高考完，怎么选专业才不踩 AI 的坑？

如果你刚走出高考考场，恭喜。接下来这件事比作文写没写完更让一家人焦虑：报志愿。AI 已经把你父母那一代「选个稳定的好专业」的逻辑打散了。但「学 AI 一定有未来」也不是真的。这篇文章不打算给你列「最安全的十大专业」——那种榜单每年换一茬。它做的事是把 4 篇学术论文（AIOE 体系）里关于「哪些工作正在变」的最严肃判断，翻译成你可以拿去和家里人讨论的志愿决策。

文章基于站内已有的 全职业 AI 暴露度排行：5 源数据对照 看板（889 个 O*NET 职业 × 5 项独立 AI 暴露度研究）。那一篇是数据底座，这一篇是应用层。两篇连着读最合适。

TL;DR · 30 秒读完

核心论断：在 AI 时代选专业不要押宝「AI 不会做的事」，要押宝「能让 AI 给你打工的事」。

• AIOE 是什么：四个独立团队（Eloundou/OpenAI, Felten/Princeton, Webb/Stanford, Acemoglu/MIT）用四种完全不同的方法度量「每个职业有多少任务会被 AI 影响」。结论高度一致：最暴露的是受过高等教育的白领，不是体力劳动者。
• 高 AIOE ≠ 低收入：律师 / 金融分析师 / 会计师 BLS 2024 中位年薪 仍在美国 top 25%；暴露度是「AI 能帮你多少」，不是「AI 会让你失业多少」。
• 真正的护城河：执照壁垒（医师/律师/教师/注册工程师）+ 物理性 + 复杂判断 = 短期内难被替代的三件套。
• 中国语境差异：美国白领初级岗在崩，中国 AI 行业还在快速扩张——2025 年新发 AI 岗位同比 +543%。这一波 2026-2030 入学的人赶得上，但顶 + 底都稳、腰被掏空的「沙漏化」也在国内同步演。
• 反共识：清北复交读「最不安全的专业」就业质量也好过双非读「最安全的专业」。AIOE 研究完全没考虑学校信号——这是它最大的盲点。

§ 01 AIOE 是什么 —— 4 篇论文一张图

AIOE = AI Occupational Exposure，AI 职业暴露度。不是单一指数，是一组方法学：用各种方式量化 AI 能在多大程度上替代或加速一份工作里的任务。四个团队，四条独立路线：

1. Eloundou et al., GPTs are GPTs（OpenAI/Penn, 2023）

这是目前引用最多的”LLM × 美国劳动力市场”暴露度研究。作者构造了一个三档评分体系：E0 = LLM 帮不上；E1 = 直接用 ChatGPT 就能把任务时间砍 ≥50%；E2 = 需要在 LLM 之上再叠加专门软件（代码 IDE、RAG、Agent）才能砍 ≥50%；后续扩展的 E3 = 需要图像/多模态。

核心结论：约 80% 的美国劳动力会有 ≥10% 的任务受 LLM 影响，约 19% 的劳动力会有 ≥50% 任务受影响；单独用 LLM 可加速 15% 的任务，叠加 LLM-powered 软件后升到 47-56%。

对你填志愿的意义：暴露度衡量的是「AI 能帮你多少」，不是「AI 会让你失业多少」。E1 高的岗位你可以把它读成「掌握 AI 后效率倍增」。

2. Felten / Raj / Seamans 的 AIOE 系列（Princeton/NYU, 2018-2023）

原始方法论 2018 → 2021 在 Strategic Management Journal 正式发表。他们把 Electronic Frontier Foundation 跟踪的 10 项 AI 能力子领域，与 O*NET 52 项人类能力（口语理解、归纳推理、手眼协调…）做众包关联性映射，再投射到 873 个职业。

2023 年针对 ChatGPT 的更新版（Occupational Heterogeneity in Exposure to Generative AI）给出一个反直觉结论：最高暴露的不是工厂工人，是文学教授。暴露榜首是电话推销员，紧随其后是英语文学、外语文学、历史等高校 post-secondary teachers。

3. Michael Webb, The Impact of AI on the Labor Market（Stanford, 2020）

第三条路线：用 AI 专利文本 × O*NET 任务描述做语义匹配，统计每个职业有多少任务跟现有 AI 专利重叠。最反共识的发现：与软件/机器人主要打击中低技能不同，AI 专门指向高技能任务；假设趋势延续，AI 反而会收窄 90:10 工资差距，但对前 1% 几乎没影响。

4. Acemoglu, The Simple Macroeconomics of AI（NBER w32487, 2024）—— 保守派

MIT 的 Acemoglu 用 Hulten 定理推算：AI 在未来 10 年对全要素生产率（TFP）的累计贡献上限只有 0.53%–0.66%，年化甚至不到 0.07%——远低于 Goldman Sachs 那份”GDP +7%、3 亿岗位被替代”的乐观估计。他的 critique 是：早期生产力实验都集中在”easy-to-learn”任务（客服模板、代码补全），但真正难的是 hard-to-learn、context-dependent 任务，那里没有 objective outcome measure，AI 帮不上多少忙。

对填志愿的家长来说：即使你相信 AI 会重塑工作，未来 10 年总产出冲击没有想象那么大，没必要恐慌性 reshuffle 整个家庭的职业规划。

一张对比图

四个团队同时存在分歧（Acemoglu 比 Eloundou 保守一个量级）和共识（高学历白领最暴露）。任何告诉你「AI 一定会取代 XX 专业」或「AI 一定不会取代 XX 专业」的人，都没读过这四篇里的任何一篇。

补一条 2026 最新数据：Anthropic Economic Index 2026 年 1 月报告显示，49% 的职业已在用 Claude 完成 ≥25% 的任务（2025 年 1 月只有 36%）；11 月 augmentation vs automation 比例反转为 52% vs 45%（增强为主，不是替代）。实际使用数据正在证伪「AI 替代叙事」——至少现阶段。

§ 02 把 AIOE 分数翻译到专业层 —— 高/中/低暴露专业表

高暴露专业（白领”知识”工作）

Brookings 的 Mark Muro 2024 综合 Eloundou/Felten 数据后明确指出：高薪、需高学历的白领工作最暴露——具体是 STEM 中的非编程岗、商业金融、建筑工程、法律服务、以及中等薪酬的办公室行政。该文具体点名 bookkeepers、legal secretaries、HR assistants、bank tellers、payroll clerks。

Pew Research 2023 用 O*NET 41 项工作活动重新打分，19% 美国劳动者属”高暴露”、23% 属”低暴露”；高暴露例子：预算分析师、数据录入、机械绘图、法务助理、Web 开发。大学学历群体 27% 处于高暴露，高中学历群体只有 12%——受过更多教育不再天然 = 安全。

Brookings 还有一组性别数据：36% 的女性 vs 25% 的男性在「50% 任务可被 AI 节省」的岗位上——因为女性更多集中在白领文书岗。

对应中国本科专业（按 AIOE 框架推论）：会计学、税务、审计、金融分析（非交易员方向）、新闻学、广告学/营销学、翻译、法学（基础合规 + 文书岗）、行政管理、汉语言文学（教师方向除外）、视觉传达设计的模板化部分。

中暴露专业

软件工程 / 计算机科学 / 数据科学是个特例。Eloundou 给出最高 E1 分数的就是程序员，但 Brookings 也提到这群人是”AI 互补型”而非”AI 替代型”——因为他们写的就是 AI 工具本身。

实际数据更反共识：自 ChatGPT 上线以来，美国软件开发者总人数增长 7%，但近期应届 CS 毕业生失业率 6.1%，高于英语专业（4.9%）和表演艺术（2.7%）。总盘子在涨，但入口在窄——资深升值、初级萎缩。

这条规律不只 CS，医学、设计、教育内部都在出现同样的分化：资深医生工资在涨，初级住院医压力空前；资深设计师拿着 AI 工具更值钱，初级设计师被替代；老教师有口碑积淀，应届教师面临家长「不如让孩子和 AI 学」的质疑。

低暴露专业

Pew 显式列出的 least-exposed：barbers、childcare workers、nannies。Brookings：蓝领、物理工作”几乎不受影响”。

对应中国本科专业：护理学、康复治疗学、口腔医学、临床医学（外科 / 急救 / 麻醉 / ICU 方向）、心理学（临床咨询）、社会工作、学前教育、电气工程及其自动化（现场施工类）、HVAC / 水电 / 船舶机电、动物医学、烹饪与营养、中医针灸推拿。

一个反直觉的「高暴露 ≠ 失业」例子：放射科医生

十年前 Geoffrey Hinton 公开预言”应该立刻停止培训放射科医生”——但 2026 年放射科医生工资中位数升到 $571K，岗位数自 ChatGPT 以来增长 10%；Jensen Huang 在 2025 年 12 月公开采访里用这个例子反驳”AI 摧毁岗位”的恐慌。

同样的故事 paralegals（律师助理）也在演：ChatGPT 上线以来美国 paralegals 岗位数增长 21%——尽管 Pew/Felten 都把它评为高暴露。

这个教训对填志愿的家庭非常重要：高 AIOE 意味着这个职业里的「日常事务性工作」会被 AI 接管，但需要那个职业判断力、信任、问责能力的部分反而更值钱。

§ 03 中国语境的三个关键调整

上面四篇论文全都用美国 O*NET 数据。直接搬到中国会失真，主要差三件事。

调整一：中国大模型行业还在快速扩张

2025 年 1-10 月，中国新发 AI 岗位量同比 +543%；算法工程师、大模型算法岗位量稳居 #1 和 #2，AI 产品经理同比增长 178%。AI 领域新发岗位平均月薪 ¥61,764，比新经济行业高 35.59%；大模型算法岗月薪 ¥68,959，AI 科学家月薪超 ¥127,000；脉脉数据显示过半 AI 应届生岗位月薪 >¥50,000。

这是和美国「白领初级岗崩塌」叙事最大的不同。中国 AI 行业 2024-2028 处在「人才远远不够用」的窗口。如果你 2026 年报考人工智能 / 计算机科学 / 数据科学 / 自动化 / 电子信息类，2030 年毕业大概率还在这个窗口里。

但要警告一句：窗口不是永久的。2031 年之后这些岗位是「继续扩张」还是「开始 sat-curation」，今天没有人能给你保证。所以专业选择必须留有迁移能力（详见 § 06）。

调整二：中国蓝领工资正在逆袭

2025 年中国月嫂平均月薪 ¥10,128、外卖员 ¥8,325、货车司机 ¥8,279；外卖员三年复合增速 >10%。蓝领与白领月均收入差距从 2013 年峰值 ¥3,344 收窄到 2025 年 ¥2,250（−32.7%），蓝领收入增速连续 7 年超白领。

2026 年持证电工/焊工/叉车司机平均月薪 ¥6,800-8,200，一线城市核心岗位 ¥12,000+，比当地普通行政白领高 15%-20%。

美国侧的镜像：2022 ChatGPT 后美国白领新增 300 万岗位，蓝领持平；但白领初级岗（要求工作经验 <1 年）下降 50%。两边都在演同一出戏：「顶 + 底」都稳，「腰」在被掏空。

这一条对填志愿的含义不是「让孩子去学电工」——而是承认职业教育、专科、技工方向的回报率在结构性上升，不必把「上本科」视作唯一正确路径。如果家庭条件 + 孩子兴趣允许去读机电、汽修、护理、医技、口腔技师等高水平专科，结果可能比强行挤一个二本「最安全专业」的本科更好。

调整三：政策护城河 ——「执照专业」在中国更深更不透明

执业医师、律师执业证、教师资格证、注册建筑师、注册岩土工程师、注册城乡规划师、注册结构工程师、注册消防工程师、注册安全工程师等十余项，都是”准入类”职业资格——没有证不能执业，构成法定供给壁垒。

这些专业在中国语境里有不可被 AI 直接替代的法律性保护。和美国不同：美国 medical residency 配额由 ACGME 控；中国是教育部 + 卫健委 + 人社部三家联控，护城河同样深但更不透明（对你的意思：进入门槛更高、毕业后的「证赋值」也更稳）。

2023 年 8 月开始施行的《生成式 AI 服务管理暂行办法》（七部门联合发布） 在 AI 监管层引入了算法备案、安全评估、数据标注、内容审核等全新合规岗——这是法学、网络安全、传媒类专业里少数还在增长的细分。

教育部 2018 年开始推动「新工科 / 新医科 / 新文科 / 新农科」四新建设，2023 年发布《普通高等教育学科专业设置调整优化改革方案》 ——这是国家对「专业上靠 AI、下接物理」的政策对齐。新增交叉专业里”具身智能”成为最受关注的新专业，9 所高校（含哈工大、北航）同步开设。

§ 04 五个反共识 —— 你以为的「安全」其实最危险

反共识 1：高 AIOE ≠ 低收入

2024 年 5 月 BLS OEWS 数据：美国律师中位年薪 $183,890、金融分析师 $101,350、会计师与审计师 $81,680——全部远高于美国中位 $49,500。这些都是 AIOE 高暴露职业，但工资仍在全美 top 25%。

所以”暴露度高”和”该不该学”不能直接划等号。Felten 自己在论文里反复强调：AIOE 是 exposure，不是 replacement；同一个分数对一个”愿意学着用 AI”的人是机会，对一个”被动等公司发活”的人是威胁。

反共识 2：互补 vs 替代 —— 应届生反而最受益

Brynjolfsson/Li/Raymond 2023 在一家 Fortune 500 软件公司客服中心做了准自然实验：5179 名客服 agents，部署生成式 AI 助手后，整体人均生产力 +14%，新手与低技能员工 +34%，资深员工几乎为零。

这是”AI 抹平能力差距”的最强证据，对应届生反而是好消息——AI 让 entry-level 在某些岗位变得可以独立产出。

但同一规律的反面更让人警惕：企业开始”experience creep”，要求 2-4 年经验的岗位从 46% 降到 40%，要求 5+ 年经验的岗位从 37% 升到 42%——结果是「新人能干了，但企业不再付钱让你学」。

对填志愿的真正建议：选愿意在毕业后第一年就上手用 AI、自己造产出的专业方向。等公司培养的旧路径在变窄。

反共识 3：专业 ≠ 职业 —— AIOE 测的是后者

法学专业毕业可以做律师、法官、合规、HR、公务员、企业法务、政府事业；新闻学可以做记者、PR、企业内容、产品经理。AIOE 给”律师助理”打 0.9 高暴露分，但法学院给学生的训练（法律思维、信息结构化、合同谈判）会迁移到很多职业。

填志愿真正该问的是：这个专业训练出的能力组合，能向多少种职业迁移？ 而不是「这个专业对应的最典型职业 AIOE 多少分」。

反共识 4：”押注哪个不被替代”是错误的提问方式

1990 年代选 IT 看似太冷门；2005 选金融看似稳；2015 选土木看似稳——三次决策都被随后 10 年的现实打脸。

Acemoglu 自己在论文里提醒：早期 AI 生产力数据来自 easy-to-learn 任务；hard-to-learn 任务上的影响今天没有人能预测。所以与其押宝某个具体专业「2035 年一定还在」，不如选学习曲线陡、能力组合可迁移、有持续证书更新机制的方向。

反共识 5：清北读什么都比双非读「最安全专业」就业更好

2025 年中国硕博 offer 获得率 44.4%、本科生 45.4%——学历倒挂出现。但这是全样本。分院校看，清北复交本科生的”任何专业”就业质量都好过双非”最安全专业”。

institutional signaling（学校信号）在中国劳动力市场的权重至今没有被 AIOE 类研究系统量化——这是上游 AIOE 排行那篇文章的最大盲点，也是本文必须正面提的边界。

这条对填志愿的具体含义：在「能去更好的学校但要换个专业」和「能上理想专业但学校弱一档」之间，AIOE 的研究并没有告诉你怎么选。但中国劳动力市场的现实是：前者长期回报率高于后者——尤其在你不能完全确定 2030 年世界长什么样的情况下。

§ 05 决策框架 —— 不是选「不被替代」是选「能与 AI 互补」

把上面四篇论文 + 中国语境 + 反共识合起来，填志愿的三个筛选标准：

标准一：能不能与 AI 互补，而不是被 AI 替代？

可用的检验问题： - 这个专业的核心能力，是「整理已知信息」（容易被 AI 替代）还是「在不完备信息下做判断 + 承担责任」（AI 替代不了）？ - 这个专业毕业后做的工作，AI 是把你变成 1.5 倍效率，还是把你裁掉？

互补型：临床医学、外科、临床心理、口腔、康复、复杂工程（土木结构、电力系统、核工程）、教师（特别是 K-12 + 学前）、社工、护理、应急 / 消防、特殊教育、考古、文物修复。

风险型：内容审核、基础财会、初级翻译、模板化创意、基础合同审查、客服文案。

标准二：有没有结构性供给壁垒？

执照壁垒 + 配额管理 + 行业自律三件套构成劳动力供给刚性。中国语境里的「执照型专业」： - 临床医学（执业医师） - 口腔医学（执业医师） - 法学（律师执业证） - 师范类（教师资格证 + 编制） - 注册建筑师、注册结构工程师、注册岩土工程师、注册城乡规划师、注册电气工程师、注册消防工程师、注册安全工程师 - 注册会计师（虽然 AIOE 高，但 CPA 准入壁垒仍构成中度护城河） - 一级建造师、监理工程师 - 中医（执业中医师） - 兽医（执业兽医师）

北京市国际职业资格认可目录 1.0 版 是一个观察「政府认哪些证」的窗口，对志愿填报有参考意义。

标准三：有没有「hands-on 物理性 + 复杂判断」组合？

Pew 列的 least-exposed 都有这个特征：理发师、儿童保育、家政；Brookings 明确说物理性、非例行蓝领 exposure 最低。

对应中国语境： - 外科 / 急救 / 麻醉 / ICU 临床医学方向 - 口腔医学（特别是修复 + 正畸） - 临床心理 / 应用心理（咨询、矫治、特殊教育） - 康复治疗学 / 运动康复 - 兽医 / 动物医学 - 农林（设施农业、智慧农业、植物保护、园艺） - 文物保护 / 考古 / 修复 - 食品科学（特别是发酵、风味、感官评价方向）

§ 06 9 类专业的具体看法

下面每一类给出：当下 AIOE 风险评估 / 2026-2034 趋势判断 / 互补型推荐 / 反例。但请提醒自己：这些都是基于今天数据的概率判断，不是预言。

计算机 / 人工智能 / 电子信息类

• 当下 AIOE：Eloundou 给程序员最高 E1 分（容易被 LLM 加速 50%+），但同时是 AI 互补型的核心人群
• 2026-2034 趋势：中国语境里 AI 岗位需求 2025 同比 +543%，2026-2028 入学正好接住这波；但 2030 后初级岗会沙漏化
• 互补型推荐：人工智能、计算机科学与技术、数据科学与大数据、电子信息工程、自动化、智能科学与技术、集成电路设计、具身智能（2026 新设交叉专业）、网络安全
• 反例 / 警告：纯软件工程的”应用层 CRUD”方向、传统嵌入式而非具身智能方向 —— 短期能找到工作，但 5-10 年回报率不如算法/系统/芯片方向
• 候选院校（按梯度）：清华大学 · 北京大学 · 中国科学技术大学 · 上海交通大学 · 浙江大学 · 南京大学人工智能学院 · 北航人工智能研究院 · 哈工大计算学部 · 西安交大人工智能学院 · 电子科技大学

医学 / 健康类

• 当下 AIOE：诊断类（影像、病理）暴露高但岗位反增（放射科医生薪资在涨）；操作类（外科、急救、口腔）暴露极低
• 2026-2034 趋势：中国老龄化已成定局，医疗需求结构性增长；执业医师执照构成深护城河
• 互补型推荐：临床医学（外科 / 急救 / 麻醉 / ICU 方向）、口腔医学、康复治疗学、护理学、麻醉学、医学影像（人才需求增长 ≠ 被替代）、临床药学
• 反例 / 警告：纯医学信息管理（替代风险高）、卫生事业管理（去做行政而非临床的方向）；以及「能学医建议学医」不是无条件的——医学的时间成本极高（本硕博 + 规培 11+ 年），需要确定自己愿意承受
• 候选院校（按梯度）：北京协和医学院 · 上海交通大学医学院 · 北京大学医学部 · 复旦大学上海医学院 · 四川大学华西医学中心 · 中山大学医学院 · 浙江大学医学院 · 华中科技大学同济医学院 · 中南大学湘雅医学院 · 首都医科大学

教育 / 师范类

• 当下 AIOE：K-12 教师暴露较低（情感/纪律/陪伴成分高）；大学教师 Felten 评估反而暴露较高（讲课内容更结构化）
• 2026-2034 趋势：中国少子化对师范方向中长期是逆风，但短期（5 年）编制岗位仍有需求；学前 + 特殊教育反而是结构性扩张
• 互补型推荐：学前教育、特殊教育、小学教育、心理学（应用 / 咨询 / 临床方向）、社会工作
• 反例 / 警告：纯中学某单科师范方向（短期可以，长期面临 K-12 总盘子萎缩 + AI 内容生成竞争）；非师范类的教育学（就业弹性不如直接师范）
• 候选院校（按梯度）：北京师范大学 · 华东师范大学 · 华中师范大学 · 东北师范大学 · 陕西师范大学 · 华南师范大学 · 南京师范大学 · 西南大学 · 湖南师范大学 · 首都师范大学

法律 / 政治 / 公共管理类

• 当下 AIOE：法律助理 / paralegal 暴露极高，律师本人暴露中等；但 paralegals 岗位数 ChatGPT 后反增 21%
• 2026-2034 趋势：律师执业证仍是深护城河；AI 合规 / 算法治理 / 数据合规是新增量
• 互补型推荐：法学（涉外 / 知识产权 / 公司法 / 网络安全法方向）、行政管理（公务员路径）、国际政治、社会工作
• 反例 / 警告：纯法律文秘方向、辅助型法务岗（就是 AIOE 警告的精准画像）；纯文科性质的公共事业管理
• 候选院校（按梯度）：中国政法大学 · 北京大学法学院 · 清华大学法学院 · 中国人民大学法学院 · 华东政法大学 · 武汉大学法学院 · 西南政法大学 · 复旦大学法学院 · 上海交通大学凯原法学院 · 中山大学法学院

商科 / 经管类

• 当下 AIOE：会计 / 审计 / 财务分析 / 营销策划都属于 Brookings 点名的高暴露白领
• 2026-2034 趋势：执照型方向（CPA、CFA）有护城河；但纯营销 / 策划 / 财务文员类岗位会持续萎缩
• 互补型推荐：金融科技（FinTech）、量化金融、精算学（特别精算师执照路径）、统计学、保险学（特别是核保 + 理赔 + 精算方向）、应用经济学
• 反例 / 警告：纯市场营销、广告学、电子商务、工商管理 —— 这是中国本科里就业反馈最差的几个之一，AI 时代会更差；除非家里能给你创业资源 + 资本
• 候选院校（按梯度）：北京大学光华管理学院 · 清华大学经济管理学院 · 上海交通大学安泰经济与管理学院 · 复旦大学管理学院 · 上海财经大学 · 中央财经大学 · 对外经济贸易大学 · 西南财经大学 · 中央财经大学中国精算研究院 · 南开大学金融学院（精算）

工科（非 IT）类

• 当下 AIOE：传统土木 / 建筑暴露低（hands-on + 现场判断），但 中国建筑类招生计划同比 −6.1% 已经反映行业下行
• 2026-2034 趋势：新能源 / 智能制造 / 集成电路 / 航空航天 / 海洋是政策重点；传统土木 / 建筑 / 化工继续下行
• 互补型推荐：电气工程及其自动化、新能源科学与工程、能源与动力工程、机械设计制造及其自动化（智能制造方向）、航空航天工程、船舶与海洋工程
• 反例 / 警告：土木工程（建筑业下行 + 房地产长周期下行）、传统化工（环保政策 + 产能压缩）、传统建筑学（设计需求被 AIGC 压缩 + 行业萎缩）
• 候选院校（按梯度）：哈尔滨工业大学 · 西安交通大学 · 北京航空航天大学 · 同济大学 · 天津大学 · 华中科技大学 · 大连理工大学 · 东南大学 · 中国科学院大学 · 华北电力大学（电力专项）

文 / 史 / 哲 / 语言类

• 当下 AIOE：Felten 数据里这是暴露度最高的几个领域之一（仅次于电话推销）
• 2026-2034 趋势：就业市场已经在收缩；但「人文素养 + 专业技能」混合反而稀缺
• 互补型推荐：语言学（计算语言学方向）、考古学（hands-on）、文物与博物馆学、汉语国际教育（对外汉语教学 + 政策性）、人类学
• 反例 / 警告：单纯学某门外语作为本科主修（已经是 AI 替代最快的领域之一）；纯汉语言文学 / 哲学 / 历史的非师范方向（就业弹性极低）。例外：如果家庭对你「靠学历进入特定路径」没有刚性要求，这类专业读到深度博士可以走研究 / 出版路径
• 候选院校（按梯度）：北京大学 · 复旦大学 · 南京大学 · 武汉大学 · 中山大学 · 浙江大学 · 中国人民大学 · 西北大学考古文博学院（考古） · 上海外国语大学（计算语言学） · 北京语言大学（对外汉语）

农林 / 食品 / 环境类

• 当下 AIOE：农艺、养殖、林业核心岗位都属低暴露；食品科学的研发 + 感官评价低暴露
• 2026-2034 趋势：政策红利（新农科 + 乡村振兴 + 食品安全）+ AI 应用（智慧农业）双重利好
• 互补型推荐：动物医学（兽医执照）、园艺、植物保护、林学、食品科学与工程（发酵 / 风味 / 营养方向）、设施农业 / 智慧农业
• 反例 / 警告：传统经济动物 / 经济植物方向，行业整合压力大；非应用型的环境工程（如果不是排水 / 大气 / 固废 / 噪声 / 监测方向）
• 候选院校（按梯度）：中国农业大学 · 西北农林科技大学 · 南京农业大学 · 华中农业大学 · 浙江大学动物科学学院 · 中国海洋大学（海洋食品 / 水产） · 江南大学（食品发酵第一） · 东北农业大学 · 华南农业大学 · 北京林业大学

艺术 / 设计 / 传媒类

• 当下 AIOE：纯模板化设计（Logo、海报、电商主图、初级配音、初级剪辑）已经被 AIGC 重击；表演艺术、纯演奏、需要现场 presence 的部分低暴露
• 2026-2034 趋势：Pew/Brookings 都点名说设计岗在裁；但同时 表演艺术应届失业率仅 2.7%，反而是所有专业里最低之一
• 互补型推荐：建筑学（设计 + 现场施工 + 注册建筑师执照）、城乡规划、风景园林、工业设计（与制造业绑定）、戏剧影视表演（hands-on）、音乐表演（hands-on）、文物修复
• 反例 / 警告：视觉传达设计、动画、数字媒体艺术 —— 除非你的目标是「成为顶尖的那 5%」否则中位收入会被 AI 大幅压缩；播音主持（中位声音演员被 AI 压价）
• 候选院校（按梯度）：中央美术学院 · 中国美术学院 · 中央戏剧学院 · 北京电影学院 · 中国传媒大学 · 清华大学美术学院 · 同济大学建筑与城市规划学院（建筑 + 风景园林） · 东南大学建筑学院 · 中央音乐学院（音乐表演） · 上海戏剧学院

§ 07 反思与边界 —— 这篇文章在什么条件下成立

上面写了 9 类专业的具体看法，但每一条都有边界。在你拿这篇文章和家里人吵之前，先把以下几处脆弱处摆到桌面上。

1. AIOE 是「能力上限」，不是「就业现实」

四篇论文测的都是「AI 能在多少任务上提供帮助」，而不是「AI 已经在替代多少工作」。能力上限和实际渗透中间有可能十几年的延时（看放射科医生案例）。你按 AIOE 推断出的「这个专业未来 10 年会萎缩」，可能只是「这个专业的某些任务会被加速」。

2. AIOE 没考虑学历信号

清北复交本科生读”最不安全的专业”，就业质量还是好过双非”最安全的专业”。Felten / Eloundou / Webb 都没有把学校 prestige 作为变量进入模型。这是 Brookings 等综述明确承认的盲点。

填志愿的现实含义：在「降一档学校换一个安全专业」和「冲更好的学校但读一个有 AIOE 风险的专业」之间，请优先考虑学校档次——除非你已经对自己的人生路径非常清楚。

3. AIOE 没考虑兴趣 / 适配

兴趣对学习曲线、坚持时长、突破天花板的影响是巨大的。一个对生物毫无热情的学生被家长逼着读临床医学，11 年后能不能成为执业医师都是问题。AIOE 视角不会告诉你这一点。

4. 中国就业市场没有美国 BLS 那种细颗粒度的真实数据

本文引用的中国本土数据（蓝领工资、AI 岗位、应届就业率）来自智联招聘、脉脉、新华社、新经济新闻——它们都有口径差异和样本偏差。美国 BLS OEWS 那种「每个职业每月薪资中位数」级别的官方数据，中国目前没有公开版。所以本文涉及中国具体专业的预测，置信度低于美国部分。

5. 五年级时间窗口是「猜测」，不是「预测」

2026 入学 → 2030 毕业 → 2035 是第一个职业关键节点。这是一个 9 年窗口。9 年前是 2017 年——那时 GPT-1 还没出生。用 2026 年的 AIOE 数据预测 2035 年的就业市场，置信度真的不高。所以本文反复强调「选可迁移能力、选互补型」而不是「选某个具体专业一定安全」。

6. 政策护城河可能变窄

执业医师、教师编制、注册建筑师等执照制度都不是不可改变的。中国教师编制改革（”县管校聘”、”备案制”）、医师多点执业、建造师执业范围扩大都在动。今天看起来很深的护城河，10 年后可能变浅。

7. 本文没考虑你家的财务和你的个人禀赋

医学 11 年学制对中产以上家庭可以，对工薪家庭未必能撑；艺术类对天赋有刚性要求；理工类对数学有刚性要求；外向 / 内向、抗压能力、团队 / 独立工作偏好都对专业适配有决定作用。AIOE 视角假设所有学生平等可以选任何专业——这不真实。

一句话总结

不要把「选专业」做成「押注一个 10 年都不会被替代的赌注」。做成「选一个能让你十年后还能不断重新学习 + 切换方向 + 与 AI 互补的能力组合」。具体看就是：

1. 执照型 + 物理性 + 复杂判断的专业（临床医学、口腔、护理、康复、应急、师范、注册工程师类）是最稳的底盘
2. AI / 数据 / 算法 / 集成电路 / 新能源这类政策 + 市场双重红利的专业适合冲，但要做好 2031 后可能 satur 化的准备
3. 传统文科 / 纯设计 / 纯营销 / 纯文秘类警告高，但顶尖的少数人路径不变
4. 学校 prestige 优先级高于专业选择——除非你完全确定自己的人生路径
5. 主修 + 微辅修 + 一项可考证的技能是最低风险的本科结构

延伸阅读

站内： - 全职业 AI 暴露度排行：5 源数据对照 —— 本文的数据底座，889 个 O*NET 职业横向对照 - 蓝领神话的破裂：当体力劳动不再安全 —— 蓝领溢价的反面：哪些蓝领正在被自动化 - 白领初级岗的终局加速 —— “腰被掏空”的白领侧深度 - 超越 UBI：重新想象分配制度 —— 如果 AI 真的重塑就业，分配制度怎么调整

学术： - Eloundou et al. GPTs are GPTs (arXiv:2303.10130, OpenAI/UPenn 2023) - Felten/Raj/Seamans Occupational Heterogeneity in Exposure to Generative AI (SSRN 4414065, 2023) - Webb The Impact of AI on the Labor Market (Stanford 2020) - Acemoglu The Simple Macroeconomics of AI (NBER w32487, 2024) - Brynjolfsson/Li/Raymond Generative AI at Work (NBER w31161, 2023) - WEF Future of Jobs Report 2025 - Anthropic Economic Index January 2026

中文政策与数据： - 《生成式 AI 服务管理暂行办法》 (网信办 2023) - 教育部《普通高等教育学科专业设置调整优化改革方案》 (2023) - Brookings: Generative AI, the American Worker, and the Future of Work - Pew Research: Which U.S. Workers Are More Exposed to AI

作者：冯小平，[email protected]