上个周末，我那个读大二的表弟专门坐了两个小时高铁来找我，一脸愁容。

他学的是应用物理，本来觉得自己选了个“硬核”专业挺牛气，结果刷了几天短视频，看到满屏都是“AI要替代理科生”“传统理工科即将失业”的论调，整个人都不好了。他原话是：“哥，我是不是选错行了？等我毕业，是不是连口饭都吃不上？”

我给他倒了杯茶，笑了笑。这场景让我想起十年前我自己毕业那会儿，也赶上过一波“互联网寒冬”的焦虑。其实吧，AI时代理科发展前景这个话题，得换个角度想——不是AI来抢理科生的饭碗，而是理科生手里握着AI这玩意儿最核心的命门。

别慌，咱理科生的底牌AI真拿不走

先说个你可能不知道的事儿。就在上个月，中南大学开了场春季双选会，775家企业带了三万六千多个岗位去“抢人”-1。我注意到了一个特别有意思的现象：会AI确实是加分项，但企业HR们真正看重的，压根不是你简历上写了“熟悉Python”这几个字。

可孚医疗的招聘负责人说了句话特别在理——他们要的是“专业素养+AI应用能力”-1。你品，你细品。专业素养排在前头。AI再牛，它也是个工具，就像当年计算器没让数学家失业一样，反而把他们从繁琐的计算里解放出来了。

我表弟听完稍微放松了点，但还是不太信：“那学纯数学、纯物理的，出来能干啥？总不能都去当老师吧？”

数学是AI的“地基”，这个坑位谁也抢不走

这时候我给他讲了绿盟科技一个专家高骞前段时间在西北农林科技大学做讲座时说的话。高骞这人，在华为、启明星辰干了二十多年，他说数学就是人工智能的“地基”，高等代数、数学分析这些看起来“没用”的课，其实是AI算法和模型的核心支撑-7。

你想想，大模型底层那些东西，什么线性代数、概率论、最优化理论，哪个不是数学？没有数学基础的人去搞AI，就像没学过力学的人去开挖掘机，能把机器搞动，但稍微出点状况就抓瞎。

上海交大有个教授王维克说得更直白——AI时代，静态的知识越来越不重要了，重要的是提出问题、质疑、批判性思考的能力-2。理科生四年训练的是啥？恰恰就是这种逻辑推演、实证分析的能力。这些东西，AI还真模仿不来。

我表弟开始若有所思了。

别信“天坑”那套说辞，AI正让传统理科翻身

这时候我给他看了个新华日报的报道。南京大学化学化工学院今年有个毕业生叫张聪，学的就是被人叫了好多年“天坑”的化学专业。结果人家投了四五十份简历，拿了四个offer，概率大概十分之一-9。这在当下的就业环境里，真不算差了。

更关键的是，AI正在让化学这类传统理科“翻身”。中科大搞了个“机器化学家”，叫“小临”，这玩意儿能自己看论文、想方案、做实验。听起来是不是挺吓人？但你想过没有，“小临”再牛，它背后那套逻辑是谁设计的？还是化学家和计算机科学家一起搞出来的-3。

而且，“小临”在帮科研人员找一种吸能材料时，传统方法可能要十年，它七个月就搞定了-3。这意味着什么？意味着搞化学的人，以后可以把大量重复试错的活儿甩给AI，自己专注于更有创造性的研究。这哪是失业，这是解放啊！

我表弟眼睛亮了亮：“那是不是说，我现在学的物理，以后也能跟AI结合？”

真正的机会在“理科+X”这个交叉地带

说到点子上了。

你看现在那些真正抢手的人才，全是复合型的。上海大学材料基因组工程研究院，直接把AI和材料科学揉在一起，搞了个“AI+材料”的教学体系-6。他们的学生在市场上有多吃香？自己品。

还有扬子石化的一个高级工程师屠嵩涛，他说得很实在：现在的化工企业，如果一个人懂化学+材料，就能跨学科开发新型催化剂；如果懂化学+数据，就能用Python分析实验数据做建模；如果懂化学+AI，那就能和算法工程师协作，参与智能实验平台的建设-9。

一句话总结就是——学理科，但不能只会理科。

智联招聘的数据也佐证了这一点：今年春招首周，人工智能工程师的平均月薪冲到两万一，在各职业里排第一-5。但注意，这些岗位要的不是只会调包调参的“AI速成选手”，而是那些能在具体行业里落地的人。

那到底该怎么走？我给你画个路线图

我表弟问出了最关键的问题：“那我大学四年具体该咋整？”

我给他梳理了几条路，都是实打实的：

第一条路，把基础打扎实。AI时代理科发展前景怎么样，很大程度上取决于你的“地基”有多牢。数学分析、线性代数、概率论这些，别想着“够用就行”，往深里学。人大数学系毕业的徐御之，现在是宽德投资的CIO，他说得很清楚：数学分析、概率论、最优化这些基础，在AI研究里太重要了-4。

第二条路，早点“跨出去”。别把自己锁死在一个专业里。大三之前，找个目标行业的实习，最好是大厂的那种。据我所知，现在阿里、小米这些公司，AI相关岗位在校招里的占比超过六成-8。早点进去摸摸底，看看真实的企业需要什么，比在学校闷头看书强十倍。

第三条路，学会“结果导向”地展示自己。中南大学双选会上，科力远集团的HR说了个细节：他们看简历时，最吸引眼球的是“可量化的成果”-1。比如，工科学生在项目中解决了什么具体问题、提升了多少效率。别写那些虚头巴脑的“负责了某某项目”，写清楚“我把某某效率提升了30%”。

我表弟听完，脸上的愁云散了大半。

写在最后

其实那天晚上我们聊了很久，从他专业选择聊到人生规划。他临走的时候说了一句话，让我挺感触的：“原来AI不是来砸我饭碗的，是来给我递新饭碗的。”

我觉得这话说得对。AI时代理科发展前景，说到底不是技术的问题，是人的问题。那些愿意主动拥抱变化、愿意跨出舒适区、愿意把基础打扎实的人，在哪个时代都不会差。

就像中南大学那个消防工程专业的本科生李同学，人家凭着在项目里积累的AI实践经验，直接收到了人工智能公司的offer-1。他说了句话我觉得特别实在：专业素养是基本项，在此之外，要更多地展现自己主动拥抱新技术、接受新思路的能力。

这话，送给所有正在焦虑的理科生。

网友留言区

@江南烟雨客：楼主说得挺实在，但我有个疑问——我是学材料的，学校课程里根本没有AI相关的内容，自己学又不知道从哪儿下手，网上那些培训班靠谱吗？有没有什么低成本、高回报的学习路径推荐？

答：这个问题问得特别好。我得先说个大实话——市面上那些“三个月速成AI”的培训班，十个里有八个是割韭菜的。你学材料的，其实有个更好的路子。

你先别急着去报班，去GitHub上找一个叫Bgolearn的开源软件，这是上海大学张统一院士团队搞的，专门做材料智能设计，下载量已经突破11万次了-6。关键是它免费，而且有完整的教程。你跟着走一遍，把材料数据和机器学习怎么结合搞明白，比上什么培训班都强。

然后呢，去找你们学校材料学院有没有做“计算材料学”或者“材料信息学”方向的老师，厚着脸皮去蹭组会、求指导。很多老师其实挺欢迎学生主动来学的，只是你不开口人家不知道。还有一个宝藏资源——科学出版社出了本《材料信息学导论：机器学习基础》，就是张统一院士编的-6，四十多块钱，比几千块的培训班实在多了。

@风吹稻田：我是物理专业的，大二，想往AI方向转但又舍不得完全丢掉物理，有没有什么方向是能把物理和AI结合起来的？听说很多公司招“AI+物理”的人，具体是干啥的？

答：你这想法太对了！千万别把物理丢了，因为物理+AI恰恰是现在最稀缺的方向之一。

具体来说，有这么几个方向你可以关注：第一个是“AI for Science”，就是用AI来辅助物理研究。比如中科大那个“机器化学家”其实本质上也是这个思路，用AI加速科学发现-3。物理领域也一样，用深度学习做分子动力学模拟、用神经网络解薛定谔方程，这些都是前沿。

第二个方向是工业界的“物理仿真+AI”。比如自动驾驶公司需要做物理引擎来模拟车辆动力学，搞机器人的需要做物理仿真来训练控制算法，这些岗位最喜欢要的就是物理背景扎实、又懂AI的人。还有一个你可能没想过——量化金融。宽德投资那个徐御之，人大数学系毕业，在华尔街干了一圈回来做量化交易，用的就是数学物理的思维来建模-4。这个方向起薪高得吓人。

建议你把物理的主干课学好，特别是四大力学，然后选修机器学习、深度学习，大二暑假找个做计算物理或者AI物理交叉的实验室去实习，比上什么培训班都管用。

@麦田里的守望者：文章里提到理科生要“跨出去”，但我家里条件一般，没法去北上广深实习，学校又在三四线城市，这种情况该怎么办？

答：抱抱你，这个问题很现实，但也不是没办法。我跟你讲个真事——我认识一个学生，在西部某省一个地级市读的大学，最后进了北京一家头部AI公司。他怎么做到的？

大三那年，他干了一件事：找到了这家公司开源的一个项目，认认真真读了代码，发现了一个bug，给提了个Pull Request。人家技术负责人一看，这小伙子行啊，远程聊了几次就给了他一个远程实习的机会。后来干得好，毕业直接入职。

所以你明白了吗？在AI这个领域，地理位置真的不是最大的障碍。代码、论文、开源项目这些东西，都在网上，不看你学校在哪儿。你完全可以通过GitHub、Kaggle这些平台，用实力“敲门”。

另外，还有一个渠道你留意一下——“国家大学生就业服务平台”和“国聘网”，这两个是官方渠道，上面很多央企国企的招聘信息-8。这些企业往往对学校地域没那么挑剔，更看重专业基础和学习能力。还有就是你学校如果有“互联网+”“挑战杯”这些比赛，一定要参加。很多企业会去这些比赛的现场挖人，不管你在哪个城市-8。