过去十几年，计算机科学专业一直是美国大学里最炙手可热的“黄金赛道”，选课人数年复一年地刷新纪录。然而，2025-2026学年的一纸数据却打破了这份持续了二十年的增长神话——选课人数首次出现同比下降，四年制大学计算机与信息科学专业本科生人数锐减8.1%。这一变化恰好发生在生成式AI席卷全球、各类智能工具层出不穷的节点上。人们不禁要问：是不是那些能写代码、做设计的智能工具，正在动摇学生们对计算机科学的热情？答案或许比想象的更复杂。
二十年增长神话的终结
如果把时间轴拉回到2014年，那时美国计算机与信息科学专业的本科毕业生只有约5.6万人，而到了2024年，这个数字已经翻了一倍多，达到12.2万人。十年间，计算机科学几乎成了“高薪就业”的代名词，各大科技公司疯狂抢夺软件工程师，高校也顺势扩招，CS专业教室一度挤满旁听生。
但一切在2025年戛然而止。斯坦福大学胡佛研究所经济学家雅各布·莱特的研究团队，调取了全美1019所高校自1996年以来超过5000万个课程班次的数据，发现2025-2026学年计算机科学课程的选课人数平均同比下降约4.6%，选课占比更是下滑了6.3个百分点。这是近二十年来首次出现负增长，标志着此前异常迅猛的扩张期正式画上句号。
更直观的数据来自美国国家学生信息交换中心研究中心：2025年秋季，四年制大学计算机与信息科学专业本科生人数从2024年的65.97万降至60.61万，虽然仍高于2022年的57.4万，但下降趋势已经十分明显。
值得注意的是，这并非全盘崩溃。一些顶尖院校的CS专业依然保持热度，但中下游高校和社区学院的选课人数出现了明显萎缩。这种“马太效应”暗示着，学生们的选择正在变得更加谨慎和务实。
AI冲击波：智能工具正在重塑就业市场？
几乎在同一时间，以ChatGPT为代表的生成式AI技术爆发式增长，各种AI画图、文生图、抠图等智能工具如雨后春笋般涌现。这些工具不仅能完成基础的代码编写、调试，甚至能直接生成可运行的软件模块。一些初级程序员的工作内容，正在被AI快速替代。
这种变化直接影响了学生们的职业预期。过去，学计算机意味着“毕业即高薪”，但如今，初级软件工程岗位的招聘需求明显降温。2024年，美国科技行业裁员超过26万人，2025年裁员潮仍在继续。许多应届生发现，投出去的简历石沉大海，而企业更倾向于招聘能直接上手、会用AI工具提效的资深工程师。
与此同时，AI技术本身也在快速迭代。最新科技领域，大语言模型已经能通过复杂的编程面试题，甚至在某些基准测试中击败人类程序员。这让学生们不得不思考：四年后毕业时，我学到的技能是否还会被市场需要？
莱特的研究团队特意对比了AI能力提升曲线与CS选课人数变化，发现两者在时间上确实高度重合。但莱特强调，这并不代表因果关系。事实上，他列举了五种可能的解释，AI只是其中之一。
数据背后的真相：并非AI的锅？
莱特的观点非常谨慎：“现有数据并不能证明AI就是导致选课人数下降的原因。”他给出的五种可能解释包括：
第一，初级软件工程岗位就业市场转弱。科技行业从“野蛮扩张”进入“降本增效”阶段，入门级岗位减少，直接打击了学生的选课热情。
第二，AI时代计算机科学学位的价值存在不确定性。当AI Agent技术能自主完成大部分编码任务时，传统的“编程技能”是否还值一个本科学位，成为悬在头顶的疑问。
第三，新生整体学术基础下降。疫情后美国高中教育质量参差不齐，部分学生数学、逻辑能力不达标，无法应对CS专业的硬核课程。
第四，移民政策导致高校生源结构变化。国际学生，尤其是印度、中国等CS留学大户，受签证政策影响，选择赴美读CS的人数出现波动。
第五，数据科学、人工智能等新兴学科的竞争加剧。许多学生分流到了更细分的领域，比如专门学习大模型训练、机器学习等，而非传统的计算机科学。
这五大因素交织在一起，共同导致了选课人数的下降。AI更像是“催化剂”而非“元凶”，它加速了学生们对专业价值的重新评估，但并非唯一动因。
五大因素交织：从就业市场到学科竞争
让我们逐一拆解这五个因素，看看它们是如何形成合力的。
首先是就业市场。科技行业在经历了2020-2022年的疯狂招聘后，2023年开始进入“冷静期”。Meta、Google、Amazon等巨头累计裁员数十万人，初级岗位缩减尤为严重。根据美国劳工统计局的数据，2025年软件开发者岗位的增长率已从2022年的25%放缓至15%。学生和家长都意识到，CS不再是“保险箱”。
其次是AI带来的价值不确定性。以前，会写代码是一项稀缺技能；现在，一个普通大学生用AI工具导航找到的免费工具，就能在几分钟内生成一个网页或一个数据分析脚本。这种“能力平权”让CS学位的含金量受到质疑。不过，莱特认为，计算机科学学位对许多毕业生依然具有很高价值，因为AI工具的使用本身也需要专业素养。
第三，学术基础下降是一个被忽视的隐忧。美国大学理事会的数据显示，2025年SAT数学平均分比2019年下降了约15分，高中阶段修读AP计算机科学课程的学生比例虽然增加，但通过率却有所下滑。学生进入大学后，面对离散数学、算法分析等硬核课程，退课率明显上升。
第四，移民政策的影响不可小觑。美国国土安全部2024年收紧了H-1B签证审批，部分国际学生转向加拿大、英国等国家。而国际学生恰恰是CS专业的重要生源，尤其在研究生阶段。
第五，学科内部的分化。过去CS是一个“大筐”，现在数据科学、AI、网络安全等细分方向纷纷独立成专业。这些新兴专业吸引了大量原本可能选择CS的学生，导致CS主修人数被“分流”。
短期波动还是长期拐点？计算机科学教育的未来
面对这轮选课人数下降，学界出现了两种截然不同的观点。
乐观派认为，这只是计算机科学教育周期性波动的正常表现。莱特本人就指出：“计算机科学专业历来都存在明显的周期性，选课人数下降对高校而言并不是前所未有的现象。”上世纪90年代末互联网泡沫破裂后，CS选课人数也曾大幅下滑，但随后又随着移动互联网浪潮反弹。如今AI技术虽然带来冲击，但同时也创造了新的需求——比如提示工程师、AI伦理专家、模型训练师等新型岗位，这些岗位仍然需要扎实的计算机科学基础。
悲观派则警告，这可能是结构性拐点。当智能工具能够完成大量初级编程工作时，传统CS教育中“从零写代码”的训练模式逐渐失去意义。未来的计算机科学教育可能需要彻底改革，从“教编程”转向“教如何用AI编程”，更加强调系统设计、创新思维和人机协作。
事实上，一些高校已经开始行动。麻省理工学院推出了“计算+AI”融合课程，斯坦福大学则增加了AI伦理与社会影响的内容。与此同时，AI工具箱的普及也让自学变得更加容易，部分学生选择通过在线课程、实战项目来替代传统学位教育。
对于正在面临选择的学生来说，莱特的建议或许值得参考：计算机科学学位依然有价值，但需要结合AI工具的应用能力。与其担心被取代，不如主动拥抱最新科技，用智能工具武装自己。
结语：在不确定中寻找确定性
美国大学计算机科学选课人数的下降，是一个多重因素交织的复杂现象。它既反映了就业市场的现实压力，也折射出AI技术对教育体系的深层冲击。但正如莱特所言，这一趋势是否会持续，还需要更多时间观察。
对于中国读者而言，这个故事同样具有警示意义。国内计算机专业近年来也经历了类似的扩招热潮，而AI工具在国内的普及速度甚至更快。当文生图、AI诗词等智能工具成为日常办公标配，我们是否也需要重新思考计算机教育的培养方向？
唯一可以确定的是，在AI技术加速迭代的今天，无论是学生、教育者还是从业者，都需要保持开放的心态，主动适应变化。毕竟，真正的竞争力不在于掌握多少种编程语言，而在于能否利用智能工具创造性地解决问题。