兒子推介我看 Dario Amodei 的四篇長文，讓我對將來的世界了解多一點點。
當你看見將來，你現在就會做不一樣的事情⋯⋯
但我第一時間也是想到選科，雖然不是我讀，但反正我整理了，參考下也無妨。
AI 時代，香港八大哪些專業「最怕被取代」、哪些「最受加持」？——一個讀完 Dario Amodei 的 IB 家長選科指南 (2026)
去年我跟兒子談 為什麼要上大學 的時候，我們把大學學位定義為一張「看跌期權」——用極低的溢價，鎖定人生收入的下限。
但最近我讀完了 Anthropic CEO Dario Amodei 的四篇長文之後，我發現那個框架需要修正。
不是因為「看跌期權」的邏輯錯了。而是因為——如果你選錯了行權標的，這張期權可能到期就歸零。
🧠 先讀懂 Dario Amodei 在說什麼，再談選科
我不打算寫一篇「AI 會改變世界」的空洞文章。那種東西網上已經夠多了。
我要做的是：把 Dario Amodei 在 《Machines of Loving Grace》、《The Adolescence of Technology》、《The Urgency of Interpretability》 和 《Policy on the AI Exponential》 四篇文章裡的核心論點抽出來，然後對照香港八大的專業設置，看看哪些專業正站在懸崖邊上，哪些站在風口上。
Amodei 不是一個普通的評論家。他是全球最頂尖的 AI 公司之一的 CEO，手上掌握著最前沿模型的能力數據。他的預測不是「我覺得 AI 很厲害」，而是基於十年以上的 Scaling Laws 經驗曲線做出的推斷。
以下是他四篇文章裡最關鍵的三個論點：
論點一：AI 不是取代「某些工作」，而是取代「人類認知本身」
「AI 不是某些特定人類工作的替代品，而是人類勞動力的通用替代品。」
—— Dario Amodei, The Adolescence of Technology
這句話的意思是：AI 跟過去的技術革命（蒸汽機取代體力、電腦取代計算）有根本性的不同。過去的技術取代的是「特定動作」，你可以從被取代的行業轉到沒被取代的行業。但 AI 取代的是認知能力本身——金融分析、法律推理、會計審計、初階程式設計、管理顧問，這些工作所需的底層認知能力高度相似。
「金融、顧問與法律等領域的入門級工作所需的一般智力能力相當類似……一項只顛覆其中一個領域的技術，能讓員工轉向另外兩個相近的替代領域……但若同時顛覆這三者（以及許多其他類似工作），人們可能更難適應。」
翻譯成選科語言：你不能再用「如果金融不行，我就轉去做顧問」這種思路來規劃職業了。因為 AI 同時在顛覆所有「坐在辦公室用腦」的工作。
論點二：「半數初階白領工作，1-5 年內被取代」
「我預測人工智慧可能在未來 1-5 年內取代半數初階白領工作，即使它同時加速經濟成長與科學進展。」
—— Dario Amodei, The Adolescence of Technology
1-5 年。不是 20 年。不是「未來某一天」。
這意味著一個今年升讀大一的學生，四年後畢業時，他所學的專業的「初階入職崗位」可能已經不存在了。
論點三：但 AI 同時在「壓縮一個世紀的科學進步」
「AI 驅動的生物學與醫學，將把人類生物學家在未來 50-100 年裡能達成的進展，壓縮到 5-10 年內完成。」
—— Dario Amodei, Machines of Loving Grace
Amodei 把這叫做「被壓縮的 21 世紀」（The Compressed 21st Century）。在他的預測框架裡，強大 AI 出現後的 5-10 年內：
- 幾乎所有傳染病可被預防與治療
- 95% 以上的癌症死亡率被消滅
- 阿茲海默症被預防
- 人類壽命延長至 150 歲
這不是科幻。這是一個手上掌握著最前沿模型能力數據的人，基於 Scaling Laws 做出的基線預測。
選科的啟示是什麼？ 被取代的是「用人腦做 AI 能做的事」的工作。被加持的是「站在 AI 加速的科學前沿上，用人的判斷力、同理心與物理世界操作能力去創造價值」的工作。
⚠️ 第一類：正面承受 AI 衝擊的專業
以下專業的共同特徵是：核心工作內容以「處理資訊、運算、分析、生成文本/代碼」為主，且入職門檻由認知能力而非法定執照決定。
1. 傳統會計與審計 (Accounting & Auditing)
| 衝擊維度 | 分析 |
|---|---|
| 核心威脅 | 帳目處理、稅務計算、合規審查均為高度結構化的認知任務，AI 自動化空間極大 |
| Amodei 論據 | 明確列入「在 1-5 年內面臨認知自動化的白領職位」 |
| 香港現況 | HKICPA 執照仍為審計簽署的法定門檻，但「取得執照後能做的工作」正在大幅縮減 |
| 生存空間 | 高階稅務策略、跨境架構設計、法庭專家證人——但這些崗位的數量可能不到傳統會計師的 10% |
⚠️ 選科建議：如果你的孩子正在考慮 BBA (Accounting)，請認真思考一個問題——四年後他畢業時，「初階審計助理」這個崗位是否還存在？CPA 執照本身仍有價值，但純會計學學位的就業寬度正在急劇收窄。
2. 初階程式設計 / 純 CS 編碼 (Junior Software Engineering)
這一條可能會讓很多家長意外。「學 CS 不是最安全的嗎？」
Amodei 的回答非常直白：
「過去兩年間，AI 模型從幾乎無法完成一行程式碼，進展到能為某些人（包括 Anthropic 的工程師）撰寫全部或幾乎全部的程式碼。不久之後，它們可能就能端到端地完成軟體工程師的整個任務。」
「就連傳奇程式設計師也越來越覺得自己『跟不上了』。」
| 衝擊維度 | 分析 |
|---|---|
| 核心威脅 | AI 已經在寫 Anthropic 的大部分代碼。初階 Coder 的工作——寫 CRUD、修 Bug、搭前端——正是 AI 最擅長的結構化認知任務 |
| 短期轉型 | 高階軟體工程師會被「10 倍槓桿化」——一個人能做十個人的工作。但這意味著企業需要的人數大幅減少 |
| 長期終局 | Amodei 明確預測：AI 最終會端到端地取代傳統軟體工程 |
⚠️ 選科建議：純粹的「學寫代碼」已經不是護城河。CS 學位的價值正在從「會寫代碼」遷移到「懂得用 AI 設計系統架構、理解計算理論、能跟領域專家協作」。港大/科大的 CS+AI 交叉學科（見下文）比純 CS 更有前瞻性。
3. 傳統金融分析 / 投行初階 (Junior Finance & IB Analyst)
「金融、法律、物理、數學、翻譯——被明確列為正在經歷即時快速認知自動化的行業。」
—— Dario Amodei, Policy on the AI Exponential
| 衝擊維度 | 分析 |
|---|---|
| 核心威脅 | 財務建模、DCF 估值、行業研究報告——這些 IB Analyst 日常工作的核心，都是 AI 極其擅長的結構化分析任務 |
| 微型團隊革命 | Amodei 預測「單人創辦十億美元公司」與「極小團隊產生數億收入」將成為常態 |
| 生存空間 | 客戶關係管理、交易談判、監管合規判斷——這些需要人際信任與法律責任的環節，短期內仍需人類 |
4. 管理顧問 / 商業分析 (Management Consulting / Business Analytics)
這是 Amodei 「同時顛覆三者」論述中被點名的第三個領域。初階顧問的工作——數據收集、市場分析、PPT 製作——正是 AI 最高效取代的認知任務類型。
🚀 第二類：站在 AI 加持風口上的專業
以下專業的共同特徵是：核心工作涉及「物理世界操作」「法定執照壟斷」「人際判斷與倫理決策」或「AI 本身的研發與安全」。
1. 醫學 (Medicine) —— AI 時代最強的「雙重護城河」
醫科可能是 AI 時代最具韌性的專業選擇。為什麼？因為它同時擁有兩道護城河：
護城河一：法定特許壟斷。 無論 AI 多厲害，在可預見的未來，沒有任何國家會允許 AI 獨立行醫。醫生的「處方權」和「手術刀」是法律保護的壟斷。
護城河二：AI 的「壓縮的 21 世紀」正在創造爆炸性的新需求。 Amodei 預測 AI 將在 5-10 年內壓縮一個世紀的醫學進步——新的療法、新的藥物、新的手術技術會以前所未有的速度湧現。誰來把這些突破轉化為臨床實踐？醫生。
「AI 將把候選藥物發現、AI 驅動的 PK/PD 建模、預測毒理學、合成對照臂、生物標記驗證大幅加速，徹底縮短傳統 7-8 年的藥物開發週期。」
| 香港院校 | 相關課程 | AI 時代優勢 |
|---|---|---|
| 港大 (HKU) | MBBS (IB ≥ 43) | 李嘉誠醫學院，本地臨床訓練最強；AI 加速的轉化醫學研究基礎設施完善 |
| 中大 (CUHK) | MBChB / GPS (IB ≥ 43-45) | 環球醫學領袖培訓 (GPS) 組別培養國際視野的醫學研究者 |
| 科大 (HKUST) | 學士後醫學院 (籌備中) | Graduate-entry 模式，適合已有 STEM 學位的學生轉軌醫科 |
2. AI 安全與可解釋性研究 (AI Safety & Interpretability) —— 被嚴重低估的藍海
這是 Amodei 在 《The Urgency of Interpretability》 中最強烈呼籲的方向。
「現在是投入可解釋性研究的最佳時機。」
他的論點是：AI 能力將在 2026-2027 年達到「資料中心裡的天才國度」等級，但人類理解 AI 內部運作的技術（可解釋性）至少落後 3-5 年。這個落差是人類文明面臨的最大風險之一，也是最大的人才缺口。
| 特徵 | 說明 |
|---|---|
| 人才缺口 | 極度缺乏。Amodei 甚至公開向競爭對手喊話要求他們投入更多資源 |
| 入門門檻 | 不需要巨額算力，許多研究可在學術機構或個人電腦上開展 |
| 跨領域機會 | Amodei 特別呼籲神經科學家轉向此領域 |
| 商業價值 | 金融、法律、醫療等對「AI 決策可解釋性」有法律合規要求的行業，護城河極深 |
💡 選科路徑：港大/科大的 CS+AI 課程 → 碩士階段專攻 AI Safety / Alignment / Interpretability。這個領域目前全球頂尖人才不超過幾百人，進入的機會窗口正在打開。
3. 生物醫學工程 / 計算生物學 (Biomedical Engineering / Computational Biology)
如果說醫科是「用 AI 加速的突破來治病的人」，那生物醫學工程和計算生物學就是「創造這些突破的人」。
Amodei 的「壓縮的 21 世紀」需要一種新型人才——既懂生物學，又懂 AI，還能在實驗室裡操作的人。
「正確看待 AI 的方式，不是把它當成數據分析工具，而是一個執行生物學家所有任務的虛擬生物學家——包括設計並在現實世界中執行實驗（透過控制實驗室機器人，或像首席研究員指導研究生那樣指揮人類執行實驗）。」
但虛擬生物學家仍然需要人類來：
- 操作物理實驗設備（AI 的物理世界短板）
- 設計實驗的倫理框架
- 將 AI 發現轉化為可臨床應用的療法
| 香港院校 | 相關課程 | AI 時代優勢 |
|---|---|---|
| 港大 (HKU) | BSc Bioinformatics / Biomedical Sciences | AI + 生物交叉，轉化醫學應用 |
| 科大 (HKUST) | BSc Biotechnology & Business / Bioengineering | 科大在硬科技新創方面全港最強 |
| 中大 (CUHK) | BSc Computational Data Science + Bio 雙修 | 數據科學底子 + 生命科學交叉 |
4. 法律 (Law) —— 但不是所有法律
法律是一個有趣的分裂案例。
被衝擊的部分：法律研究、合約審閱、合規文件起草——這些初階工作將大幅自動化。
被加持的部分：法庭辯護、客戶談判、司法判斷——這些需要「人在場」的環節，不僅不會被取代，反而會因為 AI 時代的新問題（資料隱私、AI 責任歸屬、自動化武器合規）而需求暴增。
Amodei 本人的觀點：
「我不是在建議用 AI 系統取代法官，但 AI 將公正性與處理混亂現實情境的能力相結合，應該能在法律與司法領域產生重大正面應用。至少，這類系統可以作為人類決策的輔助工具。」
💡 選科建議：港大/中大的 LLB 仍然是極強的「看跌期權」——PCLL 執照是香港執業的唯一通道。但學生應在法學院期間主動修讀 AI Ethics、Data Privacy、Technology Law 等選修課，為 AI 時代的法律新需求做準備。
5. 物理治療 / 臨床心理學 / 護理 —— 「人的溫度」+「法定執照」雙重保護
「人類在物理世界中可能長期保持相對（甚至絕對）優勢。」
—— Dario Amodei, Machines of Loving Grace
「意義主要來自人際關係與連結，而非經濟勞動。」
這些專業的共同點是：你必須「在場」，你必須「觸碰病人」，你必須「用人的眼睛看著對方」。 AI 可以輔助診斷、優化治療方案，但它無法取代物理治療師的雙手、臨床心理學家的傾聽、護士在凌晨三點握住病人的手。
加上法定執照的壟斷保護，這些專業在 AI 時代的韌性極強。
📐 第三類：需要「重新定位」的專業
這些專業本身不會消失，但「學了什麼」跟「畢業後能做什麼」之間的關係正在被 AI 重新改寫。
CS + AI 交叉學科 —— 從「寫代碼」到「設計系統」
| 香港院校 | 課程 | 側重 |
|---|---|---|
| 港大 (HKU) | BEng CS (AI Stream) | 計算理論 + AI 應用 |
| 科大 (HKUST) | BEng CS + Extended Major in AI | 硬科技 + 創業孵化器 (HKUST Entrepreneurship Center) |
| 中大 (CUHK) | BSc Data Science / AI: Systems and Technologies | 數據驅動決策 + 系統設計 |
純粹「學寫代碼」的 CS 學位正在貶值。但「理解計算的底層原理 + 會用 AI 設計系統架構 + 能跟領域專家（醫生/律師/科學家）協作」的交叉型 CS 人才，在 AI 時代反而更稀缺。
量化金融 / 金融科技 (FinTech) —— 從「做模型」到「設計 AI 金融系統」
傳統的量化金融（QFin）教你用 Python 做 DCF 模型。但 AI 已經比任何人都更快、更準地做 DCF 了。
未來的量化金融人才需要的是：理解 AI 系統在金融場景下的風險邊界——偏差、幻覺、監管合規——並設計安全的 AI 金融架構。 這跟 Amodei 在 《The Urgency of Interpretability》 中強調的「AI 可解釋性的商業化應用」完全吻合。
🎯 給 IB 學生的行動清單
如果你的目標是「AI 防禦型」——選擇 AI 衝擊最小的專業：
- 醫科 (MBBS/MBChB)：雙重護城河（法定壟斷 + AI 加速的新需求）。IB ≥ 43，HL 化學必修。
- 物理治療 / 職業治療：「物理世界 + 人的溫度」雙重保護。IB ≥ 33-35。
- 法律 (LLB)：PCLL 執照的法定壟斷仍在，但務必輔修 AI Ethics / Tech Law。IB ≥ 41。
如果你的目標是「AI 進攻型」——選擇站在 AI 加持風口上的專業：
- CS + AI 交叉：不是學寫代碼，而是學設計 AI 系統。科大或港大的 AI Stream。IB ≥ 37-39。
- 計算生物學 / 生物醫學工程：成為 Amodei 所說的「壓縮的 21 世紀」的建造者。IB ≥ 36-38。
- AI Safety / Interpretability 研究路徑：本科 CS/數學/物理/神經科學 → 碩博專攻 AI Alignment。全球人才缺口最大的藍海。
如果你不確定，至少做到這一件事：
在 10 年級選 IB 科目時，無論你將來想讀什麼，都把 HL 數學 (AA) 選上。
在 AI 時代，數學不只是一個學科——它是理解 AI 運作原理、評估 AI 風險、設計 AI 系統的底層語言。無論你最終選擇醫科、法律、工程還是商業，HL 數學 (AA) 都是你最不會後悔的選擇。
💬 結語：技術的青春期，也是你孩子的青春期
Dario Amodei 把我們這個時代叫做 「技術的青春期」——借用了科幻小說家 Carl Sagan 的比喻。人類即將被賦予幾乎不可想像的力量，但我們的社會制度、政治體系和教育框架是否成熟到足以駕馭它，完全不確定。
「我們能否通過這場考驗……將取決於我們作為一個物種的品格與決心、我們的精神與靈魂。」
—— Dario Amodei, The Adolescence of Technology
你的孩子正好也在他們自己的青春期。他們即將做出人生中最重要的幾個決策——選科、選校、選方向。
作為家長，我們能做的不是告訴他們「未來會怎樣」——因為沒有人知道。我們能做的是幫他們：
一個 Amodei 反覆強調、但很少被升學文章提到的能力——
「基本的人類直覺——公平、合作、好奇、自主——難以被反駁，而且是累積性的……」
在 AI 時代，培養你孩子的道德判斷力、同理心與對人類處境的真實理解，可能比任何一個 IB 科目的選擇都更重要。
延伸閱讀
- Dario Amodei：恩典之機器
- Dario Amodei：技術的青春期
- 香港 10 大 IB 頂尖名校分數與醫科錄取率
- 港大 vs 中大 vs 科大 IB 醫科門檻
（本文觀點基於 Dario Amodei 四篇公開文章的論述框架，結合香港八大院校 2026 年收生數據整理。AI 對就業市場的實際影響存在高度不確定性，本文僅供升學規劃參考，不構成職業建議。）
沒有留言:
發佈留言