“我一个学生，今年刚毕业，柏克莱计算机系的，你们知道吧？全球顶尖的那种。结果呢？投了一千多份简历，就换回来两次面试机会。”
这事儿我前两天跟一个在硅谷大厂干了十几年的老哥吃饭，他喝了两口酒，一脸唏嘘地跟我说。我当时筷子差点掉桌上，我嘞个去，这可不是啥野鸡大学，这是CS专业的神坛啊！连这种“天之骄子”都开始面临毕业即失业的尴尬，我们是不是得重新掂量掂量，那个曾经被捧上天的“理工科万能论”，在AI这股妖风面前，还站得住脚吗？
说实话，以前咱们聊AI冲击，总爱拿文科生说事儿，什么“AI写稿子比记者快”、“AI画画比美工强”，搞得文科生们人心惶惶。但最近这一年，风向变了，而且变得很彻底。ai时代理工科危机这个听起来有点违和的词，正在硅谷、在中关村的写字楼里，变成活生生的现实。
代码不是护城河，而是“新体力活”
你以为学个编程、会写个代码就是一辈子吃不完的铁饭碗？醒醒吧，老黄历了。
以前的程序员，那叫“码农”，靠手速、靠记语法、靠堆代码行数吃饭。现在呢？你看那些大厂，人家要的是啥？是“AI原生工程师”。啥意思？就是你不再是那个吭哧吭哧写代码的执行者了，你得变成一个“管家”或者“指挥家”-3。
你要学会怎么把一个大任务拆解开来，然后分配给不同的AI代理人去干。你干的最多的活儿，不是敲键盘，而是“编排”，是“纠偏”。这就好比以前你是工地搬砖的，现在你得是那个看图纸、指挥吊车的工头。如果一个AI在你给的指令下跑偏了，产生了“幻觉”，你得能第一时间看出来，并且修正它的“理解偏差”-3。
说句糙话，那种只要求你“会写代码”的初级岗位，正在被AI像吃零食一样消灭掉。甚至连科研圈都这样，《自然》杂志前段时间发了个调查，说现在好多实验室，以前得专门招个程序员来写科研代码、处理数据，现在？一个AI插件全搞定。连招研究生都开始变得谨慎了，因为AI能分担掉好多基础工作-1。这带来的后果很严重，就像我朋友说的，万一以后本科生、研究生连在实验室打杂的机会都没了，那未来那些顶级的科学家从哪儿冒出来？人才梯队的断层，才是隐藏在水面下的冰山-1。
“能做”和“会想”之间，隔着一条银河系
所以，现在理工科的核心竞争力，到底是什么？难道我们学了那么多年的数学、物理、算法，就这么废了？
当然不是！我得给你吃个定心丸。虽然AI能写代码、能跑数据，但它有一件事暂时还干不利索，那就是——判断哪个问题值得研究，以及为什么要这么干-1。
这事儿我感触特别深。前阵子看了一个高校专家的访谈，他说现在学生最大的焦虑，是怕自己辛辛苦苦搞了几年的研究方向，一夜之间被大模型给“平推”了-4。这种焦虑，我能理解。但反过来想，为什么会被平推？因为很多人做研究，是“追热点”，是在别人搭好的框架里做优化。AI最擅长的就是这个。
但如果你有扎实的数理基础呢？AI再牛，它底层跑的还是数学模型。一个搞物理的同学跟我说，他们现在用AI辅助做实验报告，AI能瞬间给出数据分析，但如果你不懂麦克斯韦方程组，你就看不懂AI给的结果到底对不对，甚至AI给你瞎编一个结论你都不知道-7。
还有一种能力，叫“解决真问题”的能力。啥叫真问题？就是你得去工地、去工厂、去医院看看，而不是光对着电脑屏幕敲代码。同济大学有个很牛的专业叫“土木+法律”，说白了就是既懂盖房子又懂法律条文。这种复合型人才，在房地产纠纷、工程索赔的时候，那简直就是“大熊猫”级别的稀缺资源-8。AI能背下所有法律条文，但它能理解工地上农民工和包工头之间的那点微妙的人情世故吗？能看懂图纸上的那个标注背后隐藏的造价猫腻吗？暂时不能。
打破那堵“墙”，别把自己锁在实验室里
面对这场ai时代理工科危机，咱们这些正在读书的、或者刚入行的理工科娃，到底该怎么办？
我的看法是，得学会“跨界打劫”。你看国家现在大力推的“卓越工程师”计划，强调的就是“产学研”一体化。说白了，就是让大学和企业把围墙拆了，让学生直接去解决企业的真实痛点-2。比如慕尼黑工业大学的学生，直接在西门子的实验室里搞研发，那种成长速度，是在学校里闭门造车能比的吗？-2
还有，别看不起那些动手的活儿。AI搞得定数字世界，但在物理世界里，它还是个“瘸子”。你让AI去拧个螺丝、去显微镜下调个样本、去野外勘测个地形，它大概率会抓瞎。这就是为啥现在具身智能这么火——因为它试图让AI在物理世界里也有感知-4。但这个过程中，最缺的反而是懂硬件、懂机械、懂材料、懂算法的“通才”。如果你既能写代码，又能玩转机械臂，那你就是AI时代的“稀有物种”。
也是最重要的——心态得稳。别被那些“AI取代人类”的标题党吓破胆。技术变革从来都不是简单的替代，而是升级。就像当年CAD软件出来，画图工下岗了，但设计师的需求更大了。AI也是一样，它会消灭那些重复性的、机械式的脑力劳动，但对于那种需要提出好问题、需要深度思考、需要跨领域整合的能力，需求只会越来越大-8-6。
所以，别焦虑了。理工科不是不行了，是以前那种“只要会写代码就能躺赢”的好日子结束了。以后比的不是谁手速快，而是谁的脑子更活，谁能把AI这个超级工具用得最溜，谁能把冷冰冰的技术变成解决人类真实需求的温暖方案。
别指望“一招鲜吃遍天”了，在这个时代，唯一的护城河，就是你持续学习和拥抱变化的能力。
网友1（一个即将毕业的自动化专业本科生）： 博主说得挺实在的，但我现在面临最现实的问题是：今年秋招，我发现很多传统制造业的岗位都要求“熟悉AI算法”，我们学校教的还是老一套的PLC编程和经典控制理论。我这种既没有项目经验、算法又比不过计算机系的人，是不是只能去送外卖了？有没有什么短期内能自救的办法？
博主回复：
哎，兄弟，你这个问题问得太扎心了，但也确实问到点子上了。我特别理解你这种“两头不靠岸”的尴尬，感觉学校教的“屠龙刀”一出校门发现龙都变种了。
我给你支三招，都是比较务实的“自救”操作：
第一，别跟计算机系的拼算法，去拼“场景落地”。 你自动化的优势在哪里？在物理世界。AI算法再牛，最后是不是得在电机上跑？得在产线上用？你的PLC、你的控制理论，就是连接算法和物理世界的“最后一公里”。你现在赶紧去B站或者一些开源社区，找那种“AI+工业控制”的项目，比如用Python调用一个简单的神经网络模型去控制一个仿真机械臂，或者做一个基于视觉识别的物料分拣小demo。你把简历上那些空洞的“熟悉C++”改成“实现了基于视觉的机械臂抓取Demo”，含金量立马不一样。你不需要成为算法大牛，你得成为那个“能把算法塞进机器里让它动起来”的人-4。
第二，去中小企业，特别是那些做“专精特新”的实体企业。 大厂现在确实卷算法卷得厉害，但大量传统制造业在数字化转型，他们急需懂点AI又懂自动化的人来帮他们改造产线。这类企业可能开不起互联网大厂的高薪，但对人才的渴求度非常高，你能接触到的业务链条也更完整，成长会很快。别盯着那几个头部大厂，把眼光放低一点，路就宽了。
第三，把AI当成你的“外挂大脑”，但别让它替代你的思考。 面试的时候，人家问你专业知识，你不能说“我问AI”。你得把AI当成工具，比如你可以说：“我利用AI帮我快速梳理了某个控制算法的多种实现方案，然后我通过对比和仿真，选出了最适合当前工况的一种。”这体现的是你利用工具解决问题的能力，而不是依赖工具的能力。这才是企业真正想要的人。
网友2（一个正在读研一的材料科学与工程专业学生）： 老师，我读的是材料，天天在实验室“搬砖”（做实验），感觉AI离我很远。但最近看新闻说AI能预测材料结构，像AlphaFold那种，我好慌，感觉自己还没出师就被AI判了死刑。我们这种做“湿实验”的，未来还有出路吗？
博主回复：
同学，你这个担心，其实有点“当局者迷”了。我先给你吃个定心丸：在AI浪潮里，你现在干的“湿实验”，恰恰是短期内最安全、甚至可能价值越来越高的岗位。
为啥？你想想，AI像AlphaFold确实能预测结构，但它预测出来的东西，是不是最终还得靠你们材料人去合成、去表征、去验证它到底能不能用？-1 AI可以告诉你理论上这个配方可能行，但怎么烧制、温度怎么控制、掺杂比例怎么微调才能让它实际做出来有那个性能，这其中的“手艺”和“经验”，AI暂时还学不会。因为这里面有太多不确定性，太多的“玄学”了。
所以，你的出路不是“逃离实验室”，而是 “武装实验室”。
学会用AI工具辅助你的实验设计。 以后做材料研究，可能不再是盲目地试错。你要学会利用AI去帮你筛选文献、预测可能的合成路径，然后你用你的“手”去验证。这会让你从“体力劳动者”（重复烧炉子）变成“脑力劳动者”（设计实验方案）。
强化你的表征和分析能力。 AI能生成数据，但它看不懂数据背后的物理意义。你如果能在扫描电镜、XRD这些表征手段上练出火眼金睛，能看出别人看不出的细微结构差异，能判断AI生成的数据到底靠不靠谱，那你就掌握了“裁判权”-1。
关注“AI+材料”的交叉点。 现在很多高校和企业在搞“材料基因组计划”，就是利用大数据和AI加速材料研发。你可以主动去选修一点数据科学的课程，或者主动跟导师申请做这方面的课题。你的目标不是转行做码农，而是成为那个既懂材料机理、又会用AI加速研发的复合型人才。这种人才，在未来的材料界，绝对是稀缺资源。
网友3（一个孩子今年高考报志愿的家长）： 博主您好，我孩子今年高考，理科，分数还不错。本来我们想让他报计算机，但现在一看连计算机都这样了，我们迷茫了。到底该报什么专业才能在未来不被AI淘汰？您给个实在的建议。
博主回复：
这位家长，您好。您这个问题，可能是今年最让家长们头疼的问题了。我的建议可能有点反直觉：别盯着“专业”看，要盯着“能力”看。
在AI时代，没有绝对安全的“专业”，只有相对安全的“能力组合”。您给孩子选专业，不能只想着“哪个行业现在赚钱”，因为四年后、七年后（如果读研），行业可能早就变天了。
我给您三个选专业的思路，供参考：
第一，优先选“硬基础”专业，而不是“软应用”专业。 比如，在数学、物理这种基础学科和计算机、金融这种应用学科之间，如果孩子不排斥，我甚至建议选数学或物理。为啥？因为基础学科培养的是最底层的逻辑思维和数理能力，这是AI无法替代的“内功”。内功深厚的人，将来想转任何应用方向，都只是一层窗户纸的事-4-5。而只学了某个具体应用工具的人，工具一旦过时，就什么都没了。
第二，关注那些“离不开物理世界”的专业。 AI再强大，它也活在数字世界里。凡是需要动手操作、需要和真实物理环境打交道的专业，都有一道天然的“护城河”。比如，机械工程（特别是机器人方向）、电气工程（特别是能源系统方向）、生物医学工程、甚至护理、康复等-1。这些领域，AI可以作为强大的辅助工具，但最终的决策、操作、以及对复杂物理环境的应对，还是得靠人。
第三，如果孩子真的想学计算机，那就要做好“卷”高级能力的准备。 计算机不是不能学，但不能以“学一门手艺”的心态去学。要鼓励孩子不仅仅满足于写代码，更要培养系统架构思维、需求分析能力、以及对某个垂直领域（比如医疗、金融、制造业）的深度理解-3-8。未来的计算机人才，是“会用AI构建复杂系统的架构师”，而不是“被AI替代的码农”。
我想说的是，家长的心态比孩子的专业更重要。您今天如果因为焦虑，逼着孩子选了一个所谓“安全”但孩子不喜欢的专业，孩子学不进去，那才是最大的风险。把眼光放长远一点，把选择权交给孩子，鼓励他培养终身学习的能力，这比我们在这里猜哪个专业能“保值”靠谱得多。
