微信扫一扫
最近高考志愿选择如火如荼。同学和家长们都非常关心：选择什么专业才能在未来5-10年在就业市场占得一席之地。
要回答这个问题，自然避不开这两年刚刚冒头的AI大发展的浪潮。今天大德就来用“房地产”作为类比，拆解一下AI大发展机遇下可能的专业选择方向。
今天我们先讲讲理工类专业中重要的两个顺应AI趋势的专业。
- AI的“地基与水电” -
硬件、半导体与能源基础设施
AI的核心驱动力是算力。ChatGPT，DeepSeek每运行一天，消耗的电量和需要的芯片算力都是天文数字。因此，AI的爆发直接拉动了半导体、微电子和能源电力行业的爆发式增长。
AI竞争的本质是芯片的竞争。从光刻机（ASML）到芯片设计，再到晶圆制造，每一个环节都需要密度的工科人才。
德国TU9大学的Elektrotechnik und Informationstechnik （电子信息技术）专业。
但是有很多家长和同学们会觉得去德国读本科只学习EI会不会“把路走窄了”，不像国内本科志愿可以有很多选择。其实这个看法是一个非常常见的误区。
德国本科入学的时候基本只用申请大类方向，而在高年级，学生可以根据自己的兴趣和特长选择细分的方向进行深化学习。像是EI专业，就不仅包含微电子和芯片设计方向，也包含电力供应方向。
详细来看慕尼黑工业大学的EI专业，它在高年级可以选择13个细分方向，包括：
-
自动化技术（涉及工厂全自动化运行的控制逻辑）
-
网络物理系统（如物联网 IoT、工业互联网）
-
数据通信（涉及数据传输）
-
电动驱动（涉及汽车电动机和逆变器技术）
-
电力供应（解决电网稳定供电与输电问题）
-
集成系统设计（涉及芯片电路设计与EDA软件应用）
-
高频技术（研究电磁波的传输，解决5G/6G通信）
-
机器学习与人工智能
-
机电一体化（涉及机器人的研究）
-
媒体技术与智能交互系统（研究人如何与AI、机器互动）
-
医疗电子/生命科学电子（涉及：电子技术与医疗的跨界，比如研发核磁共振、CT、脑机接口（BCI）以及高端智能医疗设备）
-
微电子学和纳米电子学（涉及：芯片电路、晶体管研发制造）
-
传感器和测量系统（利用传感器采集测量数据）
所以，选择专业方向其实在高考这个阶段不用做得过细，只要选对大方向，未来也有很多空间。
- AI“空间设计&建材” -
数学、数据架构与逻辑机理
现在的AI本质上是“概率学”和“统计学”的产物。如何训练大模型？如何处理海量的数据流？
如何确保AI的推理符合严密的逻辑，而不是“一本正经地胡说八道”？这就需要最底层的数学工具和逻辑架构支撑。
数学
如果要学习数学，AI大模型的本质是概率、矩阵与几何拓扑。而现在的AI有一个致命缺陷：可解释性极差，也就是说我们知道输入什么能得到好结果，但不知道它背后的数学机理为什么有效。
德国波恩大学数学专业的优势研究领域刚好是解决AI未来瓶颈的重要“武器”。
2018年菲尔兹奖得主（数学界的诺比尔奖）彼得·舒尔茨（Peter Scholze）目前就在波恩大学任教。
他被誉为当代数学界的超级巨星，他提出的“状似空间（Perfectoid spaces）”理论是当下几何拓扑的重要理论。
这个理论是把复杂的数论问题，映射到几何结构的规律空间上，给高维数据“建立空间秩序”。如果这一理论能够被成功应用在AI大模型上，未来的数学家就可以去“重塑”大模型的内部空间，设计出“智商更高”的AI。
除了几何拓扑，波恩大学的波恩大学的“豪斯多夫中心”是德国的数学精英集群。他们现在的一个重要研究方向，就是用应用数学与随机分析去解构神经网络。简单来说就是减少AI胡说八道的可能性。
计算机科学
现在AI编程已经在逐步取代传统的软件开发岗位，应用层的软件会被AI自己写出来。那么学计算机科学还有什么用呢？
上周学德小程序上介绍汉诺威大学的硕士计算机专业的文章，其实就是在讲硕士阶段的一个趋势：未来的计算机专业在回归数学逻辑和算法推导。
简单来说：普通的软件工程和应用层编程确实在贬值。而真正能帮助你建立技术护城河的，恰恰是那些曾经被认为‘太枯燥、太偏学术’的计算机核心理论。
如果你想在这个AI时代，学到最纯粹、最不容易被淘汰的计算机底座理论，那么德国的萨尔大学计算机科学专业就是非常合适的选择。
它不教你当个简单的“应用型码农”，萨尔大学的本科课程一上来，就是硬核的2年理论计算机和数学基础学习，学分数量达到70个ECTS。
当然，萨尔大学在AI领域的统治力还是藏在它的校园生态里。这里直接汇聚了全球人工智能与软件安全的三大智库：德国人工智能研究中心（DFKI）、马克斯·普朗克计算机科学研究所（MPI-INF），以及马克斯·普朗克软件系统研究所（MPI-SWS）。这其中AI研究最主力的研究所就是DFKI。
从 DFKI 的研究板块来看，它的核心专注于“AI + 实体工业/硬核科研”的特定场景交叉应用，而非“烧钱堆算力、拼聊天大模型”的消费级领域。
比如，他的核心课题在于如何把人工智能算法精准地嵌入到医疗手术机器人、自动驾驶重卡、卫星遥感以及潜水探测器等精密硬件中。这极度依赖强大的智能安全系统、图像模式识别与人机交互体系，其本质是在解决 AI 如何在复杂的物理世界中稳定、安全落地的问题。
而这种“AI + 工业”的物理落地，恰恰需要理论计算机与硬件边界知识的扎实功底作为技术底座。萨尔大学在这条产业链的两个核心环节——计算机视觉（负责物理感知）和信息安全（负责逻辑与系统安全）领域，长年代表着德国乃至欧洲的水平。无论学生未来是选择深挖理论计算机的算法与逻辑验证，还是走 AI 与硬核工业相结合的应用道路，萨尔大学的计算机本科课程和它所提供的科研生态，都是一个极具优势的起点。
