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願規劃避免 " 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後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，就隻能 " 一選定終身 " 了？
其實熟人或網紅老師的建議也好，付費的志願規劃服務也好，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 技術驅動的産業革命，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衆所接觸到。
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，爲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：比起理論紮實、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。
随着大量高校 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 技術與産，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。
因爲真正 Coding 編程、做模型訓練的時候，涉及到大量專業細節的問題，比如調參爲什麽改了這個、改了那個？爲什麽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，隻是覺得人工智能很有未來，所以就起了這個名字，目的是帶着本科生做科創。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麽解決，學習效果會有多好？
衆所周知，AI 學術界和産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 會成爲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 " 養成遊戲 "。
少有人提的風險
AI 學科可能随時被推翻
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，都要經曆探索、成熟的過程，這無可厚非。
不過，" 教學相長 " 的背後，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 理論基礎以後可能會被重構。
以計算機科學爲例，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，作爲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，目前掌握的隻是有限的一些算法，産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，都不足以成爲人工智能的理論基礎。
這意味着，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，那麽普通院校的 AI 專業學生所得到的教學指導、社會資源、校友關系等，相比一些較爲成熟的傳統學科，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，因爲大多數技能、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，将理論知識聯系實際，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，隻顧理想、不顧現實來選擇專業，當然不适合普通家庭、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，其實是減少競争，回避内卷，未來能夠找到比較好的就業去向。
讨論這個話題，著名風投家 Naval 的觀點值得反複琢磨："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，和别人做不同的事情，就可以不參與競争了。" 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，産業 AI 化的機會。AI 是一個綜合交叉學科，當一扇扇産業和行業之門被推開，AI 會 " 從天上的雲變成地下的雨 "，滲透到每一個領域。AI 産業和就業機會，在整個智能經濟中隻占了很小的一部分。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 作爲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，而壁壘高也意味着競争少，很難被他人或 AI 替代。
此外，重複工作的消失。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、翻譯等重複性工作的崗位，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，因爲未來就業市場上可能隻剩下 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
那麽，我們應該如何将自己的專業、興趣與 AI 結合呢？我們用幾個真人真事來爲大家提供一些思路。
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 " 傑青 "，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别好，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，新興人工智能産業的發展更多，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。即使畢業後繼續深造讀研，跨界 AI 在研究生選專業時也是有優勢的，因爲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。因爲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 技術以後，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。圖像識别分析圍圈曬鹽圖像，及時提醒撈鹽，大大減輕了鹽場工人的負擔。
目前，主流 AI 開發平台都有大量成熟的 CV 模型可以直接調用，數據标注也有自動化工具來實現，隻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，别說全國性峰會，可能在本地大學城都略顯過時了。小馮将自身的專業知識、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。
作爲 AI 開發者代表之一，他本人也很直接：我覺得是因爲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，踏進廣袤的産業世界，将自己的特質 / 興趣 / 情懷進行安放，就能打開人生的更多可能。而這背後，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
不管什麽專業，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，微信裏的聯系人隻有三十個，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，他到底是怎麽賺錢的呢？
原來，小王的客戶是制造企業爲主，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、焊電路闆，成本負擔不了。而中國又有幾百萬家這樣的制造企業，隻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麽建議，原本以爲他會分享很多技巧，沒想到他抛出的話和風投家 Naval 一樣——做自己最好。隻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，我聽出了他話裏的真誠。
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，爲此殚精竭慮、求人問道，甚至上當受騙，隻爲了看到多一點真相，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衆生故事更準确、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、産業界更靈活、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，原本産學研各自爲政的人才培養模式必須打破。所以，AI 和其他專業，高校和産業，彼此的融合突破已成必然，雙方都在往中間走，" 冷闆凳 " 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 "。因爲智能變革将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麽、該做什麽、該學什麽。
