2026 年开年，埃隆·马斯克在 Moonshots 播客访谈中，谈到了当下人工智能和航天技术的发展进展、未来趋势以及对社会结构的长期影响。 他判断，在未来3-7年内，人类社会中相当比例的工作岗位将被 AI 和机器人接管，许多传统职业会被重构，甚至可能出现“多数人不再需要工作，全民实现高收入”的情形。在这样的未来想象下，“为了找到一份稳定工作而上大学”的逻辑已然开始失效。本文将从马斯克关于机器人医生，未来还要不要学医，转向更根本的教育问题：在不必为生计工作的世界里，我们为什么学习？ 教育应该往哪个方向发展。

一、医学变革：从“人类主导”到“人机协同”

在医学领域，他特别提到 AI 进步的速度远超以往预期。比如，他将自己的全身 MRI 结果交给自家团队开发的 Grok 系统进行分析，发现其中多处提示是此前人类医生未能察觉的问题，这让他更加确信 AI 在影像解读和早期筛查方面的潜力。 在谈到对年轻人的专业选择建议时，他明确表示：在这样的AI技术发展的背景下，传统“学医—行医”的路径三年后可能会变得毫无意义

他的论据有两点：

一是外科医生的培养周期极长，成为一名优秀外科医生往往需要 10–20 年系统训练，而 AI 与手术机器人一旦成熟，能力可以通过软件与模型更新在全球快速复制。

二是他预测，以特斯拉 Optimus 为代表的人形机器人，有可能在三年内，在手术精度和稳定性上普遍超过人类外科医生，从而重塑整个外科系统。

从现有实证研究看，马斯克这一判断虽然时间表偏激进，但方向具有现实基础。

近两年多篇关于机器人手术的系统综述汇总了几十项临床试验：在某些常见肿瘤和消化道手术中，机器人辅助手术的术中并发症率平均降低接近 30%，切除精度提升约 40%，患者术后住院时间缩短超过 10%，也就是说，在这些关键指标上，机器已经在用“真实数据”证明自己不逊于甚至优于人手。

在诊断环节，2025 年发表的一项系统综述与 Meta 分析表明，多数生成式医疗 AI 的总体诊断准确率已大致接近非专家医生，在部分标准化任务中甚至不逊于普通医生，但与顶尖专家相比仍存在约十余个百分点的差距。

如果说马斯克的判断还带着一定“预言”的色彩，那么在中国，AI 已经在真实的临床场景里交出了一份足够震撼的答卷，在某些关键环节上，机器人不仅不是噱头，已经在用实打实的数据证明，AI机器人自己可以做得比人更好。

二、中国医学案例：在特定领域AI 已经做得更好

近期中国在胰腺癌早筛上的 AI 实践，是一个极具代表性的例子。宁波大学附属人民医院与阿里巴巴达摩院合作，部署了胰腺癌早筛 AI 模型 PANDA，用于分析日常诊疗中产生的普通平扫 CT。 自 2014 年 11 月起，PANDA 在该院已累计分析超过 18 万张胸腹部 CT 影像，全部来自常规检查，无需额外追加检查或费用。 在此基础上，PANDA 系统辅助医生发现了约 24 例胰腺癌，其中 14 例为早期病例，许多患者在初次人工阅片时并未被怀疑存在胰腺病变；根据发表在《自然·医学》上的研究数据，在 2 万余例非增强 CT 的测试中，PANDA 对胰腺癌的检出率约为 93%。考虑到胰腺癌“五年生存率仅约 10%，且多数患者确诊时已属晚期”，能够在机会性筛查中识别出这类早期病例，对患者预后具有决定性意义。项目负责医生在接受媒体采访时坦言，这些被识别出的患者，是被 AI ‘抢救’出来的。从任务结果看，在“海量平扫 CT 中筛查胰腺癌早期可疑病灶”这一高度特化环节，AI 的平均表现已显著优于常规人工阅片水平：

AI 可以在 18 万余张影像中做到逐张检视，对所有影像做到“0 漏看”，而人力资源无法长期支撑类似强度；AI 能通过数千例标注数据学习极其细微的灰度与形态特征，人眼在物理分辨率和注意力资源上存在天然上限，很难达到同等敏感度。

在这一场景中，多例早期患者的获益，构成了“AI 在局部能力上已超过人类医生”的强有力证据。这与马斯克的判断形成了一个有力呼应：在高度标准化、可量化的医学子任务上，AI 的表现迅速逼近乃至超越人类医生的平均水平。

三、那家长还要不要送孩子去学医、去留学？

在 AI 技术快速发展的前提下，中国家庭长期以来“把培养医生视为最稳妥路径”的观念，也不得不开始调整。家长尤其需要重新审视三类关键决策：是否鼓励子女学医、是否投入高成本留学、以及如何理解教育的长期价值。1. 医学教育：从“单一专业”走向“系统整合能力”如果沿用传统逻辑，将医学视为“学习周期长、收入相对稳定、社会尊重度高”的典型“安全专业”，显然已难以准确反映未来职业风险。在 AI 深度介入的情境下，医学教育更可能呈现以下分化：

对于仅以掌握单一技术操作为目标的“技工型路径”，随着机器人手术与 AI 辅助系统的成熟，职业安全边界会逐渐缩小；

对于具备以下特征的医学人才，需求反而会显著增加：

能够理解并运用 AI、机器人与数据工具，设计和监督诊疗流程；能够在多个学科之间（外科、肿瘤科、影像科、基因组学、公共卫生等）进行综合决策；能够在高不确定性情境下向患者与家属进行沟通，并承担伦理与法律责任；能够参与医疗 AI 工具研发、评估与监管，提出基于临床实践的约束与建议。

谭老师认为，医学本身不会“失去价值”，但传统以操作技能为核心的医学教育模式，将不得不向“技术＋系统＋伦理＋沟通”的综合型培养转型。家长在考虑是否鼓励子女学医时，应重点评估的是：孩子是否具备成为“系统型临床决策者”的潜力与强大意愿，而不仅仅是“只是为了一份带光辉的职业，或者是否能吃苦”，成绩够不够好。2. 留学投资从“文凭红利”转向“前沿科技参与权”国际劳动力市场研究一致认为，人工智能与自动化将重构高等教育回报结构。世界经济论坛的报告指出，到 2030 年AI 可能替代数千万个需要高教育水平的岗位，同时催生大量新职业，而新岗位将高度集中于人工智能、机器人技术、数字医疗、清洁能源与数字治理等领域。这些新兴领域的顶尖研究机构与创新型企业呈高度集聚态势，主要分布于少数科技与学术中心城市，如硅谷、波士顿、伦敦、柏林、东京、北京、上海、香港、深圳等。在此格局下：单纯以“获取海外文凭、对冲职业风险”为主要目的的留学，其边际收益将被 AI 驱动的生产率变化持续降低；但以进入全球前沿科技圈、参与高水平科研与产业实践为目的的留学，其战略价值反而上升，因为它为学生提供了接触下一代“技术—产业—政策”一体化场景的机会。对于每个家庭而言，信伦认为更明确的是：未来十年，留学的价值不在于“身份标签”，而在于“是否让孩子提前进入 AI 驱动的核心赛道与创新网络”。在规划留学路径时，应优先考量学科方向与科研／产业平台质量/自我兴趣，而非单一依赖传统排名与“热门专业”标签。

四、在 AI 时代什么才是“永不过时的能力”？

对多数家庭而言，上大学长期被视为“获得一份体面工作、实现更高收入”的通道。但人工智能正在从根本上改变这一逻辑，教育不再能被简单理解为“教给孩子一门可以吃一辈子的手艺”。我们必须思考更本质的问题：

在一个越来越多工作可以交给机器完成的时代，人为什么还要学习？当知识随时可查，学校还应该教什么？当职业路径更加曲折，要具备哪些能力？才能在这样的新时代中拥有位置与意义。

“好教育”的定义，需要从根本上更新。

第一重转向：从“教知识”到“教会与 AI 共处”

多份教育与就业研究都指出，未来大部分学生在学习和工作中都会长期使用 AI 工具，阻止使用既不现实，也无法提升竞争力。对学校和家长来说，更关键的是教会学生学习运用AI的三个层次：

教孩子把 AI 当作“放大器”，而不是“替代品”，在信息检索、资料整理、初步分析上合理使用 AI提高效率，把人类的时间和精力留给更高阶的思考和创造。

教孩子对 AI 输出保持审慎，训练他们核实来源、比对多方信息、识别偏见和错误，而不是AI 说什么就是什么。

教孩子使用 AI 的伦理边界，让他们理解学术诚信、隐私保护、版权与责任问题，建立基本的底线感。

未来的一项基础素养，不只是“会不会用 AI”，而是“会不会正确地与 AI 共事”。

第二重转向：从“单一学科”到“跨学科系统能力”

在 AI 深度参与之后，单一学科的边界正在变得模糊：医疗问题牵涉算法、公平性与监管；城市问题牵涉数据、环境、经济与社会结构；企业决策牵涉技术路线、商业模式和伦理风险。教育此时更需要帮助孩子构建的是一种“全局跨界视角”：

有一条扎实的主专业，例如数学、计算机科学、工程、生命科学等，形成可靠的“硬核能力基础”。

在主专业之外，有意识跨界，理工背景的孩子要理解基础经济学、社会学和伦理；文商背景的孩子要理解数据与技术原理。

能在真实任务中实践整合，通过项目制学习、科研实践、社会调研，让孩子在解决问题时自然调用多个学科的工具，而不是只用单一学科的“标准答案”。

简言之，未来更被需要的，是“能够理解系统、设计系统、管理系统”的人，而不是只在某个局部做执行的人。

第三重转向：从“稳定路径”到“多次重启能力”

围绕 AI 和劳动力市场的研究普遍认为，未来5年很多职业会消失、转型或重新定义，单一线性的职业路径将越来越少见。这要求教育为孩子预先准备三种能力：

面对变化时不崩溃。理解职业转换、重新学习是常态，而不是失败；在家庭氛围上，减少对“完美简历”“一条路径走到底”的执念。

快速学习新领域。培养信息筛选、结构化学习和刻意练习的能力，让孩子在需要转向时，知道如何高效入门一个新领域。

在变化中继续承担责任。无论在哪个岗位，保持对他人和社会的责任感，不因为“AI 在中间”就削弱自己的道德判断和担当。

“教育的目标，不再是给孩子设计一条完美的固定轨道，而是让他有能力在轨道改变时，随时为自己寻找一条新的路。”

第四重转向：重视“做人”而非重视“做题”

在 AI 能生成高质量作文、代码和方案的时代，单纯比拼“谁写得更快”“谁记得更多”，意义正在减弱。反而有几类与“做人”相关的能力，会越来越重要：

共情与沟通。在医疗、教育、公共服务和管理等领域，即使 AI 再强，真正做决策仍然是人。高质量的沟通能力，是信任与合作的前提。

判断力与价值观。当 AI 可以提供各种“技术上可行”的方案时，谁来判断什么是“允许的”“值得的”这直接取决于个体的判断力和伦理价值观判断。

领导力及对公共事务的理解。在算法、平台与政策交织的社会，人不再只是“用户”，也需要构建新的社会制度，知道自己如何参与、有领导力、决策力，懂得如何为更多人谋取福利，让世界变得更美好。

信伦看见的是，医学只是一个被 AI 率先冲击的样本，而需要彻底更新的，是我们对“什么样的教育，能撑得住孩子一生”的答案，围绕“如何运用AI使我们未来更美好”展开的教育投入，谭老师认为无论是否选择学医、是否选择留学，都可以在未来几十年持续保值。如果你也在思考，要不要在这个时代投入一笔高成本的留学，或者希望在“AI 时代的教育”上重新做一套规划，欢迎与谭老师进一步交流；无论是升学路径、专业选择，还是留学与长期能力培养，我们都可以结合你家庭的具体情况，做一次更清晰、面向未来的梳理与讨论。

留言

写留言

还没有留言，来写首评