"如果AI什么都能干，我们为什么还要上大学？"
今年九月开学季，这个问题被问遍了高校开学典礼。9月17日，湖北日报把武汉多所高校院士们在典礼上的回答整理刊发，其中两句被反复引用："AI越强大，人类越不能工具化""提问、判断、负责，这三样恰恰是今天的AI最不会的"。
几乎同一时间，知乎热榜也挂着一个同款问题：在AI盛行的时代，大学生到底要学什么？为写这篇稿，我把教育部最新的本科专业目录、麦可思对百余所高校专业调整的统计，还有人民网刚发布的AI人才报告报道翻出来对照了一遍，越看越确认一件事：院士们在用话回答，高校已经在用行动回答。
高校正在"换菜单"：AI不再是专业，是底座
先看动作。教育部今年发布的《普通高等学校本科专业目录（2026年）》一次性新增38种本科专业；麦可思研究截至8月20日对111所高校公示信息的整理显示，拟新增、预备案的专业布点超过630个，其中36%与智能、智慧、数据、数字相关。
关键不在数量，在方向。前几年"人工智能""大数据管理与应用"经历了一轮大规模增设，今年崛起的是"行业+AI"：商业人工智能、数字文旅、人工智能教育、语言智能——不再是单学技术本身，而是把AI嫁接到具体行业里。职业教育同样在换轨，教育部2026年《职业教育专业目录》增补的27个新专业里，有具身智能计算技术、人形机器人工程技术、智能体通信技术这些名字，2027年开始招生。
翻译一下：高校不再批量培养"懂AI的人"，而是培养"懂某个行业、同时懂AI的人"。菜单换了，点菜的思路也得跟着换。
为什么"学什么知识"是个问歪了的问题
知乎那个问题的潜台词是：知识AI都会，学还有用吗？
观察者网风闻9月16日一篇作者手记里有个真实切片：一位导师的学生暑假在智能驾驶公司和机器人公司实习，主管一律要求用AI编程实现指定功能模块，公司的软件开发人员数量比以前少了很多。"读书无用论"确实在部分学生里流传——反正怎么学，都难超过AI。
但同一篇文章给出了另一半答案：AI时代如鱼得水的，是那些有行业知识积累和工程经验、知道怎么做系统顶层设计、能给出功能模块需求的人。代码AI能写，可"写什么、为什么写、写出来对不对"，还得有人定义。
人民网9月20日报道的《网络安全人才实战能力报告—AI赋能篇》里，有一组数字特别能说明问题：68%的高校已把AI相关课程设为独立必修课或选修课——会用AI正在变成标配；但从业10年以上的资深人员对AI辅助漏洞挖掘效率的满意度，只有58.3%。报告的结论很直白：AI提效，并不意味着可以替代专业判断。
把两组数字拼起来，答案就出来了：**被淘汰的从来不是"学过知识的人"，而是"只会复述知识的人"。**知识的价值没有消失，是转移了——从"记住它"转移到"指挥它"。
那到底学什么？一个"M"，两个动作
风闻9月22日刊文提出一个"M型知识结构"：不同于传统"一专多宽"的T型，M型要求你在两个以上领域都有深度——专业学科之外，再加数据分析、设计思维或伦理判断中的一两根柱子，再用广博素养把它们连成网。AI可以填平单点专业的差距，但跨域连接、价值权衡、现场担责这些"搭桥"的活儿，只能由人完成。
结构听着抽象，落到行动上今天就能开始：
**把AI从"答案机"改造成"提问机"。**下次用AI学习，别问"XX是什么"，先写下你自己的理解，再让AI扮演考官反过来追问你，看你在哪一步卡壳——卡壳的地方，就是真正要学的地方。我平时用 spark1.cn 的 /ai-writer 就是这个路数：让它出初稿，然后逐条追问"这个数据出处在哪、这个论证成不成立"，练的正是提问和判断这两块肌肉。
**用"专业+AI"做一件小东西。**学心理的，用AI搭一个情绪记录小工具；学财务的，让AI帮你把一个月的票据分拣归档。M型结构不是学出来的，是做出来的——做一次，你的专业柱子和AI柱子就自然连上了一根横梁。spark1.cn 的 /toolchains 里有按场景分好的工具链，挑一个离你专业最近的先上手。
至于第三个动词"负责"，它没有捷径：跟真人当面谈一次判、为一个决定兜一次底、把一件事从头跟到尾。责任感只能在真实世界里长出来，这也是AI永远替你不了的部分。
AI越强大，值钱的反而越是人本身。这道题，院士们其实已经给了标准答案：带着问题来，带着方向走。你不需要比AI知道得多，你只需要比昨天的自己更会提问、更敢判断。
💬 评论