AI來了，大學里的計算機專業該怎麼辦？

陳雄覺得，計算機專業的改變正在來臨。

他報考計算機專業是2020年。那時，這個專業是無數高考生眼裡的「金飯碗」：互聯網大廠動輒開出年薪三四十萬元的入職邀請，有的學生本科還沒畢業就被大公司挖走。隨著大流，陳雄也選擇了這個火爆的專業。

如今6年過去了，他讀到了研究生二年級，一切都變了。實驗室里上一屆40個畢業生，只有一個人拿到了互聯網大廠的入職邀請；三四年前，這個數字是30人。從前端到後端、從測試到運營維護，曾經安穩的程序員崗位，正在被AI一塊塊拆解。

很多招聘崗位前面被加上了「AI」，面試官不再只問應屆生懂不懂數據結構、會不會寫代碼，而是問：「你用AI做什麼？你是怎麼調教AI智能體（Agent）的？」對於這些新鮮事物，陳雄只能四處找教程自學。

AI以周為單位迭代。2026年3月，AI行業頭部公司Anthropic發佈了最容易被AI代替的十個職業，計算機程序員位居榜首，有近40%的工作任務可被AI覆蓋。

新的一輪就業季來臨，焦慮感已悄然蔓延到高校計算機專業學生心裡。當學校教的內容與企業的需求出現鴻溝，僅靠年青人「自救」已遠遠不夠。AI正在倒逼一場變革——需要改變的不只是學生，更是整個計算機專業教育體系。

當「金飯碗」開始碎裂

「我打算拋棄學了三個月的C++（一種傳統計算機編程語言）後端方向，全力轉型AI智能體開發。」4月初，陳雄在社交平台上立下了「軍令狀」。

陳雄就讀於一所普通一本高校，學校專業垂直、業內口碑好。程序員工作傳統上可分為前端、後端、測試、運維等，往年學長學姐挑一個方向學習就能找到不錯的工作。但現在，這個定律被打破了。

如今AI能完成程序員大量工作。2023年底，Google推出AI大模型Gemini，一句話就能生成頁面精美的個人網站——過去需要熟練掌握多種技術的程序員花5天完成。

AI的衝擊來得太快，陳雄覺得，許多人還沒來得及反應就要畢業了。一位研三學姐在就業季投的依舊是傳統崗位，投了近300份簡曆，只獲得6個面試。「現在我隨便打開一個招聘軟件，超過40%的崗位都跟AI相關，很多企業認為不會用AI智能體就代表著效率低。」

學校里則是另一番景象。陳雄記得，學校用的嵌入式開發板是30年前的產品，課程也基本和AI無關。前不久一位學數學的學弟問他，本科畢業能不能去做後端程序員。陳雄只能告訴他，研究生畢業都很難了。

2024年陳雄剛入學時，導師告訴他們儘量少用AI，怕出錯。直到後來，陳雄用AI寫代碼生成了一個很標準的框架，導師很驚訝。「AI生成的代碼，我花了很長時間才看懂，它用了很多新函數，做出來的結果比我做的更優雅更準確。」陳雄說。

此後導師鼓勵陳雄學算法，但沒有提供任何經濟支持和知識輔導。陳雄只好在二手平台拚團用最新模型，在社交平台尋找課程，「全靠自學。」

同樣迷茫的還有985高校計算機專業研二的李斐。過去兩個月，他投了43份暑期實習簡曆，收到9次面試機會，但其中8次都在一面時失敗了。「我懂AI的基本技術和框架，但企業要的是實際落地的項目，」李斐很無奈，「沒有實習就沒經驗，沒經驗就找不到下一份實習，好像陷入了死循環。」

據李斐瞭解，在頭部的互聯網大廠中，AI智能體的普及度已經很高了。部分企業要求程序員用AI來完成工作。但在李斐身邊，依然有學生對AI智能體僅停留在「聽說過但未使用」。他感覺，學校的培養和企業的需求存在錯配。

不斷傳來的裁員新聞也讓李斐焦慮。據全球裁員追蹤網站Layoffs.fyi統計，去年美國科技行業裁員超12萬人，其中亞馬遜、甲骨文等科技巨頭裁員規模居前。今年僅過去4個月，裁員人數已接近10萬人，程序員在其中佔據了很大的比例。

畢業生的水平是1.0，但企業的需求變成了5.0

作為一家AI公司的創始人，程曉峰的公司只有幾個人，他招人堅持寧缺毋濫。「現在大部分工作由AI來完成，一台計算機一天的工作量，大概相當於原來一個程序員一週的工作量。」

程曉峰從2010年開始學習計算機相關知識，至今入行已有16年。前段時間，他在自己組織的一場活動上，看到一個完全不懂編程的法學院學生，用AI做了一個法律問答的小網站。以前這樣一個項目至少需要前端、後端、UI設計和測試四個人來完成，現在一個不懂編程的人自己就能搞掂。

與此同時，在面試或合作的過程中，程曉峰發現很多計算機學生對AI工具的敏感度還不如非計算機專業的學生。「有的學生從我這裏拿項目去做，一天寫出的代碼還沒有我們用AI一個小時完成得好。」

在程曉峰看來，如今應屆生求職難的問題在於，AI替代掉大量初級智力工作，企業的要求驟然提高了。「從整體水平看，一個畢業生的水平是1.0，但企業需要的水平突然變成了5.0以上。」

「以前應屆生只需要寫代碼，不用瞭解業務；現在剛招進來，就要求他懂業務、會判斷、能用AI實現產品落地。這相當於在招一個資深程序員。」程曉峰很清楚，初出茅廬的應屆生很難做到這些，但這就是現實。

另一家AI創業公司的創始人也表達了同樣的擔憂：客戶越來越多，他想招到合適的實習生或者員工卻越來越難。

「在AI時代之前，我們需要計算機專業學生手寫代碼的基本功足夠強；但現在代碼AI都能寫，我們需要他來判斷AI寫的東西好不好。」在這位創始人看來，現在能擁有這些經驗的實習生和應屆生並不多。

這些經驗需要實習生完整地跟過項目直至落地，但學校難以提供這樣的機會。很多學生在企業實習的時間也只有短短3個月，無法詳細瞭解整個流程。

僱用、培養這些學生產生的成本，已遠超直接使用AI來完成項目的成本，「如果學校培養的學生和企業需要的人才之間的鴻溝一直無法彌補，這個問題會越來越嚴重。」這位創始人說。

德君在互聯網公司工作了14年，面試超過500人，看過幾千份簡曆。他覺得，目前市場上在求職或者申請實習的計算機專業學生大致分為三類。

第一類學生熟練掌握各種AI工具，被各行業的頭部企業爭搶，佔比1%；第二類學生碎片化掌握AI信息，學得一些皮毛，但不清楚如何用AI商業化、提升工作效率、改變工作流程，這部分人佔比不到20%；另外80%的學生，對外界巨大的變革瞭解不多，有的學生只知道國產大模型豆包。

「如今很多公司的面試官都會問學生AI工具的使用度，不會合理使用AI，很難找到很好的工作。」德君說。

德君曾與本科母校的計算機教師探討過學校與企業之間鴻溝的問題。有的教師認為，想教學生AI，但總有阻礙在面前：沒有經費使用最先進的模型、沒有適當的教材、AI課程難以通過校領導審批……

德君覺得，在外界大模型以周的速度迭代的背景下，即使計算機學院的課程止步不前，也是在倒退。

讓學生時期的作品放到市場上被檢驗

今年3月，AI行業頭部公司Anthropic發佈了最容易被AI代替的十個職業，計算機程序員位居榜首，有近40%的工作任務可被AI覆蓋。南開大學計算機學院副院長劉曉光第一時間注意到這個消息。「計算機、法律、辦公室行政等職業最容易被代替，因為這些領域的數據充分、規則清晰，AI大模型很容易學會。」

在劉曉光看來，之前的工業革命主要衝擊人類的體力勞動，而這次AI革命衝擊的是腦力勞動，首當其衝的就是初級智力工作。

「AI對各行業的專家非常友好，但對專家的助手很不友好。」劉曉光說。專家有品位、審美能力和判斷力，AI能快速將他們的創意轉化為產品，省去大量重覆勞動。而「專家的助手」恰恰需要這些重覆勞動來積累經驗。想成為專家無法速成，只能靠長期訓練和專業積累。

三四年前，劉曉光就和學生們說，面對AI帶來的衝擊要做好準備。「AI不會讓計算機專業消失，但會淘汰掉只需要寫代碼的低端崗位。」學生不可能一畢業就成為專家，那如何讓他們在校園內積累到更多經驗？

劉曉光在自己的課堂上開始了嘗試。他鼓勵學生用AI完成作業，但要求標識出「AI輔助」的部分。同時，他要求學生將作業上傳至全球最大的社交編程平台「GitHub」，並在B站製作一個介紹作品的短影片。這樣，每份作業就成了落地的「產品」，能在市場上供用戶下載、使用和評價。

劉曉光記得，自2020年實施這一作業形式以來，每年都能產出十幾個播放量超過10萬次的爆款作品，他會額外加分。2024年，學生們的作業一度登上B站熱搜。「我希望學生的作品能放到市場上試錯，也讓他們學會推銷自己的作品。」

除了作業形式改革，劉曉光還借助南開大學近年新增的免修政策。每年，他的課程都有一些優秀學生申請免修——不用來上課，只需通過最後的大作業和考試即可。

「省下的上課時間，我們鼓勵學生用AI去創業、做項目，效果都很好。」在劉曉光看來，這種考核方式的改變，意味著學校從單純考察知識掌握，轉向更關注個性化培養。在AI時代，這是很有意義的創新。

無獨有偶，複旦大學從2024年秋季學期開始，便推出了「100門AI課程」。複旦大學教師陳雲回憶，政策下達後，各科教師都需重新設計課程，將AI融入教學，並持續更新教案，講授AI前沿進展，培養學生使用和優化AI工具的能力。

「2022年ChatGPT剛火的時候，大家還比較保守、觀望，後來發現必須擁抱AI。未來社會比拚的不是誰掌握了更多知識，而是誰更會使用AI工具。」陳雲說。

但在觀察學生學習的過程中，陳雲也產生了一些擔憂。有了AI工具後，人容易懶得思考。在課堂互動時，陳雲提出一個問題，學生們第一反應是用AI來搜索；她也能從作業中看出，個別學生未經思考，直接照抄AI的答案。

「學術是厚積薄發、需要前期大量思維訓練和積累，如果所有思考都交給AI，人很容易喪失判斷能力，無法分辨AI給出的答案有何缺陷，該如何修正。」在陳雲看來，這既考驗教師的課程設置水平，也考驗學生的自覺性和主動學習能力。

面對AI的浪潮，不少學校推進「AI+」課程改革。然而，實際落地效果卻參差不齊。

一位民辦大專的計算機教師告訴新京報記者，學校要求在教學中融入AI，但老師們只教學生用豆包這類國產大模型。「學校要求用，但不考核怎麼用，學生只知道拿AI工具應付作業，從不思考背後的邏輯。」在他看來，這是典型的為了用AI而用AI。

今年，這位教師發現，學生的作業重合度更高了。他一眼能看出來，學生們把AI寫的代碼直接複製黏貼在了作業里。

學院里另一位教計算機編程語言的老師告訴他，自從AI普遍應用後，學生們在課堂上幾乎不抬頭了。「他們再也沒有作業的壓力了。這些基礎知識本就枯燥，能用AI解決的問題，他們不想再費勁學習和思考。」

這位教師所在的學校去年開設了人工智能專業，但從課程設計來看，與此前的計算機專業並無顯著區別。

校企合作或許是彌合差距的關鍵

今年春天，王嘯拿到了一家互聯網大廠的入職邀請。他在一所計算機專業頂尖的高校讀研三，研究方向是AI大語言模型。

回過頭看，王嘯覺得本科學的東西跟不上時代。「老師們用的教學工具老舊，有些還是上世紀九十年代的系統和開發環境，後來在企業里根本用不上。」

研究生轉到AI方向後，他感覺校企差距在縮小，但頭部企業依舊比大部分學校領先——訓練大模型需要極強的算力，一張顯卡幾十萬元，一個大模型可能要上萬張顯卡，從頭搭建動輒上億元。學校負擔不起，只有企業有這個經費。

「從事計算機行業，不管哪個方向，學校教的東西和企業需要的內容都有較大差距，校企合作或許是彌合差距的關鍵。」王嘯說。

一位AI創業公司的創始人也認同這一觀點，在他看來，如今企業需要的計算機人才，要會甄別AI寫的代碼是否符合要求，並進行調試。這種經驗必須在企業真實的場景里磨煉。「一個商業項目，可能同時有1000個用戶訪問；學生在學校做的小項目，一天只有幾十個訪問，對系統的壓力完全不一樣。」

2008年，劉曉光便帶著學生們和一家互聯網大廠成立了「校企聯合實驗室」。企業把一些重要但不緊急的事項，交給學校的教師和學生來做，而這正是學校需要的真實場景的問題與數據。

劉曉光注意到，現在一些互聯網企業會定期發佈課題，全世界的學校都可以來談合作，申請經費。在他看來，這種合作對各方都有利：學校獲得問題、數據和資金；企業節省研發成本；學生獲得經驗，求職時更受歡迎。

「我們實驗室的研究生基本不需要去外面找實習，在學校參與的校企結合項目就是企業面對的真實問題。」劉曉光說。

從本科學習計算機算起，劉曉光已在行業內工作了34年。他認為AI的衝擊並不意味著計算機專業衰退，反而為這個專業帶來了強大的工具。

他曾倡議，最優秀的計算機學生應該在畢業時，能在自己設計的芯片上，用自己編寫的編譯器，跑起自己寫的操作系統，再搭配一個自研的數據庫或應用程序——這要求學生同時擁有不錯的軟件、硬件能力。

AI加速了這一變化。「以前個位數的同學能做到，現在接近一半的畢業生可以達到。這種能力在AI時代也不會被替代。」劉曉光說。

劉曉光也注意到了國外程序員的下崗潮，在他看來，中國沒有出現類似問題的原因在於，很多傳統製造業、新興行業還需要大量計算機和AI人才。

今年2月，劉曉光前往南方一家民營鋼鐵廠，看到他們正在做AI改造——以前爐水何時出爐，全靠老工人憑經驗看鋼水顏色；現在AI把老工人的經驗提煉成一套系統，再結合溫控、濕度、震動、光學攝像頭完成控制。

「工廠對傳統流水線工人的需求在下降，但對AI工程師的需求在上升。」在劉曉光看來，AI帶來的新機會可以賦能各種傳統行業，但也對學生提出了更高的要求：能瞭解、掌握多學科的知識，從「滿分」的要求，逐漸變成了「及格線」。

AI時代，教育的方式需要改革

今年，成都信息工程大學計算機學院院長胡靖帶著老師們在學院內發佈了關於AI的問卷。在回收的400多份學生和教師問卷中，她發現超過八成學生認為使用AI後作業耗時大幅縮短，他們不再把精力消耗在查找語法錯誤上，而是將目光投向了大模型、深度學習等前沿領域。

「雖然學生感覺學校課程與企業需求存在‘脫節’，但這恰恰反映了技術迭代的速度。學生渴望學大模型、學AI架構，這種自下而上的驅動力非常寶貴。」胡靖說。

在胡靖看來，部分學生存在焦慮，但更多人開始思考什麼能力不會被替代。「我們正在引導學生將AI視為學習助手而非代碼替身，利用AI拆解複雜邏輯，幫助跨專業學生建立編程思維。超過52%的學生學習效率顯著提升，大多數能做到理性使用、不盲目依賴。」

在做AI創業公司的同時，程曉峰也在一所211高校就讀MBA。他發現，學生們對於AI的使用和理解，不分高校與專業，反而是一些以往成績不錯的「做題家」學生並不習慣AI的變化。他們從小被「填鴨式教育」，對新鮮知識充滿好奇、願意主動探索的比例並不高。

「很多高校教學很難跟得上市場的速度，但現在的AI是每個學生身邊最好的老師，集結了全世界人類的智慧。學生應該擺脫應試思維，學會利用AI。」程曉峰說。

對於應試教育的結果，南開大學計算機學院的教授趙宏也深有感觸。AI的到來讓課堂「變天」——傳統知識灌輸的方式已經被打破。

與此同時，師生仍困在「內卷」的怪圈中：學生面對排滿的課表和成堆的作業，時常感到迷茫且收穫寥寥；教師疲於應付各類指標，教學改革看似繁榮，實則「形式大於內容」。

在趙宏看來，大部分學生從小學到大學經歷的教育就像一座「正三角」：底層是海量的知識點，中間是應用分析，最頂層才是少量的創造力。

現在，AI能瞬間調用人類幾乎全部知識，死記硬背的價值越來越低。學科邊界也在打破，跨領域融合成為常態。在這種環境下，教育必須「調頭」——從死磕知識，轉向提升認知、培養創新能力。

2022年起，趙宏帶領著團隊，對南開大學所有計算機通識課進行改革，2024年又開設了「人工智能與創新」AI通識必修課。

她認為，AI時代，教師應該是「導演」兼「編劇」，從知識傳授者變為學習的引導者；學生是「主演」，從被動接受者變為在AI輔助下的主動探索者；AI是「夥伴」，從簡單的問答工具升級為協同解決問題、激發思維的幫手。近兩年，趙宏應邀在全國將這種創新教學理念以及教學新範式進行了近百場分享。

「未來AI大概率會超過人的智能，現在大家‘卷’的很多東西都將失去意義。教育該做的，是讓孩子找到自己真正喜歡的領域，具有與AI協同發現問題、解決問題的高階認知、習慣和能力。」趙宏說。

在劉曉光看來，教育界一個廣為人知的理論「木桶效應」可能會被重新定義。「木桶效應」，以前也被稱作「短板效應」，即一個木桶里能盛的水由最短的木板決定。但AI時代，個人和企業的成功將取決於最長的那條木板。

「個性化AI助手已經出現，它會使人們從自身不擅長的事務中抽身，將精力投向那些擅長且更具有創造性的領域。」劉曉光覺得，在這種背景下，各個行業、專業將被重新定義，獲取知識、試錯的成本也會越來越低。

而教育界需要回答一個更緊迫的問題：當AI能覆蓋越來越多「標準能力」，我們到底要培養什麼樣的人？答案或許不是更高的分數，而是更深的熱情、更寬的視野，以及一顆不會被機器替代的好奇心。

（應受訪者要求，陳雄、李斐、德君、陳雲、王嘯為化名）

新京報記者 郭懿萌

編輯 陳曉舒

校對 楊利