从王兴兴报考建议看机械与AI融合：如何选择有技术壁垒的专业

杭州宇树科技的创始人王兴兴给高考生的一段报考建议这段时间在很多家长群和升学社群里被转得很广。按说一个机器人公司的创始人出来聊报考关注点很容易滑到反迷“机器人和AI前景好”这层但真正让这段内容产生传播力的其实是王兴兴本人的这条路径。他不是传统意义上的顶尖名校出身却在“机械”这个常年被唱衰的传统工科里抓住了机械与人工智能结合的机会最终做成了全球四足机器人领域头部位置的公司。所以他想表达的不只是“来学机器人吧”而是背后一整套关于方向选择、个体积累和时代判断的逻辑。这篇文章想拆的就是这套逻辑的内核以及它落到一张普通志愿表上时哪些可以直接用哪些必须改一改再用。先声明一下我不打算把王兴兴塑造成某种“报考导师”。做机器人和管理公司是他的主场关于教育的很多具体问题比如怎么选学校、怎么估分、怎么填志愿顺序并不是他的核心输出内容。但正因为如此他那些关于方向和坚持的话反而剥离了很多教育行业的套话剩下的东西更接近一个科技行业从业者用真实经历反推出来的决策框架。1. 一个“非名校出身”的创业者为什么有资格谈报考1.1 王兴兴的路径恰好是考生焦虑的镜像先看他这条路的起点。1980年代末出生的王兴兴本科就读于浙江理工大学机械相关专业硕士在上海大学机电工程与自动化学院。从公开信息看他本科阶段就开始自己做机器人并且在读研期间把四足机器人作为主要研究方向。那时候的“机械”是什么处境普通人听到这个词第一反应往往是工厂、流水线、传统制造业和“前途无量”四个字基本不沾边。机械专业在很多省份的录取分数线里常年处于中游甚至偏下的位置大量学生是调剂进去的入学第一件事是琢磨怎么转专业。但王兴兴恰恰是在这个“冷门”方向上不断往深处走的。他不是把机械当跳板而是在机械的基础上叠加了嵌入式系统、电机控制、人工智能这些当时还不够性感的技术。后来宇树科技的第一批四足机器人原型靠的正是这种复合能力——既懂硬件结构又懂运动控制算法还能自己动手把原型机调出来。这个背景对考生的意义在于今天很多孩子面临的焦虑不是“没得选”而是“可选太多、不知道哪个才是对的”。家长看就业榜单老师推热门专业社交媒体天天讲“某某方向人才缺口巨大”但这些声音大多是后视镜视角反映的是过去几年的供需关系。而王兴兴这类经历过完整周期的创业者他的经验恰好提供了一个时间跨度足够长的样本他在一个不被看好的专业里靠持续积累和行业周期的交汇最终把冷门做成了稀缺。1.2 建议真正的底气不是成功本身而是选择逻辑的完整性一个人成功了他说什么都会有人附和这很正常。但如果你只盯着王兴兴“成功了”这个结果去模仿比如“他说科技方向好那我也报人工智能”那就完全跑偏了。值得拆解的不是他的结论而是他做选择的那套逻辑。从公开的访谈、演讲和报道里可以梳理出他这套逻辑的闭环。第一步选一个自己真正有兴趣、能动手折腾的方向第二步在自己能接触到的范围内找到最好的资源去深耕第三步保持开放的视野把相邻领域的新技术主动吸收进来第四步用足够长的时间等待行业拐点出现。这四步里没有哪一步依赖“名校光环”或“热门专业”每一步都是普通学生可以迁移的。真正让这套逻辑有分量的是它形成了一个完整的闭环并且被验证过。很多人的建议之所以空泛是因为他们只讲“要努力”不讲“往哪努力”只讲“要热爱”不讲“怎么找到热爱”只讲“要长期主义”不讲“长期到底有多长”。而王兴兴的路径里每一步都有具体的动作和时间节点。2. 被反复引用的报考观点信息量到底在哪2.1 “选自己热爱的方向”这句话不是鸡汤是效率策略王兴兴在多个场合讲过要选择自己热爱的事情去干。这类话在毕业典礼演讲里早就被说烂了但放到他的具体语境里含义完全不同。我理解他说的“热爱”本质上是在讲学习效率。一个人对某个方向真正感兴趣的时候他会主动做大量“超纲”的事情。王兴兴读书的时候自己做机器人这件事没有任何课程要求他这么做完全是兴趣驱动。但恰恰是这种不受课程大纲限制的自主探索让他在本科阶段就积累了远超同龄人的动手能力和系统工程意识。他做的那些“无用之事”最后全部变成了他做创业项目的核心竞争力。这一点放在报考上特别重要。大学和高中最大的区别是什么是学习的驱动力从外部的考试压力变成了内部的自我驱动。如果选了一个孩子内心完全不认同的专业大学四年就会变成纯粹的“上课—考试—拿学分”循环他既不会主动去拓展也不会和老师深入交流毕业时很可能只带着一纸成绩单什么能力都没攒下。反过来如果选了一个能激发他自己去折腾的方向哪怕学校平台一般他也能通过网络、开源社区、实验室项目自己长出来。所以“选热爱的方向”在报考语境下可以理解成一个效率判断选一个孩子愿意主动投入时间的方向远比选一个名字好听但没人愿意多花一分钟的方向更能在四年后形成竞争力。2.2 “尽量往科技方向靠”本质是对人才缺口的产业判断王兴兴给年轻人的一个核心建议就是往科技方向选尽量选择有技术门槛的方向。这句话听起来像“正确的废话”但他的判断依据其实非常具体就是他所在的机器人行业的人才结构。我和不少机器人领域的创业者聊天时发现一个共同点他们最缺的往往不是算法工程师而是能把算法跑在真实硬件上的人。一个四足机器人项目要在仿真环境里跑通一套强化学习算法并不难难的是让这台机器在真实的草地上、阶梯上保持稳定这背后牵扯到电机响应、结构刚度、减震设计、整机重量分配等一系列工程问题。在人才市场上纯算法方向的候选人很多但既懂控制、又懂机械结构、还愿意蹲在实验室里调参调电机的人长期处于稀缺状态。王兴兴说的“科技方向”并不是让所有孩子都去写代码、都去卷人工智能。他的意思更接近“去有技术壁垒的方向找到自己能够持续积累的位置”。芯片、机器人、智能汽车、生物医药、新材料这些都是技术壁垒足够深的领域但它们需要的人才结构非常多元——不只有算法工程师还有机械工程师、嵌入式工程师、材料工程师、测试工程师。对一个考生来说真正重要的问题不是“我要不要选计算机”而是“我适合在哪个有门槛的领域里成为哪个环节上的稀缺人才”。2.3 大学里“为学习而学习”对报考的影响被大多数人忽略了王兴兴还提到过一个观点大学里不要为了考试去学习要想学什么就去学什么。这句话的适用场景是在读大学生但我觉得它对报考的启发一点也不小。为什么这么说因为“这个专业是不是适合自学”这件事是绝大多数人填报志愿时完全忽略的维度。有些专业的课程设置天然适合自我探索比如计算机、电子、机械、设计你不需要等到上课才能动手自己在网上跟着教程也能做出来一个东西。这些专业的评价标准相对开放创新能力很容易被看见。但有些专业的学习路径则完全不同课程安排严、考核方式固定、知识体系几乎全靠课堂推进这类专业即便师资再强学生如果缺乏内生动力也很容易变成被动接收。报考的时候家长很少会去了解“这个专业在大学里是怎么学的”。大家都去看课程名单看就业率看分数线但很少有人问这个专业的学生是靠主动折腾学出来的还是靠被动听讲熬出来的王兴兴在大学里能自己折腾机器人当然有他个人的因素但同样不能忽视的是机械、电子这类工科专业本身就有极强的“自驱友好度”——你随时可以动手做点什么来验证自己的学习成果。这种专业属性在一个孩子还没有明确兴趣方向的时候是一个很值得放进考量维度的变量。3. 内核拆到底热爱、趋势、长期主义三个坐标怎么用3.1 热爱怎么鉴别区分“消费型兴趣”和“生产型兴趣”把“热爱”挂在嘴边很容易但落到专业选择上必须做一个更严格的区分。我把它分成两类消费型兴趣和生产型兴趣。消费型兴趣是用户视角。比如一个孩子喜欢看科幻电影、喜欢玩机器人玩具、喜欢刷各种科技短视频这些当然也能说明他对科技感兴趣但这种兴趣不需要他付出什么成本属于消费内容。生产型兴趣则是创造者视角。他愿意为了这个兴趣去忍受枯燥和挫败——自己写的代码跑不通反复调试自己组装的机械结构散架了重新设计投入一个周末只为了让电机按预定轨迹转起来。这种兴趣才真正有资格作为专业选择的基础。王兴兴今天的样子很容易给人一种“他从小就是天才”的错觉但把时间拉回他读书的年代“热爱生产”的表现其实非常朴素一个年轻人没有老师布置自己花大量时间在学校工作坊里做机器人。这件事的特征是他主动选择了高挫折密度的活动并且在其中得到了正向反馈。判断一个孩子对某个专业是不是真热爱可以看他在该方向上主动承受的挫败时长。愿意面对失败还继续做基本就是真爱一遇到卡壳就想放弃那多半只是好感。3.2 趋势怎么判断看产业位置而不是看专业名称家长判断一个专业好不好最常见的方法是看“就业率”和“薪资榜”但这套指标天然滞后。等到就业数据好看出名的时候对应的高考录取分数线早就被抬上去了等到这批学生毕业市场可能已经开始饱和。更合理的判断方式是看这个专业所处的产业位置。打个比方判断一个人站在上升的电梯里还是下降的电梯里比判断他现在站得高不高更重要。机械专业为什么在过去十年里口碑两极分化因为它既可以在传统制造业里做低附加值的结构设计也可以在机器人行业里做高附加值的关节模组和整机设计。专业名称没变但所处产业链位置变了人才的市场价值就完全不同。具体怎么判断一个专业处在什么产业位置我有三个比较可操作的信号。第一看这个方向上头部公司的招聘量在最近两年是扩张还是收缩——招聘量扩张意味着需求仍在上升。第二看高校在相关交叉学科上的新建动作学校不会随便开设新的本硕专业点密集新增说明有产业需求倒逼。第三目光放长远一点看这个方向是否存在“天花板被技术突破打开”的可能如果某个行业的核心瓶颈正在被新技术打破那么原来冷门的配套专业很可能跟着起飞。用这个框架回头看王兴兴的“往科技方向靠”你会发现他说的不是某个具体专业而是一个筛选逻辑找产业在爬坡的方向而不是找名字最好听的专业。3.3 长期主义怎么落地前五年能力复利后五年行业复利“长期主义”在今天的舆论场里已经被用烂了但拆开来看它在报考这件事上有非常具体的含义。我把长期主义拆成两个阶段。第一个阶段是能力复利期大致是大学本科加研究生这几年。在这个阶段真正拉开差距的不是谁高考分数高了几分而是谁在一个方向上持续、稳定地投入学习时间。能力增长是有复利的因为后学的知识总是建立在前面的基础上而且学过的东西会在后续学习中反复被调用。一个在大一就养成了自己折腾项目习惯的人到大四的能力积累往往是靠考前突击的人完全无法追赶的。王兴兴在本科和硕士阶段做的那些机器人项目就是这段复利期的典型注脚。第二个阶段是行业复利期也就是工作后的阶段。这时候行业周期开始显现如果你在一个长期发展方向上已经有了足够深的积累恰好遇到产业爆发点早期积累就会转化为超额回报。四足机器人过去十年从实验室走向消费市场就是一条典型的产业爬坡曲线。王兴兴在行业爆发前就已经在这个方向上摸爬滚打了很多年所以当资本、供应链、消费市场都开始成熟时他之前的每一步积累全部变成了竞争壁垒。落到报考上这个模型的启发是不要问“四年后什么最火”而要问“十年后什么还在发展并且我愿意在这个方向上积累十年”。前一个问题是投机后一个问题是投资。4. 这套内核的边界什么人能直接用什么人必须改4.1 可以直接借鉴的三类考生画像王兴兴这套报考逻辑并不是万能的但在三类考生身上它的参考价值非常大。第一类是有明确动手兴趣的孩子。喜欢拆东西、装东西、修东西或者从小就喜欢搭积木、做模型、编小程序。这类孩子天然适配“工程科技”的路线王兴兴的建议对他来说是顺水推舟。第二类是分数中等、进不了顶尖名校但自学能力强的孩子。很多分数中等的孩子有一个特点课堂上未必突出但自己在网上学东西特别快。这一类孩子尤其适合“挑有技术门槛的方向”因为技术类专业的自学资源最丰富、评价标准最透明只要愿意主动学到底是在一本还是二本院校里毕业差距会被快速缩小。第三类是家庭可以接受一定试错成本的孩子。一个依然处于上升周期的技术方向有时需要比较长的成长周期比如读到研究生、甚至出国或者在工作里再转型。如果家里的情况允许孩子晚几年再考虑稳定回报那么完全可以按“热爱趋势”的逻辑去选。反过来如果家庭条件负担较重、需要尽快稳定也许需要做一个折中。4.2 必须打折使用的两类情形同样也有两类情况需要把王兴兴的建议打一个折扣再用。第一类是孩子完全排斥科技方向。有些孩子明确表示不喜欢物理、不喜欢编程、不喜欢动手操作这种情况下硬把他推到“热门科技方向”等于是把热爱策略变成了反向操作。每个时代都有属于它的上升赛道但最终能在赛道里跑出来的都是干得进去的人而不是被按着头进去的人。第二类是家庭风险承受能力有限的情况。科技赛道里当然有很多高回报岗位但不是每一条支线都有确定的回报周期。对需要本科毕业后尽快获得稳定收入的家庭来说单纯强调“长期主义”可能并不现实。这种情况下可以折中处理选一个有技术壁垒但应用面广的传统工科或理科毕业后进可攻退可守——想继续深造可以往高新技术方向走想先工作也有大量制造业、实施、测试类的岗位可选。还有一个必须提醒的边界王兴兴的建议本质上是科技创业者的视角他不是教育专家。报考是把孩子未来四年甚至更长时间交付给一个具体的培养方案这件事应该听取各方面的信息而不是听了某位企业家的话就直接做决定。4.3 热门方向内部同样有红海与蓝海之分很多家长一听“人工智能方向”就觉得这是王兴兴说的“科技方向”于是拼命往人工智能专业挤。但这个认知有一个大问题热门方向不等于热门中的每个细分方向都适合所有人。“人工智能”这四个字在不同层次的院校里对应的培养内容差异巨大。顶尖院校的人工智能专业学生在本科阶段就能接触前沿课题、进入大厂核心部门实习但在不少普通院校里人工智能专业可能只是把原来的软件工程课程重新包装了一遍师资和实验条件都有限。同样是计算机相关专业有人做的是高价值的基础软件有人做的是可替代性很强的业务开发。专业大类只能告诉你这扇门的方向而门后面的路差别可能非常明显需要仔细分辨。这种情况下我建议考生看三个更具体的东西目标院校这个专业所在的学院是否有对应的实验室、是否有正在做的科研项目、是否有头部企业共建的联合实验室或实习通道。这些信息比招生简章上的专业介绍更有参考价值。5. 落到志愿表上把内核翻译成四步可执行动作5.1 用排除法确定学科大类而不是立刻选专业很多考生在填报志愿时习惯一开始就问“哪个专业好”然后从专业名称开始倒推。我建议反过来先用排除法把“绝对不想碰”的学科大类划掉在剩下的范围里找交集。排除法的科学之处在于人的兴趣往往是模糊的但厌恶通常很明确。一个孩子说不出自己喜欢什么很正常但如果他对某个方向产生了强烈的“不想学”的情绪这是复现率极高的信号值得尊重。先划掉明确不接受的再在可接受范围内找交集比直接让孩子对一个陌生专业表态要容易得多。在可接受范围内再去应用前面讲的两个坐标这个学科大类里有哪些方向是处于上升产业中的哪些方向的日常学习方式是我可以接受的交集区域就是志愿填报的主攻方向。5.2 画一张产业链路图判断这个专业处在链条的什么位置这一步做起来稍微有点费功夫但非常有价值。具体做法很简单挑三五个孩子可能感兴趣的产品或行业比如人形机器人、智能汽车、芯片、医疗设备然后把产业链从上到下列出来。以人形机器人为例。最上游是材料、芯片、传感器中游是电机、减速器、关节模组再往上是整机设计、运动控制、AI算法最下游是行业应用和运营服务。不同分数段的孩子可以在这条链上找到不同的切入点——成绩好的可以瞄准AI算法、高算力芯片成绩普通的可以瞄准应用层开发、现场调试、工艺工程。产业链条越长意味着它可容纳的人才层次越丰富哪怕分数不占优势也能在链条上找到有技术含量的位置。画完这张图以后再看自己想报的专业是不是落在正在扩张的产业链位置上。如果落在一个快速萎缩的环节哪怕这个专业名字再好听也要慎重。5.3 城市、院校、专业三个变量按分数段匹配不同权重城市、学校、专业这三者的优先级几乎每年都是争议焦点。我的核心观点是这个问题没有统一答案但可以根据孩子的分数段动态调整。分数段首要变量次要变量背后的逻辑高分段城市、院校专业顶尖平台提供的视野、校友网络和转专业空间足以弥补暂时没进理想专业的损失中分段专业与城市的产业匹配院校选一个和当地产业强相关的专业实习和就业的机会密度会显著提高低分段专业的技术壁垒城市这个阶段学校牌子能带来的加成有限学一门真正有门槛的手艺更实在高分段学生为什么可以优先学校和城市因为顶尖院校内部的资源密度和试错空间远高于普通院校入校后完全可以利用转专业或跨学科选课来重新校准方向。中分段学生要关注城市产业因为一个城市如果有完整的产业链普通院校的学生也有大量实习机会这个优势是地理位置带来的和学校名气关系不大。低分段学生则要优先确保学到的技术是“硬”的数控、精密加工、电气自动化这类专业专科和普通本科也有对口出路并且不容易被替代。5.4 给自己留两条后撤通道而不是把志愿报成孤注一掷最后也是最重要的一步给自己留好退路。顶尖高手在投资的时候都讲究“先求不败再求胜”填志愿也是一样。第一条后撤通道是转专业。填报之前先去目标院校的官网把转专业政策看清楚大一能不能跨学院转转专业有没有成绩门槛大概有多少名额有些学校转专业非常开放入校之后只要成绩排名靠前就能申请这种学校的专业选择风险就低很多。有些学校转专业极其困难基本是“一报定终身”那第一志愿就变得至关重要需要谨慎再谨慎。第二条后撤通道是交叉学科。就算最终录取的专业不完全满意也可以在上学期间主动向另一个方向拓展。机械专业的学生辅修编程自动化专业的学生自学AI算法这样的组合在就业市场上非常抢手。王兴兴的成长路径本身就是一个“机械控制AI”的交叉样本你并不需要本科四年就拿到一个完美的专业名称而是可以先占住一个工科入口再通过自学和项目经验慢慢叠加技能。真正拉开差距的永远是你最终形成的“技能组合”而不是志愿表上那四个字的专业代码。6. 家长最容易做反的四件事我逐个说透6.1 用今天的高薪榜单预测四年后的就业时间错配被忽视每年报考季家长最喜欢做的事情就是拿着各种薪资榜单和“绿牌红牌专业榜”来对照看看哪个专业毕业以后挣钱多。这种做法最大的问题在于时间错配现在读本科四年后毕业如果读研还要再加两三年。也就是说今天看到的就业数据反映的是过去的市场供需而这批孩子毕业时市场可能已经完全不同。我见过太多例子了。某个专业在某一年特别火于是那一年分数线暴涨四年后就业市场迅速饱和学生毕业即面临内卷。真正有参考价值的不是“现在什么专业工资高”而是“现在什么方向的人才缺口在持续扩大”。人才缺口的扩大通常来自产业扩张而产业扩张的周期通常是五年到十年级别的。判断一个方向是短期的价格波动还是长期的产业趋势最简单的办法是看这个方向的核心驱动力是什么。如果是技术进步带来的成本下降和应用场景扩展那是长期趋势如果只是资本短期炒作那就要谨慎。6.2 把“不排斥”当成“感兴趣”抹掉了孩子的真实偏好在辅导过很多家庭之后我发现一个很普遍的现象家长问孩子对某个专业感不感兴趣孩子回答“还行”“不排斥”“都可以”家长就把这当成了正面反馈。但这个“都可以”背后很可能是孩子根本没想过这个问题或者已经懒得表达真实想法了。我的建议是不要问“你觉得怎么样”而是用具体场景去测试。如果孩子说对计算机感兴趣那就让他花一个暑假去B站找一门编程入门课自己写个小程序试试如果说对机械感兴趣就让他去搭一个小的机械模型或者拆一件家里的小电器。测试的重点不是他做得怎么样而是他在整个过程中是主动推进的还是需要反复催促的。主动推进说明是真兴趣需要催促说明只是不排斥。6.3 为了求稳过分压缩选择面反而放大了风险有些家长的志愿表填得非常“安全”所有志愿都是往年分数线偏低、孩子虽然谈不上喜欢但家长觉得好就业的专业一所学校一个专业填到底。这种策略看似稳妥实际上风险很大。它完全放弃了大学阶段的试错机会把孩子变成了一个执行别人决策的“工具人”。我理解家长求稳的心态但真正稳妥的策略一定是“大部分稳定小部分进取”的组合。比如六成志愿填报录取概率高、学习压力可控的稳健方向剩下四成志愿留给孩子真正感兴趣、但分数线可能刚刚够的方向。这样一来就算稳健志愿全中孩子也不排斥万一进取志愿中的一个有运气成分录取了孩子会更有动力去读。把志愿表当成一个投资组合来填而不是把所有筹码押在同一个篮子里。6.4 只查专业“学什么”不查专业“怎么学”导致入学后不适配很多家长做功课的时候非常认真会把这个专业的核心课程全部查一遍然后对照孩子的成绩单看看能不能应付。但有一个更关键的问题他们很少问这个专业在大学里到底是怎么学的同样是理工科不同专业的日常学习方式差异极大。机械、电子、自动化这类专业学习路径高度依赖动手实践课程作业里经常有实验、课设、竞赛适合坐不住但喜欢动手解决问题的孩子。数学、物理这类基础理科核心是抽象推演和证明学习节奏更安静适合坐得住、喜欢一个人长时间思考的孩子。有的孩子是典型的“动手型人格”如果被塞进纯理论学习为主的专业会非常痛苦有些孩子是典型的“思考型人格”如果被塞进整天做实验竞赛的专业同样会水土不服。王兴兴能在机械专业如鱼得水并且一路做到头部位置很关键的一点就是他的学习方式和专业特性完全匹配。他本身就是一个喜欢动手去把东西造出来的人而机械电子恰恰给他提供了这样的环境和工具从螺丝、电机到控制算法全部都是“做出来才算会”。报考的时候花一点时间了解这个专业的“日常学习方式”判断一下它跟孩子的性格特质是否匹配这件事的重要程度不亚于看分数线。写到这这套建议的内核基本已经拆得很透了。从王兴兴的成长路径到他的报考逻辑再到这些逻辑在今天志愿填报场景下的适用与变化我希望强调的是任何人的经验都只是参考系不是标准答案。每个孩子都是不一样的个体分数、兴趣、家庭条件、性格特质这些变量组合起来千差万别。真正负责任的报考策略是把这个时代的产业趋势、专业的学习方式、孩子的真实偏好这三者放在一起做匹配而不是照着哪位创业者的路径按图索骥。王兴兴的参考价值在于他用自己的人生证明了“在一个方向上持续深耕并且踩中产业周期”是一条普通人可以走通的路。这条路具体怎么走、在哪里拐弯最终要由孩子自己决定。