志願填對了，就能不被AI取代嗎？

自我發現在過去是一個奢侈的可選項，在今天變成了不得不。

6月24日起，全國各省高考志願填報陸續開始。1290萬考生即將迎來人生中第一次重大選擇：挑一個好專業，找一份好工作，這是一直以來人們對未來的期待。但今年是史無前例的一年：AI替代人類工作不再僅僅是可能性，而是真實發生了。無論是在亞馬遜還是中國某互聯網大廠，程序員關於開發的工作都已被AI接管，留給人類工程師的工作，是對齊需求、拆分任務、爲AI搭建工作所需的環境，以及檢查AI工作成果。

更要命的是，AI的迭代速度之快，超過了此前任何一種風口上的產業。迭代週期縮短帶來的現實問題是，穩定性徹底消失了——你才弄懂三個月前AI迭代的新功能應該怎麼用，它已經帶着新的版本走來了。換算到職業前景預測上，這幾乎是讓人絕望的——職業預測的穩定窗口期消失了。

問題還不僅在此。還記得我們最初對AI的想象嗎？機器替代體力勞動，人們只需要生活、思考。如今看來，事情顯然沒有向我們期待的方向發展，人類的思維模式並不能真正理解技術的迭代路徑。當人腦無法想象下一次AI會變成什麼，自然也就不知道此刻應該如何應對。

對於一個即將填報志願的考生而言，這意味着，過去以就業爲目的倒推專業選擇的決策路徑完全失效了，更殘酷的是，新的邏輯尚未建立。如果我們連四年後哪些工作還存在都不能確定，此刻分析一個專業是否好就業還有什麼意義？如果我們根本無從想象AI演進的方向，那按照人類的邏輯來做選擇是否還有意義？

我們找到了不同領域的九位受訪者，他們是大廠工程師、教育經濟學家、熟悉AI領域的投資人、大學教授、在校大學生。最後我意識到，在今天，我們必須談論AI，必須分析AI如何影響了考生的志願選擇，本質上是因爲，AI提高了人的生存門檻。當這種快速學習、持續演進的生產力不斷完成過去屬於人類的任務，人必須思考的問題是：還有什麼是留給人類的？什麼是一個人所獨有的東西？

幾乎所有人給我的答案，最終指向的都是人的自我認知與自我實現。自我發現，在過去是奢侈的可選項，在今天變成了不得不。

這不是一個僅僅關於高三考生的事情，這是一個關乎人的生活方式甚至存在方式的問題，我們在此時此刻討論這個問題，因爲它在即將爲自己的人生做出方向性選擇的高三考生身上，有着最直觀的影響。

舊的去了，新的沒來

教育經濟學家葉曉陽清晰地知道，事情正在起變化：高考志願填報中，以就業爲導向，倒推專業選擇的邏輯鏈條已經斷裂。

2026年之前人們問：什麼專業好就業？判斷一份好工作的標準是“穩定、體面、不受累、高收入”。而今天，人們問：什麼專業不會被AI替代？前者意味着對未來的期待，後者則是對不確定性的恐懼。

報好志願、找好工作的舊邏輯鏈條是怎麼斷裂的？過去，人們想知道什麼專業是“有用”的，因此追捧“能給答案”的張雪峯。“有用”是一種倒推的選擇邏輯：高人才需求的崗位——對口專業——填報該專業。本質上，是追求一個專業確定的就業前景。

改革開放幾十年間，不同行業崛起又衰落，有用所指涉的對象也隨之流動：兩財一貿、土木工程、計算機專業……專業會死但定義長存，人們總能爲有用找到一個對應答案。但現在，AI突變式的演進殺死了題目——四年後，人們連哪些專業還會存在都不知道，現在分析“有用”又有什麼意義？

舊邏輯失效了，而新的秩序尚未建立。在即將到來的志願填報季，無數中國家庭既失去張雪峯，也失去了對於好的職業乃至好的人生的判斷標準。

AI暴露度與高階能力

高考志願填報毋庸置疑是大多數中國學生一生中最重要的選擇之一。葉曉陽見過太多人高考十年後仍然覺得後悔，他分析這種後悔的原因：不是因爲選擇太少，而是因爲認知太少。

十年前的夏天，葉曉陽還不是中國高考志願填報研究專家，那時，他和一行同學跟着導師丁延慶，在寧夏做一場關於高考志願填報的干預實驗——通過精準的信息支持，減少偏遠地區高考生高分低報情況，讓學生用同樣的分數上更好的大學，實驗的名字就叫“我們都有一個光明的前途”。這場實驗持續四年，最終因種種原因黯然收場，但中國高考志願研究卻成了葉曉陽此後十年的研究方向——當年葉曉陽搗鼓了一個AI來分析學生志願錄取概率，而十年後的今天，他乾脆做了一個填志願的AI，叫雨來高考AI。這是一個頗具葉曉陽氣質的AI：它不直接給學生答案，偏要拉着學生來演練，目的就是爲了增加學生的認知，讓學生回想志願時不要後悔。

對AI，葉曉陽覺得大家也問錯了問題：AI不是整體地替代某一職業，而是替代某一職業中的工作任務。也就是說，AI或許不會直接幹掉人類勞動者，但它必然對一個勞動者提出新要求：什麼是隻有你能做到的？這個問題繼續推進，來到專業層面，就會變成：學生在專業學習中，能培養哪些AI無法替代的能力？

在當下，如果我們一定要建立對一個職業的認知， “AI暴露度”是更合時宜的標準。AI暴露度指的是某一職業的工作任務被AI替代或輔助的程度。暴露度越高，工作被AI替代/輔助的比例就越高。

暴露度高並不代表從業者必然會失業，因爲大多數時候，人與AI是協作關係。但高暴露度必然意味着用工需求的收縮——比如，法律初階問題諮詢、文書撰寫等工作任務會隨着AI能力變強而不再需要專人負責。

這也正意味着，重複性的任務被AI取代，學生將更難獲得進入職場的第一份工作，也失去了“在做中學”的機會。現實中這樣的事情正在發生。亞馬遜工程師陽仔告訴我，AI在團隊內部普及之後，曾經由年輕工程師做的工作被AI接管，資深工程師負責搭建AI工作框架、檢查AI的工作成果，“有經驗的老員工更有價值了，經驗少但體力充沛的應屆生沒什麼價值了。”

那麼對一個要填報志願的考生來說，找一個暴露度低（甚至暴露度爲0）的職業，選擇對應專業，是不是未來就可以更安全？

根據全球最大IT服務公司Cognizant高知特的研究，首先，當今社會幾乎不存在暴露度爲0的行業。其次，低暴露度的代表職業是安裝、維修工人，護理護工等等。這些職業的共同特點是：高度依賴肉身的經驗與感知、要求人在不開放的情境中瞬時做出反應。但在中國社會，它們長期和另一些標籤綁定：底層的、不體面的、賣苦力的。誠實地說，對於大多數希望將孩子送進高等學府接受教育的家庭而言，這些職業甚至不能成爲選擇。

既然以就業前景爲目標的分析方式不能奏效，那似乎只能從專業本身入手：什麼樣的能力容易被AI替代？能不能選擇一個專業技能不容易被AI替代的志願，來確保穩妥就業？

的確有這樣的判斷標準。葉曉陽用“低階能力”和“高階能力”來分析一個專業所教授的內容。以法學專業爲例，背法條、寫文書屬於“低階能力”，依靠死記硬背或重複性訓練；而面對複雜案件的判斷能力、與不同方面的談判能力，則是高階能力。

很顯然，前者容易被AI替代，而後者具備人的獨特性。一個專業培養出的學生，越能從低階能力向高階能力遷移，則越有可能不被淘汰。

但一個人如何確定適合自己去發展的高階能力是什麼？舉例來說，一個18歲的高考生需要知道是否擅長談判和抗壓（做律師、法官需要的高階能力），才能決定是否選擇法律專業。

這意味着學生要理解自己的個性特點和志趣所在，並由這種興趣將自己帶到一個合適的地方——一個令ta孜孜不倦長期探索的領域。

邏輯推導將我們帶到這裏，但回到現實來看，要求高強度應試三年的學生來回答這個問題，是否太殘酷？考生們真的具備這樣的能力嗎？更何況，大多數人終其一生也無法找到所謂熱愛。用個人志趣來解釋一切，是否是將風險和責任進一步壓向個人，從而讓體制、讓社會免責？

來不及了

假設一個高考生找到了一個高階能力佔多數的專業，ta就“安全”了嗎？葉曉陽的回答很微妙，“三個月來看，是這樣的。”

危險的不是標準化，危險的是靜態的思維。AI的演進是突變式的。如果把大模型比作大腦，那麼Agent就是給大腦加上手和腳。今年1月份，Anthropic發佈的Claude Code 2.1.0版本史無前例地強化了手和腳的能力——AI變成了一個真正能執行任務的工具。全球AI發展都因此按下了加速鍵。幾個月前火爆中國社交網絡的“龍蝦”，不過是這套新範式的縮影。

在採訪中，多位受訪者都默認當下AI的迭代速度以“三個月”爲單位計算。在這種情況下，試圖以“低階能力”“高階能力”的佔比來預測四年後一個職業的人才需求，顯然是用靜態的思維來理解一個極速變動的事物，這是真正的思維誤區——今天無法替代的，下個月未必不能，更何況四年以後？

更隱祕的誤區是，人總習慣以自己大腦理解世界的方式來想象AI能做到什麼。但實際上，人的思維並不比機器高貴——大多數時候，人類形成某種思維模式，並不是因爲更聰明，而恰恰是因爲腦力有上限。

我們或許都還記得2017年AlphaGo下哭柯潔的那一輪對弈——機器已經不再按照人理解圍棋的方式下棋，在無數遍自我對弈的過程中，AlphaGo演化出了自己的新招式。而在後續的訓練中，訓練師甚至刪除了AlphaGo數據庫中的所有人類棋譜，只讓機器學習圍棋本身的規則與邏輯。而人之所以創造棋譜、招式，恰恰是因爲人腦無法直接完成這套龐大精妙的計算。

以有限的招式想象無垠的策略，人的潰敗是必然的。如今看來，這分明是AI給人類世界的遙遠先聲：以人類現有的認知來想象AI未來會迭代到何種程度，就像拿着固定招式想象AI怎麼下棋。

AI時代，人們真正要學會的，是放棄預測，放棄確定性。

完整的人

本質上來說，AI的出現拉高了人的生存門檻。自我發現在過去是一個奢侈的可選項，在今天變成了不得不。在過去，人哪怕不知道自己志趣何在，追隨一個主流的目標，也能得到差不多的、甚至相當不錯的生活。但是現在，標準時時刻刻在變動。繼續追尋飄渺的外部標準，如果在離開校園之後，標準變了怎麼辦？人又能向誰說理？這種承擔個人命運的現實倒逼人不得不向內求，拼命發展自己最獨特的部分。

高階能力到底是什麼？我把這個問題不斷拋給更多人：大廠工程師、高校老師、一級市場投資人。幾乎所有人都提到了以下幾點：人的肉身對現實的感知、人的好奇心和行動力、人的理解判斷能力，甚至是，人的缺陷。

可這些高階能力如何培養？沒人能描述好奇心是什麼形狀，如何到達。這正是過去大家放棄追求這些能力的原因。它們如此抽象、難以捉摸，以至於似乎只能依賴天賦，而無法經過後天雕琢。

一開始，我也如此困惑。但當我把這些能力放在一起，我突然意識到，這是一套完整的實踐系統，這套系統就構築在簡單、微小的日常生活之上。

把這些能力單拆出來試圖學習的行爲無異於緣木求魚。我們覺得這些能力難以習得，正是因爲我們妄圖像做題那樣學習它們。但這套能力最要求的恰恰是：人迴歸真實的生活，不要做題，只成爲一個完整的、自然的人。做具體的事情，這些所謂高階能力就是無意識中的一套動作，但當人將它們作爲一個追求目標，人就永遠喪失了接近它們的方法。

這套系統的運行依賴人的肉身，也始於肉身。人用肉身進入具體情境、感受具體情境。在感受具體情境的過程裏，人與環境激盪，生髮出好奇心。所謂好奇心，本質上是一個方向，沿着某一個方向，人越走越深，就會採取行動探索。而行動的時候，問題自然出現，人必然要做決定。判斷力就在這個過程中培養起來。判斷進一步產生新問題，如此帶來一輪輪新的循環。高中哲學課將此稱之爲“螺旋上升”。它們環環相扣、互相生髮、互相增強。

在具身智能硬件製造領域，機器人的手是單獨的品類，被稱爲靈巧手。靈巧手製造之所以如此之難，正是因爲它要讓鋼鐵擁有真實人類雙手感知事物、控制力度、靈活調整的能力。製造一雙靈巧手時，摩擦力——這個人類握住一隻杯子時從來不需要思考的概念，是機器必須反覆模擬、計算的一環。

而手只是人以肉身理解世界的途徑之一。除了觸摸，人能看、能聽、能聞、能言、能感受，這些獨有的感知最終會帶來無形的沉澱。南京大學英語系教授但漢松用大學文學課堂來舉例，他認爲，AI當然可以讀世界上任何一本書，但當一個活生生的老師在課堂上解析文本時，除了輸出知識，也張揚出對文學的激情與快感，在小小一方教室中激盪起學生的共振，變成一種記憶、一種認知留在學生身上，成爲打開另一扇門的鑰匙。他將這些概括爲“默會知識”。

學生時代，葉曉陽領略的正是這種互相激盪的生活。畢業二十年後，葉曉陽仍然時時回想起老師胡續冬，在北大校園，人們更常稱他爲“鬍子”——鬍子是一位文學老師，2016年，北大針對教師的晉升考覈壓力進一步增加，鬍子選擇了放棄晉升來保持自己的個性與風格。在競爭壓力不斷變大的北大校園，鬍子始終如一，不點名、不考試、不給標準答案，也允許學生無所事事。

當年葉曉陽正是被這樣的鬍子吸引。他先是把胡續冬的三門通選課修了個遍，後來又在胡續冬的研究生課上，在老師的“強逼”之下，查字典、做原文翻譯，讀那些甚至還沒有中譯本的冷門詩人的作品。對於一個經濟學的學生而言，這些文學課堂看起來毫無用處，但恰恰是這些課堂，給他留下了更深長的能力——葉曉陽將之形容爲“在沒有嚮導的荒原上徒手開路的能力”。

人以完整的身心進入環境，感受環境，環境也激發人的好奇心。有好奇，纔有行動。本科畢業時，葉曉陽一度想成爲一個“文學教授”，但最終被鬍子推上了教育經濟學的路。在這個方向裏，新的問題開始產生了。2012年，葉曉陽在美國讀博期間，高等教育經濟學研究領域廣泛關注的議題正是高分低錄。中國的情況又是如何？這種問題能怎麼解決？這股好奇直接促成了幾年後“我們都有光明的前途”教育實驗。

2021年，鬍子的去世擊中了葉曉陽：想和老師一樣多做一些有意義的事情。原先的實驗團隊因種種原因已經星散，到了第二年，葉曉陽拉起新團隊做了雨來高考AI。這是一個完全免費的產品，葉曉陽沒有其他目的，只是“永遠會想要去找最好的方法來解決（高考志願填報）這個問題”，他把過去十年大量研究積累下的經驗全都凝結到了雨來上面。

我也問了真格基金合夥人劉元這個問題，高階能力到底是什麼？他如何判斷一個創業者是否值得投資？2023年，劉元投中了過去四年中國AI浪潮裏最被廣泛討論的產品——Manus。

他認爲，好奇心和行動力是判斷創業者最重要的衡量標準，“對新的東西，你看了之後有沒有自己的想法？有了想法之後有沒有真正花時間去做？”是好奇心和行動力，將人和AI還原到了各自位置：工具不會生髮好奇心，更不會主動執行某一任務。沒有人的好奇心，工具只是一種存在而已。

採取行動——遇到問題——做出決策。決策依賴人的判斷力，這正是人最核心的能力——真實世界的複雜無法用概率計算，判斷依賴的是人在混亂生活情境中持續積累的認知和個人直覺。現在，劉元在接觸一個項目之前，都會先聽聽AI對這個行業的分析，大多數時候，他覺得AI分析得比自己好，但AI沒有“場外信息”——創業者說某句話時，是躊躇滿志還是虛張聲勢？句與句之間的間隔、甚至眼神，都是他判斷一個創業者的重要信息。

有判斷就有失誤，失誤折射出人的缺陷——人不全知全能，人有自己的偏好和視野侷限。但同時，人也能爲自己的決定承擔後果、負起責任。到底什麼缺陷成就人的獨特性？劉元舉了一個我意想不到的例子：樂觀。“樂觀就是對現有（成功）概率的分析高於真正的概率分佈，是一種非理性。”在真格基金十幾年，劉元投了一百多個項目，有些輝煌一段後慘淡收場，絕大多數從頭到尾一聲不響，極少數，如Momenta、Manus 爲人所熟知。即便如此，在遇到下一個項目時，他仍然滿懷希望，“它會是好的”。

所謂高階能力，歸根究底指向了“人所獨有的品質”，而非某一個具體專業的問題。與此同時，一個完整的人似乎本來也應該具備這樣的能力。

上大學還有用嗎？

理論上來說，AI時代，上大學不是一個人唯一的選擇了。摯信資本投資人杜南長期關注教育問題，在“雙減”來臨之前，他曾投中猿輔導。我和杜南聊到這個問題時，他帶着慣有的溫和與篤定：“大學只是選擇之一。”假如一個小孩在高三或者更早之前完全知道自己喜歡什麼、要做什麼，那ta可以用AI得到比大多數大學好得多的資源。

什麼樣的人還需要大學？正是那些尚不知道自己志趣何在的孩子。在高中畢業之後，進入成人社會之前，大學是ta們唯一能平等獲得的閒暇時光和緩衝地帶。專業是一道方向性的指引，沿着這一方向，學生進入具體的場景，不斷試錯，纔有可能沿着這條道路長出自己獨有的能力。

2016年，我參加高考，那時“考上大學就好了”仍是一句有力的安慰——它許諾了一種閒暇的生活和試錯的可能性，這也是大學在當時最重要的價值之一。高考填報志願，我進入一所普通一本院校的新聞傳播學專業，永遠告別了最討厭的數學，如願過了閒散自由的大學四年。我和朋友們幾乎都不實習，也極少考慮就業，一起花半學期的時間參加廣告比賽，再寫點小說文章，拍點紀錄片、故事片——全都是心血來潮爲愛發電。剩下的時間，交給瞭如今想不起任何細節的遊手好閒。

但正是在這樣的閒暇中，我一步步排除了在新聞傳播學（甚至人文社科）這個方向下，我討厭的任務類型，確定了適合自己發展的高階能力，比如寫作。而這些能力幾乎沒有哪一點來自於某個具體的課堂。

但現在，尋找可能性的土壤徹底消失了。在中國頂尖的大學，悠閒和嘗試變成例外，像程序一樣自我設置、自我投資成爲常態。壓力向下傳導，不同水平的高校學生，都對準了自己要競爭的生態位。生存的壓力同樣壓在老師頭上，考覈與晉升職稱直接綁定，每個老師都要量化自己：有沒有新的科研成果？發刊數量有沒有達到要求？在這樣的情況下，教課顯然不再是老師最重要的工作。

但轉機似乎也在出現。要培養一個完整的人，大學要做的，恰恰是迴歸大學校園本身。南京大學教授但漢松對此“心態開放”：或許AI能讓教師做回更重要的事情。上好一堂課、做一場引人入勝的演講、和學生肉身相見，進行一次言傳身教的雅典學院式教育。概言之，讓大學回歸它最原始的狀態，讓教育回到教育本身。

參考資料：

1.Anthropic：Labor market impacts of AI: A @new measure and early evidence

2.New work, new world 2026: How AI is reshaping work faster than expected