LAIKA
2026/04/22
被AI撕碎了旧文凭
人类文明的发展历程实际上是一场关于生产力与生存空间的竞争。
当我们站在即将步入的2026年，回顾历史会发现从蒸汽机时代的到来到如今的人工智能发展，每一次生产工具的重大革新都在无情地重新定义“人”的价值。
在农业社会中，人们依赖于土地；而在工业时代，则是机器成为主导。而现在，随着芯片技术的进步，我们不禁要问：当机器具备了思考能力时，人类又将何去何从？
01
蒸汽机的隐喻
人曾是工业文明的零件
农业社会时期，生产力受到自然规律的限制，那时是一个经验为主导的时代，农民通过观察星象、积累耕作知识来适应生产活动。社会结构相对稳定。
然而，在18世纪中叶，工业革命的到来彻底打破了这份宁静。蒸汽机的发明让人们从繁重的体力劳动中解脱出来，生产力获得了巨大的飞跃。但这一切的背后又付出了怎样的代价？
随着工业化进程加快，社会重心逐渐由乡村转移到城市。大规模生产的需求让劳动者成为像齿轮般精确运作的一部分。于是人们开始标准化、模块化和专业化的工作流程。为适应这种新环境，历史上首次出现了系统的现代教育体系。
最具代表性的是亨利·福特在20世纪初推出的汽车流水线作业模式。在此之前，造车是由技艺精湛的工匠全权负责的。而在流水线上，一名工人的工作被简化为每天重复数千次的拧螺丝任务。卓别林电影《摩登时代》中的那个经典镜头——不断拧紧螺丝的动作，正是对这一现实情况的讽刺和批评。
为了适应工厂体系的需求，历史上首次出现了大规模的现代教育模式——即来自普鲁士的标准教育方式。学校里的上下课铃声模仿了工厂汽笛的声音，整齐排列的桌椅则模拟车间的工作环境，而统一化的考试则是为了培养能够输出固定结果的学生。
尽管这听起来有些残酷，但那个时代的教育目标实际上是批量生产出具有一定基础读写能力、守时、服从纪律且能胜任重复性劳动的人才。在工业时代，人的价值体现在确定性和可预测性上。
二战后，人类社会进入了加速发展的阶段。
自电气化到信息化的转变，再到互联网技术的大规模普及，短短几十年间，生产力的革新速度呈指数级增长。世界从充满烟囱的城市变成了一个流动着数据的信息海洋。然而，在培养人才方面发挥关键作用的教育体系却像一艘巨轮般笨重而难以转向。
即便我们已经迈入了21世纪的技术洪流中，但环顾四周，会发现我们的学校仍然保留着浓厚的工业时代痕迹。依然采用标准化试卷来评估多样化的创造力；通过填鸭式的教学应对快速变化的知识更新；以几十年前设定的专业框架试图理解和指导当前产业实践。
这种“教育供给”与“社会需求”的巨大差距，在过去经济增长红利期被暂时掩盖了。只要蛋糕在不断变大，矛盾就不那么突出。但当技术变革的浪潮（特别是AI）真正冲击到岸边时，这种结构性错位终于显现为一场必须面对的重大转变。
02
单一技能失去价值
我们正步入一个新的时代。
那些曾经被视为白领精英的专业技能，如翻译、会计、设计和初级编程等，正在迅速贬值。这种变革并非危言耸听，而是已经在2026年的高校专业调整名单中得到了体现。
根据教育部的最新部署，许多与传统工业生产相关或已不再符合社会需求的专业正加速消失。例如四川大学将本科专业从原有的144个缩减至105个，一次性撤销了包括音乐学、表演、动画等在内的39个专业；中国传媒大学则裁撤了包括摄影、漫画、视觉传达设计和新媒体艺术等多个专业。
这清楚地表明了一个信号：凡是基于规则、重复性高且易被AI替代的技能，正在失去其独立存在的价值。
专业的撤销本质上是因为它们培养的是标准化的“工业零件”，而在人工智能时代这些零件最容易被自动化所取代。
在2026年全国两会中，“扩大优质本科教育招生规模”被列入政府工作报告。国家发展改革委也明确表示，“十五五”时期将支持“双一流”高校本科生扩招超过10万人。
显然，招生并未停止，只是培养方向发生了变化。
高校专业的调整不仅仅是一个简单的缩减过程，而是一场深刻的结构重塑。当重复性脑力劳动不再稀缺时，人才定义的标准也随之发生根本性的转变。
先来看工作的能力从单一技能转向复合交叉的趋势。AI时代不再需要只会画图的设计师，而是需求懂AI工具的创意总监；也不再满足于只会记账的会计，而是期待能够进行数据分析的财务战略家。复旦大学围绕科学智能（AI for Science）推出了40多个双学士学位项目。宁波大学则要求每个专业至少开设一门“人工智能+”跨学科融合课程。
其次是高校新增的专业更加注重国家战略急需和新兴交叉领域，尤其是与人工智能深度融合的方向。例如北京航空航天大学、中国科学院大学新设的“飞行器适航技术”、“航空航天工程”，直接服务于大飞机及低空经济战略；而北京邮电大学增设具身智能专业，则在抢占未来产业制高点。
据不完全统计，目前全国已有超过80所高校相继布局人工智能学院。麦可思研究院的分析指出，在建立人工智能学院时，既有从零开始新建学院的情况，也有将原有的计算机、大数据等方向整合后重新组建新学院的形式，本质上是对信息类学科体系的整体调整。
03
关于未来的课题
笔者认为，面对AI这样的颠覆性技术变革，任何试图给出“标准答案”的尝试都可能是傲慢的。
承认我们无法确切知晓未来的走向本身就是一种清醒的态度。
2026年专业的大规模调整，并非提供了一个确定的答案，而是提出了一个我们必须直面的问题——如果机器可以做得比你更标准、更高效，那么你的价值又在哪里？
或许适应这个时代变化的唯一方式就是放弃寻找标准答案的想法。
不再试图把自己训练成一个更好的工具，因为任何工具终将被更好的工具所替代。转而拥抱那些AI无法计算的领域：复杂的同理心、跨界创新思维以及对未知的好奇与探索。
在这场从零件回归到人的艰难突围中，提出问题或许才是找到答案的第一步。