"AI要抢饭碗"已经喊了好几年，被点名的行业数不胜数：司机、会计、翻译、美工……
但这次有点不太一样：
坐在人类知识王座上的人，也不淡定了
9月8日，OpenAI宣称，内部模型动用约1万个AI智能体并行工作88小时，解出克莱数学研究所七道千禧年难题之一。
三天后，25位菲尔兹奖得主联名发表声明，标题毫不客气——《人工智能在数学中的严重错位》。
10月初，OpenAI又公开700余篇AI生成的数学预印本，"人类数学协会"（AHM）不仅没鼓掌，反而集体发起了充满攻击性的抵制："这不是学术贡献，这是赤裸裸的力量展示。"
数学家的焦虑不仅没有引来公众对AI发展速度的关注，反而受到互联网的无情嘲讽：AI看数学家就像我们看猴子一样！
2022年，专家说AI拿到数学奥赛金牌要等到2030年。AI在2025年就做到了；
2023年，2000多名专家估计，AI证明一个权威期刊级别的定理还要22年；还有调查说，AI在2027年底摸到悬赏难题门槛的概率只有10%——AI在2026年9月就做到了。
高难度编程测试，当时领先的AI只有7.7分，专家预测2026年底能到14分。2026年5月时，AI已经拿到了53.8分……
与前面相反，十年前，各个巨头曾断言卡车司机很快会被自动驾驶取代，数百万人将失去工作，晃眼十年过去，到现在都没有企业能完成一次完整运输任务。
2020年，世界经济论坛曾预计到2025年工作任务的自动化水平会比2020年大幅提高，回访时却发现，自动化水平的提升只有预期的7%。
被调查的专家大多来自大学院校，并不在知识生产的第一线，没有行业内部资讯，更追不上一项被万亿美元推着升空的软件技术。
更深一层，是两个世界的阻力差——物理世界的"摩擦"，比电子世界的"电阻"要高得多。
软件世界里，复制一份东西只要Ctrl+c；现实世界里，造一台能上路的车、开一所医院……在实践时都面临"理论上"能行之外的无数障碍。
回到卡车司机的例子——技术上，卡车远比小汽车危险而难以控制，要实现无人驾驶，它不仅要能跑高速，还要能跑国道、经过市区、停进物流仓库；而法律、监管、保险和相关基础设施，几乎还是空白；最后，只要车上还需要一位安全员对车辆和货物的安全负责，那取消"司机"就失去了意义。
这五年，全国本科专业布点的调整超过三成。过几年孩子要填报的专业表，不会是今天这张。没有专家、学者和政策制定者能预测AI带来的变化，但我们能推出几点：
第一，要不要“物理"，要不要动手、到场，在真实的厂房、病房、工地上完成。
第二，结果的对错能不能自动判出来，能被自动判对的活——都是机器取代人很快的地方。
第三，要不要有人负责，出了错，需不需要一个具体的人签字、担责、面对后果。
第四，要不要当面沟通。要不要看人脸色，听懂弦外之音，协调立场。
热门专业有保质期。这轮叫管理，上轮叫外贸，再早叫会计……每换一茬，都有家长以为替孩子抓住了未来。
但抓住未来不是只靠一次专业选择。让他完整做完一件小事，为自己搞砸的事认一次错，独自去解决一次矛盾……知识可以复制粘贴，而高素质、有担当的人，到哪里都是稀缺品。
专业会过时，风口会转向。
别只替他押注热门，帮他自己成为热门。
你觉得呢？
