6月，又是一年一度的高考季。

1335万高考生踏入考场。

最近也有不少朋友问我，孩子选什么专业好？什么专业就业好？

看看今年本科生、硕士生们的就业情况，不容乐观——

我学生所在的某211院校，到了毕业典礼这一天，应届金融本科生落实毕业去向的比例还只有65%。而且这个数字其实还要感谢全球的一年制硕士项目替我们排忧解难。但其实硕士也不过是推迟“就业难”而已——

前段时间爆出新闻，某知名985院校的金融专硕就业率只有40-50%。

为什么就业这么难？

一方面是宏观趋势——比如，十几年前，国际贸易、外语、金融、会计、土木工程都曾是最热门的专业，吸纳大量就业，但这都是我国经济发展趋势的产物——指数级膨胀进出口贸易，资本市场的快速扩张，还有房地产热潮。但是，现在这些宏观风向都变了，外需疲软、金融严监管、互联网平台转型阵痛、房地产一蹶不振。这些问题显然并非短期内可以解决，也意味着过去依赖这些行业提供的高收入岗位，可能在相当长一段时间内难以恢复。

另一方面是生成式AI的冲击。高考学生和家长在过去三年可能是“两耳不闻窗外事，一心只读圣贤书”。但是高考结束了，真的应该好好睁眼看世界，研究研究ChatGPT和DeepSeek等AI工具的发展趋势。

最近，我经常用ChatGPT和DeepSeek，体感特别深。它们不仅能帮你写文章、做题、编程、画图，甚至可以替代部分职业操作：写法务合同、生成财报摘要、输出一份完整的市场分析报告。很多原本需要专业训练才能完成的任务，AI已经能自动完成了。一个很扎心的事实是，我们团队需要的初级RA都减少了……上个月碰到德州回来的一个朋友，一个SAAS公司的IT部门头儿，他首先100多人多团队裁掉了1/3，主要是初级菜鸟。

因此，在回答“选什么专业好？”这个问题的时候，我的回答是，专业其实没有那么重要。

核心是——“专业”这件事的边界正在被重写。

重要的不是专业，而是技能

在人工智能时代之前，选专业就像选择一个“护城河”——你学金融，就能去银行；你学临床，就能做医生；你学新闻，就能进媒体。

我们不妨想想，这个“专业”它到底怎么来的？

工业化。工业革命之后，社会分工不断细化，对劳动者的技能要求也日趋细化，现代分科教育体系就是这种要求下的产物，而分科教育对应的就是“专业设置”。这个好处很明显——你可以几年之内训练某个领域的“专业劳动者”。比如一个好的技工，好的工程师，好的会计等等，比如德国当时工业经济发达，就是受益于分科教育，所以大家都模仿。

随着社会专业化分工越来越细，专业设置也越来越细。这个事施展老师有个非常形象的比喻，说专业像挖井，越往下学，就是把这个井挖的更深。井挖得深，当然让整个社会的知识技能有巨大的积累和提高。但也产生了一个问题，就是井口的人，看不见井下面到底是啥东西。这就是所谓“专业护城河”。各个井里还产生了自己的语言，行业黑话。比如，宏观经济学家开口就是“通胀”、“结构性”、“边际”、“基期效应”；IT工程师嘴里也是各种天书一样名词，全栈自研，删库跑路，代码重构.....

但现在，大模型已经让这些“专业护城河”开始瓦解。今天你学会一项技能，不代表明天AI不能替代你。今天你进入一个“热门专业”，不代表4年后还有“刚性需求”。

最近两三年，ChatGPT为代表的通用AI工具将时代往前推进了一大步，不仅仅是给专业祛魅，而是对专业进行解构。AI工具可以越来越多的“专业能力”做成标准化配置包。

比如，如果你说，“我是会计专业毕业的”，这说明你能编制财务报表、做税务筹划，但现在AI财务助手可快速生成报表、分析报税策略，门槛大大降低。

再比如，我们团队的X博士以前完全是个编程小白，学习python都是从入门到放弃，但是借助DeepSeek的帮助，她在两三天内就学会了用python处理几千万行的数据。

下面，我们给出了一个表格，很多专业的传统技能，都在被AI踏平——

换句话说，我们曾经引以为傲的专业壁垒正在被不断踏平，越来越多的专业深井即将荒芜。坦白说，我们熟悉的"专业社会”都面临巨大的改变。

那么，受冲击最严重的是哪些职业呢？

研究发现，编程、阅读理解和写作这几种技能是最容易受到GPT冲击的。在下面这张图上我们列了11种技能，按照受GPT冲击大小排序，排在第一的是编程，ChatGPT冲击的相关性高达0.623，意思是，如果某个职业的编程技能重要性上升10%，那么受ChatGPT冲击的程度就上升6.23%；其次是写作和阅读理解；最末尾的是科学思维，ChatGPT冲击的相关性是-0.23，也就是说，如果某个职业对科学思维的依赖度很高，那么受ChatGPT冲击程度反而会下降。

如果你的职业主要依靠的技能是编程、阅读、写作，那么未来已来，职业生涯会遭遇很大风险。相反，如果你的工作主要依靠科学思维、批判性思考，那么职业生涯反而更安全。

数据来源：OpenAI

美国普林斯顿大学的费尔顿教授及其合作者做了个最新研究，看ChatGPT这样的大语言模型到底对哪些职业造成的冲击最大。逻辑不复杂——一个职业所需技能与大语言模型技能点的相关度越高，则该职业受冲击程度越大。

猜猜哪些职业受冲击最大？

表. 受大语言模型冲击最大的典型职业

我们整理了700多个职业的大语言模型风险暴露指数，指数越高说明越容易被AI替代。感兴趣的同学可以添加课代表领取。

看完风险暴露指数的表格，手心背心有点出汗：很多都是传统意义上的创意型职业、高薪职业，除了大学教师、记者外，还有心理健康咨询师、律师等。要知道，就在2017年牛津大学教授Freya和Osborne的研究中，这些都曾被认为是AI替代概率很低的职业，但现在也都陷入了危险之中。

大学老师算是传统社会的金字塔尖职业吧，越老越值钱。但在费尔顿教授的研究中，英语语言文学、历史学、经济学等多个领域的高等教育教师，都位列受大语言模型冲击最严重的10%职业。你仔细想想，ChatGPT的确可以帮忙承担很多教学任务——设计教学大纲、解说专业知识、为学生答疑，等等。哈佛大学就已经推出了AI导师“CS50机器人”，教授计算机科学概论课。课程主讲教授马伦说：“我们希望通过AI实现CS50课程的一对一教学，并提供全天候的学习，以适应每个学生的进度。”

看了这张表格，你是不是发现，很多你的理想职业都在其中？

在今天这个年代，可能专业并没有那么重要。重要的不是专业，而是技能。

比如，我们团队最近在招一个运营助理，但收到很多经济金融专业学生的简历，并不合适。因为传统经济金融专业只教授理论知识，往往脱离实践，而且我们还要求公众号、视频号、私域的运营经验，还有线下活动的组织能力，因此，专业知识只是一个基础门槛，“网感”、组织能力、社交能力和学习能力才是核心。

我们换个角度来看，那些受大语言模型冲击最大的职业，其实也是最有可能利用AI杠杆的职业。

• 比如说，使用ChatGPT之后，写作所用的时间可以减少37%，同时产品质量可以提高0.4个标准差。
• 使用Copilot，软件工程师的编码速度可以提高一倍。

至少在近期的未来，大多数人会发现，自己的工作是与数字工具（包括AI工具）互补、协作。这种AI协作能力，可能会成为决定未来职业发展的关键因素。美国杂志《大西洋月刊》甚至将其称为“本世纪最重要的职业技能”。

为什么呢？有更好的AI协作能力，意味着你能够更大限度的利用AI杠杆，放大你的优势。但是，不同的人使用AI工具的效果差异很大。对有的人来说，ChatGPT只是一个蹩脚的搜索引擎，但有的人可以把ChatGPT训练成自己的高级助手。同样是使用Midjourney生成画作，有的人用完就感觉它是人工智障，有的人却可以用它生成的作品，在艺术比赛中拿第一名。这其中的区别在于，你输入什么指令，如何跟它互动。换句话说，AI绘画呈现怎样的效果，取决于人怎么指挥它。

怎么指挥呢？两个必要条件：

1.懂得有系统化地提出好问题；

2.要对答案的优劣好坏有判断力；

这样你才能指挥AI不断修改和优化，得到比你单干更优秀的产出。

怎么才能系统化地提出好问题？怎么才能对答案优劣有判断力？居然回到了原点——对本行业的深入理解和洞察。

专业+思考力+洞察力是你能否成为AI主人的关键。

尼采说过，“一个人的智慧，就是他所提出的问题的深度。”

爱因斯坦也说过，“好的科学家解决问题，伟大的科学家定义问题。”

技术越发展，越是如此。

当然，除了专业和思考洞察能力外，你还需要很强的AI素养。所谓AI素养，就是你需要了解人工智能算法是如何工作的，如何支持和增强人类决策，并且了解人工智能可能存在的局限性和偏见。

所以，面对AI，走近、拥抱、祛魅，是第一步。就像英伟达的黄仁勋说的，“AI不会夺走你们的工作，使用AI的人会夺走你的工作。”

最后，聊聊高考报志愿真正值得考虑的五件事：

第一，花一周时间，好好研究一下ChatGPT、DeepSeek、Claude、Copilot等工具，观察它们如何影响你未来要做的事、未来的行业、未来的知识结构。明白你选的专业，是为了拥有“与AI共舞”的能力，而不是依赖“专业身份”。

第二，尽量选择那些AI不容易替代的专业能力。与其担心被机器取代，不如专注于提升那些让“人之所以为人”的独特优势——创造力、同理心、批判性思维、领导力、解决开放式问题的能力以及深刻的伦理意识。大家可以复习一下我们2022年推出的《中国职业技能发展数据库》，其中列出了三类难以被替代的能力，及对应的职业——创意型职业、社交智慧型职业和手艺型职业。

第三，相比于“死记硬背”的专业，更建议选择“训练通用思维能力”的方向。如果你学一个只要求你背下大量固定流程、法规条文的专业，一旦流程自动化或法规大改，你的知识可能就“过期”了。但如果学一个教你如何分析经济现象背后的逻辑、如何建立预测模型、如何解读数据趋势的专业，即使具体知识更新，你锻炼出来的思维模式和专业技能依然强大，能快速学习新东西，解决新问题。

第四，专业要具备跨学科融合潜力。在生成式AI时代，“单一专业人才”的壁垒正在快速瓦解，仅靠掌握一门知识，已经不足以构成竞争优势。未来真正有价值的人才，是能够在多个学科、多个技术工具、多个行业场景之间穿梭融合的复合型人才。比如，现在金融行业最需要的，不是传统金融学、商科的学生，反而是复合背景的学生。银行业在减员，但银行信息科技人员的占比却在增加。比如，2018-2023年，工商银行员工总数从45万缩减到42万，但科技人员数量却从1.5万人增加到3.6万人。

因此，金融专业和计算机专业的双修会让学生在职场上抢跑一步。行业和职业内涵的打碎重塑，其实对“专业”是一种重新定义。现在各大学校纷纷推出“金融科技专业”，本质上还是金融视角，加点“科技”的碎料，不会给人带来更高的职业溢价。但是编程，信息处理等技能，是数据驱动的金融科技的核心技能。现在美国好几个超大的量化基金，金融专业的人少——大部分是统计学，数学系，和计算机博士。

最后，研究一下最新的行业趋势和政策趋势。目前市面上的很多高考志愿填报指南都是基于历史经验，比如近两年，热门专业集中在张雪峰推荐的专业——计算机、电子信息、法学、临床医学、电气工程等专业。

但是，热门专业和冷门专业都是行业趋势和政策趋势的产物，很容易发生反转。而且，任何大热的专业，都是要付出更多的分数，而且大热的专业就一定会造成人才供应过剩，将来的就业市场也很可能很“卷”。

而冷门专业也可能随时翻身。比如说数学专业，在这个数字时代，很多热门职业，算法工程师、精算师、运筹工程师，乃至各行各业都需要的数据分析师，都需要扎实的数学基础，如果翻一翻华尔街量化交易部门的招聘，你会发现物理和数学专业都很抢手。

再比如，“生化环材”也在爬出“天坑”。“生化环材四大天坑”这个说法，其实不是张雪峰首创，而是10多年前就开始流行。当时的中国制造业还处于粗放式发展的过程中，不太注重研发，更不注意环保问题。因此，很多“生化环材”的毕业生在业界找不到用武之地。而现在，世道变了。上一波新能源汽车、新能源电池产业起飞，对化工、材料、环保专业的毕业生提供了大量的就业岗位，而目前ESG浪潮的兴起，又给环境科学和环境工程的同学带来了站上风口的机会。

再比如，最近两年，“出海”这个词特别火，而出海涉及的职业非常多，也非常匮乏相关人才——熟悉海外消费者文化、海外市场分析、国际法的人，以及外语熟练的研发技术人员都很吃香。脉脉发布的《2024年度人才迁徙报告》显示，2024年1月至10月，新发出海岗位数量占比比去年增长了43%。

最后，千言万语归为一句话：高考填志愿，不是选一个“不会被AI替代”的专业，而是选一个你能与AI共同进化的方向。

18岁的孩子们，请你们做自己，找到那些自己做起来得心应手，容易形成正反馈的事情，然后用AI工具放大这个效应。

人生不是一锤定音，而是不停地洗牌重抽。大学和专业只是你人生第一张牌，第一张牌并不能决定整个牌局的结果。