2026年10月15日，美国得州。

特斯拉第二代Roadster在SpaceX火箭测试场完成了一场超出所有人预期的首秀——白色车身沿C形倒置坡道加速上行，凭借车底负压系统牢牢吸附于倒挂轨道顶端，静止数秒后腾空翻转，像火箭一样升降、翻滚。

会飞的汽车，真的来了。

图源：特斯拉新车发布现场——Roadster真的会飞

几乎同一时间，另一条新闻的分量，可能比飞行汽车更重，但被大多数人轻轻滑过去了。

马斯克在接受CMG（中央广播电视总台）专访时，被问到“给年轻人什么教育建议”。他的回答，不是“学编程”“学AI”“学理工科”。

“我的建议是——接受尽可能广泛的基础教育，包括艺术、科学、工程，各种领域都了解一点。”

他解释道：未来你要向机器人下达指令，必须先学会提问题——也就是现在常说的 prompt engineering。而你的知识面越广，就越擅长提出好问题。

采访中，他还给出了一个让全世界倒吸一口凉气的数字：10年内，人形机器人至少10亿台。

当10亿台机器人站到你面前的时候，
你的孩子，凭什么和它们竞争？

图源：特斯拉官微发布

一、所有人都在往前跑，方向可能错了

先说说我们正在经历的现实。

一个普通中国家庭的教育路径，大致是这样的：幼儿园抢学区、小学拼奥数、初中冲重点高中、高中考个好大学、大学选个“好专业”、毕业找个“好工作”。

每一步的核心逻辑都是：越专业越好，越深入越好。学理工的别碰艺术，学文科的别碰代码，"术业有专攻"是天经地义的事。

留学生群体更是如此。选专业时的第一问永远是："这个专业好不好就业？""是不是移民专业？""回来能进大厂吗？"

计算机、工程、金融——越"硬核"的专业，越多人挤破头。

可问题是，这套逻辑，是工业时代的逻辑。

工业时代奖励"专精"，
AI时代可能奖励"广博"。

我们花了几十年时间，把孩子训练成一颗颗精密的螺丝钉——安在正确的位置上，高效、稳定、不出错。

但现在，机器人来了。而且是10亿台。

图1 · 马斯克预测：全球人形机器人数量增长曲线

当然，10亿台这个数字是马斯克的个人预测，未必准确。他一向以"乐观到离谱"著称，打个对折甚至打个一折都不奇怪。

但哪怕只有1亿台——那也是1亿个不需要睡觉、不需要工资、不会抱怨、不会请假的劳动力。

它们最先替代的，恰恰是那些"最专业"的工作。

标准化的会计核算、基础的代码编写、常规的法律文书、重复性的设计出图……这些曾经需要大学四年甚至硕博深造才能掌握的"专业技能"，AI正在以惊人的速度学会，而且做得又快又好又便宜。

去年还在说"AI不会取代人，只会取代不会用AI的人"。

今年再看，这话只说对了一半。

更残酷的后半句是：你会不会用AI，可能根本不是你说了算，而是你会不会"问"AI。

二、为什么"会提问"成了AI时代的核心能力？

马斯克说的"提问题"，不是课堂上举手问老师那种提问。

他说的是——你能不能把你脑子里那个模糊的想法，清晰、准确、完整地传达给AI，让它帮你做出你真正想要的东西。

这件事，说起来简单，做起来极难。

第一层：你得知道"有什么"，才知道"要什么"

AI什么都能做，但你得先知道它能做什么。

一个只懂编程的人，可能永远不会想到让AI帮他做一个视频剪辑脚本；一个只学文科的人，可能不知道AI能帮他跑数据分析、做可视化图表。你不知道一个领域的基本概念和可能性，就根本提不出那个方向的问题。

这就是马斯克说"广泛教育"的第一层含义：知识面越宽，你的"选项池"就越大。别人只能看到一个问题的三种解法，你能看到十种——不是因为你更聪明，而是因为你知道的更多。

第二层：你得懂"好坏"，才能判断"对不对"

AI能给你一百个答案，但哪个是好的？哪个是对的？哪个是你真正想要的？

这就需要审美和判断力。而审美和判断力，恰恰来自那些"没用"的东西——艺术、文学、历史、哲学。它们不教你具体怎么做一件事，但教你分辨什么是好、什么是美、什么是有价值的。

一个没有审美能力的人，AI给他生成一百张海报，他也挑不出哪张更好看；一个没有商业判断力的人，AI给他写十份商业计划书，他也不知道哪份靠谱。

AI的上限，是提问题的人的认知边界。

第三层：你得会"跨界"，才能问出好问题

真正有价值的问题，往往出现在学科的交叉地带。

用生物学的思路解决工程问题，用心理学的原理设计产品，用艺术的视角做科技创新——这些跨界的想法，AI自己想不出来，因为AI的知识是碎片化的、被投喂的。只有人的脑子里装着不同领域的东西，才能碰撞出火花。

马斯克自己就是最好的例子。他做特斯拉，需要懂汽车工程、电池技术、供应链管理；做SpaceX，需要懂航天物理、材料科学、火箭工程；做Neuralink，需要懂神经科学、生物医学、芯片设计。

他不是每一个领域的顶尖专家，但他懂每一个领域的基本逻辑和关键概念——这让他能提出对的问题，找到对的人，做对的判断。

图2 · 工业时代 vs AI时代：教育逻辑的根本变化

三、那些"不务正业"的人，已经悄悄跑赢了

说一个真实的故事。

小陈在英国读的是人类学硕士，一个被国内家长普遍认为"毕业即失业"的专业。去年毕业回国找工作，投了几十份简历，石沉大海。

后来她偶然接触到AI，开始用各种工具做实验。因为学过人类学，她对"人的需求"特别敏感——知道什么样的文案能打动人心、什么样的交互让人舒服、什么样的设计符合文化习惯。她把这些对人的理解，翻译成AI能懂的指令，让AI帮她做内容、做设计、做方案。

现在她在一家AI创业公司做"产品策略"，薪资是同届文科毕业生的两三倍。

她的核心竞争力，不是"会用AI"——这东西半年后人人都会。她的核心竞争力是"懂人"加上"会用AI"。前者来自她那个"没用"的人类学专业，后者是她自己摸索出来的。

再看一个更极端的例子。

有个叫"AI绘画师"的新职业，这两年悄然兴起。从业者里，很多不是美术科班出身——反而是一些学文学的、学历史的、学哲学的。

为什么？因为AI画画，比的不是手上的技法——这些AI全都会。比的是脑子里的想法、审美品味、还有把想法描述清楚的能力。一个读过很多书、看过很多画、对风格和情绪有敏锐感知的人，哪怕连素描都不会，也能靠精准的文字描述，让AI画出惊艳的作品。

这在十年前是不可想象的。

曾经的"不务正业"，
正在变成AI时代的"核心竞争力"。

当然，我不是说"专业不重要了""学什么都一样"。那是另一种极端。

专业深度依然重要——你总得有一个立身之本。但只有深度、没有广度的人，在AI时代会越来越吃力。因为AI的深度增长速度，比人快太多了。

真正的护城河，是"T型人才"——有一个专业的深度，再加一个广泛的知识面宽度。深度让你能落地，广度让你能提问、能判断、能跨界。

图3 · AI时代：哪些能力正在升值，哪些正在贬值？

四、几个容易走偏的误区

聊到这里，必须主动澄清几个常见的误解。

误区一：既然AI这么厉害，那不用学了

错。AI越厉害，越需要人来驾驭。而且越是高阶的AI，对使用者的要求越高——你得懂足够多，才能问出足够好的问题，才能判断输出的质量。

学还是要学，只是学什么、怎么学，要变一变了。

误区二：那干脆不学理工科了，都去学艺术

也错。马斯克说的是"广泛的基础教育"，不是"只学艺术"。科学和工程依然是基础——你不懂基本的科学原理，连AI能做什么、不能做什么都判断不了。

他的意思不是"理工科没用了"，而是"只有理工科不够了"。

误区三：马斯克说的就一定对吗

当然不一定。马斯克成功过很多次，也失败过很多次。他的预测经常过于乐观，他的观点也带着他个人的局限。

但有一件事是确定的：变化正在发生，而且速度比大多数人想象的要快。马斯克的话对不对不重要，重要的是——你有没有为这种变化做好准备？

退一步说，就算AI没有马斯克说的那么神，就算10亿台机器人是天方夜谭——多读书、多了解不同领域、培养独立思考和提问的能力，这些事本身，难道不就是教育应该做的吗？

教育的目的，从来不是培养工具。
而是培养能驾驭工具的人。

五、给家长、学生、留学生的五条实操建议

说了这么多趋势和判断，最后还是要落到具体的行动上。

不管你是家长、学生，还是正在留学或准备留学的人，下面这五条建议，都值得认真想一想。

建议一：给家长——别把孩子的路越走越窄

孩子喜欢画画，别急着说"画画能当饭吃吗"；孩子喜欢拆东西，别急着说"整天不干正事"。

未来需要的，不是考试机器，而是有好奇心、有想象力、会提出问题的人。那些看似"没用"的兴趣爱好，可能恰恰是孩子未来的护城河。

当然，文化课不能丢。但在文化课之外，给孩子多留一点空间——读闲书、玩乐器、做手工、去户外、发呆。

建议二：给大学生——选修一门完全不相关的课

学理工的，去选一门艺术史或哲学课；学文科的，去了解一下编程入门或数据基础。不是为了转行，而是为了打开一扇窗。

你不需要变成那个领域的专家，你只需要知道那个领域"有什么""怎么思考问题"——这就够了。等以后需要的时候，你知道去哪里找答案、怎么问对问题。

建议三：给留学生——把"留学"的价值，从"镀金"改成"扩界"

很多留学生的目标很明确：拿个好文凭、进个好行业、找个好工作。这个目标没错，但可以再往上加一层。

留学最大的价值，从来不是那张纸，而是你亲眼见过不同的世界、亲身体验过不同的思维方式、认识了不同背景的人。这些东西，会变成你认知的宽度——而宽度，在AI时代越来越值钱。

所以，别只盯着专业排名和就业率。去听一场完全听不懂的讲座、去参加一个跨学科的社团、去认识一个专业完全不同的朋友。这些"浪费时间"的事，可能比GPA更有用。

建议四：所有人——每天花30分钟，学一个"没用"的东西

可以是一首诗、一幅画、一个物理概念、一段历史、一个心理学实验。不求有用，不求精通，就是单纯地拓展一下认知的边界。

这件事短期看不到效果，甚至有点"浪费时间"。但长期来看，你脑子里装的东西越多，能提的问题就越好，能看到的机会就越多。

建议五：立刻开始——和AI做朋友

别害怕、别抵触、也别神化。就把AI当成一个能力超强但不太懂事的助手——你得学会跟它沟通，告诉它你要什么，它才能帮你做好。

从今天开始，试着用AI解决一个真实的问题——写一份文案、做一个方案、分析一组数据、生成一张图。过程中你会发现，最难的不是操作，而是把你想要的东西说清楚。

而"说清楚"这件事，就是马斯克说的"提问题的能力"。

— 写在最后 —

文章开头那辆飞行的汽车，很震撼，对吧？

但比飞行汽车更值得关注的，是造车的人——马斯克，和他背后那套"跨学科思维"的方法论。一个人，同时做电动汽车、火箭、脑机接口、人形机器人，每一件事都在改变行业。

他不是每个领域最顶尖的专家，但他是每个领域都能提出好问题的人。

未来的世界，可能就是这样的：

机器人负责执行，人负责提问。

那些只会做、不会问的人，会越来越难。而那些脑子里装着很多东西、能提出好问题的人，会越来越值钱。

——全文完——

来源：本文基于特斯拉第二代Roadster发布会、马斯克CMG（中央广播电视总台）专访、OECD Education at a Glance 2026、世界经济论坛《未来就业报告》相关趋势分析等公开信息整理分析，具体情况请以官方发布为准。