高考结束了，但对于很多人来说，真正的战争或许才刚刚开始。
因为马上就要开始选专业了，而这，才是最困难的时候。
过去三年，中国高校掀起专业更新潮，根据教育部数据显示，从2023年到2025年，全国高校共计新增5329个本科专业点，撤销4815个本科专业点。
即过去三年，全国大部分高校，都完成了一次专业大换血。而新换上来的专业，到底有没有真东西，好不好就业？一切都没有答案。
与此同时，AI还在迅猛地吞噬一切，学历也在迅速贬值，大学生就业一年更比一年难。数据显示，2025年美国企业累计裁员超过120万人，比2025年增长58%。中国虽然缺少类似口径的权威统计，但很多人在线上看到的、在线下经历的，都在指向同一种现实：就业市场正在变冷。
可以说，今年的考生，面临着近三十年来*的不确定性。
那么，在这个关键节点上，究竟该如何选择，才能尽可能保证今天选下的专业，不会在明天就变成一张失效的入场券？
我们花了两天时间，总结了数十份政策文件和研究报告，整理出十类最有概率符合时代需求的专业，供大家参考（附在文末）。
未来五到十年，国家把资源投向哪里？
要让今年的高考学子在完成大学学业之后，所选专业依然具备竞争力，我们的目光就不能只停留在当下，而要把时间轴往前推，至少看到五年后，甚至十年后。
当然，这件事在任何领域都不容易。毕竟，世界瞬息万变。
但无独有偶，在选专业这件事情上，我们却可以在巨大的变化当中找到一些相对确定的锚点，比如国家面向未来的战略规划，以及全国各大高校为了配合这个战略规划所制定的人才培养计划。
有了这两点，再结合当前全球的技术发展趋势，我们就可以捕捉到一些未来的影子。
首先，要看国家战略。它反映的是未来几年国家准备把资源投向哪里，也意味着国家希望在未来被建设成什么样子。
而2026年正好是我们国家十五五规划的开局之年，我们结合了“十五五”规划的相关文件，并整理了包括2035年远景目标、教育强国、数字经济、双碳、未来产业相关的数十份高级别政策文件，可以看到一个清晰的国家战略方针：未来中国发展是以科技创新、先进制造、数字经济、绿色能源和生命健康为核心的新增长模式。
在这个方向上，中国的产业发展至少有六个具备长期确定性的方向：
1、人工智能与数字经济
2、半导体、量子、6G等硬科技自主可控
3、高端制造、机器人、工业自动化
4、新能源、储能、电力系统与低碳转型
5、生物医药、生物制造与生命健康
6、空天科技、低空经济、商业航天、深海深地等战略空间
我们整理了相关的产业，以及比较对口的专业情况，可供大家参考。但是注意，我们这里讲的，是比较稳妥的、有容错空间的方向，而不是那种最有概率挣大钱的方向。
当然，同样需要明确的是，国家战略支持也不等于所有相关专业都好就业。
比如新能源车已经从“政策风口”进入“产能竞争”和“价格战”阶段，2030届考生如果只盯着“新能源汽车”四个字，反而可能选到竞争过热方向。
高校专业大换血，透露未来什么人才需求？
所以，政策也只是其中一个参考，靠谱的专业选择还需要结合最近几年国内各大高校实行的专业改革来看。
教育部这三年的专业调整，背后并不是“热点跟风”，而是一条很明确的制度路径。
前面提到，过去三年，全国头部高校累计新增5329个本科专业点，撤销4815个本科专业点。特别是从2023年到2025年，本科专业目录分别新增24种、29种、38种新专业，这说明高校已经不再满足于“把老专业简单改名”，而是在围绕新产业链和新问题重构本科入口。
而这些专业方向，其实也反映出教育部及各大高校对于未来的判断。
我们具体来看，在2024年高校改革结束之后，我们国内精英院校的新增专业就已经非常集中地指向了几条主线：低空技术与工程、人工智能教育、碳中和科学与工程、智能视听工程、智能影像艺术、数字戏剧、海洋科学与技术、人居设计、区域国别学等。
比如，北京邮电大学新增低空技术与工程，北京师范大学新增人工智能教育和碳中和科学与工程，北京外国语大学新增区域国别学，中国传媒大学新增智能视听工程、智能影像艺术、游戏艺术设计等等。
到2025年度对应的2026招生季，985高校的新增专业进一步前移到了更明确的未来技术节点：北京航空航天大学、北京理工大学、哈尔滨工业大学、浙江大学、东北大学、西安交通大学等校开始布局具身智能；天津大学布局脑机接口；同济大学、中国海洋大学布局未来机器人；中国科学技术大学布局商业人工智能......
我们整理了一些有代表性的高校与他们的新增专业，从中我们可以看到一些未来趋势：
需要说明的是，这张表并不是一份完整的高校—专业清单，而是从过去三年的新增专业中，筛选出最能反映趋势变化的代表性信号，做了一次压缩展示。
真正值得读懂的不是“哪所学校新开了什么”，而是哪些词在高频重复出现：智能、低空、碳中和、交叉、医工、材料、数据、海洋、公共治理、育种、脑机。
这里面还有一个重点需要关注的是，2025年，教育部首次增设“交叉学科”门类。
所谓交叉学科，就是不再按传统“单一学科”培养人才，而是围绕一个复杂问题，把多个学科的知识、方法和工具组合起来。
比如具身智能，就不是单纯的计算机，也不是单纯的机器人，而是人工智能、机器人、机械工程、控制科学、认知科学等交叉在一起。
这种课程，以前通常都是在研究生阶段才会涉及，现在下放到本科阶段，其实说明，未来国家的人才培养目标，不是单一学科纵深型人才，而是学科底座 + 问题导向 + 技术工具的组合式培养。
对于考生来说，这意味着报专业时不能只看名称是否新潮，更要看它背后依附的是哪条学科平台链、哪条产业合作链、哪条继续深造链。
这意味着未来最有价值的专业，不一定是今天最热搜的名字，而往往是那些能够同时回答以下三个问题的专业。
1、它能否连接中国未来五到十年的战略方向？
2、它是否需要较长训练周期形成门槛？
3、它是否能够和AI、数据、工程或制度设计能力结合？
凡是三项都能回答“是”的专业，2030年的抗风险能力通常更强。
市场真正需要的，不是新专业，而是新能力
最后，一切的规划终究也需要结合实际。
我们对未来的设想是一回事，市场的真实需求又是另一回事，这两者是相辅相成的，所以在看完高屋建瓴的规划之后，我们也需要听听市场怎么说。
我们还参考了全球多家知名机构的判断，包括普华永道、世界经济论坛、世界卫生组织等；也梳理了OpenAI、Google、微软等科技公司的相关观点。同时，我们也关注了一些前沿技术领域代表人物的公开表达，比如OpenAI创始人Sam Altman、斯坦福大学以人为本人工智能研究院院长李飞飞等。
总结下来，关于AI发展将如何改变人才结构和市场需求，当前各方大致形成了五个共识。
*个共识是，AI不会只替代岗位，更会重写岗位结构和技能结构。
比如达沃斯论坛上的一个观点认为，技术总体上将是未来劳动力市场*颠覆性的力量，AI和信息处理技术预计会创造1100万个岗位、同时替代900万个岗位；另有40%雇主预计在AI可自动化场景下降低用工规模。
这意味着2030届毕业生面临的不是“就业消失”，而是“传统岗位内容变了，旧技能不再够用”。
第二个共识是，AI时代更值钱的不是单点工具熟练度，而是“专业能力 + AI能力”的组合。
这一点，与我们国家提前开设交叉学科的方向不谋而合。普华永道报告《2025 Global AI Jobs Barometer》显示，具备AI技能的岗位平均有56%的工资溢价，而且AI暴露度更高的行业，其单位员工收入增长更快、技能更新速度也更快。
经济合作与发展组织在相关文件中也提到，在高度暴露于AI的职业中，雇主越来越需要的是管理、商业和数字技能，以及更高比例的情绪、认知与数字复合能力。
所以对今年的高考学子而言，这意味着“所有专业都该学AI”这句话方向是对的，但理解不能过浅：真正有价值的不是会用几个工具，而是能把AI嵌入你未来专业领域的问题求解。
第三个共识是，绿电、能源、制造、机器人这些传统“硬行业”正在重新变成高成长赛道。
达沃斯论坛上提到，把绿色转型和人口结构变化列为未来就业的重要新增来源；国际能源署（IEA）则给出更具体的数据——2024年全球能源就业已增至7600万人，并连续第三年快于整体经济增长，但技能短缺正在成为障碍。
也就是说，“能源”“制造”“电气”这些在很多家庭眼里看起来不够时髦的方向，反而可能在2030年前成为最值得本科生配置的长期赛道，因为它们既有真实工程场景，又有国家投资强度，还较难被纯软件式替代。
第四个共识则是，医疗健康和老龄化服务不是短期热点，而是长期确定性。
世界卫生组织估计2030年全球卫生人力仍将存在约1100万缺口，这个趋势不会因为AI发展而消失，反而会因为数字医疗、智能诊断和老龄化管理而出现更多医工融合岗位。
这意味着，未来医疗相关方向中，能在数据、设备、流程和医疗场景之间协同的人，会具有更大的竞争力。
最后，第五个共识，是未来的人才培养必须更重视“跨学科”和“人本导向”。
Google DeepMind CEO Demis Hassabis谈到其“通用AI助手”和“世界模型”愿景时，实际上是在描述一个AI渗透到几乎所有知识劳动领域的未来。
Stanford HAI的李飞飞则长期强调，AI不应被狭隘理解为自动化机器。她认为，把AI整个领域都理解为“自动化”是一种误解，未来必须坚持以人为中心的AI框架。
把这两种观点放在一起，结论反而很统一：2030年前最有价值的人才，不是“只会一门窄技能的人”，也不是“只会空谈趋势的人”，而是能把技术、场景、组织与人结合起来的人。
而基于这些共识，我们对2030年前后几条技术与行业主线的影响梳理了这样一个表格，供大家参考：
这个表的目的，重点是想告诉大家，技术突破不是“只利好新专业”，它也会重新为老专业定价。
很多家长看到“具身智能”“脑机接口”这类前沿名称，会本能地觉得必须去赌最新、最热的方向。
但从本科培养规律来看，更稳妥的路径，往往不是直接押注一个刚设立、培养体系还在试验期的新名字，而是先选择数学、自动化、机械、材料、电气、统计、生物等底座扎实的专业，再通过辅修、选修、竞赛、科研和读研，把自己推向前沿场景。
所以，AI时代选专业，真正重要的不是追逐最热的名字，而是选择一个足够扎实、足够长期、也足够能与 AI 结合的方向。专业只是起点，未来真正的竞争力，来自持续学习和把技术用到真实问题里的能力。
【本文由投资界合作伙伴微信公众号：有界UnKnown授权发布，本平台仅提供信息存储服务。】
【免责声明】：本文不构成任何投资建议。市场有风险，投资需谨慎。
如有任何疑问，请联系（editor@zero2ipo.com.cn）投资界处理。
