AI志愿填报爆火：算法的“确定性”，与人生的“不确定性”

作者：快思慢想研究院 田丰，中国新闻周刊 胡可欣

引言

6月24日傍晚，广东家长熊莉盯着手机屏幕上那个数字“627分”，反复确认了三遍。

女儿平时稳定在590分上下，这次超常发挥了三四十分。喜悦大约持续了十分钟。随后，她打开了人生中第一款AI志愿填报小程序，开始为那多出来的分数寻找"一分都不能浪费"的志愿归宿。

几分钟后，熊莉遭遇了一件让人头皮发麻的事：同一所高校、同一个专业组，在小程序A的页面里挂着红色的"冲刺"标签，切换到小程序B，同样的选项却变成了绿色的"保底"。两款产品给出的建议，仿佛来自两个平行宇宙。

熊莉并不知道，她踏入的是2026年中国最热闹也最混乱的消费场景之一——一个付费规模预计达到10.9亿元的市场，正在以"AI推荐"的名义，向数以亿计的高考家庭贩卖确定性。

一、数据的战场

为了验证熊莉的疑虑，《中国新闻周刊》以"吉林考生、物理化学生物选科、总分600分"的身份，对多款主流AI志愿填报小程序进行了实测。结果触目惊心。

"高考e志愿"将北京大学列为"稳妥"推荐，附注录取概率56%，其显示的2025年最低录取分为423分——而《2026年北京大学招生简章暨报考指南》明确记载，该校当年面向吉林省物理类考生的实际录取分数线为694分，两者相差271分，差距相当于一名二本考生与清北生之间的鸿沟。

"理想报志愿"显示重庆大学某专业组的最低录取位次为1742名，而重庆大学本科招生办公室微信公众号公布的官方数据是2664名，差距超过50%。同一所大学、同一个专业组，两组数字讲述着截然不同的录取故事。

错误的成因并不神秘。快思慢想研究院院长田丰将其定性为"系统性数据传染"：所有填报平台都需要自建数据库，数据来源往往依赖各省发布的纸质或PDF版招生计划；业内主流做法是"手搓"——购买资料、OCR扫描、人工校对；大厂普遍不自建数据，依赖供应商数据包，而这些供应商之间相互抄袭，"错就错一片"。OCR层面的微小误差——"O"与"0"的混淆、学费信息的漏零——经由平台间的数据复制，以指数速度在整个行业蔓延。一家头部平台已安排100多名员工专门从事校对工作，依然未能堵住所有漏洞。

记者还发现，当前许多省份教育考试院已公布2026年高考成绩一分一段表，但部分AI志愿填报小程序的参考数据仍停留在2025年——用户输入分数时，系统自动匹配的是去年的省排位。声称"实时更新"的系统，实际上活在昨天。

四川考生家长朱铭选择AI志愿填报的理由坦率而现实："主要因为免费。"但这扇免费的大门也并非总是敞开——记者发现，"璟志愿""蜂志愿"等小程序要求用户购买会员卡，"蜻蜓AI高考志愿填报系统"在提供几条方案后即要求开通VIP才能查看完整数据。免费入口，付费深坑。

二、三层架构与一个根本缺陷

要理解AI志愿填报为何会出错，必须先理解它是如何运转的。

当前主流AI志愿填报系统，是一套"位次法＋机器学习＋大模型"的三层叠加架构：底层大模型负责语言理解与生成；中层专项训练负责决策路径对齐，通过将数百名资深高考志愿规划师的沟通和决策过程结构化，让模型学习专家的分析路径与语言风格；上层RAG（检索增强生成）负责挂载实时数据库。三层缺一不可，任何一层失效都会导致输出失准。

这套架构生成的"录取概率"，本质是贝叶斯统计推断：给定某考生在省内的位次，历史上同位次区间被某院校某专业录取的频率，就是"概率"的统计基础。田丰将其比作一面镜子——照出来的，永远是过去的博弈结果，而不是今天的录取竞争。

在志愿填报场景里，从"查询"范式升级到"推理"范式，这一步在2025年才刚刚迈出。夸克在算力扩容100倍之后，首次引入Agent模型结构，意图重构整个填报逻辑——这个时间节点本身说明问题：Agent级别的志愿填报推理能力，是2025年才刚刚具备商业可用性的东西。在此之前，所有"AI填报"的本质是结构化数据库加规则引擎，贴着大模型的标签。

Agent架构的真正价值，在于把单点推荐升级为多轮推理链。当考生输入"江苏物理组考生584分，性格内向，想找稳定工作"这类复合问题时，系统会依次查询可填报志愿、分析录取概率、探讨其他专业的可能性，再分析对就业和考研的影响，最后给出综合建议——这是把原本需要专家多次追问的咨询过程，自动拆解为可执行的推理步骤链。但链越长，累积误差越大。

更隐蔽的风险是大模型的"置信幻觉"：在无数据支撑时，大模型有以肯定语气输出错误信息的倾向。在志愿填报场景里，这类幻觉可能表现为把某冷门专业的就业前景描述为统计上尚无依据的乐观结论，或给出格式专业、逻辑通顺但数字完全是编造的"最低录取位次"。用户看到的是一份精美的分析报告，错的只是里面最关键的那个数字。

田丰认为：AI志愿系统，信息处理层面相对成熟，决策支持层面仍属初级，对人类的认知替代尚早。

三、志愿推荐系统的自我悖论

还有一类失误，是算法的结构性宿命，无论数据多精准都无法规避。

推荐系统的"协同过滤"逻辑，天然产生马太效应：历史上与你相似的考生大多选了计算机，系统就向你推荐计算机。当百万考生同时接受这个推荐，计算机专业当年录取分数飙升，明年成为"数据上的热门"，系统继续推荐，循环固化。冷门的优质专业持续被算法遮蔽，热门专业越来越热，成为一个自我强化的信息茧房。

志愿填报场景里的马太效应，比电商推荐危害大得多——电商推荐错了，消费者最多买了不喜欢的东西，还能退货。志愿填报的决策是一次性且不可逆的：一个决定，决定四年，影响职业起点，不可撤销。

更深的悖论在于：AI推荐系统本身即是博弈场景的参与者。其推荐结果一旦被大规模采用，就会改变当年的实际录取结果——而这个改变，又让它自己的历史预测失效。"保"的院校，因为所有人都降档去保，竞争陡然加剧。"冲"的院校，因为推荐工具都给了相似的概率估值，反而意外地水涨船高。这是一个不可避免的自我指涉困境：算法无法预测自己被大规模采用之后的世界。

田丰认为，技术上的出路是"分散推荐＋概率显示"：向考生明确展示"如果你和大量相似考生做同样选择，概率会如何变化"，把群体博弈的结构透明化。优志愿独创的"专业组纯净度"指标，是这一方向上的技术尝试——数值越大，专业组内专业关联性越强，被调剂至非意向专业的风险越低。但根本解法要求平台主动降低自身推荐的"确定感"，这与商业利益直接冲突——这才是马太效应难以自我纠正的真正原因。

四、被严重低估的隐私黑洞

在AI志愿填报的所有风险里，隐私数据安全是最被轻视的那一个。

考生填报时输入的信息——分数、位次、省份、选科、职业倾向、毕业高中——组合起来，构成一幅精准的"社会阶层画像"：可以推断家庭教育资源投入、父母职业背景、个体认知能力区间。田丰指出，这类数据在二手市场上"炙手可热"，其敏感级别比手机号加购物记录高出一个数量级。在《个人信息保护法》框架下，大量未满18岁的考生属于未成年人，平台在处理其数据时须适用更严格的授权规则。

数据的真正风险，不只在"泄露"，还在于"被用于模型训练并循环利用"。考生填报偏好数据对下一年招生行为的预测价值极高——若平台将历年用户决策数据纳入下一轮模型训练，且未明确告知用户，则构成目的外使用。更现实的隐患是：填报季结束后，这些数据对平台已无直接服务价值，但仍可流向教育机构或金融产品定向营销渠道。

考生在小程序输入个人信息，并不意味着默许系统将未脱敏信息用于大模型训练。 田丰建议，可靠的平台应建立"数据最短生命周期"机制——填报季结束后在限定时间内删除原始个人信息，仅保留脱敏聚合统计数据用于模型迭代，且该过程须受第三方机构监督。目前，这一机制在行业内普遍缺失。钱学森曾说，系统工程的核心是"整体最优"。在数据安全议题里，整体最优意味着考生个人利益与平台商业利益之间，必须设置结构性约束，而非依赖企业自律。

五、三把尺子，量出真伪

面对鱼龙混杂的市场，熊莉最迫切想知道的是：怎么判断哪款小程序靠谱？

田丰给出三把标尺。

第一把：数据来源的透明度。 可靠的产品敢把数据来源和时效写清楚，例如"基于××省2022—2026年公开分数线"，并在显著位置注明"本服务为AI算法推荐，仅供参考，最终志愿填报需结合个人情况及官方政策"。一个只说"覆盖3000所高校实时更新"、却不说明每个省份数据更新日期和核验方式的产品，经不起追问。

第二把：历史回测准确率的自我披露。 可靠的产品能够说清楚：2024年推荐给"录取概率50%"考生的院校，实际录取率是多少？这是系统性验证，不是精选成功案例的橱窗展示。北京市已对AI高考志愿填报服务展开合规摸排，安徽省消委会明确要求相关产品标注数据来源合法透明——在监管框架下主动披露误差区间的平台，可信度远高于只晒高光时刻的平台。

第三把：产品是否主动降低用户依赖。 可靠的产品，在推荐结束时会主动提示用户去官方渠道交叉核验，而不是用"AI准确率高达XX%"的话术让人觉得点击"一键填报"就能万无一失。正确的使用姿势是：以AI为信息过滤器，快速筛选符合分数段的院校专业组，缩小选择范围后人工复核——核对官网最新招生章程，必要时直接致电院校招生办确认选科要求。考生不应打无核验之仗。

六、人类顾问的另一种价值

AI志愿填报的爆火，没有终结人类高考志愿规划师存在的理由——只是重新定义了其价值的边界。

AI的真实优势是"无限复制的信息处理能力"，而非"更聪明的判断"。一位顶级规划师服务一名考生需要数小时，收费动辄万元以上；夸克截至6月30日已生成逾一千万份免费志愿报告，50%以上来自三线及以下城市的用户。AI确实在做一件人类规划师永远无法做到的事——以零边际成本完成信息层面的平权。

但有用户亲历的教训同样值得记录：某平台号称"成功率70%以上"，实际结果是AI建议填报的6所院校一个都未录取，最终录取的是考生自己选择的那所学校；另有数据显示，同一高校在不同平台给出的录取概率相差高达59个百分点。

这类失误的根源，不是AI"知识量不够"，而是AI缺乏对单一考生真实心理状态、家庭容错能力、可接受调剂范围的准确感知。一个真正懂行的规划师，能从家长的语气里听出这个家庭"是保守派还是冒险派"，能在考生欲言又止时察觉到真实的志向所在。这种情境感知能力，当前任何大模型都尚不具备。

中国教育科学研究院研究员储朝晖四十余年指导学生填志愿，始终坚持两个问题："你的优势在哪个方向？你对社会是怎么认知的？" 他的观察是：90%的高中生对这两个问题都不能清晰作答。这是一个在AI填报爆火的外表之下，长期被悬置的根本性教育命题。

市场确实出现了劣质服务——部分高考志愿规划师将AI生成的方案直接高价贩卖给考生。但田丰认为，市场会对此自我纠偏：真正靠谱的规划师会利用AI弥补自身数据薄弱环节，实现人机互补，而不是充当AI输出结果的二次倒卖中间商。

结语

诺贝尔经济学奖得主丹尼尔·卡尼曼将人类思维区分为两个系统：快速直觉的系统一与慢速理性的系统二。他用毕生研究证明，人类在面对复杂、高风险、不可逆的决策时，倾向于用"系统一"的直觉去绕过"系统二"所要求的艰难权衡。

AI志愿填报工具，本质上是在为这种心理倾向提供基础设施——让一个本该经历充分思考的人生重大决策，感觉像是一键可以完成的消费行为。

算法能告诉你"历史上与你相似的人考上了哪里"，却无法回答"你究竟是谁、你真正想去哪里"。 前者是信息的问题，技术已经基本解决；后者是人生的问题，从来没有系统能替你承担。

技术可以压缩信息不对称，压缩不了选择的责任。这份事关重大的人生选择，始终属于每一个握着准考证的18岁少年，和他们身后愿意陪他慢慢想清楚的父母。

参考文章：《今年最火的报志愿方式，“坑”都在这里》，中国新闻周刊记者，胡可欣

畅销书：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。