高中生還是能選AI專業的

現在高中生選專業能不能搞AI，已經不是問題了，問題是怎么和AI沾邊。畢竟時代的洪流真的來了，我們要考察的，不是從古至今都沒有被AI取代的簡單工作，這些工作是永遠不會失業的。

這些我們不考慮，我們要考量的不是孩子怎么吃上一口最低生活保障，而是怎么趕上風口。只有全面考察前沿，我們才能有初步的結論。

英偉達的黃仁勛在干什么，很有價值，他最近提出，全球面臨著一個數據洪流的處理需求。

原始數據很多，但是很多沒用，比如姓名和財務信息，但是又耗費了巨量的錢去處理，這些數據和AI又沒什么關系，這部分的數據處理是大數據的問題，大數據還是穩的，但是GPU很快要介入，提高梳理能力，這是AI的基礎環節。

第二個層面，是馬斯克最近比較關心的問題，就是生成式AI，馬斯克一手握著推特廣告部門，需要一個更好的廣告推薦系統。過去四十年里中，互聯網廣告主要靠著推薦算法來篩選廣告。

比如說谷歌的社交媒體推送，微博的廣告投放，還有美團的內容推薦等，馬斯克的構想是，在AI的業務層，用生成式AI開始替代舊有的推薦模式。

這些地方需要AI支持，以方便在聊天對話或者內容創作中精準匹配廣告，大量互聯網公司都需要在業務層和馬斯克有一樣的思考，這是AI的業務環節。

第三個問題就是最前沿的自主智能體，比如國際上打出盛名的千問或者Deepseek，還有馬斯克推出的Grok，OpenAi的GPT-4，或者谷歌Gemini等。這些有決策輔助能力的AI模型需要很多的算法支持，這是AI的算法蹭。

很多工作會被AI影響，這是共識，但是這三個層面的工作是影響AI，相當于蒸汽機發明了，內燃機發明了，這三個行業分別匹配著汽車輪船的制造，汽車輪船的使用，和汽車輪船的設計。

人力被取代，但是更多的崗位創造出來了，在第二次工業革命以前沒有汽修這個行業，后來有了，學習AI基礎環節，需要過硬的數學，學習AI的應用環節，需要過硬的系統思維，至于學習AI的算法，需要過硬的智商。

這些能力可遷移到眾多領域，AI必然能與生物、金融、材料等幾乎所有學科結合，提供廣闊的創新空間，因此孩子如果具備對數學或者邏輯的熱情，就可以搞。

但是，孩子也必須做好預期管理，因為并非所有AI專業畢業生都能成為稀缺的高端人才。就像是不會所有汽車相關的人，都能去比亞迪做設計師。成功不取決于選擇了多熱門的專業，而取決于在這個專業里投入的深度、思考的廣度以及將知識轉化為價值的能力。

行業會經歷周期波動，崗位有上下游的區別，這碗飯能吃好，自然是大展宏圖。

但是只要做好了預期管理，那么就算是端不好，只要進去了，也不會混到很差。這對于大部分人來說，已經足夠了。