过去二十年，很多家长相信一个简单的逻辑：
好好读书 → 考上名校 → 进入白领行业 → 获得稳定高薪工作。
但AI的出现，正在让这套逻辑发生剧烈变化。
2024年以来，全球科技公司接连裁员。
英特尔宣布裁减超过15%的岗位，预计影响约15000名员工。多家金融科技公司公开表示，裁员并非因为业务不好，而是因为AI已经能够完成大量原本需要人来完成的工作。
更让人意外的是，被冲击最大的并不是流水线工人，而恰恰是过去被认为最“聪明”的那群人：程序员、律师、金融分析师、设计师、文案策划、大学教师……
很多家长开始问：
▪️未来哪些专业最容易被AI取代？
▪️哪些行业反而会越来越值钱？
答案可能和很多人想的并不一样。
01、AI最容易替代哪些职业？
国际货币基金组织（IMF）、高盛等机构都曾使用一个指标来衡量职业风险：AI暴露度（AI Exposure）。
简单来说，就是一个职业中，有多少工作内容能够被AI自动完成。
暴露度越高，被AI取代的风险就越大。
令人意想不到的是，长期霸榜的并不是蓝领工人，而是大量传统白领岗位。例如：
- 行政管理
- 文秘工作
- 翻译
- 财务分析
- 法律助理
- 金融咨询
- 程序开发
- 广告设计
- 插画创作
尤其是程序员。
很多人以为：AI是程序员发明的，所以程序员最安全。
而现实却恰恰相反。
因为今天大量前端、后端开发工作，本质上已经高度标准化。
全球几十年的代码都公开存放在GitHub上。
AI只需要学习足够多的代码样本，就能掌握大部分常见开发模式。
以前程序员可能需要几周完成的工作，现在AI几分钟就能生成初稿。
很多企业开始出现一种现象：一个工程师配合AI，完成过去多个工程师的工作量。
02、为什么艺术家也开始焦虑？
更加令人震惊的是，受冲击最严重的行业之一竟然是文化创意产业。
插画师、广告设计师、动画制作师、甚至编剧导演，都感受到了AI带来的压力。
原因很简单。
AI已经能够快速学习大量作品中的规律：构图方式、配色原则、镜头语言、人物设计，这些过去需要多年训练积累的技能，如今AI通过海量数据就能迅速掌握。
更重要的是，人类需要十天半个月完成的作品，AI可能几分钟就能生成，成本甚至不到人工的百分之一。
对于很多商业项目来说，老板首先考虑的往往不是艺术理想，而是效率和成本。
因此，大量标准化创意工作正在被AI迅速蚕食。
03、为什么搬砖、修水管反而更安全？
这里出现了一个非常反常识的现象。
过去工业革命淘汰的是体力劳动，而这一轮AI革命，最先受到冲击的却是脑力劳动。
为什么？
因为AI最擅长处理的是：已经被数字化、文字化、数据化的经验。
程序员的代码在数据库里；律师的案例在数据库里；记者的报道在互联网里；金融分析师的研究报告也都在数据库里。
这些行业最核心的知识，本身就是AI最好的教材。
但木匠、水管工、护工却不一样。
一个老师傅摸一下木头，就知道哪里该下刀；一个经验丰富的护工抱起老人，就能感受到身体哪里疼痛。
这些能力很难写进教材，甚至连老师傅自己都说不清楚。
哲学家波兰尼曾提出一个概念：“隐性知识（Tacit Knowledge）”。他说：“我们知道的东西，远远多于我们能够表达出来的东西。”
而这些无法被语言完整描述的经验，恰恰是AI最难学习的部分。
04、真正危险的不是职业，而是工作方式
很多人看到这里会产生一个误解：是不是程序员完了？律师完了？金融行业完了？
其实不是。
未来很多职业依然会存在，但职业内部的工作内容正在发生变化。
就像汽车出现后，交通运输行业没有消失，消失的是马车夫；互联网出现后，媒体行业没有消失，消失的是很多传统编辑和排版岗位。
AI时代也是一样。
未来消失的，往往不是职业本身，而是那些只负责执行的人。
05、AI时代最值钱的三种能力
如果执行工作越来越容易被AI完成，那么未来什么最值钱？
答案可能只有三种。
第一种：承担责任的能力
AI可以提供建议，但AI不会承担后果。
医生做手术，律师打官司，企业高管做战略决策，这些工作最大的价值不是知识本身，而是出了问题之后，必须有人负责。
责任本身就是门槛。
第二种：判断力
AI擅长回答问题，但它不知道什么问题值得问。它可以生成方案，但它不知道哪个方案真正适合现实世界。
未来最重要的人才，很可能不是执行者，而是：出题的人、审核的人、判断的人。
换句话说：未来最值钱的能力，不是会做题，而是会定义题目。
第三种：创造力
这是目前AI最难突破的领域。
AI本质上是在学习人类已经创造出来的知识。
它擅长组合、擅长模仿、擅长优化，但真正意义上的范式创新，仍然来自人类。
爱因斯坦提出相对论，伽罗华创造群论，莫奈开创印象派，这些突破并不是在旧框架内寻找答案，而是直接改变了问题本身。
这种能力，才是真正的人类护城河。
06、一个值得关注的现象：顶尖大学的人才培养逻辑正在改变
如果把视线放到全球顶尖大学近几年新开设的专业，会发现一个有趣的趋势，那就是越来越多大学已经不再满足于培养某一个领域的专家。
它们开始尝试培养另一类人才：能够驾驭技术、整合资源、跨越学科边界解决复杂问题的人。
因为很多大学已经意识到：未来最容易被AI替代的，恰恰是那些高度标准化、流程化的专业技能。
而最难被替代的，是创造问题、定义问题和整合资源的能力。
其中，帝国理工学院近年来有两个专业尤其具有代表性。
从某种意义上说，它们所代表的培养方向，甚至比很多传统热门专业更贴近AI时代的人才需求。
图片来自帝国理工官网
Design Engineering（设计工程）
很多人第一次看到Design Engineering（设计工程）这个名字时，会误以为这是一个偏艺术设计的专业。
实际上恰恰相反。
这是帝国理工最具代表性的王牌专业之一。
学生不仅需要学习工程学、数学、编程、电子技术等硬核内容，同时还要学习：
- 产品设计
- 用户研究
- 数据科学
- 创新方法论
- 创业与商业化
图片来自帝国理工官网
换句话说，它不仅教学生如何解决问题，更重要的是教学生如何发现问题。
在传统教育体系里，大多数学生面对的是已经被定义好的题目。
但现实世界中的创新，往往发生在题目尚未被提出的时候。
为什么共享出行会出现？为什么智能手机能够改变世界？为什么ChatGPT能够引发AI革命？
这些突破最初都不是技术问题。
而是有人率先发现了别人没有看到的需求。
Design Engineering培养的正是这种能力：理解人，理解社会，理解技术，然后创造新的解决方案。
而这种能力，恰恰是AI最难复制的部分。
图片来自帝国理工官网
Mathematics and Computer Science for Artificial Intelligence（人工智能的数学与计算机科学）
相比之下，Mathematics and Computer Science for Artificial Intelligence则代表着另一种未来趋势。
很多人认为AI时代最热门的专业一定是计算机科学，但事实上，真正决定AI发展高度的，不只是写代码，还有数学。
图片来自帝国理工官网
机器学习建立在概率论和统计学之上。
深度学习依赖线性代数和优化理论；大语言模型背后则涉及大量复杂的数学建模。
因此，这个专业最大的特点并不是简单学习编程或者使用AI工具。
而是在同时训练学生：理解数学原理；理解计算机科学；理解人工智能底层逻辑。
简单来说：普通人学习如何使用AI，而这个专业培养的是未来设计AI、优化AI、推动AI发展的那批人。
未来十年，会使用AI的人会越来越多，但真正理解AI运行机制的人，依然会是极少数。
图片来自帝国理工官网
07、为什么这两个专业值得关注？
表面上看，一个偏设计创新，一个偏数学与人工智能，但它们背后的培养逻辑却高度一致。
两者都在培养一种能力：跨学科解决复杂问题的能力。
而这恰恰是未来最稀缺的能力之一。
因为现实世界中的重大问题，从来不会按照学科边界出现。
自动驾驶不仅是计算机问题；医疗AI不仅是医学问题；新能源也不仅是工程问题。
真正重要的问题，往往同时涉及技术、商业、社会、人文和政策。
未来最有竞争力的人才，未必是某个领域最会考试的人，而更可能是那些能够连接不同领域知识、整合资源、提出新问题并创造新解决方案的人。
08、家长最应该关注什么？
如果今天还在问“哪个专业最安全？”，其实可能已经问错了问题。
因为未来没有任何专业能够永久安全，AI会不断进入每一个行业。真正重要的是：孩子是否拥有与AI协作的能力，是否具备判断力，是否具备创造力，是否能够发现问题、定义问题、解决问题。
未来最危险的人，不是学计算机的，也不是学金融的，而是那些只会按照标准答案完成任务的人。
因为标准答案，恰恰是AI最擅长的事情，而未来最有竞争力的人，将是那些能够驾驭AI、指挥AI、创造新规则的人。
这场AI革命，本质上不是人与AI的竞争，而是会用AI的人，正在取代不会用AI的人。
而从全球顶尖大学的人才培养方向来看，未来真正稀缺的，或许也已经不再是单一学科知识。
而是跨学科思维、创造力、判断力，以及持续学习和驾驭新技术的能力。
这或许才是AI时代最值得投资的“专业”。
