北京航空航天大学正在调整专业布局。
据新华网6月26日报道，北航围绕人工智能、低空智能运载工程等新兴交叉学科设置专业，并新增多个AI交叉双学位项目。教育部发布的《普通高等学校本科专业目录（2026年）》中，具身智能、低空技术与工程、脑机接口等专业也开始进入公众视野。
这些变化给2026年考生提了个醒：看到“人工智能”四个字，先别急着填。真正需要比较的，是AI与哪个学科结合，四年里具体学什么，以及学校有没有能力把两套知识体系教到一起。
AI与生物医学：编程之外，还要理解实验
AI进入生物医学后，面对的是蛋白质结构、医学影像、单细胞测序和药物筛选等问题。这类项目通常需要同时学习数学、编程、生物学和医学工程，课程跨度明显大于普通的软件开发方向。
判断项目质量，可以先看课程是否真正发生了交叉。如果培养方案仍是几门计算机课加几门生物课，两边各教各的，学生很容易什么都接触，却缺少完整的研究或工程训练。
这个方向也很挑学生。高中生物主要靠记忆过关、对实验过程没有兴趣的人，进入大学后可能会很吃力。模型需要数据，医学数据又与实验设计、采集条件和误差来源紧密相关。只会调模型，往往不够。
AI与法律：关键是把技术问题说清楚
算法推荐、自动驾驶、智能客服和AI代理进入产品后，数据使用、用户授权、责任划分都会变得更复杂。企业需要有人理解模型训练和系统日志，也能读懂数据法、知识产权和合规条款。
因此，计算法学或AI与法律的双学位值得关注。但考生要仔细查看课程表：有没有自然语言处理、算法可解释性、数据治理等技术课？法律课程是否覆盖真实的数字产品场景？授课教师是否来自法学院和计算机学院？
如果技术训练只停留在入门编程，毕业后仍可能更接近传统法学岗位；如果法律只是几门通识选修，也很难承担AI合规和治理工作。专业名称相似，培养结果可能相差很远。
神经符号与认知科学：更适合喜欢底层问题的人
大模型擅长处理文本和非结构化数据，但在严格推理、知识约束和结果解释上仍有局限。神经符号方法尝试把神经网络与符号逻辑结合起来，认知科学则进一步涉及心理学、脑科学和计算模型。
这类方向目前更偏研究，课程通常会碰到离散数学、逻辑学、机器学习、认知心理学等内容。它不像应用开发那样容易迅速看到成品，学习周期也更长。
考生如果喜欢追问模型为什么得出某个结论，愿意处理抽象问题，可以重点了解。只是填报前要确认，它究竟是正式本科专业、实验班，还是研究生阶段才会细分的方向。三者的培养路径并不一样。
AI伦理与治理：技术课不能缺席
随着生成式AI进入教育、医疗、金融和公共服务，算法公平、内容安全、隐私保护和责任认定逐渐成为产品开发中的具体工作。
AI伦理与治理因此受到关注。不过，这个方向最怕课程过于空泛。有效的培养方案应当让学生理解数据、模型和产品流程，再讨论公平性评估、风险审计和责任边界。缺少技术基础，只谈原则，很难把治理要求落实到系统设计中。
报考时可以直接检查培养方案：技术课占多少，是否安排编程和数据分析训练，有没有具体项目。还要看专业挂靠在哪个学院。哲学、法学、公共管理和计算机学院开设的同名方向，侧重点可能完全不同。
AI与气候科学：数学和物理是绕不过去的门槛
气象预测、地球系统建模、新能源功率预测和灾害风险分析，都需要处理大量时空数据。AI可以参与模型计算和预测，但学生仍要理解大气、海洋、能源系统等专业知识。
这个方向适合数学、物理基础较好，同时愿意学习地球科学的考生。选择学校时，应关注其气象、环境或地球科学学科是否扎实，有没有计算平台和实际数据。仅凭一个“AI+气候”的名称，很难判断项目水平。
填志愿，先查这三件事
第一件事是查课程。湖南大学教育科学研究院副教授韦骅峰在接受采访时提醒，新增专业是否值得报考，不能只看带不带“智能”字样。课程表比专业名称更诚实：数学、编程和本学科基础各占多少，通常能看出培养重点。
第二件事是查师资。好的交叉项目应当有不同院系共同参与。如果所谓“AI+法律”只有法学院教师，“AI+医学”没有医学或生物工程团队，交叉很可能停留在招生文案里。
第三件事是查培养出口。部分AI研究和交叉方向对学历要求较高，本科阶段更多是在打基础。考生需要提前判断，自己是否愿意继续读研，以及学校有没有稳定的深造通道。
北京航空航天大学教授、中国教育学会学术委员会委员熊璋提出，AI可以用于志愿筛选，但最终应由考生和家长把关。这个提醒同样适用于专业选择：工具可以整理院校和分数，无法替你判断是否愿意同时学习两套知识体系。
计算机科学仍是AI的重要基础。变化在于，行业需要的不只是会写代码的人，也需要能把代码带进医学、法律、气候和公共治理场景的人。对考生来说，交叉方向未必更轻松，甚至可能更难。它的价值取决于课程是否扎实，也取决于你是否真的愿意学另一门学科。
