家长版：AI 时代的文科专业选择指南

适用对象： 孩子正在选专业、选大学的中国中产家长 数据基准： 2026年6月至7月采集的124条AI公司官方招聘信息 发布时间： 2026年7月

中产家长为孩子选专业，是一次试错成本极高的决策。成本不只是四年学费，更是一条长达数十年的职业轨迹。选错了，除了“不好找工作”外，还意味着孩子要在三十岁前反复重启赛道，每一次重启都意味着薪酬曲线和行业认知的重新归零。

市面上绝大多数专业选择指南，依据的是历史就业率数据。教育部的就业率统计、各类“红绿牌专业”榜单，回看的都是过去四年的市场。但AI时代的就业结构正在剧变，2025年至2026年的岗位需求，和四年前你孩子入学时看到的统计，已经不是同一个市场。用后视镜开车，看到的是上一段路况，不是下一个弯道。

本指南不依赖任何就业率统计。它基于2026年7月采集的124条真实招聘信息即JD，来自全球15家头部AI公司的官方招聘页面，覆盖OpenAI、Anthropic、Google即DeepMind、Meta、字节跳动、腾讯、百度、Cohere、Scale AI、Perplexity、DeepSeek、Replit、xAI、智谱AI、MiniMax^[1]124条JD采集自以下15家AI公司官方招聘页面：OpenAI、Anthropic、Google即DeepMind、Meta、字节跳动、腾讯、百度、Cohere、Scale AI、Perplexity、DeepSeek、Replit、xAI、智谱AI、MiniMax，采集时间为2026年6月至7月。每条JD均可追溯至公司官方招聘页面原始链接，详见《品类决策卡》。。JD是企业在真实用人时写下的需求清单，比任何就业率统计都更前瞻。就业率告诉你“去年多少人找到了工作”，JD告诉你“明年企业愿意为什么样的能力付钱”。

在进入具体分析之前，请先记住一个核心判断：

中国AI公司的文科岗位中，交叉型岗位占63%，纯文科岗位仅占23.9%^[2]中国市场纯文科岗位占比23.9%、交叉型岗位占63.0%：基于124条JD中中国市场岗位的纯度分布统计。纯文科即不需要编程或数据技能的岗位；交叉即需要部分技术理解力的岗位；偏技术即以技术理解为主但角色定位非工程的岗位。数据来源同[^1]，详见《品类决策卡》纯度标签说明。。所谓“交叉型”，是指岗位需要文科背景，但同时要求一定程度的技术理解力，比如能看懂SQL查询、理解模型能力边界、能把安全判断转化为可执行规则。所谓“纯文科”，是指完全不需要编程或数据技能的岗位。

这个数字的含义是：“选个好专业就能进AI领域”的时代已经过去。关键不是孩子学什么专业，而是这个专业能否给他留出补技术理解力的空间。一个课程负担极重、没有跨学科资源、不涉及任何数据分析训练的专业，哪怕名字再“对口”，也很难把孩子送进那63%的交叉型岗位。反过来，一个看似“不对口”但课程负担较轻、能辅修数据分析的专业，反而可能给孩子更大的选择权。

本指南要回答的问题不是“AI行业有什么岗位”，而是“我的孩子学什么专业，未来在AI行业有最大选择权”。

中国AI公司的文科加AI岗位中，63%是交叉型，纯文科仅23.9%^[2]中国市场纯文科岗位占比23.9%、交叉型岗位占63.0%：基于124条JD中中国市场岗位的纯度分布统计。纯文科即不需要编程或数据技能的岗位；交叉即需要部分技术理解力的岗位；偏技术即以技术理解为主但角色定位非工程的岗位。数据来源同[^1]，详见《品类决策卡》纯度标签说明。。这个数字对选专业有直接含义：纯文科专业不够用了。

但这不意味着孩子必须去学计算机或数据科学。交叉型岗位要求的不是编程能力，而是“技术理解力”。两者有本质区别：编程能力是“能写代码”，技术理解力是“能看懂代码在做什么、能和工程师对话、能判断模型能力的边界”。AI产品经理不需要亲自写代码，但需要理解模型选择、能力边界、评估指标、幻觉容忍度，这些都需要技术判断力^[6]S2 AI产品经理品类数据：总数17条，中国6条、美国11条，雇主9家，交叉型94%、纯文科仅6%，经验门槛均3.3年，美国市场平均年薪$305K居12品类之首。Anthropic岗位要求“定义模型行为默认值与可控性约束”，OpenAI岗位要求“制定聚焦提升部署安全、增强可靠性、管理新兴AI能力的战略优先级与产品路线图”。详见《品类决策卡》卡片S2。。

这意味着，选专业的关键在于：这个专业能不能让孩子同时学到技术理解力，而不是只看对口不对口。具体要考虑三件事：

第一，课程负担是否留出空间。 有些专业课程极重，比如法学的主干课从法理学到部门法排满四年，学生很难再挤出时间学SQL和数据分析。有些专业课程相对灵活，比如心理学、社会学，研究方法课本身就包含定量训练，学生有空间辅修数据课程。选专业时要看培养方案的总学分和课程密度，不只是看专业名字。

第二，学校是否有跨学科资源。 同一个专业在不同学校差异极大。关键看这所学校是否允许跨院系选课、是否有数据科学或统计学的辅修项目、是否有AI相关的通识课或实验室。一所允许心理学专业学生选修机器学习导论的大学，比一所课程封闭但排名更高的大学，在AI时代更有价值。家长在选学校时，应该把“跨学科开放度”作为和“排名”同等重要的指标。

第三，专业本身是否涉及数据分析。 心理学和社会学的定量研究方法课、新闻传播的数据新闻方向、教育学的学习分析方向，这些本身就训练数据分析能力。如果专业培养方案里有统计、SPSS、R或Python相关课程，孩子毕业后补SQL的成本会低很多。反过来，一个纯人文、完全没有定量训练的专业，孩子要从零补起，时间和心理成本都更高。

给家长的具体建议： 优先选课程负担较轻、有定量研究方法课程、学校跨学科资源丰富的专业。如果孩子已经选了课程重的专业，务必在大学前两年就启动SQL和数据分析的学习，不要等到大四找工作才发现缺口。SQL是最低成本的补技能切入点，它比Python简单、比统计学实用，在A4信任与安全、C02 LLM评估、B7用户研究三个品类中都是核心硬技能^[7]各品类核心硬技能数据见《品类决策卡》对应卡片。C02 LLM评估核心硬技能前五名为数据分析、SQL、LLM评估、大模型评测、Python；A4信任与安全前五名为SQL、信任与安全、项目管理、产品策略、信任安全政策；B7用户研究前五名为用户研究、研究设计、定性方法、洞察转化、AI工具集成。。

基于124条JD的硬数据，以下四个方向不建议家长让孩子押注。判断标准很简单：如果一个方向在整个AI行业的岗位数是个位数，它就不构成独立赛道，不该作为职业规划的目标。

一、Prompt工程师

124条JD中仅2条，且没有一家公司设置独立Prompt Engineer编制^[8]S1 Prompt工程师品类数据：总数2条，中国1条、美国1条，雇主2家即Scale AI和字节跳动，交叉型100%，没有一家公司设置独立Prompt Engineer编制。Scale AI岗位本质为红队安全评估，字节跳动岗位本质为安全运营。详见《品类决策卡》卡片S1。。Scale AI的那条本质是红队安全评估，字节跳动的那条本质是安全运营，两者都套了Prompt外壳但内核是安全岗。Prompt能力正在被产品经理、内容设计师、安全分析师吸收为默认要求。一个能力从“独立岗位”演变为“所有岗位的默认要求”，是趋势成熟的标志，不是机会的消失，但你不能再去追求一个已经被吸收的头衔。

家长如果看到任何“Prompt工程师是AI时代新职业”的说法，可以判断那是在用过时信息做营销。

二、技术写作

中国0条，美国仅3条^[9]B9技术写作品类数据：总数3条，中国0条、美国3条，雇主3家即OpenAI、Scale AI、Google，纯文科67%。中国AI公司文档由工程师兼做或外包，遍搜三大厂和六小虎无独立技术写作编制。详见《品类决策卡》卡片B9。。遍搜字节跳动、腾讯、百度、智谱AI、MiniMax等中国AI公司的招聘页面，没有独立技术写作编制。中国AI公司的文档由工程师兼做或外包，这不是时间滞后，而是开发者生态成熟度的制度差异。美国那3条来自OpenAI、Scale AI、Google，需求来自成熟开发者生态和安全透明度合规。

如果孩子学的是外语或翻译方向，技术写作在美国是一个竞争较小的蓝海，但前提是有海外工作意愿和英文技术写作能力。目标中国市场的家长，不要把这个方向纳入计划。

三、叙事与对话设计

中国仅2条，分散在字节跳动的语音交互和百度的评估方向，没有独立编制^[10]C01叙事与对话设计品类数据：总数5条，中国2条、美国3条，雇主3家，纯文科20%、交叉80%。美国3条全部在Google即DeepMind，被内部化为“模型UX设计师”。中国2条分散在字节跳动语音交互和百度评估，无独立编制。详见《品类决策卡》卡片C01。。美国3条全部在Google即DeepMind，被内部化为“模型UX设计师”。两国的共同结论是：对话体验的核心决策权在产品经理和工程师手里，对话设计是加分项而非独立岗位。

正确策略是把对话设计能力作为AI产品经理的差异化优势，而非追求独立头衔。如果孩子对对话设计有兴趣，应该走S2 AI产品经理的路线，而非直接瞄准“对话设计师”。

四、AI伦理顾问，中国市场方向

中国仅3条，且全部要求AI相关经验，门槛均6.2年^[11]C03伦理与合规品类中美差异：美国11条由EU AI Act和各州法规倒逼，OpenAI、Google、Anthropic各2至3条，纯文科64%，均薪$283K，做合规治理与监管对接；中国3条全部嵌入业务，做合规工具化而非治理，均6.2年门槛偏高。详见《品类决策卡》卡片C03。。这个方向在美国有独立赛道，由EU AI Act和美国各州法规倒逼出独立合规团队，OpenAI、Google、Anthropic各设2至3条。但中国AI监管由信通院、网信办等政府机构主导，企业端合规岗被嵌入法务部，做的是“结合大模型及Agent技术构建合规解决方案”的工程化工作，而非独立治理。

技术可以追赶，制度不会自动趋同。中国不会因为美国有AI伦理顾问岗位，就在四年后自然出现同样的编制。法律背景的孩子如果目标中国市场，更现实的路径是进入AI公司法务部，把AI合规作为实践方向，而非等待独立C03岗位出现。

选专业不只是选“学什么”，还要考虑“毕业后怎么入行”。124条JD的经验门槛数据，能给家长一个关于“毕业后前几年该怎么走”的参考。

门槛最低的方向：C02 LLM评估

C02 LLM评估的平均经验门槛仅2.2年，是12个品类中最低的，最低1年即可入行^[12]C02 LLM评估品类数据：总数11条，中国5条、美国6条，雇主7家，纯文科36%、交叉36%、偏技术28%，经验门槛均2.2年为12品类最低，最低1年。中国5条来自腾讯3条、字节跳动1条、百度1条。详见《品类决策卡》卡片C02。。这意味着这是应届毕业生或工作1至2年的新人最可能切入的方向。

但家长必须知道一个正在发生的变化：这个品类正在从“标注员”升级为“评测工程师”。中国的C02岗位中，偏技术型已占28%且在上升。腾讯的岗位要求pandas、numpy、sklearn、SQL、统计方法，做的是评测体系设计与数据分析；百度的岗位做的是传统审核与质检^[13]C02品类正在从“标注员”升级为“评测工程师”。腾讯岗位要求pandas、numpy、sklearn、SQL、统计方法，做评测体系设计与数据分析；百度岗位做传统审核与质检。偏技术占比28%且在上升，纯标注窗口正在关闭，从标注员到评测工程师的技能鸿沟在加大。详见《品类决策卡》卡片C02决策判断。。两者已经是两种不同的职业。

这意味着，C02的低门槛是真实的，但“低门槛”不等于“不需要技术”。孩子入行后如果只做纯标注，天花板很低且窗口正在关闭。正确路径是入行时就瞄准评测分析师而非纯标注员，用SQL和Python能力竞争交叉型岗位。

有初级岗的方向：S2 AI产品经理

S2 AI产品经理的平均经验门槛3.3年，最低1年，有初级岗存在^[14]S2 AI产品经理品类数据：总数17条，中国6条、美国11条，雇主9家为12品类最多，交叉94%、纯文科仅1条，经验门槛均3.3年、中位3.0年、最低1年、最高5年。详见《品类决策卡》卡片S2。。这是12个品类中雇主数最多、中美双高的赛道，17条JD来自9家雇主。美国市场平均年薪$305K，居12品类之首。

但S2的94%为交叉型，仅1条纯文科^[6]S2 AI产品经理品类数据：总数17条，中国6条、美国11条，雇主9家，交叉型94%、纯文科仅6%，经验门槛均3.3年，美国市场平均年薪$305K居12品类之首。Anthropic岗位要求“定义模型行为默认值与可控性约束”，OpenAI岗位要求“制定聚焦提升部署安全、增强可靠性、管理新兴AI能力的战略优先级与产品路线图”。详见《品类决策卡》卡片S2。。这意味着它对技术理解力的要求是12品类中最高的非工程岗。AI产品经理的核心决策是模型选择、能力边界、评估指标、幻觉容忍度，都需要技术判断力。“AI产品经理不需要懂技术”是致命误判。

毕业后前两三年的策略

综合门槛数据，毕业后前2至3年是关键窗口。策略是：尽快进入一个低门槛品类积累AI行业认知，同时补技术理解力，然后向S2或B7的交叉型岗位迁移。

但有一条红线：不要选“先做纯标注再转型产品经理”的迂回路径。因为入门岗的技术门槛在升高，目标岗的技术要求也在升高，两端同时收紧。从纯标注员到评测工程师的技能鸿沟在加大而非缩小，“先入行再转型”的窗口正在关闭^[13]C02品类正在从“标注员”升级为“评测工程师”。腾讯岗位要求pandas、numpy、sklearn、SQL、统计方法，做评测体系设计与数据分析；百度岗位做传统审核与质检。偏技术占比28%且在上升，纯标注窗口正在关闭，从标注员到评测工程师的技能鸿沟在加大。详见《品类决策卡》卡片C02决策判断。。孩子要么直接瞄准交叉型岗位，要么不做纯标注的打算。

对选专业的反向含义

这意味着，选专业时要考虑“毕业后能不能快速进入低门槛品类积累行业认知”。如果一个专业课程极重、完全没有数据分析训练，孩子毕业后既没有技术理解力、也没有行业认知，就会卡在“纯文科不够、交叉型够不上”的夹缝里。

心理学、社会学在这一点上有优势：研究方法训练本身就是数据分析的基础，毕业后切入C02或B7的成本较低。法学在这一点上风险较高：课程封闭、无定量训练，毕业后补技术理解力的时间和心理成本都更大。

以下是本指南最核心的六个结论。如果家长只读这一节，请读这里。

判断一：选专业的核心标准不是“对口”，而是“留出补技术理解力的空间”。

中国AI公司63%的文科岗位是交叉型，纯文科仅23.9%^[2]中国市场纯文科岗位占比23.9%、交叉型岗位占63.0%：基于124条JD中中国市场岗位的纯度分布统计。纯文科即不需要编程或数据技能的岗位；交叉即需要部分技术理解力的岗位；偏技术即以技术理解为主但角色定位非工程的岗位。数据来源同[^1]，详见《品类决策卡》纯度标签说明。。这意味着，一个专业即使名字再“对口”，如果课程负担重到孩子没有时间学SQL和数据分析，它也不是好选择。反过来，一个专业即使名字不那么“AI”，只要课程灵活、有定量训练、学校允许跨学科选课，它反而可能给孩子更大选择权。选专业时问自己一个问题：这个专业的培养方案，能让孩子在四年里挤出多少时间补技术理解力？

判断二：心理学是文科中AI就业面最广的专业，因为用户研究是中国第一大品类。

B7用户研究在中国有7条JD，是12品类中中国市场岗位数最多的，雇主覆盖字节跳动、腾讯、百度、智谱AI、MiniMax等多家^[4]B7用户研究品类数据：总数12条，中国7条、美国5条，雇主7家，纯文科50%、交叉50%，经验门槛均4.1年。中国7条来自字节跳动3条、腾讯1条、百度1条、智谱AI 1条、MiniMax 1条。详见《品类决策卡》卡片B7。。心理学的研究方法训练可迁移到用户研究，且纯文科和交叉各占50%，孩子既可走传统用研线，也可走AI产品用研线。如果孩子对心理学不排斥，这是文科中就业面最宽的入口。

判断三：法律背景在美国有独立赛道，在中国没有，不要因为美国有就假设中国会出现。

C03伦理与合规在美国有14条中的11条，由EU AI Act和各州法规倒逼出独立编制，法律背景可直接切入，均薪$283K^[11]C03伦理与合规品类中美差异：美国11条由EU AI Act和各州法规倒逼，OpenAI、Google、Anthropic各2至3条，纯文科64%，均薪$283K，做合规治理与监管对接；中国3条全部嵌入业务，做合规工具化而非治理，均6.2年门槛偏高。详见《品类决策卡》卡片C03。。但中国仅3条，且全部嵌入业务做合规工具化而非治理。这是制度差异，不会随时间自然消解。技术可以追赶，制度不会自动趋同。如果孩子学法律且目标中国市场，更现实的路径是进入AI公司法务部，而非等待独立AI伦理顾问岗位出现。

判断四：教育学纯文科友好度最高但需求量小，适合作为辅修而非主修。

A6学习设计的纯文科友好度达78%，是12品类中最高的之一^[15]A6学习设计品类数据：总数9条，中国4条、美国5条，雇主5家，纯文科78%为12品类最高之一，经验门槛均5.3年、中位3.0年、最低3年。中国4条来自字节跳动2条、腾讯1条、百度1条，偏员工和客户培训而非技术教育。详见《品类决策卡》卡片A6。。但中国仅4条，雇主为字节跳动2条、腾讯1条、百度1条，需求集中在大厂开发者生态，量小且均5.3年需行业积累。这意味着教育学背景的孩子确实能切入AI行业，但岗位少、容错率低。如果孩子对教育有兴趣，更稳妥的做法是把教育学作为辅修，主修一个就业面更宽的专业如心理学或新闻传播，再以教育背景切入A6。

判断五：文学或中文方向职位极少，不建议作为进入AI行业的唯一筹码。

S3 UX写作在中国仅3条，且智谱AI和MiniMax的岗位偏UI和品宣而非内容设计^[16]S3 UX写作与内容设计品类数据：总数8条，中国3条、美国5条，雇主6家，纯文科75%，经验门槛均4.7年、最低3年。中国3条分散在字节跳动TikTok、智谱AI、MiniMax，且智谱AI和MiniMax的岗位偏UI和品宣而非内容设计。详见《品类决策卡》卡片S3。。文学或中文背景的孩子确实可以切入UX写作，但职位少意味着竞争激烈、容错率低。如果孩子学文学，务必辅修数据分析或用户体验设计，给自己留第二条路。不要把“我会写”当成进入AI行业的唯一筹码，因为AI行业不缺会写的人，缺的是“会写且懂技术”的交叉型人才。

判断六：无论选什么专业，SQL和数据分析是必须补的技能，这比专业选择更重要。

在A4信任与安全、C02 LLM评估、B7用户研究三个中国市场需求最大的文科品类中，SQL和数据分析都是核心硬技能^[7]各品类核心硬技能数据见《品类决策卡》对应卡片。C02 LLM评估核心硬技能前五名为数据分析、SQL、LLM评估、大模型评测、Python；A4信任与安全前五名为SQL、信任与安全、项目管理、产品策略、信任安全政策；B7用户研究前五名为用户研究、研究设计、定性方法、洞察转化、AI工具集成。。C02的核心硬技能前五名是数据分析、SQL、LLM评估、大模型评测、Python；A4的前五名是SQL、信任与安全、项目管理、产品策略、信任安全政策。这意味着，无论孩子学什么专业，如果大学四年没有补SQL和数据分析，毕业时能投递的岗位会大幅减少。专业选择决定方向，技能补充决定能不能走到终点。如果只能做一件事，就是让孩子在大三前学会SQL。