ChatGPT 通过律师资格考试，Midjourney 让插画师失眠，Cursor 正在吃掉初级程序员的饭碗。不到两年时间，AI 从“玩具”变成了“替代者”。

于是，一个尖锐的问题摆在了每个学生、家长和教育者面前：既然 AI 什么都会了，我们还需要学什么？大学四年，到底还有没有价值？

一位从顶尖大学毕业、后来成为 CEO 的资深从业者，在回顾自己数十年的职业生涯时，给出了一个令人意外的答案：如果今天重新参加高考，他依然会报考顶尖大学，而且一定会选择基础性学科。

大学真正教给你的，从来不只是“知识”

回顾这位 CEO 的职业轨迹，他从未在某个单一领域停留。从通讯到互联网，从数据库到人工智能，他一次又一次跨界。外界看来，这像是学了“万金油”专业的好处。但真实原因是：

顶尖大学教会他的，不是某一门专业知识，而是学习新知识的能力、科学的研究方法、对世界较为全面的认知。

这恰恰是当前教育讨论中最容易被忽视的一点。人们习惯用“就业率”和“起薪”来衡量专业的价值，却忘了问一个更根本的问题：四年后，这些知识还有多少不过时？

答案很残酷。技术领域的知识半衰期正在急剧缩短。IBM 的研究表明，工程技术知识的半衰期已缩短到 2.5-5 年。你今天在课堂上学的某个框架，毕业时可能已被替代。但如果大学只教“知识”，它就是在卖一件出厂即贬值的产品。

真正保值的，是那些你看不见的东西。

这位 CEO 坦言，他在工作中从来没有推导过麦克斯韦方程，没有求解过薛定谔方程，也没有使用过球谐函数。坦率地讲，这些知识点的“直接利用率”几乎为零。但是，它们留下的东西，却一直伴随着他：

• 让他习惯于寻找第一性原理，而不是停留在表面现象；
• 让他习惯于把复杂问题抽象成模型，而不是被细节淹没；
• 让他相信任何结论都需要数据验证，而不是依赖经验和权威。

这三种能力——第一性原理思维、抽象建模、数据验证——恰恰是 AI 最无法替代的东西。

AI 是能力放大器，不是能力替代品

当前有一个流行的误解：只要学会了 Prompt 技巧，就能驾驭 AI。但真实情况是，决定 AI 使用效果的，从来不是 Prompt 技巧，而是一个人的认知水平。

同样用 GPT-4，有人只能让它写一封邮件，有人能让它设计一个分布式系统架构。区别不在工具，在使用者。AI 更像一个功率放大器——它不会改变输入信号的“形状”，只会把这个形状放大。

认知浅的人输入浅层问题，得到浅层答案；认知深的人提出深层问题，AI 帮他把探索边界推到更远。

这意味着一个反直觉的结论：AI 时代，基础学科不是变得不重要了，而是变得更重要了。

因为浅层技能——某个软件的操作、某种语言的语法、某类文案的模板——恰恰是 AI 最擅长的替代领域。

而深层能力——提出正确问题的能力、判断答案真伪的能力、从混乱中抽象出结构的能力——恰恰来自基础学科的训练。

• 物理学教你的不是公式，是“这个世界的底层逻辑是什么”的追问习惯。
• 数学教你的不是计算，是“我能把它抽象成什么模型”的思维方式。
• 实验科学教你的不是操作步骤，是“我怎么验证这个结论是对的”的严谨态度。

这些能力，不会因为 GPT-5 发布而过时。

大学真正要培养的三种人

如果把大学教育的终极目标重新校准，这位 CEO 认为，它应该培养三种人：

第一，能提出问题的人。

AI 擅长回答，却不会提问。在信息无限供给的时代，提出一个好问题的价值，远高于找到一个标准答案。爱因斯坦说：“如果给我一小时拯救世界，我会花 55 分钟定义问题，5 分钟解决问题。”大学教育的核心任务，不是塞给学生更多的答案，而是训练他们发现真正有价值的问题。

第二，能判断答案的人。

AI 生成的内容越来越“像真的”，但它同样擅长生成看似合理实则错误的结论。“幻觉”不是 bug，是大语言模型的固有特性。在这个真假边界模糊的时代，批判性思维不是选修课，是生存技能。你需要知道：这个结论的证据是什么？逻辑链条是否完整？有没有被忽略的反例？这些能力，来自基础学科训练中反复强调的“证据意识”和“逻辑完整性”。

第三，能不断探索未知的人。

知识是有边界的，好奇心没有。大学应该做的，不是只教已知的知识，而是点燃学生对未知的兴趣。一门好的物理课不会让你满足于教科书上的标准答案，而是让你忍不住追问：为什么光速不变？为什么熵总是增加？为什么量子纠缠违反直觉？这些问题没有“实用价值”，但它们定义了一个人认知的深度。

给正在焦虑的你

如果你是一个正在选专业的高考生，或者担心孩子前途的家长，这位 CEO 想说的是：不要用“哪个专业最不容易被 AI 替代”来做选择。这个问题的前提就是错的——它假设大学教育是一场躲猫猫游戏，你在前面跑，AI 在后面追，你只需要跑到它暂时跑不到的角落。

真正的思路应该是：选择那个最能训练你底层认知能力的学科。

无论 AI 如何进化，提问的能力、抽象的能力、验证的能力、持续学习的能力，永远不会过时。它们是认知的“操作系统”，应用层面的技能只是这个系统上运行的软件。软件可以升级替换，操作系统才决定了机器能跑多远。

AI 可以回答几乎所有问题。大学真正要培养的，是提出问题、判断答案，并不断探索未知的人。

这样的人，在任何时代都不会过时。

文章来源：微信公众号