AI正在重写大学专业版图：哪些专业在消失，哪些在新生？

一、引言：从“专业选对了”到“选什么都有风险”

2025 年的高考志愿填报季，一位家长在朋友圈写下：以前是“选对了专业就选对了人生”，现在是“选什么专业都有风险”。 这句话道出了无数家庭的焦虑。曾经以就业为导向的专业选择，如今正被一场前所未有的技术革命彻底颠覆——人工智能的全面崛起。 本文将系统梳理 AI 对各专业的影响、不同学科的差异化命运，并为学生、家长和高校提供切实可行的决策参考。我们会发现：这场变革既是危机，更是重新定义“人才”的历史机遇。

二、宏观图景：史上最大规模专业调整潮

2.1 新增专业：数据科学与大数据技术领跑

“十四五”期间，中国高等教育专业设置经历了前所未有的调整期。据统计，全国高校新增本科专业布点 1.02 万个，在服务国家战略和现代产业发展需求的导向下，一批新兴专业应运而生。 从新增专业来看，大数据、人工智能、机器人相关领域是增设的绝对热点。以数据科学与大数据技术为例，该专业在近十年间新增数量达到 760 个，位居所有新增专业之首。人工智能专业、机器人工程专业紧随其后，成为高校布局的新方向。 这一趋势与国家战略需求高度契合。随着数字经济成为国民经济的重要组成部分，掌握数据处理和智能技术的人才成为稀缺资源。教育部在 2020 年提出“新工科、新医科、新农科、新文科”全面启动的建设方针，旨在培养适应新时代需求的复合型人才。在此背景下，相关专业迎来爆发式增长。

2.2 撤销专业：“十四五”期间撤销或停招 1.22 万个

与新增专业相对应的，是专业撤销数量的急剧增长。“十四五”期间，全国高校撤销或停招本科专业达 1.22 万个。这一数字反映了市场需求的结构性变化、技术迭代速度超过课程更新速度，以及高校在财政压力下对“实用性”导向的追求。 从撤销专业的类型来看，设计类专业位居撤销榜前列，印证了 AI 对设计领域的深刻冲击。信息管理与信息系统专业曾是高校布局的热门，但其在 AI 时代面临尴尬的处境：传统的管理信息系统知识已被云计算、SaaS 等新技术替代，而编程和数据分析能力又不及纯计算机专业出身的学生。这种“高不成低不就”的困境，使其成为高校专业优化的重点对象。 专业撤销的背后是多重因素的叠加。首先是市场需求的结构性变化，某些专业培养的人才无法适应新兴岗位的能力要求；其次是高校财政压力加剧，在“实用性”导向下投资回报率低的专业首当其冲；再次是技术迭代速度超过课程更新速度，导致知识体系的老化。 在‘减法’与‘加法’同时进行的同时，一场更具想象力的‘乘法’正在发生——交叉学科的崛起。

2.3 交叉学科崛起：新机遇还是新泡沫

在传统专业面临调整的同时，交叉学科呈现出强劲的发展势头。《普通高等学校本科专业目录（2026 年）》首次在“交叉学科”门类中列入未来机器人、交叉工程、具身智能、脑机科学与技术等专业，体现了国家对交叉学科发展的战略性支持。教育部还支持哈尔滨工业大学、北京航空航天大学等 9 所高校增设具身智能新专业，推动新一代人工智能与实体经济深度融合。 交叉学科的兴起反映了 AI 时代对复合型人才的迫切需求。当单一学科知识无法应对复杂问题时，跨学科的视野和能力变得至关重要。一个优秀的人工智能产品经理需要同时理解技术边界、用户需求和商业逻辑；一个合格的数据伦理专家需要兼具法律、哲学和技术背景。这些能力边界模糊的岗位，催生了对交叉学科培养模式的需求。

三、部分学科影响分析：哪些专业正在被 AI 重塑

3.1 外语与翻译专业：首当其冲的“重灾区”

在所有受 AI 冲击的专业中，外语与翻译专业无疑是最先感受到寒意的群体。澎湃美数课对 600 个本科专业的分析显示，翻译专业的 AI 替代指数高达 8.0 分（满分 10 分），在所有专业中位居榜首。英语专业的替代指数同样为 8.0，理由如出一辙——其核心能力“具有扎实的相应语言基础和较熟练的听、说、读、写、译”高度标准化，AI 模型能够通过大规模语料学习快速掌握这些技能。 这一判断并非理论推测，而是已被就业市场数据所证实。智联招聘与北京大学国家发展研究院联合发布的《AI 大模型对我国劳动力市场潜在影响研究：2024》明确指出，编辑和翻译类职业未来被大模型替代的风险极高，相关岗位在招聘市场中的比例已经开始下降。AI 翻译工具不仅能够处理日常对话翻译，在专业文献、法律合同、技术文档等领域的翻译质量也迅速提升。 面对这一挑战，部分高校开始探索新的培养方向。翻译专业学生不再仅仅学习语言技能，而是被要求掌握 AI 翻译工具的使用方法、具备译后编辑能力、了解特定领域的专业知识，以期在“人机协作”模式下保持竞争力。这种转型虽然是被动的，但也在一定程度上为专业发展开辟了新的可能性。

3.2 新闻与传播专业：能力分化的典型案例

新闻与传播专业的 AI 替代指数为 6.8 分，在受冲击专业中处于较高水平，但呈现出明显的分化特征。从替代机制来看，新闻学专业中“采写能力”和“社会活动能力”两项核心能力受 AI 影响最大。AI 可以快速生成符合语法规范的新闻稿件，可以基于数据模式撰写体育比赛、股价波动等格式化报道，但深度调查报道中的复杂判断、记者与受访者之间的情感连接、现场应变能力，这些构成了新闻工作者难以被替代的核心竞争力。 这种分化揭示了一个重要规律：AI 擅长处理标准化、格式化的任务，但在需要情感投入、人际互动和创造性判断的领域表现乏力。新闻专业的价值不再体现在信息采集和文本生成的基础能力上，而在于深度洞察、独特视角和社会责任感这些“人之为人”的特质。 一些高校已经开始调整新闻传播专业的培养方案，强化数据新闻、媒体融合、批判性思维等方向的课程设置。学生不仅需要学会使用 AI 工具提高效率，更需要培养 AI 无法替代的专业判断力和人文关怀精神。

3.3 计算机专业：意外的消息

如果说翻译和新闻专业受冲击尚在预料之中，那么计算机专业出现在“高风险”名单中则出乎许多人的意料。澎湃美数课的分析显示，包括计算机科学与技术在内的专业，同样面临 AI 带来的结构性挑战。 美国劳动力市场的数据更是提供了直观的证据：计算机工程和计算机科学的失业率分别达到 7.5%和 6.1%，不仅高于艺术史专业，甚至高于一些传统观念中“就业困难”的文科专业。这一现象的根源在于：基础编程工作正在被 AI 工具所替代。GitHub Copilot、Claude Code、Codex 等代码生成工具能够根据自然语言描述自动生成代码，AI 模型在调试、优化、文档编写等方面的能力也在快速提升。 这并不意味着计算机专业失去了价值，而是意味着该专业的核心竞争力正在发生转移。系统架构设计、算法创新、AI 模型底层开发、跨领域技术整合——这些需要深度专业知识和创造力的工作，仍然是人类的领地。计算机专业学生需要从“写代码的人”转变为“设计系统的人”，从“学习某种语言”转变为“理解计算本质”。

3.4 理科专业：同样无法幸免

AI 的冲击波同样波及自然科学领域。信息与计算科学、应用统计学等理科专业的核心能力——数据分析、模型建立、统计分析——正在被 AI 工具部分替代。AI 可以快速完成数据清洗、特征提取、模型训练等标准化流程，在某些场景下的效率和准确性甚至超过人类研究者。 这是否意味着理科专业整体面临危机？答案并非如此简单。AI 在需要原创性科学发现、复杂问题创新解决、前沿理论构建等领域的能力仍然有限。数学家证明猜想、物理学家提出新理论、化学家设计新分子——这些工作需要的不仅是计算能力，更是创造性思维和对未知领域的探索精神。 理科专业的优势在于，它们培养的逻辑思维和问题解决方法具有高度的迁移性。即使具体的专业知识可能部分被 AI 掌握，分析问题、构建解决方案的能力仍然是宝贵的。关键在于，理科教育需要更加注重培养学生的问题意识和创新能力，而非仅仅是计算技能。

3.5 相对“安全”的专业：低风险但非绝对

在澎湃美数课的分析模型中，哲学专业的 AI 替代风险最低，农学和历史学专业也处于较低水平。这些专业的共同特征是：核心能力涉及深度人类思考、价值判断和历史理解——这些正是当前 AI 技术的能力盲区。 临床医学是一个有趣的案例。尽管从纯能力角度看，其 AI 替代指数达到 5.75 分，属于中等风险水平，但实际替代风险远没有那么高。原因在于医疗领域存在显著的社会伦理壁垒：患者和家属难以接受由 AI 做出生死攸关的医疗决策，法律责任的界定尚不清晰，监管框架也未完全建立。技术能力与社会接纳度之间存在鸿沟，这为相关从业者提供了缓冲空间。 梵语、巴利语等“小众”专业的 AI 替代指数仅为 2.2 分，表面上看是“安全”的选择，但这类专业全国仅北京大学招收本科新生，招生规模极为有限，且就业出口狭窄。完全按照 AI 替代风险来选择专业，同样不可取。 AI 替代指数低的专业，往往也意味着就业出口窄——安全与稀缺，永远是硬币的两面。

3.6 艺术类专业：危机与机遇并存

设计类专业在专业撤销榜上位居前列，这反映了 AI 对创意产业的深刻影响。AI 生成图像、视频、音乐的能力快速提升，能够在短时间内产出符合商业需求的设计作品。这意味着传统设计教育培养的技能——如软件操作、视觉排版、元素组合——面临被工具化的风险。 然而，艺术的核心价值并非技术执行，而是创造力和审美判断。AI 可以生成符合规则的画面，但难以创作触及灵魂的作品；可以模仿某种风格，但无法真正理解风格背后的文化内涵和情感表达。艺术家独特的生命体验、审美取向、创造性突破，构成了 AI 无法逾越的护城河。 更为重要的是，AI 本身正在成为艺术创作的新工具。数字艺术家、交互设计师、AI 艺术策展人等新兴职业形态的出现，为艺术专业的学生提供了新的发展方向。关键在于将 AI 视为创作的伙伴而非对手，在人机协作中探索艺术的新的可能性。

四、行业视角：哪些职业正在被 AI 替代

4.1 高风险职业：已出现招聘比例下降

智联招聘与北京大学国家发展研究院的研究报告为我们提供了劳动力市场变化的直接证据。以下职业类别已经出现或即将出现显著的岗位减少：

• “编辑与翻译类职业”首当其冲。AI 翻译工具的准确率已接近人类专业译者水平，在商务文档、技术手册、新闻资讯等领域广泛应用。与之相关的校对、录入、排版等辅助岗位同样面临压缩。
• “金融与保险服务的基础岗位”受到冲击。智能投顾系统能够根据用户风险偏好和投资目标自动生成组合建议；AI 客服可以处理大部分常见保险咨询和理赔流程；自动化系统能够完成财务报表分析、风险评估等曾经需要专业分析师完成的工作。
• “销售与商务拓展的部分环节”也被 AI 渗透。智能 CRM 系统能够自动跟进潜在客户、生成个性化营销内容、预测客户转化概率，部分替代了传统电话销售的部分工作。
• “基础会计与审计”同样难以幸免。自动化软件可以完成发票处理、账目核对、财务报表生成等标准化工作，AI 审计工具能够快速识别异常交易和潜在风险。

4.2 低风险职业的共同特征

与高风险职业相对应，以下类型的职业在 AI 时代具有相对优势：

• 需要复杂决策和判断的职业。战略规划、组织管理、危机处理等需要综合考量多重因素、权衡利弊得失、承担不确定后果的工作，AI 难以独立完成。
• 强人际交往与情感共情的职业。心理咨询师、社会工作者、教师、护理人员等需要深度人际互动、情感支持和人文关怀的职业，AI 可以提供辅助但难以替代 human touch。
• 高度创造性的职业。科学家、作家、艺术家、设计师等需要原创性思维、突破性想象的工作，AI 可以激发灵感但无法取代人的创造力。
• 跨领域整合能力的职业。产品经理、战略咨询师、政策分析师等需要整合多领域知识、处理复杂系统的职业，AI 当前仍难以胜任。

4.3 AI 时代新职业的崛起

与岗位减少相对应的是新兴职业的出现。AI 训练师负责设计和优化训练数据，帮助 AI 模型更好地完成特定任务；提示词工程师专注于设计有效的指令文本，挖掘 AI 的潜力；数据伦理专家关注 AI 应用的伦理边界，确保技术发展符合人类价值观；人机协作设计师研究如何在工作流程中优化人机配合，提高整体效率。 这些新职业的共同特征是：需要深入理解 AI 的能力边界和人类的核心优势，在人与 AI 之间搭建桥梁。对于即将进入职场的学生而言，培养这些“桥梁能力”可能比单纯学习某项具体技能更有长期价值。

五、高校变革：从“计算机+X”到“学科+AI”

5.1 课程体系重构：AI 通识课全覆盖

面对 AI 技术的浪潮，中国高校正在经历从教学模式到课程体系的深刻变革。人工智能通识课程全覆盖已成为趋势：北京市属高校在 2024 年 9 月率先实现人工智能通识课程全覆盖；江苏省推出“人工智能通识课”专栏，天津市开放 3 门市级人工智能通识课，覆盖多所高校学生。 顶尖高校的探索更为深入。清华大学在 2024 年秋季学期已有 113 门课程实践人工智能赋能教学，并与智谱 AI 共建“人工智能教育赋能项目”；复旦大学建设了包含 116 门课程的 AI-BEST 课程体系，2024 年秋季学期开设 61 门；南京大学构建了"1+X+Y"三层次人工智能通识核心课程体系，面向全体本科新生开课。 这些课程不仅是简单的技术培训，更强调培养学生的 AI 素养——理解 AI 的能力边界、了解 AI 的工作原理、掌握与 AI 协作的方法。正如麦可思报告所指出的，人工智能成必修已成为高校改革的共识性方向。

5.2 教学模式革新：从知识传授到启智塑魂

AI 不仅改变了“教什么”，也深刻影响了“怎么教”。大语言模型驱动的“三元交互”教学模式正在成为主流：教师、学生和 AI 构建起协同认知网络，教师的角色从单纯的知识传授者转变为学习过程的智慧引导者，学生则通过与 AI 的实时互动获得个性化的学习支持。 AI 导师和 AI 教学平台的引入正在颠覆传统的高校教学。部分高校建立了自有 AI 平台，允许教职员工创建定制化的聊天机器人和 AI 工具，为研究和教学提供支持。计算机、公共卫生、人文科学等多学科在教学中加强了对学生 AI 素养的培养，推动学生将 AI 工具融入学习全过程。 更深层的变化发生在教育理念层面。正如《2025 高等教育人工智能发展报告》所指出，教育的本质目的正在从“授业解惑”转向“启智塑魂”。智能系统擅长处理标准化认知流程，而教育则应守护思辨性思维、同理心与创造力的火种。这些培养学生区别于机器的特质，成为 AI 时代教育的核心使命。

5.3 师资挑战：AI 素养成为新门槛

教师角色正在发生深刻转变：从知识权威转变为学生成长的引导者，从课程内容的传递者转变为学习过程的设计者。这种转型需要教师具备技术整合、学习设计、伦理引导三重能力。技术整合能力帮助教师有效使用 AI 工具；学习设计能力让教师能够设计适应 AI 时代的学习活动；伦理引导能力则帮助学生正确理解和使用 AI，避免潜在的风险和伦理问题。

5.4 核心困境：制度与技术的赛跑

高校 AI 教育面临的核心困境在于：课程更新周期（3-5 年）远长于 AI 技术迭代周期（6-12 个月）。2023 年 Gartner 调研显示，毕业生技能与企业需求脱节率达到 45%，这一数据凸显了教育供给与市场需求之间的错位。 此外，70%的地方高校缺乏校企联动的 AI 实训环境，学生缺乏实践机会。产教融合虽然被呼吁多年，但真正落地并产生实效的模式仍然有限。高校在理论教学方面的优势与企业对实操能力的期望之间，存在显著的落差。 学科与评价壁垒是另一重困境。现代学科体系基于 19 世纪的专业化分工，与 AI 时代需要的“T 型人才”形成冲突。学科评估、职称评审等制度强化了学科壁垒，跨学科培养面临制度性障碍。领英《全球人才趋势报告》显示，83%的企业 HR 认为传统 GPA 无法有效评估跨学科问题解决能力，这对现行评价体系提出了质疑。

六、辩证思考：文科价值的重新审视

6.1 “文科大撤退”现象

在全球范围内，文科专业正经历前所未有的危机。麦可思报告指出，高校财政赤字加剧背景下，停办“实用性”不强的文科专业成为许多高校的选择，文史哲及艺术类专业沦为全球大学专业裁撤的“重灾区”。 这一现象有其经济逻辑：大学需要在有限资源下追求最大化的就业回报，文科专业被认为难以直接转化为就业竞争力。英国学生事务办公室的报告显示，2023 至 2024 学年，约 40%的英国大学可能面临“财政赤字”的尴尬局面；日本少子化正在以超出预期的速度发展，可能导致超过 200 所大学因缺少生源而倒闭。在此背景下，加大对就业高回报课程和项目的投入成为普遍选择，文科专业因此面临更为严格的就业审查。

6.2 为文科辩护的声音

然而，在“文科大撤退”的浪潮中，为文科价值辩护的声音也在扩大。这种辩护并非基于盲目的学科情怀，而是建立在对 AI 技术能力边界的理性认知之上。 首先是情感与共情能力的维度。AI 可以生成符合语法和逻辑的文本，但无法触及人类独有的情感共鸣和审美体验。正如《2025 高等教育人工智能发展报告》所指出，在文学创作中，AI 能生成符合语法和逻辑的文本，却无法触及人类独有的情感共鸣和审美体验。某高校认知科学实验室通过脑机接口技术研究发现，人类在学习过程中的神经活动模式具有 AI 难以模拟的复杂性。 其次是批判性思维的价值。AI 基于已有数据进行推理和生成，但难以进行真正独立的批判性思考。当代社会需要能够质疑权威、识别偏见、推动进步的独立个体，这些能力正是人文社科教育的核心培养目标。 复旦大学教授牛新春在接受澎湃新闻采访时明确指出：“无论文科还是理工科人才培养都必须回应高技能、复合技能培养这个诉求。智能时代人才培养要把育人的重点从知识传授真正转移到能力和素养的培育。”这一观点强调了教育的本质不在于传递特定知识，而在于培养学生的思维能力和综合素质——这恰恰是文科教育的传统优势所在。

6.3 复合型人才成共识

无论对文科价值持何种立场，一个共识正在形成：复合型人才是 AI 时代的核心竞争力。麦可思报告显示，65.71%的学生对 AI 技能在职业中的应用“非常期待”，84.21%的教师认为 AI 技能对学生职业发展“非常有帮助”，60.44%的企业人员认同这一判断。AI 技能已成为师生与企业的共识性核心竞争力。 这意味着文科生需要掌握一定的信息技术能力，理工科生同时要具备人文精神和批判性思维。纯文科或纯理工科的培养模式都在受到挑战，跨学科、跨领域的知识整合能力成为关键。 这种趋势在专业设置上已有体现。新闻传播专业加入数据新闻和媒介融合方向；法律专业增设科技法子和知识产权方向；金融专业强化编程和数据分析能力——这些变化反映了复合型人才培养的探索方向。

七、未来趋势与应对建议

7.1 学生的应对策略

面对 AI 带来的不确定性，我们可以从以下几个方面主动应对：

• 培养 AI 无法替代的核心能力。批判性思维、创造力、人际协作能力、复杂问题解决能力——这些是 AI 当前的短板，也是教育应该强化的方向。学生在学习专业知识的同时，需要有意识地锻炼这些“软技能”。
• 主动学习 AI 工具，成为人机协作的强者。调研显示，仅 1.98%的大学生能熟练运用 AI 解决问题，65.08%处于“会使用但不熟练”状态。这意味着大多数学生尚未充分利用 AI 带来的机遇。掌握 AI 工具的使用方法，理解其能力边界，将成为竞争的重要优势。
• 关注交叉学科机会，但需理性选择。交叉学科提供了新的可能性，但学生需要关注培养方案的质量和实际的就业情况，避免被“概念新颖但实质空洞”的专业所迷惑。
• 建立终身学习能力。在技术快速迭代的时代，“选一个专业、学一种技能、吃一辈子饭”的模式正在终结。培养持续学习的能力，比掌握任何具体知识都更为重要。AI 不会淘汰人，但不会使用 AI 的人可能会被熟练使用 AI 的人所淘汰。

7.2 高校的改革方向

高校需要在以下方面持续发力：

• 构建“动态适应”机制。课程、师资、技术、评价需要形成协同进化的生态系统，缩短课程更新周期，提升对技术变化的响应速度。
• 打破学科壁垒，推动跨学科培养。在保持专业深度的同时，增强学生的跨领域视野和能力，这是培养“T 型人才”的制度保障。
• 强化“教育-科研-产业”数据闭环。通过与企业的深度合作，了解真实的市场需求，将最新的技术和行业趋势融入教学内容，提升人才培养的针对性。
• 重视 AI 伦理教育。随着 AI 应用的普及，技术伦理问题日益突出。培养学生识别算法偏见、理解数据伦理、应对 AI 带来的社会挑战，是高等教育不可回避的责任。

7.3 政策层面的建议

从更宏观的视角看，相关政策可以在以下方面提供支持：

• 推动 AI 教育治理制度化。2025 年地平线报告指出，人工智能教育应用正在从探索阶段、规范阶段走向制度化治理的深度整合阶段。政策框架的完善有助于规范 AI 在教育中的应用边界。
• 加强网络安全与批判性数字素养培养。AI 带来便利的同时也伴随着风险，学生需要具备识别虚假信息、保护个人隐私、理解算法逻辑的能力。
• 完善 AI 伦理规范。随着 AI 在更多领域的应用，伦理问题的复杂性日益增加。建立完善的 AI 伦理框架，为教育者和学生提供清晰的行为指引，是推动 AI 健康发展的重要保障。

八、结语：在时代洪流中寻找确定性

AI 技术的发展正在深刻重塑高等教育的格局。这种重塑既带来冲击，也孕育机遇；既意味着挑战，也蕴含着变革的可能。 对于个体而言，专业选择的重要性或许需要重新审视。在 AI 时代，真正重要的不再是选择一个“不会被淘汰”的专业，而是培养持续学习、适应变化的能力。教育从“传授知识”转向“培育能力”的趋势，在 AI 技术的映照下显得尤为清晰。无论选择什么专业，批判性思维、创造力、人际协作能力这些“人之为人”的特质，将成为我们在 AI 时代安身立命的根本。 对于教育机构而言，变革的压力同样蕴含着创新的机遇。率先拥抱变化、探索新模式的高校，将在未来的竞争中占据优势。从“计算机+X”到“学科+AI”的转型，不仅是课程内容的更新，更是教育理念的深刻变革。 对于整个社会而言，AI 带来的劳动力市场重构需要系统性的应对。政策制定者、教育工作者、企业界需要协同合作，共同构建一个既能发挥 AI 优势、又能保障人类福祉的制度环境。 技术的浪潮不可逆转，但人类的方向可以选择。在 AI 重塑一切的时代，我们既是参与者也是塑造者。教育的本质——启智塑魂——在技术喧嚣中反而更加凸显其价值。因为无论 AI 如何发展，理解世界、创造意义、关怀他人，始终是人类最独特的使命。 在 AI 重塑一切的时代，我们最终会发现：真正不会被淘汰的，不是某个专业，而是“会用 AI 的人”和“比 AI 更像人的人”。 参考来源

• 斯坦福大学 HAI《2025 年人工智能指数报告》
• 麦可思《中国-世界高等教育趋势报告（2025）》
• 和鲸社区《2025 高等教育人工智能融合发展研究报告》
• 智联招聘 x 北京大学国家发展研究院《AI 大模型对我国劳动力市场潜在影响研究：2024》
• 澎湃新闻《大学 2025》系列报道
• 《2025 年地平线报告（教学版）》
• 教育部《普通高等学校本科专业目录（2026 年）》