前几天，发了香港中文大学新闻与传播学院拟开设 M.Sc. in Artificial Intelligence and Communication（人工智能与传播理学硕士） 的消息。

这是一个典型的“AI+传统学科”交叉项目。它并不以算法开发和模型训练为核心，而是从传播学出发，讨论生成式AI、人机传播、算法分发、内容生产、社会影响与伦理治理，并通过应用实验室和项目实践，培养能够把AI运用于新闻、广告、企业传播和数字媒体领域的人才。

单从项目设计来看，它回应了传播行业正在发生的真实变化。

AI已经开始参与选题、写作、图像与视频生成、受众分析、内容分发和舆情判断，传统传播教育确实需要作出调整。

但在介绍完这个项目之后，我一直在思考另一个问题：

当AI已经不可避免地进入所有专业，高校为什么还需要专门开设“AI与传播”“AI与会计”“AI与金融”这样的交叉专业？

过去几年，“AI+”已经成为大学新增专业中最醒目的方向之一。面对技术革命，高校主动调整课程、回应市场需求，本身当然是一件好事。

但如果AI很快就会像互联网、办公软件乃至水电一样，成为每一个行业默认使用的基础设施，那么“AI+某专业”究竟是一种必要的教育创新，还是传统专业尚未完成整体转型时的阶段性产物？

更进一步说，我们判断这类项目是否值得申请，也不能只看名称中是否带有“AI”。真正需要考察的是：

它究竟是在教授几种可能很快过时的工具，还是在重新定义一个专业的知识体系、职业边界和人才培养方式？

这篇文章并不是要否定香港中文大学的新项目。恰恰相反，这个项目提供了一个很好的观察样本，让我们可以进一步讨论：

当“AI × 所有专业”已经成为事实，高等教育究竟应该怎样回应？

一、AI × 所有专业，已经不是未来时

我们正处在一个由人工智能推动的深刻变革时期。

AI正在改变的不只是某些工作流程，而是整个社会的生产方式、组织方式，以及人与信息之间的关系。

过去，人们提到AI，往往想到：

• 算法；
• 模型训练；
• 机器人；
• 计算机科学。

但今天，AI的意义正在发生变化。

它正在从“最前沿科技”的代名词，逐渐变成像水、电和互联网一样的基础设施。

未来，我们可能不会因为一个人会使用AI工具，就认为他具备某种特殊技能。就像今天不会因为一个人会使用搜索引擎、电子邮件和办公软件，就称其为“互联网人才”。

会使用AI，很可能只是所有专业学生都应具备的基本能力。

从高等教育的角度来看：

AI × 所有专业，并不是尚未发生的未来趋势，而正在成为既成事实。

今天的新闻、传播、金融、会计、教育、法律、医学和公共政策，都无法再把AI视为与自身无关的外部技术。

即使大学不修改专业名称，AI也已经进入：

• 课堂教学；
• 科研方法；
• 作业完成；
• 行业实践；
• 职业能力要求。

那么，问题也随之而来：

既然所有专业最终都要拥抱AI，为什么高校还要单独推出“AI+传播”“AI+金融”“AI+会计”这样的交叉专业？

二、它是在教授一种工具，还是在重新定义一个专业？

判断一个AI交叉专业是否真正有价值，首先要看它是在教学生使用几种工具，还是在重新思考这个专业本身。

如果一个项目的主要内容只是：

• 使用几个生成式AI平台；
• 学习提示词写作；
• 让AI生成文章、图片或视频；
• 掌握一些自动化工作流程；

那么这些能力的生命周期可能非常短。

AI工具正在快速迭代。今天需要专门学习的操作方式，明天可能已经成为软件默认功能；今天被视为高级技巧的方法，两三年后也可能不再具有竞争力。

真正有价值的AI交叉项目，应该回答更深层的问题：

• AI出现之后，这个专业的核心问题发生了什么变化？
• 传统职业中的哪些工作会被机器替代或重组？
• 哪些专业能力仍然不可替代？
• 人与机器未来应该如何分工？
• AI带来的伦理、责任和治理问题应该如何处理？

以传播学为例，真正需要讨论的显然不只是“怎样用AI写一篇文章”。

更重要的问题包括：

• 当机器能够大规模生成内容，原创性应该如何定义？
• 当算法决定用户看到什么，传播者还拥有多大的主导权？
• 当虚假内容的生产成本大幅下降，社会信任如何维持？
• 当AI参与新闻、广告和公共传播，责任应该由谁承担？
• 传播从业者未来真正不可替代的价值是什么？

从目前公布的课程来看，香港中文大学的人工智能与传播硕士至少试图同时覆盖：

• AI基础理解；
• 行业应用实践；
• 人机传播；
• 社会影响分析；
• 伦理与治理问题。

它的意义不应该只是让传播专业学生“学会使用AI”，而应该是借助AI重新审视传播学本身。

AI交叉专业真正的价值，不是给传统课程加一个热门标签，而是迫使一个学科重新回答：在AI时代，我们究竟还要培养什么样的人？

三、AI能力应该单独培养，还是融入所有专业？

从理想状态来看，AI不应该只存在于少数名字带有“AI”的新项目中。

未来，每一个传播专业都应该讲AI，每一个金融、会计、教育、法律和公共政策项目，也都应该根据自身领域的变化完成课程升级。

如果AI最终成为基础设施，那么它就应该像数据分析、学术写作和信息检索一样，融入所有专业的培养体系。

但现实中的高等教育往往跟不上技术变化的速度。

一个传统专业要完成系统性调整，并不是简单增加一门选修课。它可能涉及：

• 原有课程内容的重构；
• 教师知识结构的更新；
• 跨学院师资合作；
• 新的实验室和实践平台；
• 与行业需求重新建立联系；
• 学位培养目标和考核方式的调整。

这些变化都需要时间。

因此，在当前阶段，独立开设“AI+某专业”的交叉项目，可能具有一种试验性质。

它可以先集中师资、课程和行业资源，探索：

一个传统学科在AI时代究竟应该如何重新培养人才？

从这个角度看，今天之所以需要“AI与传播”，可能恰恰是因为传统传播教育还没有全面完成AI化。

这类新项目可以成为传统学科改革的试验场，但它不应该永远是一个孤立的“特殊专业”。

如果AI最终真正融入所有传播课程，那么未来是否还需要单独设置一个“AI与传播”硕士，也许会成为新的问题。

就像今天已经很少有人把“会使用互联网”单独当作一个专业方向一样，未来当AI成为所有课程的默认组成部分，专业名称中的“AI”可能不再像现在这样具有区分度。

今天的“AI+专业”，或许是传统高等教育从旧体系走向全面AI化过程中的一个过渡形态。

四、传统专业会不会被一批“AI新专业”取代？

看到越来越多“AI+金融”“AI+会计”“AI+教育”“AI+传播”项目出现，一些申请者可能会产生担忧：

是不是传统专业已经过时了？是不是以后只有名字中带AI的项目才值得读？

这种判断可能过于简单。

AI会重新定义很多专业，但并不意味着传统专业积累下来的知识全部失去价值。

恰恰相反，AI越强大，深厚的专业知识可能越重要。

当所有人都可以借助AI生成一份市场报告时，真正有价值的是谁能够判断报告中的逻辑是否成立；当所有人都能生成一篇新闻稿时，真正有价值的是谁能够识别事实、判断公共利益并承担编辑责任；当AI可以自动处理财务数据时，真正有价值的是谁能够理解会计规则、识别风险并作出专业判断。

AI能够提高工作的效率，却不能自动赋予一个人行业知识、伦理判断和责任意识。

因此，未来真正具有竞争力的人才，并不是只懂AI，也不是只掌握传统专业知识，而是能够把两者结合起来。

AI不会让专业知识失去意义，但会淘汰只会机械重复专业流程的人。

传统专业不会简单消失，但它们的培养重点可能会发生变化。

过去，大学可能更重视学生是否能够完成某项标准化任务；未来，大学需要更重视：

• 学生是否能够提出正确的问题；
• 是否能够判断AI输出的质量；
• 是否理解行业背后的制度和逻辑；
• 是否能够处理复杂情境；
• 是否具备伦理判断和责任意识；
• 是否能够设计人与机器的协作方式。

这些才是AI时代传统专业真正需要保留和强化的核心。

五、申请人是在追逐专业名称，还是在建立长期能力？

不可否认，“AI”已经成为当前留学申请中最受关注的关键词之一。

越来越多大学开始推出：

• AI与商业；
• AI与金融科技；
• AI与会计；
• AI与教育；
• AI与法律；
• AI与公共政策；
• AI与传播。

对于高校而言，在专业名称中加入AI，能够快速回应市场热点，也更容易吸引申请者的注意。

但对申请人来说，专业名称是否时髦，与项目能否带来长期价值，并不是一回事。

技术工具会迅速变化。

今天流行的模型、平台和操作方式，两三年后可能已经完全不同。一个只围绕当前工具设计的硕士项目，很容易在学生毕业时就已经落后。

申请人真正应该考察的是：

• 项目是否具有扎实的专业基础；
• AI课程是停留在工具使用，还是涉及原理、方法和局限；
• 课程是否讨论行业变化和职业重构；
• 是否有真实的项目实践；
• 是否重视数据、伦理和治理；
• 师资是否真正来自相关专业和技术领域；
• 项目是否能够培养可迁移的长期能力。

真正能够长期保留下来的，不是对某个平台的熟练程度，而是：

• 理解行业变化的能力；
• 提出关键问题的能力；
• 利用数据和技术解决问题的能力；
• 判断AI输出是否可信的能力；
• 设计人与机器协作方式的能力；
• 伦理判断和社会责任意识。

因此，在选择这类专业时，最值得问的不是：

这个项目的名字是不是足够新？

而是：

当“会使用AI”不再稀缺之后，这个项目还能让我留下什么？

六、AI交叉专业可能只是开始，真正的变化还在后面

香港中文大学人工智能与传播硕士，是“AI进入传统学科”趋势中的一个典型案例。

未来几年，我们大概率会看到更多类似的项目出现。

它们可能来自商学院、教育学院、法学院、社会科学学院、医学院，也可能来自过去与计算机技术距离较远的人文艺术学科。

但真正重要的变化，并不是大学新增了多少个名称中带有AI的专业。

更深层的变化是：

AI正在迫使每一个专业重新解释自己的价值。

会计需要重新回答：当大量财务处理能够自动完成，会计师的核心价值是什么？

传播需要重新回答：当机器能够生成并分发内容，传播者应该承担什么角色？

教育需要重新回答：当AI可以随时提供知识和辅导，教师为什么仍然重要？

法律需要重新回答：当AI参与检索、分析和文书制作，律师的专业判断体现在哪里？

管理需要重新回答：当AI参与决策，管理者的责任边界如何划分？

这些问题，比“学生应该学习哪个AI软件”重要得多。

AI交叉项目是否有意义，最终取决于它能否真正进入这些问题，而不是停留在热点包装层面。

结语

AI不会取代所有专业，但会重新定义几乎所有专业。

未来真正具有竞争力的人才，可能既不是单纯懂AI技术的人，也不是只懂传统行业的人，而是：

既理解人工智能，又深刻理解某个行业、某个社会领域，并能够利用AI创造新价值的人。

从这个角度看，“AI+专业”当然有存在的意义。

但这种意义并不来自专业名称中多了两个字母，而来自它是否真正完成了对传统专业的重构。

对于申请人而言，未来关注的不应该只是：

哪所大学又新增了一个AI专业？

更应该关注：

哪些专业正在被AI重新塑造？哪些课程只是在追逐热点？哪些能力能够在未来十年持续产生价值？

这或许才是面对“AI × 所有专业”时代时，选择硕士项目最重要的判断标准。