AI越是降低内容生产的门槛，越是提高“有意义表达”的门槛

作者：陈永伟

封图：AI生成

最近，中国传媒大学一口气撤销了16个本科专业。在这批被撤销的专业中，除少数几个外，大部分都可归入“文科”范畴。这则消息一出，AI时代文科何去何从的争议再次引发热议。

近年来，文科专业持续收缩。仅在过去几年，包括中国科学技术大学、浙江大学、四川大学在内的一批高校相继取消了大量文科专业，并大幅削减招生规模。与此同时，文科学生在就业市场遭遇冷遇的新闻也频频见诸报端。在招聘季，文科专业学生常常面临“专业不对口”“可替代性强”等现实压力，其起薪与就业稳定性均呈下行趋势。值得注意的是，这股“文科寒潮”并不局限于国内。例如，2024年哈佛大学裁撤了30多个专业，其中大部分为文科。

如果说过去文科的困境尚可归因于产业结构变化与教育供给失衡，那么，以生成式AI为代表的新一轮技术浪潮，则将这一问题推向更尖锐的层面。文本生成、自动翻译、内容创作、舆情分析等曾被视为文科生“护城河”的能力，正在被机器迅速逼近甚至部分替代。当一篇结构完整的评论、一份逻辑严密的综述在数秒内即可生成，当企业将“会用AI”视为基础技能而非加分项，文科的知识体系与能力结构，似乎第一次面临如此直接而系统性的冲击。

由此，一个不容回避的问题浮出水面：在AI时代，文科究竟何去何从？它是进一步边缘化，沦为技术体系的附庸，还是能够在新的分工结构中重塑价值、完成转型？对数以百万计的文科学生而言，这不仅是一个宏观的学科命运之问，更是一个具体而迫切的个人出路问题。

要回答这些问题，或许需要暂时从当下的焦虑中抽身，回到更长的历史视角：文科与理科的分野如何形成？这种分野又如何塑造了我们今天对“有用”与“无用”的判断？只有理解其来龙去脉，才能更清晰地看见，在人工智能的冲击之下，文科真正面临的，不只是技术替代，更是一场深层的结构性重估。

被制造出来的“文科”专业

“文科”并非自古存在。无论是古代欧洲以“自由七艺”为主体的学术结构，还是古代中国以“六艺”为核心的教育体系，其共同指向都是对“完整的人”的培养，而非分科竞争。

进入现代，随着科学革命与工业化推进，知识体系才开始分化：一方面，自然科学迅速发展，形成以实验、数学与可验证性为核心的方法论；另一方面，人文学科与社会科学逐渐成形，关注历史、语言、社会与制度问题。此时，科学与人文的区分才逐渐出现。但这一分化更多源于方法论差异，而非制度化区隔。事实上，在这一阶段，学科之间并无森严壁垒，许多大师亦文理兼修。例如，笛卡尔既是哲学家，也是解析几何的奠基者；帕斯卡不仅写下《思想录》，还发明了早期机械计算器、奠定概率论基础，并在物理上证明了大气压强的存在。

到19世纪，许多学问陆续发展出各自的方法论，从而成为独立学科。虽然仍被归入“哲学”大类，但差异已十分明显。在此背景下，一些学者开始根据研究对象与方法重新分类。例如，哲学家狄尔泰提出与“自然科学”相对的“精神科学”，这一概念大致相当于今天所说的“文科”。但即便如此，当时的“文”“理”仍是开放性的集合，而非刚性的制度分组。

从制度上对文理进行切分，始于前苏联。十月革命后，苏联将教育视为服务国家建设的工具，其核心目标是快速推进工业化与技术赶超。在这一背景下，学科被重新划分，其逻辑不再是“知识如何分类”，而是“如何服务国家建设”。在这一思路下，理工科的优先地位被制度化，获得大量资源与政策支持；人文社会科学则被重新界定，其功能由探索真理转向服务政治与意识形态建构。高校被拆分为专业院校，学生自入学起进入特定轨道，跨学科流动空间极小。

中国的“文科”概念，正是在借鉴苏联模式过程中被塑造出来的。新中国成立初期，国家面临工业化与国防建设的紧迫任务。在此背景下，中国全面学习苏联经验，重构高等教育体系。尤其是1952年的院系调整，将综合性大学拆分为专业院校，形成以行业与功能为导向的体系。与之相配套，基础教育阶段逐渐形成“文理分科”的分流机制，高中阶段的学生被划分为文科与理科两条轨道，对应不同考试科目与升学路径。

原本，这种对“文”“理”的划分只是为快速培养建设人才所采取的权宜之计，却在实践中形成了深刻的路径依赖。

一方面，它为“文”“理”贴上了不同的能力标签。总体来看，理科更强调逻辑推理、定量分析与问题求解，文科则侧重文本理解、历史叙述与价值判断。基于这种区分，教学管理机构在设计培养方案时人为强化了差异，使文科的技能训练出现结构性偏差。不少文科学生缺乏数据分析与编程思维等“硬技能”，在快速变化的技术环境中显得准备不足。

另一方面，它导致“文”“理”在资源投入上的长期不均衡。在相当长一段时间内，科研经费、实验条件与政策支持持续向理工科倾斜。许多高校在学科评估与发展规划中，将理工科视为“硬指标”与“增长点”，而文科更多承担补充性角色，投入明显不足。

“硬技能”训练的相对不足，加之资源投入的长期稀缺，使许多文科生难以适应社会需求。在泾渭分明的学科划分与封闭的考核体系之下，大部分文科专业不仅未直面这一问题，反而强化了自身知识循环的封闭性，这又进一步加剧了其与社会需求之间的脱节。

AI时代的文科危机

如果说过去文科还能勉强维持一种脆弱的平衡，那么随着AI的兴起，这一平衡正在被迅速打破。对于文科研究者和学生而言，AI的影响几乎是全方位的，从研究到教学，再到就业，无一例外。

首先是对文科研究的冲击。长期以来，人文社科研究的重要环节之一，是对既有文献的梳理与整合。然而，生成式AI可以在极短时间内完成大规模文献的检索、归纳与综述，甚至生成结构完整的研究框架。这一能力使得传统依赖“资料积累”的研究优势迅速贬值。过去需要数周甚至数月完成的文献综述，如今只需输入关键词即可初步成型。效率跃升的背后，是门槛的显著下降，也意味着学术生产的同质化风险大幅上升。

不仅如此，一些被视为文科“核心技艺”的领域，也正在被AI不断渗透。比如，考据在很长时间内被视为最见功力的文科训练之一。研究者往往需要为破解一片甲骨上的图纹，或一段竹简上的古文字，耗费数年甚至数十年的时间。然而，随着AI技术的发展，这一能力正在遭遇挑战。以欧洲历史上的《纽伦堡编年史》为例，这部书中包含大量难以识读的手写符号。历史学界曾用500年时间尝试破译，却始终未能给出完整解释。而不久前，谷歌研究团队借助Gemini3.0Pro，仅用一个多小时便完成了系统性解读，并实现自洽。

其次是对文科教育的冲击。在传统文科教学中，文献综述、文本解读和写作训练构成核心内容，一个合格的文科生往往需要投入大量时间打磨这些能力。而当学生可以借助AI工具迅速完成文献检索、注释与写作时，这些训练的边际价值开始下降。与此同时，传统教学方式的单一性也愈发凸显。文史哲教育长期以教师讲授为主，互动与问题导向相对不足；相比之下，AI可以提供更为多样、个性化的解释路径，这种对比削弱了课堂本身的吸引力。

再次是对文科就业的冲击。传统上，文秘、行政、咨询等白领岗位是文科的重要去向，但在AI浪潮之下，这些领域恰恰成为最先被渗透的环节。随着生成式AI的普及，文字写作、资料检索、语言翻译、媒介加工等任务不断被自动化，用人单位对文科“专才”的需求明显下降。取而代之的是对复合能力的要求：既具有人文素养，又具备数据分析与技术理解能力。而在现行教育体系下，大多数文科生显然难以同时满足这些条件。

正因如此，在AI时代，文科的困境显得尤为突出。

AI时代的文科机遇

那么，AI时代是否意味着文科的终结？答案显然是否定的。所谓危机，本就包含“危”与“机”。AI技术的发展在冲击传统文科的同时，也为其重新激活提供了前所未有的机会。

一方面，AI极大提升了知识获取与整合的效率，为学科创新创造了有利条件。过去，文献阅读、资料整理与观点归纳是文科研究的重要组成部分，这些过程不仅耗时漫长，而且高度依赖个体经验，效率有限。在一定程度上，这种效率约束也阻碍了不同学科之间的交流与融合。以历史研究为例，一项成熟的研究不仅需要扎实史料，还需要清晰的史观作为支撑。因此，历史学家不仅要掌握丰富史料，还需涉猎经济学、政治学、社会学等领域，以形成自身解释框架。然而现实中，仅史料整理就需耗费大量时间，研究者往往难以兼顾跨学科阅读。结果是，不少历史著作虽史料扎实，但史观松散，学术价值受限。

AI工具的出现改变了这一局面。借助AI，研究者可以在短时间内把握某一领域的基本脉络、核心争议与代表性文献，并迅速了解相关学科的不同解释路径。这使他们得以从低层次的信息处理工作中抽身，将更多精力投入真正具有创造性的环节。

另一方面，AI也有可能改变文科长期“仰望星空”却难以“脚踏实地”的困境。长期以来，文科常被批评为擅长提出问题、构建意义，却缺乏将思想转化为可操作成果的能力。这一问题，很大程度上源于培养体系中技能训练的不足。如今，大量产品形态依赖软件与编程能力，而文科生在这方面普遍训练不足。AI的出现，恰好弥补了这一缺口。以编程为例，过去不仅需要长期训练，复杂任务还依赖数学基础，对多数文科生而言门槛极高；而借助“氛围编程”等方式，这一门槛正在迅速降低。

现实中已经出现诸多案例：有人利用AI制作历史知识互动内容，将抽象叙述转化为可体验产品；也有人借助AI开发心理咨询辅助工具，将理论嵌入对话系统。这些实践表明，只要善加利用，AI不仅不是文科的威胁，反而可能成为其实现想法的重要工具。

更重要的是，AI的发展本身也在不断生成新的文科需求。随着技术系统日益嵌入社会运行，越来越多的问题不再是“能否实现”，而是“是否应该、如何实现”。例如，算法推荐如何平衡效率与公平，大模型如何处理偏见与歧视，智能系统在公共决策中应承担何种责任——这些问题已经进入伦理、法律与社会治理领域，而非单纯技术问题。为技术设定边界与方向，正需要文科的参与。

与此同时，AI的广泛应用也带来了“意义过剩”。当信息可以被无限生成，真正稀缺的反而是组织叙事、建立信任与引发共鸣的能力。在内容产业、品牌传播、教育产品乃至公共沟通中，人们越来越依赖能够从海量信息中提炼意义、构建故事并与受众建立情感连接的表达方式。这些能力，本质上正是文科长期训练的核心。可以说，AI越是降低内容生产的门槛，越是提高“有意义表达”的门槛，也就越凸显文科的价值。

此外，在跨学科融合成为常态的背景下，文科还承担着“连接器”的角色。技术系统需要嵌入具体社会情境，而不同领域之间存在语言与逻辑差异。文科训练所强调的解释能力与语境敏感性，使其能够在工程师、管理者与公众之间建立沟通桥梁，使复杂技术得以被理解、被接受并最终落地。

通过以上讨论可以看到，AI并非简单压缩文科的空间，而是在重塑其作用方式：一方面，通过工具赋能，使文科从“高门槛的知识积累”转向“高层次的意义创造”；另一方面，通过社会需求变化，使文科在技术体系中的位置由边缘走向关键。因此，与其说文科需要在AI时代“自证价值”，不如说AI正在揭示文科真正的价值——不是与机器竞争效率，而是在机器难以覆盖的领域，提供方向、解释与意义。

AI时代的文科重构

面对AI带来的深层冲击，文科如果仍沿用既有路径，无论在研究还是教育层面，都难以摆脱被边缘化的风险。真正的出路，不在于简单“守住阵地”，而在于主动重构自身：以人文价值为内核，以技术工具为延伸，打破长期形成的学科壁垒，在新的知识生产方式与人才培养模式中重新定位。具体而言：

第一，在研究层面，文科需要完成方法论与定位的双重转型。AI的出现并不意味着研究者的消失，而是意味着研究重心的转移：从信息获取与整理转向问题提出与意义建构。历史学、文学、社会学等领域，完全可以借助AI提升资料处理效率，将更多精力放在提出有解释力的问题、构建有洞见的理论框架上。这种“人机协同”的研究模式，既能保留文科的深度，也能充分利用AI的效率。

更进一步，跨学科研究将不再是“加分项”，而是“必选项”。随着问题日益复杂，单一学科难以提供完整解释，文科研究者需要主动进入数据科学、计算方法等领域，与理工科形成真正协作。同时，方法创新同样关键，将定性分析与定量工具结合，既避免“数据崇拜”，也克服纯文本研究的局限，使研究更具解释力与现实关联。

第二，在教育层面，文科教育亟待一次结构性变革。如前所述，文科的弱势在很大程度上源于不当的文理分科，这一点需要反思。随着知识边界的模糊与技术渗透，单一轨道的培养模式已难以适应现实需求。一些地区已开始在高中阶段弱化文理分科，通过课程模块化与选修制，让学生在更广泛的知识结构中进行组合。这种改革的意义，不仅在于增加选择，更在于打破“能力标签”，让文科生具备基本数理素养，让理科生理解基本人文问题。

在高校层面，专业设置同样亟需调整。传统文科若仍以单一知识体系为核心，难以回应产业变化。因此，“AI+文科”的交叉专业正在成为方向。例如，将新闻传播与数据分析结合，将法律与算法治理结合，不仅提升学生就业竞争力，也拓展学科应用场景。与此同时，课程内容也需及时更新，将AI工具纳入教学体系，使学生不仅“被AI影响”，更能够“用AI进行创造”。

教学方法的转型同样关键。随着信息获取成本下降，课堂不再是知识传递的唯一渠道，其价值应更多体现在引导思考与激发问题意识上。在AI时代，想象力、批判性思维、审美能力与实践能力是最难被替代的能力。针对这一点，学校应通过讨论、案例分析与项目实践等方式，帮助学生有效提升这些能力。

与此同时，教师群体自身的能力提升亦不可忽视。AI并非天然的“教学对手”，而可以成为工具，但前提是教师具备基本的理解与应用能力。当前不少文科教师在这方面仍存在短板，因此，有必要通过系统培训与制度激励，使其能够将AI有效融入教学设计之中，从而提升整体教学质量。

第三，除学术与教育体系内部调整外，社会层面的支持同样不可或缺。长期以来，“重理轻文”的观念在一定程度上扭曲了资源配置与人才评价，这一点亟需通过公共讨论与政策引导加以纠正。媒体与公共机构可以通过案例展示，强调文科在社会治理、文化创新与技术伦理中的重要作用，从而重塑公众认知。在资源投入上，也应加大对人文社科的支持，特别是在数字人文、AI伦理等新兴领域，形成具有前瞻性的研究基础。

总体而言，文科的“破局之路”，并非简单向理工科靠拢，而是在坚守核心价值的前提下，与技术体系实现深度融合。真正的问题，从来不是“文科要不要存在”，而是“以何种形态存在”。

文科生的自我救赎

如果说制度与学科的调整为文科重生创造了条件，那么对于每一个文科生而言，“救赎”最终仍需由个体完成。在AI加速重塑就业结构的背景下，文科生处境确实更为艰难，但这并不意味着出路被封死。恰恰相反，当同质化竞争加剧、传统路径收缩时，主动重构能力与路径，反而为突围提供了新的空间。关键在于，能否跳出既有框架，重新理解自身优势，并据此完成定位与升级。

第一，需要对自身定位进行再认识。长期以来，不少文科生将表达能力、阅读能力视为核心优势，但在AI可以生成流畅文本的时代，这种优势如果停留在表层，很容易被稀释。真正稀缺的，不是“会写”，而是“写什么、为何而写”；不是“能理解文本”，而是“能提出问题并赋予意义”。因此，应将重心从表达技能转向更高层次的判断与整合，在AI伦理、公共叙事、复杂议题解释等领域形成专长。在这些方向上，技术可以辅助，却难以替代人的价值判断与情境理解，而这正是文科可以建立“护城河”的地方。

第二，需要对能力结构进行系统重塑。AI时代的竞争，不再是单一学科之间的比较，而是“能力组合”的较量。对于文科生而言，更现实的路径是在保留人文优势的同时补齐技术与方法短板。这并不意味着人人都要成为工程师，但基本的数据逻辑、AI工具使用以及跨学科沟通能力是必要的。例如，社会学学生若能使用数据分析工具进行实证研究，其竞争力将显著提升；新闻学学生若能结合AI进行内容生产与分发设计，也更容易进入新的媒体生态。从这个意义上看，文科生的升级，并非放弃原有优势，而是让这些优势在新的工具体系中被放大。

第三，需要拓宽职业路径，使选择更加多元与务实。传统上，文科毕业生的去向相对集中，如公务体系、教育行业或媒体机构，但这些领域的吸纳能力正在变化。面对这一现实，可以从五个方向进行更灵活的规划：继续深造进入学术或智库体系；进入教育领域参与新型教学与课程设计；进入企业从事内容策略、用户体验与品牌叙事；尝试创业，在文化创意与知识服务领域寻找机会；投身公共服务，在基层治理与社会组织中发挥人文优势。关键在于，不再拘泥于“专业对口”的狭义理解，而是围绕能力与兴趣进行组合。

第四，需要大幅提升实践能力。在当下，仅依赖课堂学习已难以应对快速变化的环境。文科生应主动参与项目、实习与跨领域合作，在真实情境中检验与提升能力。例如，参与数据新闻项目锻炼叙事与分析能力，加入跨学科团队学习与技术人员协作，参与社会调研与公共议题讨论深化现实理解。通过这些实践，不仅可以提升能力，也能重塑职业认知，使个体更清楚自身在复杂系统中的位置。

第五，需要调整心态，理性面对AI变革。现实中，AI的冲击常被放大为“替代焦虑”。如果仅将其视为威胁，容易陷入被动与防御，这既无助于解决问题，也会加剧焦虑。更理性的做法是接受职业路径的不确定性，在此基础上持续学习与自我更新。唯有如此，才能在变化中保持主动。

总而言之，在AI不断扩展能力边界的时代，单一专业技能已难以支撑长期发展。文科生若要实现突围，必须构建能够跨越工具更替的认知结构与判断能力，以及在不确定环境中整合知识、形成见解并付诸行动的能力。

两千多年前，孔子曾说“君子不器”，意指人不应被限定为单一功能的工具，而应成为能够应对复杂情境的整体性存在。对于AI时代的文科生而言，这句话比以往任何时候都更具现实意义。

时代越嘈杂，深度越稀缺。