这几天家里在帮侄子填高考志愿，饭桌上聊起来，发现一个挺有意思的现象：每个人都在问"该选什么"，但没人能给出一个让人安心的答案。问老师，老师说看分数；问亲戚，亲戚说看稳定；问网上的攻略，攻略列出十个专业，过两年又有新的说法把这十个全推翻。

我现在想明白一件事：与其纠结"正确答案是什么"，不如先把"错误答案"排除掉。因为没人能预测三五年后AI发展到哪一步，但有些方向的风险已经摆在明面上，不需要预测，现在就能看清楚。

先说排除法的逻辑。

判断一个专业会不会被AI冲击，不是看专业的名字好不好听，而是看这个专业训练出来的核心能力，标准化程度高不高、能不能被大模型学会。翻译专业的核心能力是听说读写译，这套东西恰恰是AI最擅长模仿的；而需要跟人长期打交道、建立信任、承担责任的工作，AI替代的风险就低很多。

这个标准一旦成立，很多"错误答案"就浮出水面了。

第一类要排除的：纯粹的信息搬运和规则执行类工作。

基础翻译、初级文案、模板化的财务记账、标准流程的数据录入，这些工作的共同点是规则明确、重复性高，不需要太多判断。今年五月，GPT-4已经通过了注册会计师的执业资格考试，平均分85.1分。一个普通人考注会要脱层皮，AI考过去跟玩似的。这不是危言耸听，是已经发生的事。

如果一个专业培养出来的人，毕业后干的事情就是"把A格式的信息转换成B格式"，这个专业现在就该谨慎对待。

第二类要排除的：单纯追逐AI热度本身的专业。

这个可能反直觉。很多家长一听AI是风口，第一反应是给孩子报人工智能专业。但现实是，本科AI专业现在内卷得厉害。招聘数据显示，超过六成的本科AI岗位月薪不到八千，跟普通计算机专业没什么区别，甚至还差一点。真正年薪几十万的AI岗位，基本是清北复交的硕士博士在做，跟普通本科生关系不大。

AI本身不是一个独立成熟的学科，本科阶段学的更多是计算机、数学、统计的混合体，真正能在算法岗站住脚，大概率要读到研究生。如果孩子没有读研读博的打算，本科直接冲着"人工智能"这四个字去，风险比想象中大。

第三类要排除的：体制内强相关的方向。

这条可能跟很多人的本能想法相反——遇到不确定的时代，大部分家庭的第一反应是往"稳"的地方靠，公务员、事业编、公安军队相关院校，这些路径听起来最抗风险。

但我现在不这么看。这几年财政压力、机构精简、地方债务问题摆在那里，所谓"铁饭碗"这几年也在经历缩编、降薪、延迟入编。它过去稳，是因为过去的经济环境和人口结构撑得住；现在这两个前提都在松动。把孩子的未来押在一个本身也在收缩的系统里，跟押在一个会被AI冲击的行业里，本质上是同一种赌博——都是把判断权交给一个自己控制不了的外部变量。

我不是说体制内不能选，是说不能因为"图稳"而选。如果孩子真心喜欢这条路、认同这份工作的价值，那是另一回事；但如果只是因为家长觉得"进去就安全了"，这个安全感本身值得打个问号。

第四类要排除的：纯体力但又可被设备替代的劳务工作。

这条比较好理解，重复性、机械性强的劳务工作，本质上跟"被一套程序取代"是同一类风险，只是执行体从软件换成了硬件。这类工作不需要多解释。

那排除完这些，剩下的怎么选？

老实说，我没有标准答案，这也是这篇文章想说清楚的事——不是我藏着掖着,是这个问题目前确实没有标准答案。但排除法之外，有一条相对靠谱的方向：找那些需要"行业经验+AI工具"组合、而不是单一技能就能打天下的位置。比如医学里的临床判断、法律里的庭审和复杂案件分析、工程里的现场决策，这些工作AI能给出辅助方案，但担不起责任，也替代不了跟人打交道、建立信任的那部分。

更重要的是，不管最后落在哪个专业，有一种能力是跨专业通用的：把一个模糊的问题讲清楚，然后判断AI给出的答案能不能信、该怎么用。这件事跟专业关系不大，跟一个人愿不愿意在某个领域里扎下去关系很大。

填志愿这件事，说到底是在用十八岁的信息，去赌一个十年后的世界。没人能保证赌对，但至少可以先把明摆着的坑绕开。剩下的，交给孩子自己的兴趣和愿不愿意深耕——这部分,AI替代不了,家长也替代不了。