AI大模型，疯抢“张雪峰们”的生意

六月，空气里弥漫着一种特殊的焦灼。

高考结束铃声响起，笔尖的战斗暂告一段落，随之而来的是另一场没有硝烟的战争——填报志愿。

“考得好不如报得好。”这句话沉甸甸地压在千万家庭的心头。过去几年，张雪峰成了无数普通人报志愿时的依靠。他说“文科生地域优先于学校”，他说“别报新闻学”，这些观点切中了寒门学子最现实的焦虑，也让他成为了那个不可或缺的参考系。

但如今，这个参考系消失了。张雪峰的离开，留下了巨大的真空，屏幕那端的千万考生和家长，被抛回了原点。面对海量的院校代码、复杂的招生章程、互相矛盾的建议，家长说要稳，同学说要冲，网上说这个专业是天坑，那个城市遍地黄金。

信息铺天盖地，各有各的想法，各有各的需求，没人知道该信谁。

眼看今年这1290万考生又要面对同样的困境时，几家大厂把高考志愿Agent递到了他们面前。

近八成考生用AI报志愿

走出高考考场后，不少考生和家长脑子里蹦出的，已经不再是试卷上的分数，而是接下来的志愿怎么填。

时间倒退回10年前，高考报志愿意味着要买两本砖头一样的《招生计划》和《报考指南》，每本几百页，每页都是密密麻麻小字。家长拿尺子一行行比对着往年分数线，计算器算着线差，纸笔不停记录，半天才能确认一个学校能不能报。

到了2020年左右，第一批互联网志愿填报工具基本成熟。阿里夸克、百度高考、腾讯"招生考试"小程序接连上线，把历年分数线都搬到了线上。考生输入分数，系统返回一个列表——这是报考的2.0时代。

2026年，随着AI智能体爆发，填报志愿的方式也正式进入了3.0——Agent时代。艾媒咨询数据显示，今年AI志愿工具用户规模将突破9200万人次，78.4%考生都用过AI查院校、生成志愿方案，超六成家长把AI推荐作为填报核心参考依据；全国1290万高考考生，几乎每个家庭都在接触这类工具。

在AI的加持下，考生不用再研究复杂的指南，只需要选择一些关键的信息，比如分数、城市、专业偏好、就业目标等等，再用自然语言补充一些个性化的信息，就可以获得冲稳保等多元化报考方案。

这种革新也让高考志愿服务这个赛道，发生着剧烈的结构性变化。

首先，整个行业正在从“数据生意”变成“模型生意”。过去，高考志愿工具的核心竞争力在于积累了多年的录取分数线数据库。靠着卖卡，卖会员，赚的是信息差。但现在，数据已经不再是壁垒，大模型不仅能检索数据，还能对话，并从对话中理解真实意图。

这种变化也直接冲击了原有的商业模式。 随着阿里、腾讯、百度等大厂纷纷推出免费的Agent志愿助手，靠卖数据卡和低阶咨询的传统C端生意被严重挤压，报考机构越来越难做，行业出现分层。低端测算需求逐渐被AI承接，部分地方教育局和学校开始采购志愿填报辅助系统作为公共服务，付费重心也有了向B端延伸的迹象。

与此同时，竞争还进入了“AI报考专家”的人格化阶段。就在不久前，GitHub上出现“张雪峰.skill”的开源项目，试图通过提示词工程复刻他的语言风格与决策逻辑。紧接着，各大厂也开始让Agent模仿专家口吻“说话”。不再只是单纯的给列表，而是解释推荐理由、主动追问偏好，以此模拟真人咨询师的交互质感。

短短十年，高考志愿填报已从纸质书海、网页表单，演进到用自然语言对话就能生成方案的智能体时代。工具在极速进化，但这道关于未来的选择题，却似乎并没有变得更容易。

大厂打响AI志愿战

这个夏天，腾讯、阿里、百度悉数入局，把高考服务直接推进到了Agent对话。

这场仗，腾讯动手最早。

6月5日，高考尚未开考，腾讯就率先发布了元宝高考通，定位为“高考咨询师Agent”。其核心逻辑在于重构交互：不做繁复的文档，而是专注于流畅的对话。依托混元大模型及掌上高考的官方数据库，考生可以随时在对话框中修正需求，如“排除医学类”“增加武汉的高校”“剔除中外合作办学”等等，系统便会基于上下文实时重排方案。整个产品设计基于一个判断：志愿填报并非单次提交的静态行为，而是一个动态调整、反复推敲的决策过程。谁能将对话体验做得最自然，谁就能在这场流量争夺中占据主动。

腾讯元宝高考通

阿里虽然亮牌稍晚一些，但布局更深。6月10日，千问正式上线高考志愿Agent，并明确提出了“国内首个全周期”的概念。阿里的服务不仅限于出分后的短暂窗口，而是贯穿查分、定位、探索、方案制定及录取跟进的全过程。其方案构建在千问高考志愿大模型之上，融合了夸克八年积累的高考数据沉淀，核心产出是一份定制化志愿报告，试图将志愿填报从“一问一答”升级为“全案交付”。阿里的战略意图十分明显：借助这一容错率极低的高压场景，验证Agent处理复杂现实问题的可靠性，从而为千问在大模型竞争中确立“可信助手”的认知护城河。

千问高考

百度则选择了差异化路径。同样在6月10日，百度也升级了高考服务体系，推出AI志愿报告，其最显著的标签是“双重校验”。百度深知自身的优势在于搜索入口与数据广度，但也清醒地认识到了市场对算法黑箱的天然不信任。因此，它构建了一套“AI生成-规则引擎初筛-高风险案例人工复核”的闭环机制，引入资深志愿咨询师对报告进行审核认证。本质上，这是在用传统教育咨询行业的信用体系，为新兴的人工智能技术提供风险兜底。

百度文心AI志愿助手

腾讯想陪人把想法聊透，阿里想帮人把事情想透，百度则在努力证明机器的结果足够稳妥。

三家共同的壁垒都是免费，因为它们真正争夺的是流量，是在千万家庭心智中成为那个不可替代的决策中枢。

不过，真的有人敢让AI报志愿吗？

社交媒体上，这类帖子变得越来越多，也足以说明了信任是横在考生和AI之间的一道沟壑。

“以前张雪峰给你建议报错了，没准还能去他公司门口堵他，现在AI把你坑了，连个吵架的地方都找不到。”听起来扎心，但又是事实。

这种无力感源于责任的彻底真空。用户协议里写得清清楚楚：AI生成内容仅供参考，平台不对录取结果负责。因此，一旦AI因为数据滞后推荐了一个已经停招的专业，或者因为模型幻觉编造了一个虚假的录取位次，导致考生滑档，后果只能由考生自己默默承受。

更隐蔽的风险在于算法的趋同性。当几百万考生都在使用同一批底层模型时，系统可能会产生共振。如果所有人都在问“500分能上什么好学校”，AI给出的答案可能是差不多的。这会瞬间推高这些所谓“最优解”学校的录取分数线，原本计算出的“稳妥”志愿，在实际录取中却变成了高风险选项。

至于那些藏在招生简章夹缝里的细节，如色盲限报、单科成绩门槛等等，这些内容AI尚能识别。但它最大的问题在于用过去定义未来。AI的逻辑是基于历史数据推荐专业，但它无法预判行业拐点的到来。

就像几年前，会计和法律是人人争抢的金饭碗，如今却因自动化和供需逆转而逐渐失色；IT专业还有着毕业拿高薪的光环，现在却面临着AI替代和“35岁裁员”的现实压力。AI所能看到的是这些专业过去的辉煌数据，却看不到它们正在逼近的天花板。

算法不替人择路

当大厂把志愿填报卷进Agent时代，数据幻觉与责任真空的隐忧也随之而来，但面对信息洪流，不少家庭还是选择了让AI进场——不是为了交出决策权，而是为了先看清盲区。

盲区的第一层，是对规则的陌生。不少家长在看招生章程时才发现，自己对录取机制的理解存在很大缺失。“专业级差”如何计算、勾选“服从调剂”可能面临的分流风险、单科成绩与体检的具体限制......这些以往需要四处打听或付费咨询才能弄明白的门道，如今能被拆解成直白的说明。只有先明白了规矩，才有资格去审视屏幕上跳出来的那一长串名单。

盲区的第二层，是海量信息带来的筛选困境。仅凭人工翻阅很难穷尽所有可能性，而算法依据分数与位次，仅数秒内就能拉出十几所够得上的大学，顺便把这几年的分数线走势标好。这一步解决的不是“选哪个”，而是先回答“有哪些值得看”。

盲区的第三层，则是那些影响未来几年生活质量的细节。哪个校区在市区、哪个宿舍没空调、转专业大致成功率多高、学费是否超出家庭预算等等。通过对话框提问，AI就能把散落在各处的碎片拼成一段可读的文字。当然，这些数据来源混杂，仍需核对，不可照单全收。

这些大厂之所以在这个夏天集体入场，也正是看中了这三重盲区背后的巨大需求，想要在不足一个月的窗口期内快速抓住考生和家长的注意力。这既是抢占千万家庭决策入口的商业尝试，也是一场以算力换取信任的博弈。

它们的举动抹平了过往因阶层差异造成的信息鸿沟，使得曾经昂贵的咨询服务变成了人人可触达的基础工具。

但事实上，信息的扁平化并未带来决策的轻松。当筛选效率被提升到极致，留下的往往是更加艰难的取舍。

越是在信息过载时，越要找回人的主体性。AI负责数据处理、清单罗列与风险提示，将模糊偏好转化为结构化备选方案，而最终的决定权始终在人。是冒险冲击名校冷门专业，还是稳妥选择普通高校的优势学科，这一抉择必须回归对考生承受能力、职业愿景及家庭现实的诚实审视。

AI能计算出每条路径的录取概率，但感知不到复读对一户人家造成的经济与心理压力，也无法衡量一个年轻人对特定学科的执念深浅；能基于历史数据推荐当下的热门，却看不见行业周期在未来几年的起伏；能呈现所有可走的路，但回答不了哪条路适合这个人走。

承认Agent的能边界，它便是高效的辅助；但若幻想其能替人承担人生选择的分量，那便会是所有焦虑的开端。