AI来了，我推荐高考完的亲戚报考"天坑"专业生物学

今天山东高考出分。一个亲戚考了653分，全省位次四千多名，理科，问我该怎么选专业。

这种事我以前被问过很多次，每次都答得很干脆。什么能选、什么不能碰，几句话就说清楚。但这一次，我思考了很久。

亲戚对生物比较感兴趣。放在几年前，我会毫不犹豫地说：别学生物，天坑。"生化环材"四个字，劝退了无数人。但这次我说不出这句话了。

因为AI来了。我越想越觉得，过去几十年我们形成的很多判断，比如什么专业是好的、什么是坑的，这些判断背后的前提条件正在被改变。前提变了，结论还能不变吗？

三个方向

我给亲戚认真想了想，觉得在今天这个时间点，有三个方向值得考虑：数学、人工智能、生物学。

数学，因为它是所有学科的底层语言。AI本身就是建立在数学之上的。而且AI的出现让数学的应用门槛降低了（很多计算不用自己做了），但数学本身的思维训练和创造性没有变。换个说法，AI让数学变得更"可接近"了，同时没有降低它的价值。以前觉得数学太难不敢选，现在也许可以挑战一下了。

人工智能，因为它是当下最新的东西。站在浪潮的中心，至少短期内不会缺机会。但我心里有个疑虑：AI已经能优化AI了，那学AI的人将来会不会反而被AI替代？最接近火的人，也最容易被烧到。

生物学，这个最出乎我自己的意料。我以前是坚定的"别学生物"派。但这次我犹豫了，而且不是出于一个原因，而是好几个原因同时让我觉得需要重新想想。

一个被锁起来的东西，往往是最有力量的东西

让我开始重新思考生物学的，是一条看起来不太起眼的信息。

Anthropic（就是做Claude的那家公司）的最新模型Fable 5，在生物学领域设了硬限制。不是那种"你可以通过改写提示词来绕过"的软限制，而是写死在系统底层、任何方式都无法解除的限制。大量生物学相关的请求，会被自动降级到旧模型来处理。

为什么？

因为Anthropic自己的测试发现，他们的新模型在协助生物学相关研究方面的能力太强了。他们的首席科学家公开说过，模型的能力让合成危险病原体变得更加可行。所以他们主动限制了它。

但故事还有另一面。Anthropic同时开放了一个不受限制的版本（Mythos 5），给少数可信的研究机构使用。结果：药物发现的速度提升了大约十倍，AI在蛋白质设计任务上达到甚至超过了有经验的科学家的水平。

想想这件事意味着什么。

一个技术，强大到它的创造者要主动把它锁起来。但一旦在安全环境下释放出来，它能把一个科学领域的研究效率提升一个数量级。

一个需要被锁起来的东西，恰恰证明了它的力量。如果AI和生物学的结合没有力量，根本不需要被限制。

生物学可能从来就不该和"化环材"并列

"生化环材"这个说法太深入人心了。生物、化学、环境、材料，被打包在一起当作"理工天坑"。但我现在觉得，这个打包本身就有问题。

我的文章《为什么每个时代"最赚钱的专业"都不一样》，里面把人类认知的进程分成了五个台阶：物质、能量、信息、智能、意识。用这个框架回头看"生化环材"，你会发现一个有意思的事情。

化学研究的是物质的组成和反应。材料研究的是物质的性能和结构。环境科学处理的主要是物质在自然界中的循环。这三个学科，核心都在"物质"这个台阶上。它们的基础理论在一两百年前就成熟了，行业经过了充分竞争，薪资回归了均衡水平。叫它们"坑"，至少在经济回报的意义上没说错。

但生物学不属于这个层级。

一个细胞里发生的事情，同时跨了好几个台阶。蛋白质的折叠是物质问题，新陈代谢是能量问题，DNA编码遗传信息是信息问题，神经元网络的运作涉及智能问题，而意识本身，就是一个终极的生物学问题。

生物学是唯一一个从"物质"一路横跨到"意识"的学科。把它和化学、材料、环境捆在一起叫"天坑"，是把一个跨层级的学科错误地归到了最底层。只是在过去，不管怎么归类，生物学毕业生的就业现实就摆在那里，分类对不对也没什么实际影响。但AI来了之后，这个错误分类的后果开始显现了。因为AI恰恰在重新定义每个层级的价值，而生物学横跨的那些高层级，正是AI最需要、也最难攻克的地方。

AI改变了一切，但改变不了活的东西

AI正在深入每一个行业。编程、翻译、法律文书、财务分析、平面设计，每个领域的从业者都在不同程度上感受到冲击。

生物学也不例外。AI已经能预测蛋白质结构，能筛选药物靶点，能分析海量基因组数据，能在几百万种化合物里找到候选分子。从这个角度看，AI对生物学的冲击和对其他行业没什么本质区别，都是在接管那些重复性的、数据密集型的工作。

但生物学有一个其他领域几乎都没有的特点：它的研究对象是活的。

代码是死的，你写了什么它就执行什么。法律文本是死的，规则写在那里不会自己变。但一个细胞是活的，一只小鼠是活的，一个生态系统是活的。活的东西有变异、有涌现、有不可预测性。同样的细胞系、同样的培养条件，今天做和明天做的结果可能就是不一样。

这意味着生物学里有一大块工作是AI没法接管的：你得亲手去培养细胞，亲眼去观察活的生命系统在真实环境中的反应，亲自判断一个异常结果是实验失败还是新发现。这些事需要人在场，需要人动手，需要人的经验和直觉。

编程可以完全在数字世界里完成，所以AI可以从头到尾接管。翻译的输入和输出都是文本，AI天然擅长。但生物学是"湿"的，它活在物理世界里，活在培养皿和实验台上，AI再强大也只能做到实验室门口。

所以真正的图景可能是这样的：AI把生物学里最苦最累的数据处理和重复实验压缩了，同时把生物学家能触及的研究边界大幅拓展了。一个生物学家以前可能要花三年做一个蛋白质结构解析，现在AI几分钟搞定，这三年就可以用来去想更深的问题、做更前沿的探索。AI没有消灭生物学家的工作，而是把工作的重心从"执行"推向了"思考"。

而这恰恰是人最擅长的部分。

固有观点不是永恒真理

我想说一个更根本的事情。

我们对"好专业"和"坏专业"的判断，不是刻在石头上的，而是特定时代的特定产物。判断背后是一组前提假设：就业市场什么样、产业结构什么样、技术发展到什么阶段。前提发生重大变化的时候，判断本身就应该被重新审视。

几年前说"别学生物"，在当时的就业环境下完全正确。生物学博士找不到像样的工作，博后工资微薄，企业端需求有限。但这是那个时代的条件，不是永恒的自然规律。

如果AI真的在根本上改变了生物学的研究范式和产业前景（从目前的迹象看，这种改变正在发生），那"别学生物"这条建议的前提就在崩塌。在新的前提下，我们需要新的判断。

这不只是关于生物学的道理。这是一个关于如何思考的道理：任何建立在特定环境上的结论，都不应该被当作恒久不变的真理来传递。环境变了，结论就得跟着重新审视。

说到底

说了这么多，我得承认：我还是不确定。

我不确定AI对生物学的影响是不是真有这么大。不确定十年后学生物的人日子是不是真的会比今天好很多。

但正是因为不确定，我反而想通了一件事。

如果未来是不可预测的（AI时代尤其如此），那"追热门"就是在赌：赌你入学时的热门，到你毕业甚至到你职业生涯中段的时候还是热门。变化慢的年代，这个赌局的胜率还行。但现在四年后的世界什么样都说不清楚，胜率还剩多少？

而学自己真正感兴趣的东西，至少有一个确定的好处：你能坚持。读博很苦，做博后很苦，在任何一个领域做到顶尖都很苦。支撑一个人穿越这些苦的，从来不是"这个专业就业率高"这种数据，而是对这件事本身发自内心的兴趣。

在一个不确定的世界里，能坚持这件事本身就是竞争优势。

所以我最后在微信上回了亲戚：你喜欢生物，那就去学吧。

这句话在几年前我说不出口。但现在，在这个一切都在被重新定义的时代，"学你喜欢的"可能反而是最理性的选择。不是因为我知道生物学一定会好，而是因为没有人知道什么一定会好。既然都是不确定的，那就选那个能让你甘愿吃苦的方向。

毕竟，无论选了什么，苦是一定要吃的。区别只在于，你是心甘情愿地吃，还是被逼着吃。

我建了一个AI学习研究群，目前几十来人，都是在真正动手搞AI的人。如果你也在自己跑模型、写代码、做项目，欢迎点赞关注转发一键三连，然后加我微信，备注写清"你在做的AI方向"，聊得来的话我拉你进群。纯围观的和小白就不加了，有一定门槛。