高考填志愿避坑指南：人工智能專業，別一頭熱！

又到一年一度的高考志愿填報季，「人工智能」這個聽起來很有前途、薪資亮眼的專業，成了不少考生和家長的首選。但在你激動地把它填進志愿表前，是否了解：它并不只是編程那么簡單，也遠不是“零基礎也能月薪2萬”的捷徑？

這篇文章，我們就來聊聊人工智能相關專業背后的那些“坑”，幫你理性選擇，不被風口吹跑方向。

先說坑，我這里想到了三個：

• 報考專業坑：充斥了大量換皮專業，以及“智慧”專業

• 專業學習坑：計算機學得不扎實，人工智能水平也就興趣班級別

• 未來就業坑：非常卷！

報考專業坑

大家估計現在也都知道，人工智能這個專業在很多學校都有開設，絕大多數的頂級高校肯定都有，比如上交，南大，重大等等。

但我查了查，開設這個專業的本科院校零零總總加起來得600+。

這么多的院校，但實際上只有前面的那些頂級，起碼也得是211級別的高校畢業生才比較有可能在這個行業內找到對口的工作。

特別要仔細看看他們的課程設置，紅色框內的給我的感覺就是「半生不熟的計算機課程+人工智能興趣班」。

還有就是「智慧+」開頭的專業，比如智慧農業這個專業，這也是近幾年出現不久的專業，凡是碰到智慧開頭的專業，不用說，肯定是原來的專業再找些計算機學院、自動化學院以及機械學院之類的老師多開幾門課，其中人工智能是必開的。

但這種專業，其實上最后發的學位證肯定并不是計算機科學這樣的工學學位，而是農業學位，這種專業未來的就業面很窄。

同理，智慧林業，智慧牧業等等。

報考的時候，別看那些亂七八糟的專業，就報考傳統的計算機科學與技術之類的，那些后面出現的專業都是計算機學院的老師們分出去成立的。

在留學時候也有優勢，就拿這個UCL的人工智能碩士來舉例，學費什么的先不管，它要求你本科得是計算機科學，計算相關以及軟件功能專業。雖然現在想著留學可能早，但是從我的執教經驗來看，計算機科學，軟件工程什么的，就是最老牌的專業，其他的都是后面派生雜糅出來的。

專業學習坑

當你滿懷期待地踏入大學校園，很快就會發現，印在錄取通知書上的“人工智能專業”標簽，其背后所代表的教育體驗可能千差萬別。當前中國高校AI教育的快速擴張，在很大程度上是一場由政策和市場需求驅動的“急行軍”，意思是教學準備與課程設計的成熟度可能遠未跟上發展的步伐。

這里面最大的問題就是不成熟的課程體系，剛剛提到的“換皮”或“雜糅”，可能很多人并不知道，所謂的「人工智能專業」「人工智能學院」，并非從零開始精心設計，而是對現有優勢學科（如計算機科學、自動化、電子工程、數學等）的簡單“換皮”或雜糅。這導致學生的學習體驗被其所在院系的傳統底色嚴重影響。

之前有一學生咨詢我的時候說過，自己所在學校的人工智能專業，由于依托于傳統的控制工程優勢學科，導致大二學年充斥著大量數字電子、模擬電子、自動控制等傳統課程及實驗，這占用了她幾乎全部的時間，使她根本無暇學習作為未來算法工程師所必需的軟件和算法知識。

這種現象導致了普遍的“四不像”問題：培養出的學生，既不像一個純粹的計算機科學家，也不像一個自動化工程師，更不像一個數學家，其所學的知識體系缺乏一個連貫、現代的人工智能核心。

計算機+數學+自動化+機械+人工智能科普課，看似什么都學了，其實什么都不會。

課程內容多的另一個缺點就是難，考過研的都知道計算機的考研408是最難的，但你看人工智能課程包含了如此多分學科內容，就知道難度非常高了。

要是難度對應了就業競爭力也就算了，問題是付出了N倍的時間，收益可能都不及單修一個體系。

這個難是頂級名校的學生也承認的，上交浙大這個級別的學生也覺得難。

一個更深層次的系統性陷阱，在于合格師資的嚴重短缺。人工智能領域知識迭代的速度已經超越了傳統教育體系的更新能力，導致了一個奇特的“教學悖論”：教授們自己也在奮力追趕學科前沿。

有很多的教授水平不如博士生，有些甚至直接擺爛。

要學習的新內容太多，很多老師的教學狀態就是“現學現賣”，自己剛剛理解一個新知識后，立刻就要去講授給學生，這中間缺乏一個長期消化的過程，教起來根本沒有底氣。這很可能導致教學內容淺嘗輒止，重理論而輕實踐，教師無法為學生提供深入的、結合產業實際的指導 。

未來就業坑

我得承認，自己確實享受到了人工智能的紅利。我在2019年剛開始讀博時，人工智能還停留在AlphaGo大勝柯潔的輿論熱潮，實際主流應用大多是學校和企事業單位門禁的人臉識別，計算機的高薪職位大多屬于算法工程師，但是說實話沒現在這么夸張。直到ChatGPT出現，人工智能行業才算真正重新火爆起來，甚至2025年過年時OpenAI和DeepSeek的新聞還炒得沸沸揚揚，現在以及未來的10年人工智能大概率都會有一碗飯吃。

但是有些丑話也得說在前面，那就是人工智能這個行業非常符合28定律，也就是20%的人負責搞AI算法以及一系列高精尖的東西，剩下的80%的人大多只能基于前面人做的再創造。

這里面有個巨大的問題，那就是前面的20%完成的主力的確需要人工智能專業的畢業生，而后面的80%就不一定了，24年25年很多在人工智能領域創業的人來自于產品經理這個職業群體，對于他們來說，從以前讓程序員干活來實現某個功能變成了自己驅使AI來實現，所以未來的AI行業大概率會有一個現象：

未來大多數的AI產品都是由「非AI專業+AI工具」做的。

目前來看，AI相關崗位的應屆生起薪確實可觀，月薪普遍在1.25萬元以上，部分算法崗甚至更高。然而，高薪的背后是極高的進入門檻和一系列限制條件。

• 壁壘一：極端的地域集中性。高薪的AI崗位并非遍布全國，而是高度集中在少數幾個一線科技中心。數據顯示，北京、上海和深圳三地占據了AI崗位的大頭，其后是杭州、廣州等新一線城市。這也就意味著，如果考生就讀的大學不在這些核心城市群，未來在本地尋找高質量對口工作的難度將極大增加，選擇大學所在的城市，在某種程度上已經預設了未來的職業地理范圍。

• 壁壘二：“碩博”學歷天花板。那些最令人向往、薪資最高的研發類崗位，往往對本科學歷關上了大門。許多“過來人”總結道，AI本科專業的就業是“下限不保，容錯率低”，即便是“雙非”院校（非985、211工程大學）的碩士，也可能難以找到理想的對口工作。招聘數據顯示，AI崗位對學歷要求極高，要求博士學歷的崗位占比甚至超過碩士。這就是說：四年的本科學習，對于許多有志于從事核心研發的學生來說，僅僅是通往更長、更昂貴教育旅程的開始。

• 壁壘三：市場泡沫與調整跡象。盡管當前市場火熱，但并非沒有風險。有官方報告指出，人工智能目前發展存在“過熱和泡沫化風險” 。招聘市場的季度數據顯示出明顯的波動性，會受到宏觀經濟環境和行業投資周期的影響。例如，在經歷了一輪大模型研發的招聘熱潮后，部分企業對人才的需求已從快速增長期進入穩定期。所以學生入學時看到的火爆行情，在四年后畢業時可能會是另一番景象。

所以在報考的時候，真心建議你做好打算，如果不知道自己適不適合，可以參考下面這張圖。