信息时代专业抉择指南：计算机、AI、具身智能怎么选

本文探讨两个核心问题：一是信息大类专业的基本格局与内在关联，二是专业选择时应当考量的因素，力求做到客观准确。

一、信息大类专业全景解析

以下内容聚焦于我相对了解的信息大类专业方向，也是近年来备受瞩目、热度不减的学科领域。由于专业之间关系错综复杂，仅靠网络上的零散介绍难以形成系统认知，因此需要从宏观视角来把握这些专业的整体脉络与相互联系。

考虑到计算机科学技术是大众最容易接触和感知的领域，同时也是整个IT行业的根基，我们可以以计算机科学技术为核心，逐步向外延伸，从而勾勒出信息大类的完整图景。理解这个图谱时，建议以计算机科学技术为圆心，逐步向外扩展，这样更容易把握全局。后文将对这张图进行详细阐述，建议仔细阅读。

图一

图中标注的各个圈并不一定严格对应某个单一专业，有些代表的是整个学科领域。主要的一级学科包括计算机科学与技术、智能科学与技术、网络空间安全、电子科学与技术、集成电路科学与工程。人工智能实际上是计算机科学与技术下的一个专业方向，并非独立的一级学科，只是因为近年来关注度持续攀升，才被单独拿出来讨论。既然人工智能隶属于计算机科学与技术，就意味着该专业也会涵盖人工智能的核心课程。

需要特别说明的是，本图主要展示的是专业或学科之间的主要关联，特别是网络空间安全涉及多个层面，在图中只能以虚线形式标注。安全涵盖硬件、软件、应用以及人工智能等多个维度，其中人工智能安全就是人工智能与网络空间安全的交叉领域。不同院校在具体培养方案上各有侧重，选择时可以参考各校的专业介绍。

另外要介绍的是具身智能这一新兴领域，它并非单一专业可以涵盖。如图中虚框所示，它总体上是在机械、自动化（控制）和人工智能的基础上发展而来的人工智能是核心大脑，机械提供身体架构，自动化负责信号传导。

上述画法仍然较为复杂，我们还可以从层次结构的视角来梳理专业间的复杂关系。从方法论角度而言，层次思维是处理复杂问题的有效手段。按照信息处理的层级来自下而上排列，如下图所示。电子科学与技术再往下就涉及物理、化学等基础学科，这里不再展开。

图二

没有集成电路，信息世界的大厦就会崩塌，这也正是高端芯片制造如此关键的原因。没有计算机科学，就不会有面向用户的各类应用软件。而人工智能目前处于顶端，并非因为其技术多么深奥或高端，而是因为它依赖下层的大量支撑。之所以强调数据科学，是因为当前的人工智能采用数据驱动模式，尽管这种模式存在诸多局限，比如有人质疑这种方式根本无法实现真正的智能，也许我们现在的努力都是徒劳，但在目前没有更优方案的情况下，这仍是最可行的路径。当然，这个层次图也可以从就业范围的角度来理解，底层电子类专业的就业面相对上层计算机相关专业会窄一些。

二、信息大类专业抉择的考量

专业抉择是一项复杂的系统工程，这里仅提供一些思路而非具体指导。影响选择的因素很多，以下是几个较为关键的方面。

1.长远发展

本科四年不过一千多天，为长远发展奠定基础才是根本。长远发展要顺应国家发展、社会进步、科技演进的趋势。应当打下什么样的基础？专业技术、理论体系固然重要，但在AI替代范围日益扩大的当下，健全的人格、健康的身心、团队协作能力、开阔的专业视野、互助友爱的精神、好奇心、持续学习的能力、积极向上的心态这些“专业之外”的素质显得尤为关键。因此，要评估高校能否提供完善的设施和培养机制来支持学生的全面发展，这是高考生需要重点考量的。

长远发展方面，不可回避的问题是某些工作是否会被AI取代。总体而言，需要人文关怀、非程式化的工作仍有较长的存续周期。从图二来看，越往底层，被AI替代的难度越大。当然，如果在大学期间注重培养上述“专业之外”的能力，即便所从事的工作被AI替代，也能快速适应新领域，因为AI会催生许多我们现在还无法预见的新职业。不确定性才是这个时代最确定的特点，因此适应能力至关重要。

长远发展不是一个人的事，所以高校丰富的校友资源对于工作的组织、开展和转换都极其重要，应当重点考虑。

2.个人兴趣

个人兴趣同样不可忽视，但排在第二位更为妥当，毕竟没有合适的专业，未来可能面临工作不稳定，生活质量难以保障。有人说自己对什么都没兴趣，做什么都可以。这种想法需要慎重。兴趣还是要服务于工作，可以观察周围从事不同职业的人，包括师长、名人士等，看看谁的工作让你最感兴趣，这样大概就能在兴趣范围内确定未来的从业方向。

3.专业特性

每个专业都有其独特之处，同一专业在不同院校也存在差异。

以具身智能为例，从图一可以看出，该领域涵盖机械、自动化和智能技术三大方向，因此不同高校会结合自身优势从不同技术路径切入，有的侧重于机电一体化，有的侧重于自动化控制，有的侧重于人工智能，毕竟大学四年时间有限，各校资源禀赋不同。

再比如当前火热的AI+或人工智能双学位项目，从图一可以看出，无论是金融、生物还是环境等不同学科方向，实现“人工智能+”的主要途径都是大数据。因为当前的人工智能都是数据驱动的，所以这类项目要求高校在金融、生物等原专业以及大数据体系方面足够强大。这些可以作为选择高校时的参考依据。

当然还有其他一些影响因素，篇幅有限不再展开。部分以往内容从学习能力、国家需求、人工智能未来等角度做了进一步探讨，供参考：

人工智能时代，哪些学习能力不能丢

中共中央政治局第二十次集体学习：确保人工智能安全、可靠、可控

维特根斯坦对【AI未来】的16条启示

DeepSeek的亮眼表现凸显这种知识的重要性，兼谈高校相关专业课程教与学