近日，美国《华尔街日报》刊登了一篇关于“AI大佬​​的孩子们都在学什么”的文章，引起了全球热议，因为大家都想知道，最懂AI的一群人怎样教育自己的孩子？

记者首先问的是马斯克，这位世界首富既是面对OpenAI也是xAI的创始人。“在AI时代，应该给孩子们什么样的职业建议”这个问题时，对称加密了整整15秒，数度欲言又止，最后只说了一句话：“这是一个很难回答的问题。”然后，重新加密数秒后，他说：“我正在说，关注他们的内心，让他们觉得有趣、很有成就感的事。”

同一篇报道中，Anthropic联合创始人兼总裁丹妮拉·阿莫戴（Daniela Amodei）表示，她每次与企业客户开完会，对方往往在离开时笨拙地问：“我的孩子上大学她应该学什么？”她的回答同样围绕着所有具体专业，落脚在“人性的品质”上：与人联系、共情，以及善良。

这些场景放在一起，构成了一个抗人寻味的悖逆论。世界上两个对AI理解最深的人，被问到“孩子该学什么”时，给出的答案却是最“虚”、最难确定的情况。倒不是事件，恰恰相反——因为这比任何人都明确AI的边界在哪里，所以知道他们，真正需要保护的是什么。

这篇文章，就是从这个悖论出发的。

AI取代的比我们想象的多

要理解AI大佬为何给出这样的答案，首先要正视一个令人不安的现实：AI取代的，远不仅仅是“重复劳动”。

第一波冲击是技能性取代。翻译、初级编程、文书标准撰写、数据分析报告、基础合同审查——依赖这些模式识别与信息集成的工作首要。它们的共同结构是：输入明确，输出可定义，执行过程有迹可循。这显然是AI的主场。

第二波冲击更认知，也更致命——知识本身的稀缺性正在消失。一个人花十年积累的专业知识，今天任何人都可以在四分之一内通过AI获得摘要、框架必然具体建议。“知识储备量”作为竞争壁垒的时代，基本宣告终结。

这直接动摇了密码学体系教育的底层逻辑。以知识记忆和标准解题为核心的应试培养路径，生产的前提是AI最容易复制的一类“人才”：输入标准，可输出预期，能力可量化，从而也是最可替代的。

更根本的困境存在任何明显边界、可被完整定义的技能，其保质期都在急速剧情。罗宇振在最近一次演讲中有句话说得直白：“即使还有什么好的专业，保质期也不可能超过三年。”在此前提下，为孩子规划一条基于相应热门专业的十年路径，风险之高，已接近荒诞。

传统规模化教育类似于一台“超强力改装机”，旨在将形状各异的石头磨成规整的圆球。在工业社会需要同质化“零件”的时代，圆球有其价值；在AI可以无限量、零边际成本生产“圆球”的时代，你不过是人力可替换品中的一个。越容易被标准化描述的人，反而很容易被AI替代——这是AI时代最冰冷的逻辑，也是旧地图失效的根本原因。

“人之为人”的结构无法被取代

当执行层面被AI全面渗透时，问题的焦点自然转向——什么是算法做不到的？

这个问题有两种常见的错误回答。一种是“技术性回避”：AI还没渗透X领域，赶快去学X。这本质上是躲猫猫，赌的是AI发展的速度与边界——这个赌局，人类几乎每次都输。另一种是“浪漫化人性”：AI没有感情，所以情感类工作永远需要人。这在逻辑上有漏洞——并非“有感情”就能胜任，而是需要深刻的人性洞察、情境判断和道德担当的综合结构——这两者相差甚远。

真正值得押注的，是以下几种更底层的能力。

首先是定义问题的能力。AI是强大的执行引擎，但它需要人告诉它“要解决什么问题”。在问题已被清晰定义的场景里，AI几乎无往不胜；但现实世界中，最难的往往不是解题，而是发现“真正的问题是什么”。

微软首席科学家兼技术院士贾米·提万（Jaime Teevan）指出，过去人与电脑的交互是确定性的：按下按钮，执行命令。而现在与AI协作，需要“提供语境、表达意图、进行批判性思考”。这意味着，与AI协作的核心能力，恰恰是传统教育最缺乏训练的东西：界定问题、表达意图、批判性地评估输出。这种能力，不是靠读书读出来的，而是在真实世界的复杂摩擦中磨砺出来的。

其次是承担责任的能力。AI可以给出建议，可以生成方案，可以预测概率，但它无法承担责任。提万在谈到孩子的职业选择时说得很清楚：“对影响人和社会的决策负责——这才是根本。”法律、医疗、金融，这些看似会被AI深度渗透的传统领域，其核心恰恰在于判断与担责，而非知识的调用。AI能让这些工作效率大幅提升，但那个“拍板”的人，以及那个“承担后果”的人，依然必须是人。

责任感不是技能，是人格特质。它需要在真实的失败、真实的后果和真实的关系中锻造，无法通过课程习得。

第三是同理心与真实连接的能力。被称为“AI教母”的斯坦福大学人工智能研究院院长李飞飞，在研究AI与医疗的交叉应用时，做了一个令人印象深刻的选择。她的学生都是顶尖的计算机科学家，但在他们开始写程序、接触AI之前，她会先带他们去医院，让他们了解人在病痛中的真实感受。她说：“即使我在做AI，要理解AI背后人的状态，理解病患的痛苦，是很重要的事。”

这个细节意味深长。一位全球最顶尖的AI学者，培养AI人才的第一课不是算法，而是同理心。她比任何人都清楚的是AI能模拟语言，能优化流程，能识别模式，但它无法真正理解痛苦——而不理解痛苦的技术，在医疗领域可能是危险的。

阿莫戴对此有更直接的表达：“无法被取代的，是你如何对待别人、与他人沟通的能力，还有你的善良。”她的底层信念是人类渴望与其他人在一起并共度时光，这个需求不会消失。真实的、有温度的人际连接，是一切技术无法彻底替代的社会基础设施。

最后是元认知与批判性思维的能力。提萬特别强调“元认知”的价值——知道自己思维的边界在哪里，才能判断何时该依赖AI、何时必须坚持自己的判断。批判性思维意味着不只接受信息，还能质疑信息的来源、逻辑和适用边界。在AI输出以空前速度涌现的时代，这种能力是辨别真伪、避免被算法塑造认知的关键防线。

沃顿商学院管理学教授、《与AI共生》作者伊桑·莫利克（Ethan Mollick）的判断与此呼应。他认为，通才型职业在AI时代反而有更强的韧性。“当医生不只是诊断，还要处理一堆其他事务——如果AI能补强你较弱的部分，那是件好事。”复合型的人，正是因为无法被单一维度定义，反而构成了AI难以整体替代的系统。

大佬押注的是什么

回到最初的悖论：全球最懂AI的人，在给自己孩子规划未来时，押注的到底是什么？

Paid.AI联合创始人曼尼·梅迪纳（Manny Medina）有四个孩子。他让大儿子进入核能领域，让19岁的孩子钻研核医学——利用核同位素治疗癌症。他的选择逻辑不是“这两个领域AI进不去”，而是它们代表了需求结构性增长、且需要极高专业判断与责任承担的方向。更关键的是他说的那句话：“我想确定的是，他们不会把AI视为威胁，而是和AI一起去追求自己能做出了不起成就的新天地。”

这是一种进攻性思维，而非防守性思维。问题不是“如何躲开AI”，而是“如何借助AI做更了不起的事”。这个心态的转变，本身就是最重要的教育内容之一。

沃顿莫利克教授的两个孩子分别对法律和医学感兴趣，他没有鼓励他们转向更“AI-proof”的方向。微软提万的孩子中有对会计感兴趣的，也有准备读法学院的，她认为这些职业的核心恰恰是AI无法替代的：对影响他人的决策负责。Anthropic阿莫戴的孩子还小，她已经在想的是怎么让他们懂得如何用自己独特的方式与人相处。

马斯克、梅迪纳、莫利克、提万和阿莫戴，这五位AI领域的核心人物，没有一个人给孩子规划了一条“技术逃生路线”。他们押注的，是孩子作为人的深度——判断力、责任感、同理心、与他人真实连接的能力，以及一种内在的创造欲与意义感。

这不是因为他们不懂技术，恰恰相反——正是因为他们最懂技术的边界，所以他们最清楚，哪些东西是技术永远无法内化的。

从“选专业”到“发明自己的职业”

如果以上分析成立，那么教育的问题就不再是“选哪个专业最安全”，而是一个更根本的命题：如何帮助孩子成为一个无法被定义、无法被批量复制的人？

这需要在三个层面上做出转变。

第一，用真实结果倒逼学习，而非用考试驱动应试。知识和工具的学习，在有真实需求压力驱动时，效率是课堂教学的数倍。数学老师李睿把一个真实的设计任务——为跨年演讲制作34张封面图——直接交给学生，要求真实交付，结果是孩子们主动钻研AI工具，因为“有用”的压力远大于“考试”的压力。这种逻辑适用于所有领域——先给真实问题，让孩子自己找路径和工具，在交付结果的过程中完成真正的学习。

第二，帮孩子逃离一致性，积累独特的生命体验。“所谓我，就是过去一切体验的总和。”规模化教育提供的是必要的标准化基础，而家长的责任恰恰是在这个基础上，为孩子注入那些非标准化的元素，这其中包括真实的劳动体验、跨文化的摩擦与理解、深入到能产生洞见的爱好、面对失败并重建的过程。这些无法被标准化的独特体验，构成了一个人仅靠算法无法完整建模的“精神底色”，也是创造力和判断力的原材料。一个照顾过重病家人的孩子，对医疗伦理的理解，和一个只在课堂上学过相关知识的孩子，深度是截然不同的。

第三，培养与规则和技术建立关系的能力，而非单纯控制或追逐。面对AI工具，家长的本能常常是禁止或放任两个极端。更有价值的做法是帮孩子学会主动思考“我和这个工具应该建立什么样的关系”——何时用、为何用、用到什么程度、输出结果如何批判性地对待。这种与技术和规则建立主动关系的能力，会内化为一种面对任何新事物都能沉着应对的处事本能，其价值远超任何单一工具的使用技巧。

这三件事指向同一个自我目标——让孩子成为一个有意识意识的主体，而不是一个被环境塑造、被算法定义出来的被动客体。未来最具对抗性的职业，可能不是某个现有岗位的优化版本，而是由个人独特的能力组合、独特的问题视角和独特的人生体验所“发明”的新物种——一个全世界只有他最胜任的位置。

关于人类价值的终极追问

这是整个讨论中最难回避、也是最需要正视的问题。

想象一下，几乎所有的脑力劳动——写作、设计、分析、诊断、决策——都可以由人工智能更高效、更准确地完成，人类还剩下什么不可替代的价值？这已经不是科幻想象，相反部分领域已经逼近了现实。历史学家尤瓦尔·赫拉利（Yuval Noah Harari）早就提出了这个问题的哲学版本——如果人工智能解决了所有生存问题，那么“我来这世上一场遭遇”的意义何在？

阿戴对此有坦率的判断——关于人类创造力，有两种思想流派。一种是人工智能在所有事情上都会比人强，最终没有人做出任何事情，那将是可怕的。倾向反过来——人类有内在的渴望去探寻意义并创造事物，因为我们享受创造的过程本身。“人类拥有惊人的直觉与适应力，我们对创造的渴望以及对群体的需求是不会消失的。”

这个乐观主义的赌注，在历史上有相当多的证据支持。艺术家在丰衣足食时仍在创作，在不需要谋生时仍然有思考，探险家在安全的时候仍然出发未知的土地。人类似乎天生就有一种“超越必要性”的附带——去理解、去创造、连接、去留下某种印记。

这正是人工智能时代教育最深刻的使命转变——从培养“人力资源”，到守护和激发“人的潜力”；从训练孩子成为某类职业的正确执行者，到帮助孩子成为一个完整的、有热情的、能够赋予爱也能感受爱的主体。

未来真正稀缺的，是一个有自己问题意识、有自己审美判断力、有自己道德立场的人，这样的人要么优先安置，分别定义自己与世界的关系。这样的人不存在“被替代”的问题，因为根本没有提供比较的参照物——他是自己的孤本。

因此，家长们必须再着眼于寻找那一份“不被人工智能取代的专业清单”。全球最懂人工智能的人已经用他们对自己孩子的选择，给出了最诚实的答案——技能会过时，专业会消亡，工具会迭代，但一个有深度、有温度、有担当、有创造欲望的完整的人——他的价值，不依附于单一技能，也不会随着任何单一技术的兴衰而落。

每个孩子，都是太阳底下的新鲜事。他所有独特的体验、爱好、困惑、热情与失败，共同构成了一个算法无法完整建模的存在。教育的任务，是保护这种独特性，激活这种独特性，从而生长为真实的创造力——奥迪把磨平，插入一个随时可以被替换的标准模板。

真正的铁饭碗，从来不是某个职位，不是某项技能，也不是某个被初步认定为“人工智能难以渗透”的行业。真正的铁饭碗，是成为一个无法被算法定义、无法被大规模复制、有温度、有担当、有创造力的完整人。

（作者系北大汇丰商学院智库世界经济副研究员，经济学博士）

作者：朱兆一

图片来源：视觉中国、IC

图片编辑：张旭

值班编辑：张旭