这两年，陆续有人工智能专业的同学来找我聊自己的困惑。当初觉得AI是风口才选了这个专业，结果四年读下来，市场好像变了样子。基础开发岗正在被AI替代，核心算法岗又够不着，卡在中间不知道该往哪走。
这不是少数人的处境。2019年全国只有35所高校开设人工智能本科专业，到今天已经扩张到快600所，在校生规模涨了好几倍。但另一边，企业对初级岗位的需求反而在收窄——麦肯锡的研究显示，AI可使初级开发岗位需求减少约25%。大厂的核心算法岗门槛越来越高，硕士起步、顶会论文是标配，普通本科生很难挤进去。而大量日常写代码的工作，AI完成得越来越熟练。
更麻烦的是学校教育的滞后。很多国内的AI专业只是把计算机系的牌子换了一下，课程和师资基本没变，实验条件也跟不上。学生学了四年理论，动手能力偏弱，毕业时简历上能写的东西不多，跟企业"来了就能用"的要求有明显差距。市场缺的是能解决实际问题的人，但大部分AI本科生学的东西，离这个要求确实有距离。
不过这不等于这个专业就没有出路了。关键是要看清楚不同方向的风险和机会，然后根据自己的学历背景和特长，选一条走得通的路。接下来我把AI相关的几个方向拆开来聊一聊，看看哪些容易被替代，也看看不同背景的同学可以怎么规划~
【学AI的人，为什么反而容易被AI影响】
先看一个基本事实：大多数人工智能专业的本科生，毕业后进入的还是软件开发岗位——写界面、接接口、做业务逻辑。而这些工作，恰恰是AI目前覆盖得比较快的那一类。
2025年以来，几个信号挺明显的：
Salesforce CEO在2024年底公开表示，2025年将不再招聘软件工程师，因为AI工具使工程团队生产力提升了30%以上。谷歌在2024年裁掉了美国的Python基础开发团队，随后在德国慕尼黑重新组建，虽然也有人力成本方面的考虑，但AI的替代效应是重要因素。
据媒体报道，字节跳动去年60%的广告代码由AI生成，初级程序员需求明显减少。也有报道称，OpenAI的Codex已经能独立完成初级工程师八成左右的日常工作。Meta在2025年也有较大规模的裁员，其中初级开发岗位受到的影响比较集中。
麦肯锡的研究显示，AI技术可使初级开发岗位需求减少25%左右。这些信号叠加在一起，指向同一个趋势：基础编程类岗位正在被AI快速覆盖。
AI研发本身也在变。过去一个团队训一个模型要花好几个月，现在几个资深工程师配合AI工具，几周就能出成果。企业对初级研发人员的依赖在降低。核心算法岗、模型架构创新这类真正做底层研发的岗位，门槛越来越高，基本集中在985高校的硕博层面，而且对数学基础的要求很高。对大多数本科生来说，进入这个核心层的可能性确实不大。
【不少学校的AI专业，只是换了个名字】
这个专业的课程设置听起来挺完整：高数、线代、概率论，然后是机器学习、深度学习、计算机视觉、自然语言处理。但在不少学校里，实际情况是学生没有足够的算力资源可用，老师也缺乏产业一线的经验，讲课偏理论，学生一到动手实践就容易卡住。
清华大学23年发布的《中国人工智能发展报告》提到，国内AI领域的博士生导师中，有产业背景的占比不到四分之一。老师自己都没有在工业界真正做过项目，指导学生解决真实问题的能力自然有限。
更要留意的是，有些学校开设AI专业，纯粹是因为这两个字好招生。2025年教育部发布的新版专业目录里，新增了一批"智慧""智能"相关的专业；2026年4月又新增了38种专业，其中带这类字眼的超过三分之一。名字改了，师资和设备没跟上，这种情况不是个例。麦肯锡曾预测，到2030年中国对AI专业人才的需求预计达600万人，缺口可能高达400万。这个巨大的数字让很多高校一拥而上，但匆忙上马的后果就是培养质量参差不齐。
判断一个AI专业值不值得读，可以看三个指标：有没有独立的AI实验室；老师有没有在领域重要会议或期刊上发表过论文；有没有和企业的真实合作项目，而不是挂名的那种。三条都不满足的话，确实需要多想一想。
那是不是意味着这个专业就没出路了？也不是。国内高校的AI教育还在成长期，质量和资源分布确实很不均匀，但换一个角度想——如果把眼光放宽一点，看看海外的选择呢？事实上，很多国家和地区的AI硕士项目发展得更早，体系也更成熟。在课程设置、算力资源、产业连接方面都有各自的特点。
【不同方向，面临的风险不一样】
【风险比较高的方向】
通用软件开发：这是大多数AI本科生毕业后去做的工作，但也是AI替代速度最快的一类岗位。翰德发布的《2026年人才趋势报告》显示，传统软件开发需求整体下降了约四分之一。麦肯锡的研究也印证了这个趋势。
数据标注：门槛低，上升空间有限，而且标注流程本身也在被AI自动化。这个方向可以作为短期兼职或实习的入口，但不适合当作长期职业方向。
【有需求但需要注意的】
模型微调：在医疗、金融等行业做定制化适配，需求确实在涨。但工具越来越成熟，有些开源工具包已经能自动完成大部分常见场景的配置。如果只会简单的参数调整，很快会遇到瓶颈。企业现在需要的不是会调参的人，而是能理解业务场景、知道怎么把模型用到具体问题中的人。
AI安全与伦理：这是一个成长中的方向，欧盟《AI法案》等监管趋势正在催生相关岗位，比如AI合规审计员、AI伦理治理专员等。但它需要法律、技术、社会学等多学科的知识储备，学习路径比较长，短期内不容易见效。适合有兴趣且有耐心做长期积累的同学。
【相对安全、建议关注的方向】
AI应用开发：把大模型接入具体业务场景，做智能体、做本地化部署。这类岗位不要求数学多突出，更重要的是理解技术逻辑、知道AI能做什么不能做什么。据《2025年AI工程师生存报告》，2025年Q1到2026年Q1期间，智能体开发的岗位需求同比增幅达380%。应用层岗位整体占AI就业市场的七成以上。AI专业背景的同学做这个，比纯计算机背景的人更有优势，因为你更熟悉模型的行为逻辑和边界。
AI加行业：医疗、教育、金融、法律，每个行业都需要懂AI的人去优化流程。去年明确要求AI或大模型相关技能的岗位占比接近两成，这类复合型人才的薪资比单一技术岗高出不少。你不必成为算法专家，能做好技术和行业之间的衔接就已经很有竞争力了。比如一个既懂金融业务又了解AI能力边界的人，在量化投研、智能风控等方向就很抢手。
底层研发：做基础模型、做基础设施，这是领域的天花板，只适合数学天赋很强、能读到名校博士的极少数人，大多数人不需要硬往这个方向挤。
【不同学历背景的侧重点】
【大专同学】
理论课业上可能确实不占优势，更务实的做法是把各种AI工具用熟练——用AI辅助做图、剪视频、写文案、处理数据，把它变成提高工作效率的手段。企业对能熟练运用AI工具完成具体任务的人一直有需求，这个能力不依赖高深的理论基础，更多是靠动手练出来的。数据标注之类的活可以短期做，但不必当作长期方向。
【普通本科同学】
课程体系和985院校差不多，但实验条件、校招资源有差距。两条路比较实际：一是考研，考到项目资源更好的平台，通过读研提升动手能力和项目经验；二是从大二大三开始主攻AI应用层，用开源工具做几个能展示的作品，比如一个行业问答助手、一个自动化报告生成工具之类的，毕业时拿作品集说话。面试的时候，一个能跑通、能讲清楚的小项目，比简历上的学校名字更有说服力。
【985/211同学】
如果想做研发，需要做好读硕博的准备，用好学校的实验室、导师和企业合作资源。如果学下来发现数学不是自己的强项，可以及时转向AI应用方向，或者去辅修另一个行业领域（比如金融、医学、法律），做成交叉背景，出来竞争力同样很强。关键是不要因为"AI专业"这个标签就把自己框死在算法研发这一条路上。
【海归同学】
有机会接触到更好的算力和前沿项目，能读博的话建议尽量往深处读，博士在研发端的优势比较明显。同时留意签证和政策方面的变化，提前想好备选方案。如果回国发展，海外的前沿项目经验和国际视野本身就是加分项。
最后我想和大家说，人工智能与其说是一个专业，不如说是一个正在铺开的时代背景。不一定非要学这个专业才能吃到红利，但会用AI的人，不管学什么，都会更有竞争力。大多数人的目标不是成为那少数能造出顶尖模型的人，而是成为一个能把AI用在自己领域里的实践者。
