電腦科學招生 20 年來首次下跌，AI 專業卻逆勢爆發——CS 真的「死了」嗎？

一場醞釀已久的拐點

過去二十多年來，電腦科學（Computer Science, CS）一直是全球高等教育中最炙手可熱的專業。從 dot-com 泡沫後的復甦，到移動互聯網的爆發，再到雲計算和大數據時代的來臨，CS 學位幾乎等同於「高薪穩定就業」的保證。在美國，選擇 CS 作為主修的本科生人數連續增長了超過二十年，許多頂尖大學的 CS 系更是不堪重負，不得不限制收生名額。

然而，2025-2026 學年的數據揭示了一個令人震驚的轉折：加州大學（UC）系統的電腦科學招生人數下降了 6%，這是該系統超過二十年來的首次下跌。這不是個別現象——全美範圍內，62% 的計算機相關學系報告招生出現不同程度的下滑。更加刺目的數字是：CS 畢業生的失業率已攀升至 6.1%，幾乎是哲學系畢業生的兩倍。

哲學系畢業生比寫代碼的人更容易找到工作——這個事實若放在五年前，恐怕沒有人會相信。但它精確地反映了一個正在發生的深層結構性變化：AI 不是在淘汰低技能勞動者，而是在重新定義高技能知識工作的價值鏈。

家長的恐慌：「防自動化」專業的崛起

招生數據的背後，是千千萬萬家庭正在做出的艱難選擇。越來越多的家長開始將子女從 CS 專業引導向所謂的「防自動化」（automation-resistant）領域——護理、物理治療、電氣工程、公共政策，甚至人文學科。他們的邏輯很簡單：如果 AI 能寫代碼，那學寫代碼還有什麼意義？

《大西洋月刊》（The Atlantic）在近期一篇引發廣泛討論的文章中直言：「美國還沒有準備好面對 AI 將對就業造成的衝擊。」文章指出，與過往的技術革命不同，AI 並非首先衝擊低技能、重複性的工作，而是直接瞄準了高技能、高薪酬的知識工作——軟件工程、數據分析、法律研究、金融建模，恰恰是過去二十年被視為「安全港」的職業。

這種恐慌並非完全沒有根據。Spotify 的工程師團隊自去年 12 月以來就幾乎沒有親手寫過代碼，AI 工具已經接管了大部分日常編程工作。Microsoft 公開表示 AI 現在撰寫了公司約 30% 的代碼，Google 的這一比例也達到了 25%。當科技巨頭自己都在大規模用 AI 取代人工編程時，家長和學生的擔憂很難被指責為杞人憂天。

「我女兒原本打算申請 Stanford 的 CS 系，但我們全家討論後決定讓她轉向生物醫學工程。不是因為她不喜歡編程，而是因為我們看到她爸爸——一個有 15 年經驗的軟件工程師——現在每天的工作就是審核 AI 寫的代碼。那些剛畢業的初級工程師呢？他們連這個機會都未必有。」——一位灣區家長在《紐約時報》的採訪

硬幣的另一面：AI 專業課程的爆發

但故事遠不止「CS 衰落」這麼簡單。在傳統電腦科學招生走下坡路的同時，AI 專屬課程正在以驚人的速度擴張。

加州大學聖迭戈分校（UC San Diego）在 2025 年推出了全加州首個 AI 專屬本科主修課程，與傳統 CS 學位明確區分。這個課程不僅涵蓋機器學習和深度學習的核心技術，更整合了倫理學、認知科學和領域應用（如醫療 AI、金融 AI）的跨學科內容。首屆招生反應極為踴躍。

南佛羅里達大學（University of South Florida）則更進一步，直接成立了一所新的 AI 學院，並在短時間內吸引了超過 3,000 名學生註冊。這個數字幾乎相當於許多中型大學整個工程學院的規模。

這些並不是孤例。從 Carnegie Mellon 到 MIT，從新加坡國立大學到清華大學，全球頂尖學府都在加速設立獨立的 AI 學位課程、AI 研究所或跨學科 AI 中心。市場的信號很明確：學生和家長並沒有放棄科技領域，他們只是在重新校準方向——從「學寫代碼」轉向「學駕馭 AI」。

CS 真的「死了」嗎？一個更細緻的分析

要回答這個問題，我們需要區分兩件不同的事情：「寫代碼作為一項職業技能」和「理解計算原理作為一種思維方式」。

前者確實正在經歷劇烈的價值重估。當 AI 能夠以極低的成本、極高的速度生成功能性代碼時，「能寫代碼」本身的市場價值必然下降。這就像計算器普及後，「能做快速心算」不再是會計師的核心競爭力一樣。初級軟件工程師——那些主要工作是將明確的需求轉化為代碼的人——所面臨的衝擊最為直接。

但後者——計算思維、系統設計能力、對複雜系統的抽象建模能力——非但沒有貶值，反而在 AI 時代變得更加重要。AI 工具再強大，也需要人類來定義問題、設計架構、評估方案、做出在不確定性中的判斷。這些能力恰恰是優秀的 CS 教育所培養的核心素質。

IBM 的做法提供了一個有趣的反面案例。儘管 AI 浪潮洶湧，IBM 宣布將入門級職位的招聘名額增加至原來的三倍。原因何在？因為 IBM 認識到，即使在 AI 高度滲透的環境中，企業仍然需要大量的人才來部署、維護、定製和監督 AI 系統。關鍵的區別在於：這些新崗位要求的技能組合與傳統 CS 畢業生的技能組合已經顯著不同。

「AI 原住民」需要什麼技能？

美國勞工部在 2 月 13 日發布的《AI 素養框架》為這個問題提供了一個重要的參考框架。該框架不僅強調技術技能（如理解 AI 系統的工作原理、數據處理和模型評估），更將批判性思維、倫理判斷和跨領域應用能力列為 AI 時代勞動者的核心素養。

綜合各方面的信號，AI 時代真正有價值的技能組合大致可以歸納為以下幾個層面：

• 系統架構與設計思維：能夠理解和設計複雜系統的整體架構，這是 AI 目前最難替代的能力。不是寫代碼，而是決定「應該寫什麼代碼、為什麼這樣寫」。
• AI 協作與指揮能力：有效地利用 AI 工具完成複雜任務的能力，包括精確的需求表達（prompt engineering）、AI 輸出的質量評估、以及對 AI 局限性的清醒認識。
• 領域專業知識：AI 是通用工具，但其價值在具體領域中實現。懂醫療的 AI 工程師比只懂 AI 的工程師更有價值；懂金融的數據科學家比只懂數據的科學家更有價值。
• 安全與倫理意識：AI 生成的代碼和決策需要人類進行安全審查和倫理把關。在監管日益收緊的環境下，這方面的專業知識將成為稀缺資源。
• 人際溝通與團隊協作：諷刺的是，當技術性工作越來越多地交給 AI 時，「人」的因素——理解客戶需求、協調團隊、管理利益相關者——反而變得更加不可替代。

一個更深層的悖論：誰來訓練下一代？

AI 編程工具的普及引發了一個很少被討論但極為重要的悖論：如果初級開發者的崗位大量消失，那麼下一代的高級開發者、系統架構師和 AI 研究員從哪裡來？

傳統上，初級開發者通過在實際項目中編寫代碼、修復 bug、參與代碼審查來積累經驗，逐步成長為中級和高級工程師。這是一條被驗證了數十年的人才培養路徑。如果 AI 取代了這些入門級工作，這條路徑就被截斷了。

更令人擔憂的是，AI 模型本身的訓練數據來自人類編寫的代碼。如果越來越少的人類工程師擁有深度的編程經驗，未來的 AI 模型將在什麼樣的數據上進行訓練和微調？這是否會導致某種形式的「技能空洞化」——AI 越強大，人類的底層能力越萎縮，最終反過來限制 AI 的進步？

IBM 選擇逆勢增加入門級招聘，或許正是看到了這個長期風險。維持一個健康的人才梯隊，確保有足夠的人類工程師理解系統的底層運作方式，可能是 AI 時代企業最重要的長期投資之一。

AI 顛覆高技能而非低技能：範式轉移

CS 招生的下滑反映了一個更宏觀的趨勢：AI 對就業市場的衝擊模式與所有人的預期截然相反。

幾年前，當自動化的討論甚囂塵上時，主流觀點認為首當其衝的是低技能、重複性的體力勞動——工廠工人、倉庫分揀員、收銀員。知識工作者被認為是安全的，因為他們的工作需要「創造力」和「複雜思維」。

現實恰恰相反。生成式 AI 最擅長的正是知識工作：撰寫代碼、分析數據、生成報告、進行法律研究、創作內容。相比之下，需要精細動作能力和非結構化環境適應能力的體力工作——水管工、電工、護理師——反而成了 AI 最難攻克的領域。

這個範式轉移的影響是深遠的。它意味着過去二十年「學 STEM 就能高枕無憂」的職業指導建議需要根本性的修正。它也意味着社會的不平等可能以一種全新的方式重新分配——不是按照「高學歷 vs 低學歷」的傳統軸線，而是按照「工作內容能否被 AI 模型化」的新軸線。

「我們一直告訴孩子們『學編程就能找到好工作』，但現在 AI 比任何人都更擅長編程。我們應該教孩子們的是如何提出正確的問題、如何在不確定性中做判斷、如何與 AI 協作完成人類單獨無法完成的事情。」——美國一位計算機科學教育改革倡議者

對香港及亞洲教育的啟示

香港：改革的迫切性

香港的大學教育系統在這場全球性的教育轉型中面臨着獨特的挑戰和機遇。目前，香港各大院校——港大、科大、中大、理大、城大——的計算機科學課程仍然大量沿用傳統的課程設置，以編程語言、數據結構和算法為核心。雖然近年來已有學校增設了 AI 和數據科學相關的選修課程，但將 AI 作為獨立的本科主修課程來設立，香港仍然落後於美國和中國內地的步伐。

香港的優勢在於其國際化的學術環境和與中國內地及全球科技產業的緊密聯繫。如果能夠迅速調整課程設計，引入跨學科的 AI 教育模式（例如將 AI 與金融、醫療、法律等香港傳統優勢領域結合），香港的大學完全有條件在 AI 教育領域佔據一個獨特的生態位。

具體而言，香港的教育機構應考慮以下方向：

• 設立獨立的 AI 本科課程：參考 UC San Diego 的模式，設計既有技術深度又有跨學科廣度的 AI 專業，而非僅僅在 CS 課程中增加幾門 AI 選修課。
• 強化 AI 與領域知識的結合：發揮香港在金融、物流、醫療和法律領域的優勢，開設「AI + 金融」、「AI + 醫療」等複合型課程。
• 引入 AI 素養通識教育：參考美國勞工部的 AI 素養框架，為所有本科生（不限於理工科）提供基礎的 AI 素養教育，讓文科和社科學生也能理解 AI 的能力、局限和社會影響。
• 與業界深度合作：與科技企業合作設計實踐課程，讓學生在真實的 AI 應用場景中積累經驗，而非僅僅在課堂上學習理論。

亞洲的更廣闊圖景

放眼整個亞洲，教育轉型的壓力同樣巨大。中國內地的多所頂尖大學早在 2019 年便開始設立 AI 本科專業，目前已有超過 300 所大學開設了 AI 相關課程。新加坡國立大學和南洋理工大學也分別推出了 AI 專屬的學位課程，並與 Google、NVIDIA 等企業建立了深度合作關係。

日本和韓國則面臨着更嚴峻的挑戰——兩國的 CS 招生下滑趨勢甚至比美國更為明顯，而 AI 專業教育的建設速度卻相對滯後。這在一定程度上反映了亞洲傳統教育體制對課程變革的固有阻力。

對於整個亞洲而言，這場教育轉型不僅是學術問題，更是經濟競爭力問題。在 AI 重塑全球產業格局的背景下，哪個國家和地區能最快培養出既懂 AI 技術、又具備領域專業知識和批判性思維能力的複合型人才，誰就能在下一輪經濟競爭中佔據有利位置。

不是「CS 已死」，而是「CS 正在蛻變」

回到最初的問題：CS 真的「死了」嗎？

答案是否定的。但必須承認，CS 的內涵和外延正在經歷自這個學科誕生以來最深刻的重新定義。

傳統意義上的 CS——以掌握編程語言和算法能力為核心的學科——確實正在失去其作為「萬金油」職業跳板的地位。6.1% 的畢業生失業率和 62% 的學系招生下滑清楚地說明了這一點。市場正在發出明確的價格信號：純粹的編碼技能正在被快速商品化。

但 CS 的核心——計算思維、邏輯推理、系統設計、對信息處理本質的理解——在 AI 時代不僅沒有過時，反而構成了理解和駕馭 AI 的知識基礎。問題不在於是否需要學 CS，而在於需要學什麼樣的 CS。

UC San Diego 的 AI 本科專業、南佛羅里達大學的 AI 學院、美國勞工部的 AI 素養框架——這些都是教育體系正在進行的自我調適的信號。從歷史的角度看，每一次重大的技術變革都引發過類似的教育恐慌和隨後的調適過程。個人電腦的普及並沒有讓「打字員」這個職業消失後就止步不前，而是催生了一整個新的數字經濟生態。AI 很可能也會走過類似的路徑。

對於正在考慮大學專業選擇的學生和家長，我的建議是：不要逃離科技領域，而要擁抱科技領域的新形態。選擇那些強調系統思維、跨學科整合和 AI 協作能力的課程，而非僅僅教你寫 Java 或 Python 的課程。最重要的是，培養持續學習的能力——在 AI 快速演進的時代，任何具體的技術知識都會迅速過時，唯有學習能力本身是永不貶值的資產。