<p class="ql-block">在微信里看到有人问：“清华北大录取通知书 vs 1000 万，该怎么选？”这类问题之所以让人不安，是因为它把人生压缩成了一个看似刺激、实则失真的二选一：要么“名校光环”，要么“现金自由”。但现实世界从来不是用一张通知书对标一笔钱。通知书的意义不在于它值多少钱，而在于它把一个人放进怎样的成长环境、训练体系与机会网络；1000 万的意义也不只是“我现在能买什么”，而是“我能否用它买到持续成长的能力、长期选择权，以及对冲未来不确定性的安全边界”。</p><p class="ql-block">把教育与现金硬对标，本质上反映的是一种更深层的焦虑：AI 会不会让人类没工作、读书变得不划算？但如果我们把“冲击叙事”拆开看，就会发现更接近事实的图景：未来更像是岗位的大迁徙，而不是工作的终结。</p><p class="ql-block">世界经济论坛（WEF）《未来就业报告 2025》确实预测，到 2030 年将有大约 9200 万个岗位被替代/转移。但同一份报告也明确给出了另一半：到 2030 年预计会新增约 1.7 亿个岗位，总体净增约 7800 万个岗位。这意味着，问题的核心不是“人类还有没有工作”，而是“工作会怎么变、谁能顺利换挡”。</p><p class="ql-block">更贴近现实的理解是：AI 先改变的是“任务结构”，而不是把一个职业整体清零。国际劳工组织（ILO）在对生成式 AI 的评估中指出，它更可能带来的总体效应是对职业的增强与重塑（许多任务被自动化、流程被改造、质量与节奏被重写），而非大规模“整岗消灭”。也正因此，与其恐慌“工作没了”，不如把注意力放在更关键的能力上：当工作内容发生变化时，你能不能升级到新的工作方式？</p><p class="ql-block">我们还需要对“时间尺度”保持冷静。很多科技预言把变化说得像明天就会发生，但耶鲁大学 Budget Lab 在 2025 年 10 月的一份研究中指出：自 ChatGPT 发布约 33 个月以来，他们的指标显示美国更广泛的劳动力市场尚未出现“可辨识的整体性冲击”。这并不意味着未来不会更剧烈，而是提醒我们：技术扩散、企业采纳、流程改造、制度配套常常以“年”为单位推进，恐慌式决策最容易付出长期代价。</p><p class="ql-block">当然，乐观并不等于忽视风险。真正值得警惕的，是冲击会在不同群体、不同岗位上呈现明显不均：重复性更强、标准化更高的环节更容易被替换；而如果 AI 被用于招聘筛选、绩效评估、人员淘汰等关键环节，治理不到位还可能放大不公平。围绕 AI 招聘筛选工具的法律争议已经出现，例如路透社报道的 Workday AI 招聘筛选相关集体诉讼，凸显了“算法偏见”在现实职场中并非抽象问题。这也意味着：未来能不能“更好”，不只取决于技术能力，还取决于社会与组织是否愿意投入培训通道、制定公平规则、补齐治理短板。</p><p class="ql-block">我也很认同一种判断：“在不远的将来，管理人与人之间关系的职业及文科职业会更需要。” 这恰恰点中了 AI 时代最确定的一条主线：当信息越来越便宜、写作与整理越来越自动化，真正稀缺的会是人与人之间的信任、协作与判断。</p><p class="ql-block">很多人误以为“文科=写文章”，于是看到 AI 能写，就以为文科要过时。但文科和社会科学更深的价值，从来不是把字“生成”出来，而是能解释与理解人的动机、群体的行为、制度的逻辑、价值冲突的取舍，并在现实情境中通过沟通与组织达成行动。经济学家 David Deming 的研究就指出：美国劳动力市场中需要高度社会互动的工作占比明显上升，而同时具备“认知技能 + 社会技能”的岗位，其就业与工资增长尤其强。</p><p class="ql-block">这类“关系型能力”并不飘，它会具体体现为：协商与谈判、跨部门推进、冲突管理、客户与公众沟通、团队领导与文化建设、教育与护理中的同理与安抚、法律与公共治理中的权衡与责任承担。AI 能给你建议，却很难替你在关键时刻承担后果，也很难替你在人际张力里建立信任、促成共识。</p><p class="ql-block">从政策与公共部门的研究来看，这种“软技能”重要性也在被反复强调。美国政府问责局（GAO）在关于自动化与劳动力培训的报告中提到，面向未来的高需求职业往往需要技能组合，其中包括主动学习、批判性思维等“能更快获得新知识”的能力，以及其他软技能与过程技能。OECD 的相关页面也指出，社会与情绪技能（如自控、抗压、合作、社交性、好奇心等）与学业、健康福祉和工作表现等关键结果相关。把这些信息汇合到一起，其实在说同一件事：AI 越强，人越要把“人这一部分”练到专业。</p><p class="ql-block">在这种背景下，我们也更需要对“科技领袖式预言”保持距离。比如 Elon Musk 在 2026 年 1 月的相关报道中再次提出他对未来 10–20 年的判断：随着 AI 与机器人发展，“工作将变成可选项”，甚至“金钱会变得不重要”。这种说法很抓眼球，但它更像愿景推演，而不是可执行的社会路线图：即便生产力跃升，财富如何分配、制度如何改造、普通人如何过渡，都不会自动发生。Business Insider 对多位金融与 AI 领域专家的采访也明确提醒：不要把这类预言当成现实规划依据，尤其不要因此放弃储蓄或基本的风险管理；“技术可能性”并不等于“社会结果必然性”。</p><p class="ql-block">因此，当我们讨论“孩子还值不值得冲刺顶尖大学”，答案不仅是“值得”，而且在 AI 时代更有理由。因为顶尖大学的核心价值从来不是“学到几条知识点”，而是把人放进一个高密度的训练系统：逼你把思维训练扎实、把表达与论证练成熟、把跨学科理解与团队协作变成习惯，让你在与优秀同伴的碰撞中提升上限，并更容易进入高质量的项目、导师与机会网络。尤其当未来更需要“组织协作、沟通与领导、价值判断与责任承担”时，大学里那些看似不“立刻变现”的训练，反而更像长期竞争的底盘。</p><p class="ql-block">更直白一点，教育依然与职业韧性存在稳定关联。以美国为例，美国劳工统计局（BLS）的 2024 年数据仍显示：25 岁以上人群中，本科学历的周薪中位数显著高于高中学历，同时失业率更低。它不是个人命运的保证书，但至少说明教育作为长期投资，并没有因为 AI 的出现而突然失效。</p><p class="ql-block">同时，WEF 也指出，企业预计到 2030 年将有 39% 的关键技能发生变化；换句话说，“一次学完”不再现实，“持续学习与升级”会成为常态。在这种时代，最可靠的不是某个固定岗位，而是一套可迁移能力：能学习、能思考、能与人合作、能用技术放大产出，也能在复杂场景下做判断、担责任。顶尖大学更容易提供这种能力的系统训练——它不只是给你一份“起点”，更是在帮你构建长期的上升机制。</p><p class="ql-block">最后还想补充一点：态度与未来的关系，其实非常关键。我们当然要面对现实、正视风险，但我们同样要意识到——未来不是一条写死的剧本，它会被我们的预期与行动塑形。当一个社会对未来持积极态度时，更愿意投资教育与培训、更愿意推动治理与公平、更愿意鼓励创新与合作；而当我们沉溺于“必然毁灭”的叙事，最容易出现的反而是自我实现的悲观：年轻人不敢投入、家庭不敢规划、机构不敢培养，最终让本可被管理的转型变得更痛、更乱、更不公平。</p><p class="ql-block">所以，面对 AI，我们最好的姿态不是盲目乐观，也不是彻底悲观，而是“积极但不天真”：相信未来可被建设，于是愿意学习、愿意升级、愿意参与规则与伦理的讨论；也正因如此，我们才更应该把“清北通知书 vs 1000 万”改写成更接近真实的问题: 我们要为孩子争取的到底是什么？如果答案是“长期成长曲线、优质同伴与机会网络、在变化中持续上升的能力结构”，那么在 AI 时代，冲刺顶尖大学不仅没有过时，反而更像是一种面向未来的理性选择。</p>