*本文为「三联生活周刊」原创内容

新刊出炉！点击上图，一键下单↑↑↑

「AI时代，选择什么专业 」

                                     主笔 | 黄子懿

2026年5月，浙江大学未来学习中心在紫金港校区西区正式揭幕。这是一所AI主题的跨学科融合式的学习空间与创新平台，专门面向本科生开放。

整个未来学习中心坐拥着一栋楼，里面呈“回”字形，没有讲台，没有黑板，只有恢宏的荧幕和摆满设备、物料的实操空间。它的一层是兴趣萌发区，能用AI复现考古、国画等各类学科的成果；二层是开放实验室，有浙大的方程式赛车队；三层是孵化的竞赛团队；四层则是直接能对接社会和企业资本的实战项目，整栋楼就像是打怪升级一般，逐级往上爬升。一到晚上，上完课的本科生们就会成群结队涌进来，攀登这座被称作“AI STEP”的阶梯。

未来学习中心的策划者是浙江大学本科生院院长、求是特聘教授吴飞，他也是中国首批人工智能本科专业的牵头人。按理说，AI的快速发展对吴飞的学科来说理应是利好，但坐在办公室里的他，却时常充满一层担忧。吴飞对我表示，今天的AI对于大学教育的冲击是剧烈的、革命性的，是一种教育范式的根本转变。“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。”

吴飞认为，教育的核心功能可归纳为两点：知识传承，以及在传承基础上的创新创造。而如今，其第一个传承环节正在被AI替代，这意味着大学教育赖以成立的底层逻辑正在被解构，所以学校和他要打造这样一个未来学习中心来进行新的创新尝试。

为什么AI的冲击会如此之大？北京师范大学教育技术学院副院长卢宇给出了一个更为凝练的判断。在他看来，传统大学之所以能成立，是因为学生和老师之间存在某种“显性规则下的信息差”，在很多学科上，老师掌握着大量学生不具备的确定性知识，而大学培养的核心目标，就是让学生“熟知并能够执行这些显性规则”。

卢宇认为，无论是文理工商，只要一个专业或课程模块的核心价值在于执行好显性规则，就会受到AI非常大的冲击，“传统的初级软件开发、初级法务、初级设计，都符合这个特征”。倘若AI的生产力持续迭代，那当下绝大多数标准化的重复性劳动都将迟早被AI替代，因为现在AI已无需人类预设推理逻辑，自己就能从海量的高维数据中发现规律、进行推理，乃至执行任务。所以，大学教育不能再秉持过去那种程式化的传授逻辑了。

就业市场已经感知到了这种结构性变化。2026年初，中国人民大学招生就业处副处长布超在北京春季大型招聘会上给出判断，AI的迭代已在逐步替代初级程序员、文员等基础性岗位，“倒逼高校去调整人才培养的方向”。

高校之所以不安，是因为过去的中国高等教育擅长培养的，恰恰就是大量标准化、执行化的人才——即使顶级高校也是这样。在浙大未来学习中心的第三层，计算机学院人工智能专业的博士生王振阳就对我回忆，他在本科创办学生创新社区X-Lab时，就受困于此。“感觉学的课程赶不上时代发展了，我要做项目还得自学Git、IDE环境配置、大模型调用等技能，我当时就想，那我来读大学到底是干吗来的？”后来，王振阳发现这不是哪个大学或者哪门课的问题，而是一个结构性矛盾，“课堂的知识传授与市场动态的应用需求之间，有一组天然的矛盾，但体系难以短期改变”。

面对变化，不少学生和家长都曾通过“转换赛道”来避险。这种焦虑在每年高考季填报志愿时爆发。学生们热衷于讨论“天坑专业”，家长们则在各种付费咨询里寻找下一个稳妥或位于风口的专业。一位机械专业出身的浙大年轻老师就告诉我，2021年前后，当她要念博士时，身边的人都在纷纷劝她“转码”，而讽刺的是，如今程序员反而遭受到了AI猛烈的冲击，机械等专业的报录比则开始逐年回升。

但这不过也是专业风口的一时变幻。从某种意义上看，填报志愿时的诸多行为都是一种押宝心态，是家长和孩子们在原有的教育范式里寻找一种安全感。他们朴素地相信，只要提前转换赛道、押中正确的行业，就能在未来的竞争里谋得安稳，或占得先机——但这个逻辑的前提恰恰是AI正在瓦解的那种传统范式，一个只要选对专业、学够知识、执行到位，就能获得回报的确定性范式。卢宇认为，如果专业教育依然停留在传授显性规则的模式里，无论这个专业是什么，可能最终都会被AI追上，翻译、码农等火爆过又冷却的专业故事已经上演过多次，“真正的问题不在于哪个专业更热、更好，而在于今天的大学需要培养更高阶的人才了”。

这一切，都指向了那句写在浙大未来学习中心入口的标语——“从会读书到会创造”。它不仅是对大学教育范式的反思，也关乎中国社会经济的未来动能。

紫金港校区西区，是浙大近年来新修的一片校区。这片校区还是一副建设中的模样，从未来学习中心的门口一眼望去，可见在建的新楼、围栏和零星的工地塔吊。在某种意义上，这也像是一个隐喻：以土地、基建驱动的城市化曾是中国经济增长的核心动能之一，而如今，中国的顶尖大学正试图在以旧动能建设出来的校园里，打造出一个全新的内核来。

过去20年里，中国的大学完成了一场罕见的规模扩张。教育部数据显示，中国高等教育毛入学率从2012年的30%一路攀升至2024年的60.8%。这是一项非凡的成就，它意味着一个国家在短短一代人的时间里，就把高等教育从精英特权变成了一种普惠的权利。但这场扩张的内在逻辑却是：让更多的人去接受标准化的训练，沿着某种确定性的轨道进入传统的产业链条，进而形成一种被很多人称为“工程师红利”的庞大群体。北京大学汇丰商学院助理教授马啸的研究发现，大学的扩招能解释为何2003年至2018年间中国制造业创新强度增加幅度的72%，并显著提升了出口产品技术含量。

这套标准化人才供给，精准地匹配了过去几十年拉动中国经济增长的主要引擎。在投资、出口、消费这“三驾马车”里，前两者的增长逻辑，本质上都是在一种确定性的传统发展范式内，把我们的种种后发优势精进到极致：房地产和基建投资创造了城市化奇迹，而中国制造凭借规模化、低成本、高质量的工程实现能力，把“世界工厂”的名号打响了几十年。这条路径需要的人才画像也非常清晰，即能执行图纸、能优化流程和细节、能在既定规则内把任务做到极致的人。市场也奖励这种确定性的人才：你掌握的知识越扎实、执行的技能越熟练，就越有竞争力。

然而，规模扩张的红利终有达到上限之日。更重要的是，当前这个时间节点，国家对创新创造的需求程度，正在变得前所未有。一方面，在中美科技竞争和全球产业链重构的背景下，中国显然不能再只做一个极致的执行者了，必须去争夺定义新品类、新标准、新规则的话语权。另一方面，AI的快速崛起则让旧有的培养模式近乎成了一种末路。相较于高效的落地执行者和优化者，“新质生产力”中那些新动能的增长，所急需的往往是另一种人才：能提出问题、能定义品类、能在不确定性中做出创新创造的人。

2026年6月，杭州云深处科技公司在展示自家的机器人产品。具身智能等新兴领域的崛起，要求未来的人才具备很强的跨学科交叉能力（陈中秋 摄）

这种双重压力的叠加正在造成一种分化。最明显的莫过于就业市场，大量初级岗位被快速替代，复合型的高阶人才则被疯抢。而如果这种分化持续演进，它很可能会变成一种更大规模的K型分化：AI带来的红利高度集中在少数大城市和头部企业，而大量中小城市和传统行业企业则可能在这轮浪潮里进一步掉队，陷入人才和资源外流的循环中。

大学亦不可能幸免，甚至可能更早就出现了这种分化。它如今至少要面对三重挑战：知识传授的功能正被AI替代，学科与产业需求之间有很大脱节，而教育资源又极度不均——毕竟，不是每一所大学都是浙大。当浙大有能力建起一整栋楼来做未来学习中心时，大量普通高校的学生可能还在用着十几年前的教材，连一个像样的AI社团都攒不起来。AI作为一个高度依赖前沿技术、算力资源的领域，将天然具有一种马太效应。一个有些残酷的事实是：它很可能不会填补教育资源的不平等，只会放大。

这并非中国独有的困境。哪怕是全球顶级的大学，也可能会在AI时代产生一种自我怀疑——所谓大学教育的不可替代性在哪？不过中国面对的是一种有些特殊的国情：我们有着世界上规模最大的高等教育体系；大学也承载着强烈的社会流动期待，依然是大多数普通家庭眼中最重要的阶层跃迁通道；而从制造大国迈向“新质生产力”的转型压力，很可能又意味着这场教育变革没有太多容错试验的空间与时间。这多重因素的叠加，让中国大学教育在AI时代要面对的问题远比任何国家都更加复杂，也更加紧迫。

面对这场变局，中国的教育者们很早就开始行动了。当旧有的增长引擎减速，市场对人才的需求在逐渐升级，未来人才培养的新试验早已在一些高校里悄然展开。

2017年，教育部明确提出了“新工科”建设，要求我国高校从“学科导向转向产业需求导向，从专业分割转向跨界交叉融合”，其远景目标是到2050年，中国能形成领跑全球工程教育的中国模式，建成工程教育强国。这场自上而下的改革，很快在全国各种高校铺开。受困于旧模式的诸多中国顶级大学，纷纷开始探索这一条新路。

这些新实验最直观的形态，就呈现在浙大校园的物理空间中——在紫金港校区西区，在建或新建的楼群都不再以传统院系命名，学科交叉创新大楼、重大前沿研究大楼、未来学习中心等名称取代了陈旧的机械楼、实训楼、计算机楼等等。它们崭新地拔地而起，就像是想要告诉所有到访的参观者和学生家长们，大学正试图通过诸如跨学科整合等新形式，去解决那些单一学科无法应对的复杂现实问题、前沿基础理论问题、创新创造问题。

AI时代的到来，把这场原本就在推进的改革骤然提速。在浙大、复旦等多所高校，从几年前就开始铺开AI通识必修课，上海交通大学、南京大学等高校也发起“AI+X”微专业与双学位的尝试，试图打破学科壁垒，提升非工科专业学生驾驭AI的能力。清华大学等高校则在搭建自己的AI智能体作为学生的全职助理。与此同时，各地纷纷成立人工智能实验室、研究院、创新学院等，试图汇集顶级资源、以单点突破的形式，孕育出一些创新的火种。

大学之外，也有民间力量在努力填补空白。当资源配置不均时，一些非名校背景的年轻人通过线上发起了另一种教育平权的尝试，试图把大模型、智能体的教程和项目带到任何想学的人面前，无论他们身处何方。这些努力虽不能替代体系化的改革，但至少说明了一种趋势：在新一代年轻人中，已有相当一部分人靠着强烈的学习意愿和自驱力，开始跑在了资源分配和AI迭代的前面。

AI 专业最需要的前沿信息、实践项目和产业资源，往往集中在发达地区和头部高校，很多“双非”高校缺乏这些资源（视觉中国供图）

这些探索散落在各地，形式各异，但都指向了一个共同的核心——那就是在可预见的未来，我们究竟需要什么样的人才和能力？它将不再奖励确定性，而看重一种在不确定性中整合、判断和创新创造的综合能力。从我们的采访调研来看，这些能力至少要包含以下几个维度：

第一，跨学科的整合与迁移能力。因为真实的产业问题从来不是单一学科能装得下的。未来的人才可能不仅是某个领域的专家，还必须能在不同知识体系之间做切换和整合。

第二，系统性思维的前瞻力。不再是执行某个环节的任务，而是能理解一件事的完整环境，并看到未来演进的可能方向。AI或许能解决一些细节问题，但把散落的点状细节连成可运转的系统，才是更高阶人才不可替代的能力。

第三，人机协作的能力与判断力。AI是一个强大的工具，几乎每个学科都无法绕开，但如何用好这个工具，取决于你知道自己要解决什么问题、用什么方法、使用AI的边界在哪。能否科学地驾驭AI，将在未来决定人与人之间的差距。

第四，面对真实世界的能力。这也是AI最难替代的部分。无论是创业者在凌晨写字楼里的团队头脑风暴，还是工程师们齐心协力解决图纸外的棘手问题，或者是医生在诊室里安抚一个情绪崩溃的家属，都是我们作为人类最珍贵的一种能力，这种能力是机器完全无法替代的。其珍贵性，在未来只会被无限放大。

所以，在2026年高考放榜前后的节点，我们推出了这样一组封面报道。我们想记录下的，正是这些未来的能力如何习得，以及中国的大学们正为此进行什么样的尝试、改革和实验。这也是一个旧模式正在退场、新动能尚未成型的关键节点。我和同事们花了一个月时间，走进了浙大、复旦、上海交大、中科大、天大等大学的课堂与实验楼，也走进了杭州的开源学习社群，看到了一批老师、学生、毕业的年轻人正试图通过自己的努力，去重新定义学习，打破那些传统而固化的边界。

这些探索还在路上，能否成功，现在还没有人能给出一个答案。但在这样一个巨变的时代，答案本身也不再是确定性的，这些尝试本身就非常值得被记录下来。因为这些变化和挑战，关乎国家和我们每一个人的未来。

点击下方图片

订阅三联会员，解锁更多相关主题

本周新刊

「AI时代，选择什么专业」

点击图片，一键下单纸刊！