选专业最怕押中今天，输给毕业那年

“AI来了，还能不能学计算机？”这个问题最诱人的地方，是它好像只需要一个专业名词作答案。

可大学通常要读几年。今天看到的招聘标题、工具热度和行业薪资，到了毕业那年可能已经换过一轮。如果选择只建立在“现在什么最吃香”上，做决定时用的是今天的价格，承担的却是几年后的结果。

最近读到一篇讨论金融、数学和计算机专业的文章。作者认为，大变化里不能拿上一代的成功路径安排下一代。原文进一步预测了一些职业会消失，我没有足够证据替它下这个结论；但把视线从专业名移到变化中的任务，方向是对的。

Anthropic 2026 年的 Economic Index 用真实 Claude 对话观察任务级的AI使用和复杂任务成功率。它能说明不同任务受AI影响的方式并不一样，却不能直接证明某个完整职业一定消失。职业由许多任务组成，专业又不等于一个职业标题。

因此，我会把选专业拆成三层看。

第一层是难迁移但能长期复用的基础，例如数学、写作、实验、统计和对现实问题的理解。第二层是会快速变化的工具，例如某种编程语言、模型或平台。第三层是进入真实场景的能力：能不能理解需求、判断证据、和不同角色协作，并对结果负责。

只押工具，容易在工具换代时被动；只谈基础，又可能四年都碰不到真实问题。更稳的组合，是基础能支撑继续学习，工具让人尽早做出东西，场景让知识接受现实检验。

这也改变了我对“专业有没有前途”的看法。比起猜四年后哪个岗位最热，我更关心一个选择能不能留下多个出口：继续深造、进入不同产业、转向相邻角色、独立完成一个小项目。出口越多，预测错一次的代价越小。

专业选择无法避开不确定性。能做的不是把未来猜准，而是别把全部筹码压在今天最响亮的岗位名上。

资料：

来源