紅得發紫的人工智慧，會是下一個“土木工程”嗎？

幾年之後，人工智慧是否仍像今天一樣還是一片藍海？

文丨Luna

來源丨外灘教育（ID：TBEducation）

高考填志願季又來了

這幾年，家長和學生選專業也明顯“精”了不少，很多人開始主動避開那些可能“坑多路窄”的專業。而這兩年發展迅猛的人工智慧，更是已經取代計算機科學，成為了家長和學生的心頭好。

高校的招生和專業調整也在反映市場人才需求。

近五年“雙一流”高校新增專業達1068個。其中，工學類501個，佔比近半，遙遙領先於其他門類。

而今年年初以來，清華、北大、人大、上交大、南大等多所國內頂尖學府也都官宣擴招，人工智慧、新能源等專業皆在擴招之列。

對話寫文、畫圖修圖、敲程式碼……如今AI工具的形態越來越多樣，人工智慧似乎進入了井噴發展，人才需求極其旺盛。

毋庸置疑，人工智慧是重要的科技方向。但選專業不是趕時髦，它關乎未來幾年的學習投入和職業起點。

今天大家一股腦地都選擇AI專業，對孩子來說真的是一個好決定嗎？今天蓬勃發展的人工智慧會不會是下一個“土木工程”？

當泡沫破裂，

人工智慧會回到自己的生態位

著名投資公司施羅德的經理Abbas Barkhordar和Richard Sennitt曾表示，IT行業具有周期性，投資者往往會忘記這一點。這放到選專業上個也是類似的。

“IT行業最新一次模式轉變正是人工智慧，但這些轉變意味著商品訂單過剩，庫存增加，然後週期再次開始。”

人工智慧當下正紅得發紫，但是幾年之後，這個行業是否仍會像今天這樣一片藍海？

知名大空頭 Jim Chanos 就發出了警示：人工智慧市場可能回撥。他還提到了上世紀90年代末的網際網路泡沫的例子。當時許多網際網路公司的商業模式尚未成熟，資本就源源不斷地湧入。最終，網際網路泡沫破裂後，這些公司相繼倒閉，納斯達克綜合指數也在達到頂峰後暴跌，導致鉅額破產和損失。

另一個前車之鑑是2017年的區塊鏈。當時，區塊鏈被認為是一項革命性技術，眾多專案還沒創造真正的價值，就有一批企業帶著憧憬湧入。一家沒有任何區塊鏈產品的美國飲料公司，轉型為區塊鏈公司，股價一夜之間就能暴漲400%。

但最終，這項尚不成熟的技術面對實際需求，並沒辦法成為“上位替代”，早先的投資被認為是一種投機。到2019年年中，約90%的企業區塊鏈解決方案失敗。

同樣的模式也在人工智慧領域上演。人工智慧技術的復甦引發了新一輪投資浪潮，疫情又加速了技術的普及，初創企業趁此東風吸引了數十億美元的投資。但眾多公司並沒有解決一個核心問題——如何長期且穩定地盈利，這導致即使他們能夠開發出一些革命性技術，仍然底盤不穩。

2023年，數字媒體公司BuzzFeed宣佈使用AI生成測驗和內容，股價翻倍；金融服務公司Klarna用AI聊天機器人取代了700名員工，處理數百萬個客戶查詢。

然後呢？BuzzFeed的AI內容推廣未能挽救自己於水火，新聞部門被迫關閉；Klarna很快發現客戶滿意度下降，不得不重新聘請人工客服。並且這些不是孤例。

BuzzFees News關閉

《經濟學人》去年7月的一篇文章援引美國統計資料，佐證了投資者對人工智慧泡沫的擔憂：儘管ChatGPT這類大語言模型已相當普遍，但企業對AI的採用率卻非常低。文章的調查顯示，只有不到5%的受訪公司使用了AI，而計劃在未來六個月內使用AI的也不到7%。這表明，AI在商業領域的應用程度微乎其微。

資訊科技研究分析公司Gartner還提出了“技術炒作週期”的概念，描述的就是新興技術如何在誇大的承諾和期望浪潮中崛起，然後陷入幻滅，並最終找到更現實、更有用的應用。

當然，行業專家們說人工智慧要進入下行，並不是質疑這項技術本身，而是認為當下過於火爆的風頭，很可能讓大家高估了AI行業和公司的價值。當海潮褪去，AI行業會迴歸到它應有的生態位。

人才短缺，還是人才過剩？

近年來，國內大力加碼人工智慧為代表的理工科，除了市場需求外，另一個不容忽視的背景是大國博弈。

美國在人工智慧、晶片等尖端科技領域“卡脖子”，同時圍堵中國新能源汽車、光伏、鋰電池、手機通訊等優勢產業。更不用說從特朗普政府上一任期就開始對“國防七子”、理工科申請層層加碼。

這儼然是一場科技戰、人才戰。

年初以來，一眾頂尖大學的擴招計劃，都重點關注人工智慧、新能源、積體電路、生物醫藥等前沿理工領域：清華擴招150名重點投向人工智慧與交叉學科，上海交大明確擴大人工智慧等學科規模，復旦也削減文科招生比例，為理工科騰挪空間……

對人才戰略儲備來說，基數越大，那出高階人才的機率肯定也越大。對高校來說，“雙一流建設”把建設一流學科放在了更加重要的位置。即使學校整體實力不足，但只要某個學科，特別是理工類學科特別強，也會受到國家的重視和重點扶持。

但這又指向了一個問題，會不會出現人才過剩？

一個典型的例子是國內晶片行業。其實從長期看，國內晶片研發人才是短缺的；但短期來看，國內晶片研發人才又是過剩的。這是怎麼回事？

從商業的角度看，市場上有數萬個型號的國外晶片，但公司往往回選擇生產當下最熱門、量最大的產品。因此，一個產品要麼沒有人做，要麼十幾家甚至幾十家公司都去做。這樣反而浪費了很多研發人才。

另一方面，晶片產業追求數一數二。除非新產品在效能或者成本上有革命性優勢，否則很難有機會出頭。

這就導致除了少部分公司有能力把晶片做到有市場競爭力，大多數研發人員只能陪跑。而下一代晶片產品，技術挑戰更大，能做出有市場影響力產品的依舊是那些佼佼者。

對公司來說，市場上缺人，可對晶片研發人員來說，如果不是金字塔尖的那一批，那很可能就是“過剩人才”。如果晶片公司不追求差異化，那麼這種情況就很難改變。

那人工智慧行業的人才會面對什麼？

對普通個人來說，國家與學校負責的是“蓄水”是不錯，但並不能確保每一滴水的流向與歸宿。

而大多數人工智慧初創公司都只是AI模型的包裝商，沒有專有技術或可防禦的商業模式。面對市場的大浪淘沙，只有擁有真正技術深度、使用者依賴性和運營彈性的公司才能在不可避免的調整來臨時生存下來。

也不是所有跟AI沾邊的工作都那麼“保值”。AI從業者的分佈是一個金字塔：塔底是標註，腰部是應用，再往上是做微調和後訓練，塔尖才是基礎模型設計和預訓練。而應用層面需要本科學歷，微調和後訓練階段碩士起步，基礎模型基本上都是博士。

現在最底端的標註師，就已經有很大一部分已經被自己“帶大”的AI取代了。真正搶手的還是名校畢業，還發表過過硬論文的博士們，能夠在塔尖尋求突破。

在歷史程序下，不可否認人工智慧會是極其重要的陣地。但完全不顧個體的興趣、志向，只憑市場熱度選擇專業，未免草率。

人工智慧時代最稀缺的，

是專家和熱愛

但這些並不意味著要完全避開人工智慧。各行各業都在尋求將AI融入生產的方法，未來企業需要的不是成千上萬“能標資料的人”，而是“懂業務、懂模型的人”。

國際市場研究諮詢公司Researchscape，針對製造業發起調查，結果顯示2023-2024年，AI已經不同程度地融入了製造業的各個環節

周鴻禕就在世界經濟論壇的採訪中提到過：

”

打造大模型底層技術，需要一批專業人才，就像原來的計算機程式設計一樣；

但對絕大多數人來說，不管你幹什麼專業，都要學習人工智慧，不然在專業領域就混不下去；

此外，專業知識也很重要，未來在企業中規劃人工智慧應用的主角應該是業務專家。

對大多數人來說，人工智慧會成為類似英語、Office軟體等的基礎能力。從科技公司走出來人工智慧體，就像只接受了通識教育的大學生，必須在業務骨幹、行業專家的針對性指導下，才能勝任不同企業的需求。

所以，行業專家仍然是稀缺的人力資源。越發被重視的軟技能，比如批判性思維、溝通能力、合作能力等，也是在專業能力的基礎之上的更加要求。

也有觀點認為，AI會使人才結構從“金字塔型”向“鑽石型”轉變，入門級人員需求會降低，中等和頂尖核心人員的需求會增加

有意思的是DeepSeek也給外灘君提了四點建議，它強調“掌握人工智慧”的核心內涵在於：

01 理解AI的能與不能

瞭解當前主流AI的基本原理、擅長領域和核心侷限（如事實性錯誤“幻覺”、邏輯推理短板、倫理偏見風險）。知道在什麼場景下可以信任AI輔助，什麼情況下必須保持警惕和人工稽核。

02 精通“人機協作”的藝術：

掌握與AI高效互動的核心技能——提示詞工程（Prompt Engineering）。這本質上是一種“翻譯”和“引導”的能力，將人的意圖精準轉化為機器可理解、可執行的語言。

03 具備“AI增強”思維：

打破對傳統工作方式的路徑依賴，主動思考如何將AI工具融入自身專業領域的工作流，實現效率倍增和價值創新。會計師思考如何用AI快速處理票據和生成分析報告；記者思考如何用AI蒐集背景資料和生成初稿；產品經理思考如何用AI分析使用者反饋和預測市場趨勢。

04 堅守倫理與批判性思維：

利用AI的同時，深刻意識到其潛在的偏見放大、隱私侵犯、智慧財產權模糊等風險。保持對AI生成內容的批判性審視，對其輸出負責，並在決策中融入人類的價值觀和倫理判斷。AI是強大的工具，但最終決策和責任主體依然是人。

視線回到高校報考專業上，可以看到不少專業或培養目標就是奔著“複合型人才培養”去的，人工智慧重要，但專業知識同樣重要。

比如同濟大學推出“啟迪書院”，實施“2+1+X”拔尖創新人才培養體系，創新“AI+X”與“X+AI”融通培養模式，透過AI本體專業和新工科專業優勢互補共融。

華東師範大學也推出“X+AI”專業、“AI+X”微專業、AI雙學位等深度融合的學科建設和人才培養新模式。

上海師範大學今年首次招生的生物製藥專業，將融入人工智慧相關前沿課程，培養學生運用新興技術解決生物製藥問題的能力。

另外，6月23日，宇樹科技創始人王興興發文，為高考考生送上選專業的建議。外灘君覺得，他對興趣、熱愛的闡述非常一針見血——“請不要放棄努力尋找自己喜歡和擅長的事，尋找新的方向，並請一定努力去實踐。”

以下是建議全文，送給大家：

各位即將進入大學的同學們，大家好。我是宇樹科技創始人王興興。

大學不同於高中，方向千行百業，每個人的可選擇性非常多，每個人有更多的自我發揮空間，在面對影響自己未來的專業選擇上，難免會感到迷茫。在這個AI+機器人的時代，站在這個激動人心又充滿不確定性的技術爆發點前，如果大家想投身具身智慧行業，我結合自身的經歷給出一些小建議。

如果你從小喜歡拆解維修一些電子產品，或者動手DIY做點東西，推薦學習機械或電子相關專業。具體的專業細分名字很多，請注意區分，對於自己感興趣的學校和專業，大家最好直接去對應學院的官網，直接看看具體的詳細介紹，看看老師們在做什麼課題或專案。哪怕專業名字一模一樣，每個學校的差別也非常大。中間如果想多學習AI，也可以多花時間自學。

如果你對智慧如何產生感興趣、如果你有AGI的夢想，且數學還不錯，推薦直接學習計算機科學/人工智慧相關專業，也一併請直接多查查對應學院的詳細資訊，甚至可以直接先去對應實驗室看看。當然，還是建議中間可以稍微花一些時間，學習一些硬體相關的原理，比如自己動手畫個PCB板子等，簡單實用。

當然，現實裡，大多數同學沒有那麼幸運，能直接進入自己理想的學校和專業，或者進入以後發現不適合自己或者不喜歡。這其實完全不是大問題，非常常見和正常。請不要放棄努力尋找自己喜歡和擅長的事，尋找新的方向，並請一定努力去實踐。你可以轉專業，哪怕轉不了，也一點問題沒有，你可以直接去找自己感興趣方向的老師，直接溝通去他的實驗室做事，甚至完全可以直接全都自學。

後續上學時，請大家也不要侷限於書本和論文，具身智慧是物理世界的智慧，一定要多動手，擰螺絲、調電路、寫程式、debug，馬上自己動手程式設計，進入實驗室、參與機器人比賽等等，在實戰中迅速提升自己。我自己至今，也還會自己直接上手拆裝零部件，敲敲程式碼等。

如果你想成為最頂尖的人才，一定要超脫課本，主動持續學習，學習當下最前沿的科技領域。持續關注頂級學術會議最新論文等；積極參與最具探索性的開源專案並嘗試復現和改進；與同樣渴望挑戰邊界的同學、研究者組建小組，共同探討前沿問題，碰撞思想。每個同學，都有機會成為全人類未來科技方向的探索者和實踐者。

最後，我想說，在未來的學業中，你們或許會感到迷茫，不知前進的方向，但不要擔心，每個人都會迷茫，我也一樣。在大學期間，要較多的探索自己的多種可能性，多嘗試，找到愛好點和擅長點。如果你的愛好恰巧也是你擅長的，那恭喜你，你找到了可以為之奮鬥一生的目標。

在成長過程中，你們可能目睹了一次又一次的時代浪潮，見證了一個又一個商業奇蹟，外貿、房地產、基建、網際網路、消費電子、移動網際網路、新能源汽車等等。可能你們會羨慕前人，覺得機會變少了，覺得宇宙的科技樹沒有太多可以探索的了。但請不要灰心，AI和機器人的時代才剛剛開始，還有大量的挑戰和機會在等你們。

每一代年輕人有每一代人的機遇！大家一起加油！

參考資料：

(上下滑動瀏覽)

1.Will the AI Market Experience a Repeat of the 2000 Dotcom Bubble?; Dr. Maurice K.S. TSE, JP

2.The AI hype is just like the blockchain frenzy – here’s what happens when the hype dies; Gediminas Lipnickas

3.Schroder AsiaPacific warns AI boom will suffer a cyclical downturn;

4.The Coming ‘Collapse’ of the AI Startup Bubble; Jon Warner

5.中國正在瘋狂加碼理工科，但普通人要警惕下一個“土木工程”; 智谷趨勢Trend