AI沖擊下的高考志愿：“別拿上一代的經驗，規劃下一代的人生”

撰文｜張天祁?

今年是葉曉陽做高考志愿公益輔導的第十一個年頭。2016年，還在密歇根大學攻讀博士的他跟隨導師前往寧夏開展高考志愿填報研究，通過巡回講座、發放志愿填報手冊和一對一輔導，幫助當地考生彌合信息差。此后每年高考季，他都會為高考生提供免費志愿咨詢，并且通過線上線下的講座、直播等方式為高考生解惑。

他從密歇根大學獲得博士學位后，在普林斯頓大學和布朗大學做過博士后研究，如今在亞馬遜擔任經濟學家。一路走來，他始終關注高考志愿填報與升學選擇中的信息不對稱問題，并嘗試用機制設計、行為經濟學和人工智能的方法，幫助學生做好報志愿的決策。

每年義務輔導結束，他幾乎都會想“今年是最后一年”。但下一年的報志愿期間，他又會重新出發。今年尤其如此，往年他的公眾號高考系列文章通常到6月才動筆，今年4月便已經開始，現在已經寫了超過30篇。

促使他提前行動的，并不是某一項具體的政策變化，而是一種持續加劇的緊迫感。AI正以每一兩個月一次的速度快速迭代，但是相當多考生和家長的觀念還停留在過去。

“別說高考志愿要預測未來四年會怎么樣，就算是預測今年年底的世界，都變得越來越困難。在這種情況下，再沿用十年甚至二十年前形成的選專業、選行業經驗，已經非常不可行了”，葉曉陽說。

上一代人的收入曲線，不能框定下一代人的職業地圖

很多中國家庭在規劃志愿時，往往有一個非常強的直覺。時代變化越快，越要押年輕、押新專業、押最前沿的崗位。

這種直覺并非毫無來由。過去二三十年，中國的確經歷過一個獎勵年輕的階段。在不少行業里，年輕人比上一代更快拿到高收入。一些父母輩花十幾年積累出來的職業經驗，也被下一代趕上的教育擴張、產業升級和城市化機會迅速改寫。

葉曉陽認為，要理解這種現象，首先需要先看勞動者收入曲線的變化。

葉曉陽經常推薦兩位經濟學家方漢明和仇心誠的"Golden Ages": A Tale of the Labor Markets in China and the United States這篇論文。它比較了兩國的年齡收入曲線，發現美國收入最高的年齡段大體穩定在45到50歲附近，而中國城鎮男性勞動者的收入峰值，在1990年代大約是55歲，到2010年代已經下降到35歲左右[1]。

這是中國經濟高速增長階段留下的鮮明印記，勞動力市場長期在獎勵年輕。更年輕的世代擁有更高教育水平，進入的是更新的產業，也因此更快獲得收入優勢。

但這種優勢很難長期維持。市場獎勵的始終是更新本身，而不是某一代人，這也是35歲現象的出現的原因之一。

收入曲線本身會隨著經濟發展階段改變。高速增長時期，年輕人更容易獲得提前起飛的窗口。而當增長放緩、產業成熟，經驗、判斷力這些需要時間積累的能力，開始得到市場的獎勵。

圖源：葉曉陽個人公眾號《依然糅春天》

美國的軌跡可以作為參考。哈佛大學教育經濟學家David Deming在2021年發表的論文The Growing Importance of Decision-Making on the Job，是葉曉陽這些年反復在講座和公眾號里引用的一項研究。這項研究發現，美國勞動力市場中需要做決策的崗位比例，從1960年的約6%上升到2018年的約34%，其中將近一半的增長發生在2007年以后[2]。

與此同時，美國全職勞動者的收入峰值年齡也明顯后移。1960年代通常在30多歲后期，到近幾十年已經接近50多歲中期。

在葉曉陽看來，這背后指向的是同一個趨勢。當經濟進入更成熟的階段之后，市場不再只是為技術能力本身付費，而是越來越看重技術之上的判斷與決策。

原本，這種收入邏輯的轉變也許需要二三十年才會逐漸完成。但在葉曉陽看來，AI大幅壓縮了這條時間線，可能未來幾年的畢業生將很快面臨這個問題。因為AI帶來變化的關鍵，就在于它能夠擊穿技術能力的溢價。它最先沖擊的，恰恰是那些標準化程度高、主要依賴技術執行的工作。

這也是他反復強調的一點。不能拿一代人的收入曲線，去框定下一代人的職業版圖，因為兩代人面對的根本不是同一種情況。

在經濟高速增長時期，新興行業帶來的溢價，曾經不斷打破上一代人對于穩定工作的固守。但收入邏輯開始變化之后，如今在焦慮的推動下去追逐當下最熱的專業，未必還能換來同樣確定的回報。

幾年前《知識分子》對葉曉陽的訪談中，他曾經提到，做報志愿咨詢時幾乎都是家長跟他打交道。那些被家長拉來做咨詢的學生，說得最多的是“我不知道說什么”“我也不知道該怎么選”，很多學生不知道如何自己主動去探索[3]。

到今年，這種情況并沒有太大的改觀。“我真的想呼吁家長不要在高考志愿這件事上插手太多，他們對這個時代的變化其實還一無所知。

如果還是拿舊的經驗去指揮，越指揮越糟”，葉曉陽有點無奈地說。

這并不是說家長不重要，而是說當外部變化加快時，很多過去有效的判斷方式會逐漸失去參照意義。越是在這種時候，把經驗當成確定答案，越容易偏離現實。關鍵不是找一個過來人指點迷津，而是真正讓學生建立自己的判斷能力。這也是葉曉陽這些年越來越清楚意識到，并且想要反復強調的一件事。

不要迷信“穩定”這個標簽

在葉曉陽接受訪談前不久，Meta剛剛宣布裁員，規模超過10%。一次和律師朋友的聊天中，他開玩笑說，自己從事的經濟學研究可能也會被淘汰。“如果能重新選擇，我很愿意去讀法律，你看你們現在工作多穩定”。

但是律師朋友連忙擺手，說現在年輕律師已經不太容易進入這個行業。因為原本需要新人完成的一些基礎工作，已經可以由AI承擔。同時，隨著AI能力提升，很多依賴時間積累的基礎業務也被壓縮。

這樣的對話似乎在當下隨處都可能發生。面對不確定性，人們往往出于本能去追逐一個表面上穩定的行業，但這種所謂的穩定，很大程度上建立在對真實工作內容和技能需求的誤讀上。

在葉曉陽看來，AI帶來的焦慮，正在制造一個格外矛盾的心理陷阱。環境中不確定的因素越多，人們就越想抓住穩定這根稻草，然而，穩定這件事本身，正是在這種不確定環境里最先瓦解的東西。

在《知識分子》過往的訪談中，葉曉陽曾經用行為經濟學的理論去解釋這種傾向。當面臨不確定性困擾的時候，人會更加傾向于去接受短平快的信息，首先極其希望立刻得到一個確定性的答案。

穩定陷阱的第一層，是把崗位當成技能本身。“不能只看這個穩定的標簽，因為這個標簽可能會變，應該還是看它背后的核心技能”。即使是大家普遍認為穩定的公務員，也是不斷變化的。把職業前途過分依附在具體崗位上，路只會越走越窄，最后失去選擇權。“人最舒服的狀態，就是隨時有拍拍屁股走人的自由”，他說。

第二層陷阱，是相信技能本身能保值。葉曉陽拿David Deming的一篇論文舉例，這篇文章比較了2000年代初招聘廣告里被看重的技能，和十年后同一批技能的命運，"零幾年特別看重的技能，十年后你拿著它不可能找到任何工作了，因為不需要了[4]”。

他自己所在的數據科學分析行業也在重演同一個故事。去年招聘考核的主要內容還是現場寫代碼解題，今年面試已經默認可以直接用AI，"考的不再是你的記憶或熟練度，而是你怎么進行人機交互，怎么和AI配合做出更快更好的東西"。

技能的保質期不只是在縮短，更是在以一種難以預測的方式縮短。變化不只是來得更快了，連變化本身會朝哪個方向發展，都變得越來越難判斷。

“每一個人，包括我自己，都要革新所謂技能和職業的觀念”，他說，“一個工作干到老不可能，絕大部分工作都不可能。而且以過去三年的變化速度，根本沒法預測未來三年會怎么樣”。

他給出的對策，是他這幾年經常講的兩個詞，長期主義和不可替代性。"長期主義，就是要根據更長遠的目標來決定當下的選擇，"他解釋。

這套邏輯落到專業選擇上，葉曉陽一貫推薦順序是：興趣第一，相對能力第二，行業平均前景第三。

“放到今年，可能第三條都沒有那么重要”。原因很簡單，行業前景本身就在AI沖擊重組之中，與其押注某個此刻看起來安全的行業，期待四年后它還能維持原狀，不如押注一個自己在面對變化時仍然愿意投入、能夠持續學習的方向。與其去賭注行業，不如去了解自己。

但他也注意到，在這種焦慮氣氛下，很多學生和家長并沒有真的放棄尋找"穩定"，只是把穩定的想象換了一個名字，從公務員換到了AI和計算機專業。他在公眾號里描述過這種心理的來源。家長刷到短視頻，說會計、翻譯、新聞、法學都要被AI替代。學生打開社交平臺，又看到另一種說法，以后只有計算機、人工智能、電子信息、自動化才有前途。

"每一代技術變化都會制造一種錯覺：只要掌握一個新工具，就抓住了未來"。葉曉陽如此描述這種氣氛。

圖源：葉曉陽個人公眾號《依然糅春天》

今年，家長和學生在追逐熱門專業的同時，也多了一層新的焦慮。AI來了，這個專業以后還安全嗎？“AI暴露度”成了新的流行詞，不少人開始把它直接等同于一個專業未來會不會被取代。

葉曉陽認為，AI暴露度，也就是一個職業的工作任務有多大比例會受到AI影響，本身遠遠不能說明問題，更不能把行業的暴露度直接等同于大學的專業前景。一個本科專業可能通向很多職業，一個職業也可能由很多專業進入。

需要關注的風險，葉曉陽把它分成了四類。一是自動化暴露，也就是專業對應的低階任務有多少被AI替代的可能。二是AI增強專業能力的空間。三是入門崗位壓力，也就是入門工作被AI替代的可能。四是遷移能力，這個專業訓練的能力，能不能讓學生在一個崗位不適應的時候，方便轉向其他的方向。

今年計算機相關專業是毫無疑問的熱門，但這也是一個受到AI沖擊強烈的專業。程序員入門的工作正在被AI替代，但同時，對于一些有興趣的程序員來說，AI又能很大程度上增強他們的能力。

如果報考學校的專業僅僅能教會學生怎么做一些低階的執行工作，父母也只看熱門、只看高薪，卻不看學生是否真的喜歡數學、邏輯、系統、代碼、長期自學和快速迭代，葉曉陽把這種做法稱為“低配報”。這種方式，在AI時代風險無疑是更大的。

這套邏輯也適用于對AI課程的審辨，學校跟風開設的AI相關專業，尤其需要認真考察。他舉了一個例子：有一所大學今年開設的專業叫公共管理（數智治理），“這不就是掛羊頭賣狗肉嗎”？

葉曉陽解釋，判斷一個專業是不是真材實料，第一要看課程內容是不是真的變了，第二要看師資里有沒有真正懂AI的老師。他統計過2025年的數據，發現學計算機的本科生比例已經反超了曾經全國10%本科生都在讀的工商管理專業，成為最熱門的專業。但頂級人工智能人才依然稀缺，普通學校倉促開出的新專業，很難保證教學質量。

改革這幾點，90%的高考咨詢師都不需要了

落到報考制度層面，葉曉陽最希望推動的改革，是讓仍未采用院校專業組投檔模式的省份盡快完成改革。他幾乎能不假思索地背出目前已經實行這一模式的省份名單。

他常拿北京和貴州作比較。北京雖然教育資源豐富，但由于投檔規則限制，學生始終面臨專業調劑風險。想學中文，最后可能被調劑到歷史。但在貴州，一個想學中文的學生可以同時填報96個學校的中文專業，總能找到與自己分數匹配的位置。

在他看來，這項報考機制的變化對考生行為的影響幾乎是根本性的。給學生的選擇空間越大，他們越會敢按照真實偏好填報，而不是被迫保守。“這是我認為最急需要改革的、天字頭第一號政策。”他說。

另一項他最想推動的改革，則是退檔制度。他把高校按120%提檔，再淘汰一部分學生的做法直接稱為“耍流氓”。

在他看來，這本質上是前互聯網時代信息無法實時交互留下的制度慣性，當時招生學校擔心自己提檔的學生萬一不滿足要求被退檔，學校會招不滿學生。放到今天，這一點已經沒有繼續存在的理由。

近年來有的省（比如廣東）開始實行預投檔供高校調整計劃比例，正式投檔按調整后計劃1:1比例一次性投檔。這在一定程度上屬于葉曉陽設想的“預錄取機制”的一部分，解決了因為大學超過100%提檔導致的自然退檔現象；但是因為學生不服從專業調劑或者不滿足錄取條件造成的退檔，仍然存在。

“如果這兩個都改了，至少又能解決20%的問題“。葉曉陽說。

第三個問題則是信息上的不足。葉曉陽過去十年講得最多的一個詞，是“等位分”，用相同位次換算跨年的分數，而不是直接比較原始分數。在他看來，這是志愿填報里最基礎、也最容易被忽略的一步。

他半開玩笑地把這叫作高考志愿的核心技術。等位分算對了，很多問題就已經解決了一半。

但真正讓他震驚的，是大多數家庭連這一步都沒做過。去年回國做線下講座時大概覆蓋了一兩萬名家長和學生，發現超過95%的人從未自己換算過位次，甚至不知道什么是等位分。

他用貴州的一個例子說明這個問題。貴州采用院校專業組模式，被他視為全國最優的填報機制之一，理論上只要方法正確，幾乎不可能大規模滑檔。但那一年，全校仍有20%的學生滑檔。問題不在制度，而在最基礎的定位出了錯，學生報的學校是自己根本考不上的。

這種信息鴻溝始終存在，定位失準也只是其中一種后果。早在2018年，葉曉陽與丁延慶等人基于寧夏高考數據的研究就發現，農村學生普遍存在“高分低報”現象，原因往往是信息不足。很多人只能根據學校和專業名稱做判斷。他的后續研究進一步發現，僅僅提供各專業畢業起薪這類基礎信息，就足以顯著改變弱勢家庭學生的報考選擇。

解決信息供給的不足，甚至比單純完善報考制度的變化更重要。一項針對中國高校錄取數據的研究顯示，從順序志愿改成平行志愿，能減少約6%的錯配。但如果學生在填報前能得知自己的高考成績，錯配率可下降18%[5]。

葉曉陽希望結合機器學習預測和人的判斷，縮小信息的鴻溝。他2022年在寧夏做過的一項大規模隨機對照實驗發現，用機器學習模型替代經驗豐富的輔導員去生成錄取概率預測，能取得和傳統專家指導相當的效果，同時所需的人力投入大幅降低[6]。

這也是他今年在做的公益項目“雨來高考AI”想要落地的方向之一，把等位分計算、錄取概率預測和個性化反饋整合起來，做成一個公益工具，用來降低信息門檻。

信息最缺乏的大多數，往往不在線上。這正是葉曉陽堅持十年做線下公益講座的原因。他和合作者2024年做過一項專門針對縣中學生的信息干預實驗，發現只要提供關于招生優惠和就業前景的具體信息，就能顯著提升這些學生對自己原本不了解的專業的把握[7]。但信息干預的前提，是要先有人愿意把信息送到那些地方去。

“如果這幾點改革都能做到，我保守估計，90%的高考志愿咨詢師都不再有需求了。”葉曉陽說。

高考報志愿，首先應該是一種教育

做了十年高考志愿的公益輔導，葉曉陽感受到的最大變化是，專業選擇成了關注的中心。

十年前，很多家庭首先考慮的是學校。在老高考的語境里，先保學校幾乎是一種默認邏輯，哪怕因此接受專業調劑。專業本身并不構成主要討論對象。

但這十年明顯不同。隨著媒體尤其是自媒體的擴散，關于專業選擇的信息大量涌現，疊加經濟結構的變化，人們開始更在意學什么。某種意義上，這是一個好的變化。但問題是，大家仍然不會使用一個相對科學合理的方法去做決策，只是把關注點從學校換成了專業而已。家長們永遠開口就是要答案，“老師你能不能直接幫我推薦”?

但做這件事，對學生本身的決策能力幾乎沒有任何幫助。

葉曉陽認為，高考志愿選擇的過程，實際是一個自我教育、自我規劃的過程。啟發學生了解自己的興趣，讓學生自主地做出決策，也是葉曉陽做志愿咨詢一直堅持的原則。“報志愿首先應該是一種教育：訓練一個學生做判斷。我一直認為，高考志愿可能是一個學生成年后第一次有機會獨立為自己的人生做決策”。

很可惜的是，很多學生放棄了這個機會，反而讓家長和報志愿咨詢機構替他們做出了人生中的重要決定。報志愿成了做一道有標準答案的題，而不是基于自身的情況和規劃作出決定。

面對那些一上來就問答案的家長，葉曉陽有時會半開玩笑地提一句，“你今天幫孩子把志愿報完，五六年后，是不是又要幫他準備相親了”？

在他看來，這兩件事其實是同一類問題。在信息不完全的情況下做篩選、做匹配、做取舍。如果沒有學會如何處理信息、如何判斷優先級、如何在不確定中做選擇，那么換到人生的下一階段，問題只會以另一種形式重復出現。

高考之后的大學也是如此。選課、參與活動、規劃方向，甚至日常的人際互動，本質上都在不斷要求一個人做決策。

所以在他看來，與其不斷替孩子完成每一次選擇，不如在更早的時候，讓孩子學習如何做決策。這也回到了他反復強調的一個判斷：如果說AI時代有什么更底層的能力，那很可能不是知識本身，而是決策能力。

決策能力并不是一句獨立思考就能產生的。它究竟能不能被訓練，又該如何訓練。過去幾年，葉曉陽越來越多地思考這個問題，而AI的發展，反而讓他看到了一種可能的路徑。

“我自己在AI時代覺得很興奮的一點，”葉曉陽說，“是因為我的主要研究領域是教育，我每天想的都是怎么改進教育。你會發現，AI時代反而讓一些理想中的教育方式變得更可能實現。”

他說的更可能實現，是指把AI模型訓練的邏輯借用到人的決策訓練里。先設定目標，提出假設，進行嘗試，再根據反饋不斷調整。葉曉陽認為，人做決策本質上也該如此：先明確目標，再比較選項，做出選擇，然后根據結果復盤、修正。

這套邏輯，他用一個更學術的詞來概括，叫"反思均衡"，概念來自羅爾斯的《正義論》。指的是一個人不斷審視問題、持續納入新信息，直到形成相對穩定的判斷狀態。

葉曉陽的理解是，反思均衡并不意味著你做出了絕對最優的選擇，而是意味著，在做決定的那一刻，你已經盡可能看過了信息、想過了風險，也對未來的不確定性做了預判。這樣的選擇未必保證結果最好，卻更不容易讓人后悔，他把這稱為有預見性的判斷。

做高考志愿公益輔導已經十年，對現在的葉曉陽來說，這件事的意義早已不只是幫助學生填好一張志愿表，更是一次關于教育可能性的持續實驗。他說“工作不是生活全部，做自己感興趣的、認為重要的、還能對一些人有幫助的事情，是很難得的”。

他想做的，不止是優化志愿填報，而是參與再造中國教育。為更多普通學生提供一種不止于分數、也不止于錄取的教育。

在一個過去堅固的經驗已經煙消云散的時代，年輕人到底該參考什么？答案不在某個專業的名字里，也不在父母那一代人熟悉的穩定標簽里，而在一個人能不能在持續變化中，反復地做出、并修正自己的判斷。

參考文獻：

[1]Fang, H., & Qiu, X. (2023).“Golden Ages”: a tale of the labor markets in China and the United States.Journal of Political Economy Macroeconomics,1(4), 665-706.

[2] Deming, D. J. (2021).The growing importance of decision-making on the job(No. w28733). National Bureau of Economic Research.

[3]張天祁. (2023, July 19). "討伐"天坑專業的背后，是包辦志愿的父母和迷茫的學生們.知識分子.

[4] Deming, D. J., & Noray, K. L. (2018).STEM careers and the changing skill requirements of work(No. w25065). National Bureau of Economic Research.

[5]Bo, S., Liu, J., Shiu, J. L., Song, Y., & Zhou, S. (2019). Admission mechanisms and the mismatch between colleges and students: Evidence from a large administrative dataset from China. Economics of Education Review, 68, 27-37.

[6] Ye, X. (2022). Personalized advising for college match: Experimental evidence on the use of human expertise and machine learning to improve college choice. Working Paper.

[7]吳秋翔,李博洋, &葉曉陽. (2024).升學信息,偏好與大學專業選擇:一項針對縣中學生專業選擇的信息干預實驗.教育發展研究, 44(12), 27-34.