高中生還是能選AI專業(yè)的

現(xiàn)在高中生選專業(yè)能不能搞AI，已經(jīng)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(yè)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(jié)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(shù)據(jù)洪流的處理需求。

原始數(shù)據(jù)很多，但是很多沒用，比如姓名和財務(wù)信息，但是又耗費了巨量的錢去處理，這些數(shù)據(jù)和AI又沒什么關(guān)系，這部分的數(shù)據(jù)處理是大數(shù)據(jù)的問題，大數(shù)據(jù)還是穩(wěn)的，但是GPU很快要介入，提高梳理能力，這是AI的基礎(chǔ)環(huán)節(jié)。

第二個層面，是馬斯克最近比較關(guān)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(tǒng)。過去四十年里中，互聯(lián)網(wǎng)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(nèi)容推薦等，馬斯克的構(gòu)想是，在AI的業(yè)務(wù)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(nèi)容創(chuàng)作中精準匹配廣告，大量互聯(lián)網(wǎng)公司都需要在業(yè)務(wù)層和馬斯克有一樣的思考，這是AI的業(yè)務(wù)環(huán)節(jié)。

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(fā)明了，內(nèi)燃機發(fā)明了，這三個行業(yè)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(shè)計。

人力被取代，但是更多的崗位創(chuàng)造出來了，在第二次工業(yè)革命以前沒有汽修這個行業(yè)，后來有了，學習AI基礎(chǔ)環(huán)節(jié)，需要過硬的數(shù)學，學習AI的應(yīng)用環(huán)節(jié)，需要過硬的系統(tǒng)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(lǐng)域，AI必然能與生物、金融、材料等幾乎所有學科結(jié)合，提供廣闊的創(chuàng)新空間，因此孩子如果具備對數(shù)學或者邏輯的熱情，就可以搞。

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

行業(yè)會經(jīng)歷周期波動，崗位有上下游的區(qū)別，這碗飯能吃好，自然是大展宏圖。

但是只要做好了預(yù)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(jīng)足夠了。