张雪峰的离世，让很多人又一次翻出了他当年关于专业选择的判断。比起围绕一个令人惋惜的消息做情绪消费，我更愿意借此认真谈一个更值得每个学生、父母、老师和家庭重视的问题：当人工智能正在重塑职业分工、改变岗位价值、缩小信息差，今天的专业选择，已经不能只靠经验、热搜和一时的 " 热门名单 " 来判断了。张雪峰当年之所以引发广泛共鸣，并不只是因为他说得直，而是因为他把普通家庭最现实的焦虑说透了——学校只读几年，专业却常常影响一生。问题在于，到了 AI 时代，这句话没有过时，但它背后的判断方法，必须升级了。有关其离世的消息，已由其账号发布的讣告及主流财经媒体报道证实。

过去这些年，许多家庭在填报志愿时，本质上是在做一件事：尽量缩小信息差，把孩子送进一个更容易就业、回报路径更清晰的赛道。计算机、软件、大数据、会计、法学、师范、医学等专业之所以长期受到关注，也正是因为它们在相当长一段时间里，承载了社会对于职业确定性和上升通道的期待。在那个阶段，这种判断并不粗糙，甚至可以说，是一种有效的现实主义。它并不浪漫，却很实用；它未必总是高远，却足够贴近大多数家庭在教育投入、生活稳定和职业前景之间做权衡时的真实处境。

也正因为如此，今天重新讨论专业选择，不能只是重复过去的经验，更不能把过去某些阶段性的有效判断，当作今天依然可以照搬的答案。AI 时代选择专业最容易犯的错误，不是选错一个名称，而是继续沿用一种静态思维：以为专业名称等于职业结果，今天的热门等于四年后的机会，眼下的高薪等于长期的确定性。世界经济论坛《2025 未来就业报告》预计，到 2030 年，全球将新增 1.7 亿个岗位，同时有 9200 万个岗位被替代，净增约 7800 万个岗位；更重要的是，约 39% 的核心技能将发生变化。这个判断并不是要制造焦虑，而是在提醒我们：未来真正稀缺的，不会是某一个 " 永远正确 " 的专业，而是持续重构技能组合、适应职业变化的能力。

这也是今天讨论专业选择时最需要校正的一点：专业不再只是一个静态的标签，而更像是进入某种能力生态的起点。AI 对就业的影响，更多不是简单地 " 消灭工作 "，而是重组工作、重估任务、重排价值。国际劳工组织的研究指出，全球约四分之一的就业岗位将受到生成式 AI 不同程度的影响，但在多数情况下，被改变的是任务结构，而不是岗位整体意义上的消失。也就是说，未来真正的分化，不只是 " 会不会被 AI 替代 "，而是谁能够把 AI 变成自己的工具和杠杆，谁又只能在原有层级上与 AI 展开低水平竞争。

也正因如此，AI 时代选择专业与判断就业，真正需要看的，已经不是专业标签本身，而是专业背后所对应的任务结构、能力结构和职业结构。一个专业所通向的职业路径中，如果大量核心任务是标准化、可拆解、可复制、主要依赖规则与模板的，那么它就更容易受到 AI 的直接冲击；反之，如果一个职业高度依赖复杂场景判断、跨主体沟通、现实责任承担、长期关系建立，以及把模糊问题转化为行动方案的能力，那么它就更可能进入 " 人机协同增值 " 的区间，而不是 " 人机替代挤压 " 的区间。今天不能简单地说哪个专业 " 行 " 或 " 不行 "，真正变化的，是这些专业内部不同层次的任务价值，正在被重新定价。

基于这样的判断，我想提出五步方法，供学生、家长、老师和家庭在 AI 时代选择专业与判断就业时参考。

第一步，是看趋势。不要先问 " 现在哪个专业最热 "，而要先看未来五到十年的结构性需求从哪里来。技术变革、人口变化、绿色转型、地缘经济调整、产业升级，这些因素正在共同塑造新的就业版图。世界经济论坛的判断已经很清楚，未来几年就业市场最大的变化，不只是岗位数量的增减，更是技能结构和需求结构的系统性转移。今天对专业的判断，不能只看眼前的就业率排行，更要看它是否处在长期趋势的上游，是否与未来社会的核心需求相连接。因为只有站在趋势上游，专业才不只是一个今天看上去还不错的选项，而可能成为一个穿越周期的能力入口。

第二步，是看任务。很多家庭习惯把专业和职业直接对应起来，却忽略了职业内部任务正在发生变化。AI 最擅长压缩重复性劳动，因此，那些主要围绕文档整理、基础检索、格式化表达、标准审核和通用计算展开的岗位，压力往往来得更早。但与此同时，围绕健康、养老、心理支持、复杂工程、安全治理、数据基础设施、产业系统集成、跨文化沟通以及新技术落地的需求，反而会在未来几年持续扩大。美国劳工统计局公布的 2024 — 2034 年职业展望显示，增长较快的岗位包括护士执业者、数据科学家、信息安全分析师和医疗健康服务管理者等。这个名单本身就说明，未来机会不会只集中在某一个专业门类，而会更多流向那些与现实需求、技术能力和责任结构相结合的方向。

第三步，是看人机关系。要区分 " 使用 AI" 与 " 与 AI 竞争 " 这两种完全不同的处境。今天一些家长一看到 AI，就以为凡是电脑前的工作都危险，凡是传统职业都安全，这其实是一种误解。美国劳工统计局在分析 AI 对就业预测的影响时指出，AI 并没有简单削弱软件开发的需求，相反，软件开发、数据库管理和系统架构等岗位仍然被看好，因为企业还需要人去开发 AI 解决方案、维护 AI 系统，并搭建更复杂的数据基础设施。由此可见，未来的竞争，不再只是人与人之间的竞争，而越来越是 " 会用 AI 的人 " 与 " 不会用 AI 的人 " 之间的竞争。一个人真正的风险，不一定在于身处哪个专业，而更可能在于他是否具备把新工具转化为新能力的主动性。

第四步，是看门槛。一个专业是否稳健，还要看它背后有没有制度约束、现实责任和线下场景。越是涉及执照门槛、合规责任、生命健康责任、实体系统运维责任的职业，越不容易被单纯的软件能力替代。医疗、护理、康复、药学的一部分岗位，能源电力系统、工业安全、网络安全、城市基础设施运维，以及部分工程、制造与高端服务岗位，从长期看往往更具韧性。美国劳工统计局的预测显示，医疗健康相关职业未来十年仍将保持快于平均水平的增长，并伴随大量岗位空缺。这里所说的 " 稳 "，并不是没有技术变化，而是这些领域更容易形成 "AI 辅助人，而不是直接取代人 " 的关系。现实世界中，凡是最终要由人来承担后果、承担责任、承担信任的地方，人的价值就不会轻易退出。

第五步，是看复利。这一步也是最关键的一步。AI 时代真正抗波动的，不是某一个专业课程表，而是能够跨周期积累、持续迁移的能力底座。数理与逻辑能力、写作与表达能力、研究与证据判断能力、项目协同能力、技术理解能力，以及把复杂问题拆解并推进的能力，这些才是未来职业生命中最重要的复利资产。世界经济论坛在报告中提出，未来增长较快的技能不仅包括 AI 与大数据、网络与网络安全，也包括创造性思维、韧性、灵活性和终身学习能力。真正走得远的人，往往不是最早押中某个专业名称的人，而是最早学会把技术能力与判断力、沟通力、组织力结合起来的人。一个人越早完成这种能力结构的搭建，未来越可能在变化中找到新的位置，而不是在变化到来时被动承受。

如果把这套方法进一步落到现实决策中，我反而建议学生和家长少问一句 " 这个专业该不该报 "，多问三句更有价值的话。第一，这个专业对应的典型工作任务中，哪些正在被 AI 替代，哪些会因 AI 而升值；第二，这个专业最好的职业出口，是否过度依赖少数顶尖学校、少数城市和少数家庭资源；第三，即便第一份工作不理想，它能否为孩子保留下一个可迁移、可转换、可持续成长的第二曲线。很多看上去热门的专业，一旦这样追问，就会迅速降温；很多看上去普通的专业，也会显现出新的价值。因为真正值得家庭重视的，从来不是专业名称带来的短期心理安慰，而是这个选择是否为孩子留下了继续生长的空间。

也正是在这个意义上，今天再谈专业选择，已经不能简单停留在 " 理科更好 "" 文科更差 " 或者 " 学技术就安全 "" 学人文就无用 " 这样的二元判断上。真正有效的组合，往往是一种复合能力结构：既有技术底座，又有行业场景理解；既有专业知识，又有表达能力和现实责任意识。一个只会写代码、却不理解行业流程和业务问题的人，未必比一个懂数据、懂供应链、懂组织沟通的人更有前景；一个只会背法条、却不会使用 AI 工具、不懂商业与合规逻辑的人，也未必比一个兼具法律素养、技术理解和客户沟通能力的人更具竞争力。AI 时代淘汰的，往往不是专业本身，而是单一、封闭、缺乏迁移能力的成长路径。

这也是为什么我一直认为，普通家庭今天最需要更新的，不是 " 专业名单 "，而是 " 判断框架 "。过去，人们常常把专业理解为一次性选择，仿佛买到一张多年有效的船票；但在 AI 时代，它更像是一种动态配置。你读的专业，决定了你进入哪个认知入口；你掌握的技能，决定了你能否在这个入口中不断升级；你对趋势的理解，决定了你是在拥挤赛道中做低价竞争，还是在人机协同的新分工中实现价值放大。这个时代真正危险的，不是专业冷热的变化，而是家庭还在用昨天的地图，替孩子寻找明天的工作。回头看张雪峰当年的那些判断，我更愿意把它理解为上一个阶段的现实主义。它曾经帮助很多家庭看清就业与资源的约束，也提醒大家不要用浪漫想象代替社会结构。但今天，这种现实主义本身也需要升级。因为 AI 并没有让专业选择变得更简单，而是让它从 " 选一个好就业的名字 "，变成了 " 识别一组长期有效的能力组合 "。这不是对过去经验的否定，而是时代坐标的确已经变了。

所以，给今天的学生、父母、老师和家庭一个尽量朴素的结论：不要迷信热搜，不要迷信一张专业排行榜，也不要迷信 " 永远不会被替代 " 这样的神话。要看趋势上游，看任务结构，看人机关系，看制度门槛，看能力复利。选择专业，最终不是在押注一个四年的风口，而是在为一个二十年的职业生命设计底盘。谁更早看懂这一点，谁就更有可能在 AI 时代把焦虑转化为方向，把选择沉淀为方法。