2026年高考志愿：人工智能专业还值得选择吗

关于人工智能这个专业，笔者有一定了解，所以这篇文章想客观梳理一下：这个专业的发展脉络是什么，以及对于2026年要填报志愿的考生来说，应该如何理性看待这个专业。

个人见解，希望能为今年的高考生提供一些专业选择上的参考。

2026年高考

把时间拨回2018年。那一年，AlphaGo退役后的第二年，中国人工智能领域的投资达到历史最高点。

各地政府争相出台AI产业政策，"人工智能"四个字出现在政府工作报告里。

但实际情况是：中国当时还没有人工智能本科专业。

2019年3月，教育部公布了一份名单。全国35所高校获批开设人工智能本科专业，这是这个专业首次以独立身份进入中国本科教育体系¹。

名单上的名字都很响亮：清华、北大、浙大、上海交大、中科大、南京大学……这些学校的人工智能专业，后来成了所有同类专业的"母版"。

人工智能专业首次公布

但一个专业的设立，从审批到培养出第一批毕业生，需要4年。这意味着，2018年入学的学生，要到2022年才能真正检验这个专业的培养效果。

当时没人想到，3年后这个数字会变成439所²。更没人想到，第一批毕业生走出校门时，迎接他们的可能不是想象中的高薪offer，而是一个正在剧烈变化的就业市场、大模型重构行业需求、学历门槛持续提高。

首批35所只是一个开始。

根据全国高校人工智能与大数据创新联盟的调研数据²：

·2019年，首批35所高校获批

·2020年，新增180所高校申报成功

·2021年，新增130所

·2022年，新增95所

到2022年5月，全国累计共有439所普通高校成功申报人工智能本科专业²。从35到439，只用了4年时间。

为什么扩张这么快？

三个推力叠加在一起。

第一个推力来自政策。2017年国务院印发《新一代人工智能发展规划》，明确提出在中小学阶段设置人工智能相关课程。高校开设AI专业，是政策落地的自然延伸。

第二个推力来自高校自身。AI是"新工科"的旗舰专业，开设AI专业意味着科研经费、招生热度、社会关注度的全面提升。对很多高校来说，这不是选择，是生存策略。

第三个推力来自家长和学生。2019年到2022年，AI相关岗位的薪资数据不断刷新认知。"算法工程师年薪百万"的新闻频繁出现，人工智能专业连续三年成为高考热搜专业。

三个推力

三个推力形成正反馈：政策鼓励→高校开设→考生追捧→更多高校开设。

但在这个循环里，有一个变量被忽略了：市场到底需要多少AI人才？

2022年夏天，首批人工智能专业本科生毕业。

他们入学时，AI是风口。他们毕业时，风向慢慢已经变了。

2022年第二季度，互联网大厂开始收缩招聘。职场社交平台脉脉发布的《人工智能就业数据图鉴》显示，数家头部企业在第二季度的招聘职位量环比减少20%~30%³。

这不是AI行业独有的问题，但AI行业受到的冲击尤其大。因为AI岗位集中在互联网和科技公司，而这些公司恰好是裁员最猛烈的领域。

首批毕业生的就业数据，没有公开的大规模统计。但从零散的信息可以拼凑出一个轮廓：

·顶尖学校的顶尖学生，依然抢手。浙大、中科大等校的AI专业毕业生，进入大厂算法岗的比例仍然很高。

·普通学校的学生，开始感受到压力。"算法工程师"岗位的要求逐年提高，本科学历加上普通项目经验，已经很难拿到面试机会。

·更多人选择了"曲线就业"：考研、转开发岗、进传统行业做数据分析。

可能会曲线就业

一个值得注意的数据对比：2022年，猎聘大数据研究院发布的报告显示，人工智能相关岗位毕业生月薪一度跃升至高薪职位榜首³。

但同一年，脉脉的数据也显示，AI岗位的投递竞争比（投递人数/岗位数）在快速上升⁴。

高薪是真的，难进也是真的。

2023年，ChatGPT发布后的第一年，中国的大模型创业潮达到顶峰。

百度的文心一言、阿里的通义千问、字节跳动的云雀……几乎每家科技公司都在做自己的大模型。

这看起来对AI专业毕业生是利好。但实际上，大模型的兴起改变了AI人才需求的结构。

之前的AI行业，需要大量做应用层的人：图像识别、语音识别、推荐系统。这些岗位需要的是能把成熟算法落地到具体场景的工程师。

大模型时代，需求向上游集中。真正稀缺的是能做底层模型训练的人：算力优化、数据工程、预训练、对齐。

这些岗位对学历和科研能力的要求极高，本科生很难触及。

同时，大模型本身在替代应用层的AI岗位。以前需要一个团队做的图像分类项目，现在调用一个API就能解决。

以前需要专门训练的NLP模型，现在直接用大模型的能力就行。

这意味着，AI专业培养出来的大量"应用型"人才，正在面临技能过时的风险。

大模型正在改变一切

2024年的就业数据印证了这个趋势。

拉勾招聘联合知乎发布的《2024届高校毕业生求职调研报告》显示，2024届毕业生秋招岗位的平均招聘月薪为6143元⁵。

人工智能行业虽然"供需两旺"，投递量位列TOP1，但人才竞争压力较大⁵。

职友集2026年6月更新的数据显示，人工智能工程师应届生平均工资约17.5K，但统计样本仅407份职位，数据仅供参考⁶。

更关键的是，在一个高速增长的行业里，薪资增长停滞是一个需要警惕的信号。

2025年，有教育领域专家提出警告：近几年不同层次高校不断扩大人工智能专业的招生规模，但人工智能产业链整体规模有限，劳动力吸纳能力是否能跟上供给速度，仍是一个未知数⁷。

这个判断的依据并不复杂：

439所高校开设AI专业，每届招生规模从几十人到几百人不等。即使按每校每届平均招生50人估算，全国每年AI专业本科毕业生也超过2万人。

但AI行业的核心岗位——算法工程师、研究员、数据科学家——每年的新增需求，是否能匹配这个供给量，目前尚无权威统计数据可以给出明确结论。

一个可以确定的事实是：这些岗位正在向高学历集中，硕士和博士毕业生在竞争中优势明显。

另一个可以确定的事实是：很多AI专业的本科生，毕业后做的并不是AI核心研发工作，而是转去做软件开发、数据分析、产品经理等更广泛的岗位。这本身不是坏事——AI知识在这些岗位上同样有价值。

2026年的就业分析指出，人工智能相关专业呈现"行业岗位总量扩容、薪资均值领跑全行业、就业分层加剧"的发展特征。

这意味着：岗位确实在增加，但不同层次的人才面临的机遇差异很大。顶尖人才供不应求，而基础岗位的竞争在加剧。

顶尖人才供不应求

聊完就业，回到专业本身。人工智能专业到底在教什么？

课程体系大致分三块。

第一块是数学基础：高等数学、线性代数、概率论与数理统计、优化方法。这是AI的理论底座，也是最劝退的部分。很多学生在第一年就发现，自己高中的数学优势，在大学的数学面前不值一提。

第二块是计算机基础：数据结构与算法、计算机组成原理、操作系统、Python编程。这是AI的落地工具。一个行业铁律是：不会写代码，永远做不了真正的AI。

第三块是AI核心课：机器学习、深度学习、计算机视觉、自然语言处理、数据挖掘、强化学习。这是专业的"招牌课程"，也是学生最期待的部分。

但这里有一个问题：高校的课程更新速度，往往跟不上行业的变化。

高校的课程是跟不上行业的变化

CNN（卷积神经网络）早在1998年就被提出，RNN（循环神经网络）在1986年就有了雏形，Transformer架构更是2017年就已经发表。这些技术并不是近几年才出现的新东西，而是经过长期沉淀的经典方法。

问题在于，当大模型时代到来后，行业对人才技能的要求发生了偏移——从"手写算法"转向了"调用API、设计提示词、理解模型边界"。

高校的课程体系有惯性，从研发到开课需要1-2年周期，而AI领域的应用范式变化是以月为单位的。

结果就是：学生毕业时，发现自己学的"基本功"没错，但离需要的能力还是差了一步。

这不是AI专业独有的问题，但AI行业的"变化速度"确实比大多数专业快得多。

现在回到最初的问题：2026年高考，人工智能专业还值得报吗？

我的看法是：可以报，但要清醒。

值得报的理由：

AI仍然是未来10年最重要的技术方向之一。无论大模型、自动驾驶、机器人还是生物医药，底层都依赖AI技术。掌握AI的基础能力，等于拿到了一张进入多个行业的门票。

AI专业的课程设置，即使"过时"，也提供了扎实的数学和编程基础。这些基础能力不会过时，是转方向、自学新技术的底气。

行业薪资均值仍然领跑。即使"分层加剧"，AI相关岗位的平均薪资仍然高于大多数专业。

需要清醒认识的风险：

本科毕业直接做AI核心岗位，难度越来越大。考研几乎是必经之路。如果你不想读研，AI专业可能不是最优选择。

学校层次的重要性被放大。439所高校都开AI专业，但教学质量和就业资源天差地别。普通学校的AI专业，可能只是在计算机课程上贴了一个AI的标签。

行业对人才的要求在提高。大量本科毕业生里，能直接进入AI核心研发岗位的是少数。更多的人，会把AI知识应用到软件开发、数据分析、产品经理等更广泛的岗位上——这本身也是AI价值的一种体现。

但是，2026年AI的应用能力已经很恐怖了，现在说句话就可以做一个app、网站已经是真实的事情了，应用层很多的开发工作已经完全被AI所取代了，就像我之前的开发工作，60%开发工作被取代的说法真的是思考之后的数据。

如果你正在考虑AI专业，以下几点供参考。

第一，评估数学能力。

AI专业的数学要求，比计算机专业更高。如果高中数学就感到吃力，大学四年会很痛苦。不是不能学，但要做好付出更多努力的准备。

第二，看学校，不要只看专业名称。

同样是"人工智能专业"，清华和三本院校的培养质量差距巨大。如果分数不够顶尖学校，优先考虑计算机科学与技术、软件工程等更成熟的专业，研究生阶段再转向AI。

第三，做好读研的准备。

本科AI专业加硕士AI方向，是目前进入核心AI岗位的主流路径。如果确定不读研，建议重新考虑专业选择。

第四，关注课程而非名称。

看目标学校的AI专业课程表，有没有大模型、生成式AI、多模态等前沿内容。如果还在教几年前的旧课程，说明这个专业的更新能力有问题。

第五，不要只盯着"算法工程师"。

AI的应用场景在快速扩展。医疗AI、金融AI、制造业AI、教育AI……这些领域需要的不是训练大模型的人，而是懂AI加懂行业的人。这种"交叉型"人才，可能是未来的机会所在。

一点建议 仅供参考

我想讲一个我自己的故事。

2009年，我上大学那年，还是211高校，身边很多同学都在报考桥梁、隧道、土木工程这些专业。那是基建狂飙的年代，这些专业火得一塌糊涂，分数线居高不下。

我因为分数不够，被调剂到了计算机专业。当时计算机除了少数人有兴趣，在很多人眼里是个"没前途"的选择——不就是修电脑的吗？

但故事的发展出乎所有人意料。

2013年我本科毕业，互联网已经开始爆发。编程从"修电脑的"变成了"改变世界的"。如果你的本科院校不错，大厂非常缺人，计算机专业的毕业生很好找工作。

后来我读了研，2016年毕业。那时候大厂仍然在疯狂招人，我有幸也进了一家头部互联网公司。

谁能想到，10年后的2026年，AI改变了一切。

我现在回头看，之前在大厂做的很多工作，至少60%的内容，今天的AI已经可以胜任了。不是AI取代了我，而是AI重新定义了"什么是有价值的工作"。

AI已经可以胜任大多数的工作了

我的故事和人工智能专业有什么关系？

关系在于：没人能准确预测5年后什么专业最吃香。 2009年大家都追捧的土木工程，现在不再是唯一的黄金赛道。而被调剂到计算机的我，反而赶上了时代的浪潮。

但比"赶上浪潮"更重要的，是我在计算机专业学到的底层能力——逻辑思维、编程基础、对技术的敏感度。这些能力让我在今天AI时代到来时，能够快速适应，而不是被抛下。

所以，面对2026年火热的人工智能专业，我的看法是：

第一，顶尖学校的顶尖学生，依然抢手。这一点是确定的。无论市场怎么变化，真正优秀的人永远有位置。

第二，不管选什么专业，AI和计算机知识都是加分项。 这不是说每个人都要去写代码，而是说理解AI的基本逻辑、会使用AI工具，正在成为像"会用电脑""会用智能手机"一样的基础能力。

第三，比选专业更重要的，是培养适应变化的能力。 2009年没人能预测2026年的AI革命，同样，今天也没人知道2036年会是什么样子。专业可能会过时，但学习能力、逻辑思维、对技术的敏感度不会。

如果你选了AI专业，好好学，但别只盯着"算法工程师"这一个出路。AI+医疗、AI+金融、AI+教育、AI+制造业——这些交叉领域可能比纯AI研发更有空间。

如果你没选AI专业，也完全没关系。学会使用AI工具，理解AI能做什么、不能做什么，在你的专业领域里找到AI的切入点，你同样能走在前面。

毕竟，439所高校同时开设AI专业，说明这是一个重要的方向。但方向重要，不代表只有这一个方向能走通。

未来的职场，属于那些既懂自己的专业、又会用AI工具的人。不是AI替代了你，而是会用AI的人替代了不会用AI的人。

这才是比选专业更重要的事。