方法，建立自我驱动、自我学习 learning to learning 的能力，同时积极参与 AI 企业的活动，到企业参与实践，将理论知识联系实际，端到端解决问题。

非 AI 专业，或许更有前途

大家可能发现了，看起来很美的 AI 专业，也有很多不如意。世界上没有完美的专业，只顾理想、不顾现实来选择专业，当然不适合普通家庭、普通学生，但盲目追求热门专业，也可能是竹篮打水。

很多人希望选个“好专业”的本质诉求，其实是减少竞争，回避内卷，未来能够找到比较好的就业去向。

讨论这个话题，著名风投家 Naval 的观点值得反复琢磨：“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.”

简单来说，就是如果你有原创性，和别人做不同的事情，就可以不参与竞争了。“不要模仿他人，做自己”，这句话听起来很鸡汤，但在 AI 时代有很强的可行性。

首先，产业 AI 化的机会。AI 是一个综合交叉学科，当一扇扇产业和行业之门被推开，AI 会“从天上的云变成地下的雨”，渗透到每一个领域。AI 产业和就业机会，在整个智能经济中只占了很小的一部分。AI 与行业的紧密结合，才是更广阔的天地，非 AI 的专业和从业者反而可能有更大的机会。

其次，AI 门槛降低，行业壁垒更安全。大模型、AutoML 等技术持续发展，AI 作为一个工具的门槛越来越低。但是，AI 要融入千行百业，行业知识和行业专业的知识门槛、经验门槛是非常高的，需要时间去积累，而壁垒高也意味着竞争少，很难被他人或 AI 替代。

此外，重复工作的消失。AI 技术进步，即使是知识劳动的白领职业，比如数据分析师、文秘、翻译等重复性工作的岗位，都在逐步完成智能化替代。也就是说，年轻人不想原创、不想做自己也不行了，因为未来就业市场上可能只剩下 AI 无法替代的岗位，那就是富有创意的、需要与人打交道的工作，个人不可替代的特质会变得愈发宝贵，当然也愈发值钱。

活出不设限的人生

那么，我们应该如何将自己的专业、兴趣与 AI 结合呢？我们用几个真人真事来为大家提供一些思路。

1.传统专业的刷新

某大学能源专业的一位教师，是刚从海外回国的“杰青”，他参加教学时间不长，但感觉到学生对 AI 非常感兴趣。

原来，传统学科的就业前景不是特别好，虽然能源行业是支柱行业，就业不是问题，但工作地点一般都在荒山戈壁海上，对年轻人的吸引力越来越低了。

对于本科生来说，新兴人工智能产业的发展更多，对就业很有好处，所以学生们对把 AI 用到传统领域都非常有兴趣。即使毕业后继续深造读研，跨界 AI 在研究生选专业时也是有优势的，因为各个领域多多少少都会加一点人工智能的东西。

而对于研究生来说，掌握 AI 也可以让研究变得相对容易一些。因为能源专业的一些优化问题，需要用到很多很深的数学知识的优化方法，而用了深度神经网络等 AI 技术以后，算法自动优化可以让研究提高效率，真的可以解决一些比较实际的问题。

这位老师坦率地说，“世俗一点讲，现在 AI 相关的比较热门，从发论文的角度也相对容易一些，所以对他们的吸引力也是很强的”。

更多传统专业优秀教师开始关注 AI、掌握 AI、使用 AI、教授 AI，学生们就会越早从 AI 中受益，加速 AI 人才质量的提升。

2.二本少年的逆袭

遇到山东省某所农业大学的大三学生小冯，是在一个上海的 AI 开发者峰会上。

原来，小冯发现老家盐场一直采用传统方式进行晒盐，靠人工测量水位高度，工人们的工作辛苦。图像识别分析围圈晒盐图像，及时提醒捞盐，大大减轻了盐场工人的负担。

目前，主流 AI 开发平台都有大量成熟的 CV 模型可以直接调用，数据标注也有自动化工具来实现，只需要采集原始图像数据，就可以轻松实现这样的应用。

2023 年，这样基础的 CV 应用，别说全国性峰会，可能在本地大学城都略显过时了。小冯将自身的专业知识、老家盐农的关怀，与 AI 进行跨界结合，起到了意想不到的效果。

作为 AI 开发者代表之一，他本人也很直接：我觉得是因为盐场这个场景以前没有人做过，我是第一个想到做到的，所以主办方才会邀请我来展示。

很多时候，机会就是一次勇敢的行动，率先走出校园，走出城市，踏进广袤的产业世界，将自己的特质/兴趣/情怀进行安放，就能打开人生的更多可能。而这背后，是敏锐的洞察、对工人辛苦的共情，这些闪光的能力和特质，成就了小冯改变求学生涯的必然。

3.独立开发者的豹变

不管什么专业，就业才是大多数学子真正关注的问题。其中，时间自由、赚钱丰厚、有成就感的独立个人开发者，是很多人向往而又不知道如何入门的。

小王是我们认识的一位独立开发者，在他看来，这个职业有点像豹子，需要快速、敏捷、能力很强，一般独来独往。

听起来很酷，其实小王是个深度社恐，这十几年没有接触过外人，微信里的联系人只有三十个，包括他的父母、亲属和快递员。

尽管不善与人打交道，但小王也有非常不错的收入，他到底是怎么赚钱的呢？

原来，小王的客户是制造企业为主，这些企业要智能化，不可能去找一家大的软件公司雇一个工程师来拧螺丝、焊电路板，成本负担不了。而中国又有几百万家这样的制造企业，只能靠小王这样的开发者去满足，也足以让小王获得不错的收入。

当然，小王本身能力也非常出色，他从小就参加各种编程比赛，专业就是软件开发，还曾自己创过业。我问小王对想做独立开发者的年轻人有什么建议，原本以为他会分享很多技巧，没想到他抛出的话和风投家 Naval 一样——做自己最好。只要发挥每个人的特长，一个人总能在这个独立开发领域，找到自己的生存空间。

“还有一点，就是一定要挣钱，一定要挣钱，不能纯理想”，小王特意强调了两遍，我听出了他话里的真诚。

面临“选专业”这样的人生重大选择，我们都希望一击即中，有一个最好结果，为此殚精竭虑、求人问道，甚至上当受骗，只为了看到多一点真相，了解多一点事实，少踩一些坑。

任何专家、领导、天才的建议，或许都没有这一个个真实的众生故事更准确、更真诚、更具参考价值。

可以看到，AI 时代的人才需求，正在发生很大的变化：

AI 的技术特性和应用导向，人才可以在学术界、产业界更灵活、自如地流动，AI 创新的转化效率和人才培养效果才能更加显著，原本产学研各自为政的人才培养模式必须打破。所以，AI 和其他专业，高校和产业，彼此的融合突破已成必然，双方都在往中间走，“冷板凳”也可以因 AI+而变得热乎，重要的是你如何看待 AI、看待教育、看待自己。

人生没有失败，更不可能“一选定终身”。因为智能变革将带来巨大的发展红利，而你是独一无二的人类，你有无限的可能性，你抓住的机遇点越多，人生的容错率就越高。

了解了这些就读和就业的真相，也就自然可以推理出该选什么、该做什么、该学什么。