黄金赛道，高考填志愿必看 2026年，AI正在破解千禧年数学大奖难题，菲尔兹奖得主陶哲轩却发出了最清醒的声音：我们需要数学家，但更需要一整个跨学科军团，才能真正理解AI的底层逻辑。 一、陶哲轩的判断：AI本身正在成为一个数学问题 2026年7月的国际数学家大会上，陶哲轩发表题为《AI时代的数学》的演讲，直指当前AI发展最核心的困境： "语言模型通过预测下一个词就能生成连贯文本、甚至解决数学问题，但人们还没真正理解模型如何从海量数据中学到这些规律。它们有时表现出惊人的能力，有时却会犯下难以预料的错误。我们需要发展新的数学理论，解释AI的能力与局限。" 他没有反对AI，而是清醒地指出：**现有AI主要依赖经验法则，香农为通信建立了成熟的数学基础，但对于智能或数据复杂度，我们还没有相应的概念，不知道AI的极限在哪里。 9月，OpenAI宣布用1万个并行AI智能体在88小时内"解决"纳维-斯托克斯存在性与光滑性问题——这道悬赏百万美元的千禧年大奖难题。然而陶哲轩一针见血：这份166页的AI生成证明，几乎没有带来新的数学洞见。一位同事借助AI钻研数日也只能解释一半，后续研究方向更不明确。 "这是一种自动化掠夺式开采。"陶哲轩在《新科学家》专访中评价道，"AI极大强化了解题这一面，却几乎没有触及理解和连接其他科学的粘合剂作用。" 更紧迫的是安全问题。他警告："擅长数学的AI，也擅长侵入系统。如果我们没有防护措施与监督，只是交给它们任务，那迟早会出问题。" 这就是为什么陶哲轩反复强调：未来我们需要大量数学家去研究AI的基础理论——但这句话的重点，从来不是"只需要数学家"。** 二、真相：500万人才缺口里，纯数学家只占很小一部分 人社部2026年公开数据显示：我国人工智能人才缺口超过500万人，人才供需比例达1:10。但拆开看你会发现一个惊人的事实—— AI Leaders Council《2026企业AI人才研究》给出了最反常识的答案： - 31%的企业最缺"业务转化与用例设计"人才 - 24%最缺"员工采用与培训"人才 - 16%最缺"数据就绪与数据工程"人才 - 只有15%在招"技术专长（机器学习、工程化）"人才 - 14%在招"AI治理与风险"人才 换句话说，纯理论算法岗位只占缺口的15%，剩下85%的缺口，来自计算机、神经科学、物理学、语言学、哲学、心理学等完全不同的专业背景。 很多家长和考生有一个巨大的误区：以为想搞AI就必须报"人工智能"专业，必须数学天才才能入行。但2026年的真实招聘数据告诉我们： 猎聘《2026人工智能行业人才供需趋势洞察》显示，AI工程师求职者的专业背景中： - 计算机科学与软件工程占比最高，是绝对主力 - 人工智能专业仅排第三 - 自动化、电气工程专业大量涌入，凸显AI+制造融合 - 甚至汉语言文学专业都进入了数据标注/AI训练师求职者TOP10 AI不是一个专业，而是一整个跨学科的产业生态。 三、除了数学家，这6类科学家才是AI基础研究的主力军 陶哲轩提到，研究AI基础理论可以借鉴的工具包括最优化理论、拓扑数据分析、不确定性量化、信息论和计算复杂性理论——但这只是数学视角。真正要破解AI的底层奥秘，需要一整个"科学天团"： 1. 计算机科学家：搭建AI的"工程底座" 如果说数学是AI的蓝图，那么计算机科学就是把蓝图变成现实的工场。 陶哲轩自己也承认，数学家需要掌握自己的AI研究基础设施。2026年最紧缺的不是只会调参的算法工程师，而是AI Infra人才——高性能计算工程师供需比仅0.15，也就是**7个岗位争抢1个人**，AI Infra工程师平均月薪7.37万元，甚至高于大模型算法岗的7.15万元。 核心方向： - **计算机体系结构**：GPU、TPU、NPU等AI专用芯片设计，算力基础设施 - **分布式系统**：万卡集群训练的通信、调度、容错技术 - **软件工程与形式化验证**：像陶哲轩提到的Lean证明助手，用代码验证AI输出的正确性 - **编程语言与编译器**：让AI模型跑得更快、更省算力 适合人群：热爱编程、喜欢搭建系统、擅长工程落地的理科生。不一定需要奥数金牌，但逻辑思维和动手能力必须强。 2. 神经科学家：给AI找"生物原型" 现在的深度学习，本质上是对人脑神经元网络的粗糙模仿。但人类对大脑如何工作，其实知之甚少。 为什么人脑只用20瓦功耗（相当于一个灯泡），就能完成最先进AI需要几兆瓦算力才能做到的感知、推理、学习？为什么孩子只看两三次猫就能认出猫，而AI需要几百万张图片？ 这些问题的答案，不在计算机系，而在神经科学实验室。 2026年，类脑计算已经成为AI基础研究最热门的方向之一。中科院自动化所的"瞬悉"类脑脉冲大模型，在国产GPU集群上训练成功，处理400万词元长度文本时，首个词生成提速超过100倍，手机上运行解码速度提升4到15倍——灵感正是来自人脑神经元的脉冲工作方式。 清华、北大、中科院都在大规模招聘神经科学+AI交叉背景的博士后，研究方向包括多脑区认知环路、脑机接口、连接组学、类脑智能。未来十年，谁能破解大脑的工作原理，谁就能定义下一代AI。 适合人群：对生物和计算机都感兴趣，不满足于调参、想从根本上理解智能本质的学生。生物医学工程、神经生物学、认知科学都是对口方向。 3. 物理学家：为AI提供"新范式" 物理学和AI的关系，远比大多数人想象的更深。 首先，AI训练本身就是一个物理问题：如何在热力学极限下优化高维非凸能量 landscape？如何理解深度学习中的相变和泛化能力？统计力学、量子场论的工具，正在被大量用来解释大模型的涌现能力。 其次，量子计算+AI是下一个引爆点。量子机器学习可能在分子模拟、药物研发、材料科学上实现经典计算机永远达不到的能力。2026年，量子AI方向的顶尖科学家年薪已经达到800万-2000万元级别。 更不用说，AI正在反过来帮助物理学突破：从粒子物理数据分析到凝聚态物理，从气候模拟到量子引力，物理学家已经成为AI基础研究不可忽视的力量。 适合人群：物理基础扎实，对量子力学、统计物理感兴趣，想用第一性原理解释世界的学生。不要觉得物理"无用"——AI最缺的，恰恰是能从基本原理出发建立理论的人。 4. 语言学家：破解"理解"的本质 大语言模型的名字里就有"语言"，但讽刺的是，现在大模型研发团队里，语言学家的比例严重不足。 中科院自动化所宗成庆教授指出：大语言模型虽然能生成流畅的文本，但它们真的"理解"语言吗？语言的歧义性、隐喻性、语用性，以及不同语言背后的文化差异，这些问题靠堆参数解决不了，需要语言学的深度介入。 计算语言学、自然语言处理方向，长期以来被认为是"文科"，但实际上是典型的交叉学科——既需要懂句法、语义、语用理论，又需要会编程、懂统计学习。 适合人群：语文或外语成绩好，对语言规律敏感，同时不排斥编程和数学的学生。这是文科生进入AI核心赛道为数不多的黄金通道，避开纯软件内卷，竞争远没有计算机激烈。 5. 哲学家与伦理学家：给AI装"刹车" 这可能是最反常识的一个方向：2026年，硅谷正在疯抢哲学专业毕业生。 谷歌DeepMind已经专职聘用了至少10名哲学家；Anthropic聘请纽约大学哲学博士Amanda Askell担任首席哲学家，她牵头撰写的80页AI"宪法"，确立了"无害、诚实、有助"三大准则，让Claude大模型的违规输出率降低八成，成为企业拿下高端商用订单的核心壁垒。 剑桥大学哲学学者亨利·谢夫林2026年正式入职谷歌DeepMind，岗位就叫"专职哲学家"，研究机器意识、AI道德定位、通用人工智能的长期社会风险。 为什么？因为工程师只能解决AI"怎么高效运行"的问题，但解决不了更核心的问题：AI该遵循什么样的人类价值观？自动驾驶遇到紧急情况该撞谁？算法偏见如何消除？AI生成内容版权归谁？ 全球哲学求职平台PhilJobs数据显示，AI相关的哲学岗位占比从2013年的1%暴涨到2025年的16%，整整翻了16倍。国内头部AI企业文科岗位招聘占比也从5%涨到了20%-30%。 适合人群：思辨能力强，对伦理、逻辑、政治哲学感兴趣，不想走纯技术路线但想深度参与AI发展的学生。这不是"文科无用"的时代——恰恰是最需要人文精神给技术掌舵的时代。 6. 心理学家与认知科学家：让AI真正"像人" AI的终极目标是模拟人类智能，那研究人类如何思考、学习、决策的心理学，自然是AI最重要的灵感来源之一。 强化学习为什么能工作？因为它借鉴了行为主义心理学的奖惩机制。大模型的上下文学习，为什么和人类的小样本学习如此相似？儿童发展心理学的研究，正在启发下一代AI的学习范式。 更不用说，人机交互、情感计算、用户心理建模，这些方向都需要大量心理学背景的人才。2026年，AI教育、AI心理咨询、AI用户体验都是爆发式增长的赛道。 适合人群：对人的行为和心理感兴趣，擅长观察和实验，想做"有温度的AI"的学生。心理学+计算机双背景，是未来十年最稀缺的复合型人才之一。 四、2026-2030 AI人才薪酬全景：你的选择价值几何？ 不谈钱的专业推荐都是耍流氓。根据尚贤达猎头2026年10月发布的AI高端人才薪酬报告，一线城市核心岗位薪资如下： 关键发现： 1. **顶尖科学家无上限**：具身智能、大模型方向顶尖科学家年薪已经突破2000万，企业抢人到了"不计成本"的地步 2. **应届生起薪飙升**：985/211硕士AI核心岗起薪普遍25万-50万，有顶会论文的SSP offer总包可达80万-120万 3. **文科也有高薪**：AI伦理、AI叙事设计、产品方向，优秀人才年薪同样可达百万级别 4. **7个岗位抢1人**：核心算法和基础设施岗位供需比低至0.15，是真正的"卖方市场" 五、给高考生和大学生的 actionable 建议 给高考考生：选专业不要死盯"人工智能"四个字 **第一梯队（硬核底层，适合数理尖子）：** - 数学类（数学与应用数学、信息与计算科学）：AI的理论基石，读研转任何AI方向都受欢迎 - 计算机科学与技术：就业容错率最高的"万能打底专业"，软硬兼施，进可攻算法退可守开发 - 统计学/数据科学：AI三要素之一"数据"的核心，量化金融、互联网、药企通吃 - 物理学：量子计算、类脑智能、AI for Science方向的黄金背景，长线价值极高 **第二梯队（交叉复合，适合大多数理科生）：** - 电子信息/微电子：AI芯片、国产替代刚需，避开纯软件内卷，华为中芯常年扩招 - 自动化/机器人工程：工业AI、自动驾驶、具身智能风口，国企制造业岗位充足 - 神经科学/生物医学工程：类脑计算、脑机接口、医疗AI，下一个十年的爆发赛道 - 集成电路/集成电路设计与集成系统：算力卡脖子问题的核心解决者，国家战略级方向 **第三梯队（弯道超车，适合文科生和偏科生）：** - 计算语言学/外语+计算机：大模型NLP方向的稀缺人才，不用卷高强度数学 - 哲学/逻辑学+计算机：AI伦理、AI对齐、安全方向，硅谷已经抢疯了 - 心理学/认知科学：人机交互、情感计算、AI教育，做有温度的AI - 法学+AI：AI合规、数据法务、知识产权，全新蓝海方向 **避坑提醒：** 1. 不要只报"人工智能"一个专业：纯算法岗门槛极高，普通本科毕业很难进大厂研发，计算机、数学、统计就业面广得多 2. 选科要求：几乎所有AI技术类专业都要求**物理+化学**双选，没选物化基本关上了技术赛道大门 3. 长线规划：想深耕大模型、算法研发，本科一定要规划读研，头部企业核心岗基本硕士起步 4. 不要迷信"计算机万能论"：未来十年最值钱的是"AI+行业"的复合能力，懂医疗/金融/制造+AI，比只会写代码竞争力强得多 给在校大学生：这4件事现在做还不晚 1. **打好数学基础**：线性代数、概率论、微积分、最优化方法，这四门课比任何框架都重要，陶哲轩说AI本质是数学问题，不是空话 2. **至少精通一门编程语言**：Python是标配，想做底层和高性能计算一定要学C++ 3. **动手做项目**：不要只听课刷题，Kaggle竞赛、开源项目贡献、实验室实习，真实项目经验比GPA更重要 4. **培养交叉视野**：学计算机的去听听神经科学和哲学的课，学数学的学学工程实现，学文科的补补编程和统计——未来的AI大师，一定是跨学科的通才 六、尾声：AI时代，真正的护城河是什么？ 陶哲轩在ICM演讲的最后说了一段意味深长的话： "一百五十年前，一位数学家的主要价值可能是求解微分方程；六百年前，可能是为航海制作正弦和余弦表。如今这些工作都能被计算机在几秒钟内完成，但数学并没有因此终结。" AI会取代很多重复性的工作，但永远取代不了的是： - 提出好问题的好奇心 - 跨学科连接的创造力 - 对本质的深度理解 - 对人性和价值的判断力 500万人才缺口的背后，不是500万个"调参侠"的位置，而是500万个能在数学、计算机、神经科学、物理、语言学、哲学等不同领域自由穿梭，真正理解智能、引导AI向善的大脑。 未来十年，属于那些既懂技术又有人文关怀，既会解题又懂为什么解题的人。 陶哲轩说需要数学家研究AI的基础理论——但他没说的后半句是：这个时代最缺的，从来不是某一个专业的专家，而是能看到整个拼图的人。 愿你成为那个拼图的人。
评论 (0)