陈雄觉得，计算机专业的改变正在来临。
他报考计算机专业是2020年。那时，这个专业是无数高考生眼里的“金饭碗”：互联网大厂动辄开出年薪三四十万元的入职邀请，有的学生本科还没毕业就被大公司挖走。随着大流，陈雄也选择了这个火爆的专业。
如今6年过去了，他读到了研究生二年级，一切都变了。实验室里上一届40个毕业生，只有一个人拿到了互联网大厂的入职邀请；三四年前，这个数字是30人。从前端到后端、从测试到运营维护，曾经安稳的程序员岗位，正在被AI一块块拆解。
很多招聘岗位前面被加上了“AI”，面试官不再只问应届生懂不懂数据结构、会不会写代码，而是问：“你用AI做什么？你是怎么调教AI智能体（Agent）的？”对于这些新鲜事物，陈雄只能四处找教程自学。
AI以周为单位迭代。2026年3月，AI行业头部公司Anthropic发布了最容易被AI代替的十个职业，计算机程序员位居榜首，有近40%的工作任务可被AI覆盖。
新的一轮就业季来临，焦虑感已悄然蔓延到高校计算机专业学生心里。当学校教的内容与企业的需求出现鸿沟，仅靠年轻人“自救”已远远不够。AI正在倒逼一场变革——需要改变的不只是学生，更是整个计算机专业教育体系。
今年3月，Anthropic发布的各职业理论与实际被AI覆盖程度的预测图。图源：官网截图（编者翻译）
当“金饭碗”开始碎裂
“我打算抛弃学了三个月的C++（一种传统计算机编程语言）后端方向，全力转型AI智能体开发。”4月初，陈雄在社交平台上立下了“军令状”。
陈雄就读于一所普通一本高校，学校专业垂直、业内口碑好。程序员工作传统上可分为前端、后端、测试、运维等，往年学长学姐挑一个方向学习就能找到不错的工作。但现在，这个定律被打破了。
如今AI能完成程序员大量工作。2023年底，谷歌推出AI大模型Gemini，一句话就能生成页面精美的个人网站——过去需要熟练掌握多种技术的程序员花5天完成。
AI的冲击来得太快，陈雄觉得，许多人还没来得及反应就要毕业了。一位研三学姐在就业季投的依旧是传统岗位，投了近300份简历，只获得6个面试。“现在我随便打开一个招聘软件，超过40%的岗位都跟AI相关，很多企业认为不会用AI智能体就代表着效率低。”
学校里则是另一番景象。陈雄记得，学校用的嵌入式开发板是30年前的产品，课程也基本和AI无关。前不久一位学数学的学弟问他，本科毕业能不能去做后端程序员。陈雄只能告诉他，研究生毕业都很难了。
2024年陈雄刚入学时，导师告诉他们尽量少用AI，怕出错。直到后来，陈雄用AI写代码生成了一个很标准的框架，导师很惊讶。“AI生成的代码，我花了很长时间才看懂，它用了很多新函数，做出来的结果比我做的更优雅更准确。”陈雄说。
此后导师鼓励陈雄学算法，但没有提供任何经济支持和知识辅导。陈雄只好在二手平台拼团用最新模型，在社交平台寻找课程，“全靠自学。”
同样迷茫的还有985高校计算机专业研二的李斐。过去两个月，他投了43份暑期实习简历，收到9次面试机会，但其中8次都在一面时失败了。“我懂AI的基本技术和框架，但企业要的是实际落地的项目，”李斐很无奈，“没有实习就没经验，没经验就找不到下一份实习，好像陷入了死循环。”
据李斐了解，在头部的互联网大厂中，AI智能体的普及度已经很高了。部分企业要求程序员用AI来完成工作。但在李斐身边，依然有学生对AI智能体仅停留在“听说过但未使用”。他感觉，学校的培养和企业的需求存在错配。
不断传来的裁员新闻也让李斐焦虑。据全球裁员追踪网站Layoffs.fyi统计，去年美国科技行业裁员超12万人，其中亚马逊、甲骨文等科技巨头裁员规模居前。今年仅过去4个月，裁员人数已接近10万人，程序员在其中占据了很大的比例。
毕业生的水平是1.0，但企业的需求变成了5.0
作为一家AI公司的创始人，程晓峰的公司只有几个人，他招人坚持宁缺毋滥。“现在大部分工作由AI来完成，一台计算机一天的工作量，大概相当于原来一个程序员一周的工作量。”
程晓峰从2010年开始学习计算机相关知识，至今入行已有16年。前段时间，他在自己组织的一场活动上，看到一个完全不懂编程的法学院学生，用AI做了一个法律问答的小网站。以前这样一个项目至少需要前端、后端、UI设计和测试四个人来完成，现在一个不懂编程的人自己就能搞定。
与此同时，在面试或合作的过程中，程晓峰发现很多计算机学生对AI工具的敏感度还不如非计算机专业的学生。“有的学生从我这里拿项目去做，一天写出的代码还没有我们用AI一个小时完成得好。”
在程晓峰看来，如今应届生求职难的问题在于，AI替代掉大量初级智力工作，企业的要求骤然提高了。“从整体水平看，一个毕业生的水平是1.0，但企业需要的水平突然变成了5.0以上。”
“以前应届生只需要写代码，不用了解业务；现在刚招进来，就要求他懂业务、会判断、能用AI实现产品落地。这相当于在招一个资深程序员。”程晓峰很清楚，初出茅庐的应届生很难做到这些，但这就是现实。
程晓峰用AI辅助编程。受访者供图
另一家AI创业公司的创始人也表达了同样的担忧：客户越来越多，他想招到合适的实习生或者员工却越来越难。
“在AI时代之前，我们需要计算机专业学生手写代码的基本功足够强；但现在代码AI都能写，我们需要他来判断AI写的东西好不好。”在这位创始人看来，现在能拥有这些经验的实习生和应届生并不多。
这些经验需要实习生完整地跟过项目直至落地，但学校难以提供这样的机会。很多学生在企业实习的时间也只有短短3个月，无法详细了解整个流程。
雇用、培养这些学生产生的成本，已远超直接使用AI来完成项目的成本，“如果学校培养的学生和企业需要的人才之间的鸿沟一直无法弥补，这个问题会越来越严重。”这位创始人说。
德君在互联网公司工作了14年，面试超过500人，看过几千份简历。他觉得，目前市场上在求职或者申请实习的计算机专业学生大致分为三类。
第一类学生熟练掌握各种AI工具，被各行业的头部企业争抢，占比1%；第二类学生碎片化掌握AI信息，学得一些皮毛，但不清楚如何用AI商业化、提升工作效率、改变工作流程，这部分人占比不到20%；另外80%的学生，对外界巨大的变革了解不多，有的学生只知道国产大模型豆包。
“如今很多公司的面试官都会问学生AI工具的使用度，不会合理使用AI，很难找到很好的工作。”德君说。
德君曾与本科母校的计算机教师探讨过学校与企业之间鸿沟的问题。有的教师认为，想教学生AI，但总有阻碍在面前：没有经费使用最先进的模型、没有适当的教材、AI课程难以通过校领导审批……
德君觉得，在外界大模型以周的速度迭代的背景下，即使计算机学院的课程止步不前，也是在倒退。
让学生时期的作品放到市场上被检验
今年3月，AI行业头部公司Anthropic发布了最容易被AI代替的十个职业，计算机程序员位居榜首，有近40%的工作任务可被AI覆盖。南开大学计算机学院副院长刘晓光第一时间注意到这个消息。“计算机、法律、办公室行政等职业最容易被代替，因为这些领域的数据充分、规则清晰，AI大模型很容易学会。”
在刘晓光看来，之前的工业革命主要冲击人类的体力劳动，而这次AI革命冲击的是脑力劳动，首当其冲的就是初级智力工作。
“AI对各行业的专家非常友好，但对专家的助手很不友好。”刘晓光说。专家有品位、审美能力和判断力，AI能快速将他们的创意转化为产品，省去大量重复劳动。而“专家的助手”恰恰需要这些重复劳动来积累经验。想成为专家无法速成，只能靠长期训练和专业积累。
三四年前，刘晓光就和学生们说，面对AI带来的冲击要做好准备。“AI不会让计算机专业消失，但会淘汰掉只需要写代码的低端岗位。”学生不可能一毕业就成为专家，那如何让他们在校园内积累到更多经验？
刘晓光在自己的课堂上开始了尝试。他鼓励学生用AI完成作业，但要求标识出“AI辅助”的部分。同时，他要求学生将作业上传至全球最大的社交编程平台“GitHub”，并在B站制作一个介绍作品的短视频。这样，每份作业就成了落地的“产品”，能在市场上供用户下载、使用和评价。
刘晓光记得，自2020年实施这一作业形式以来，每年都能产出十几个播放量超过10万次的爆款作品，他会额外加分。2024年，学生们的作业一度登上B站热搜。“我希望学生的作品能放到市场上试错，也让他们学会推销自己的作品。”
5月7日，刘晓光的课堂上，学生展示用AI辅助做的C++大作业。受访者供图
除了作业形式改革，刘晓光还借助南开大学近年新增的免修政策。每年，他的课程都有一些优秀学生申请免修——不用来上课，只需通过最后的大作业和考试即可。
“省下的上课时间，我们鼓励学生用AI去创业、做项目，效果都很好。”在刘晓光看来，这种考核方式的改变，意味着学校从单纯考察知识掌握，转向更关注个性化培养。在AI时代，这是很有意义的创新。
无独有偶，复旦大学从2024年秋季学期开始，便推出了“100门AI课程”。复旦大学教师陈云回忆，政策下达后，各科教师都需重新设计课程，将AI融入教学，并持续更新教案，讲授AI前沿进展，培养学生使用和优化AI工具的能力。
“2022年ChatGPT刚火的时候，大家还比较保守、观望，后来发现必须拥抱AI。未来社会比拼的不是谁掌握了更多知识，而是谁更会使用AI工具。”陈云说。
但在观察学生学习的过程中，陈云也产生了一些担忧。有了AI工具后，人容易懒得思考。在课堂互动时，陈云提出一个问题，学生们第一反应是用AI来搜索；她也能从作业中看出，个别学生未经思考，直接照抄AI的答案。
“学术是厚积薄发、需要前期大量思维训练和积累，如果所有思考都交给AI，人很容易丧失判断能力，无法分辨AI给出的答案有何缺陷，该如何修正。”在陈云看来，这既考验教师的课程设置水平，也考验学生的自觉性和主动学习能力。
面对AI的浪潮，不少学校推进“AI+”课程改革。然而，实际落地效果却参差不齐。
一位民办大专的计算机教师告诉新京报记者，学校要求在教学中融入AI，但老师们只教学生用豆包这类国产大模型。“学校要求用，但不考核怎么用，学生只知道拿AI工具应付作业，从不思考背后的逻辑。”在他看来，这是典型的为了用AI而用AI。
今年，这位教师发现，学生的作业重合度更高了。他一眼能看出来，学生们把AI写的代码直接复制粘贴在了作业里。
学院里另一位教计算机编程语言的老师告诉他，自从AI普遍应用后，学生们在课堂上几乎不抬头了。“他们再也没有作业的压力了。这些基础知识本就枯燥，能用AI解决的问题，他们不想再费劲学习和思考。”
这位教师所在的学校去年开设了人工智能专业，但从课程设计来看，与此前的计算机专业并无显著区别。
刘晓光要求学生在B站发布介绍作业的短视频（网页截图）。受访者供图
校企合作或许是弥合差距的关键
今年春天，王啸拿到了一家互联网大厂的入职邀请。他在一所计算机专业顶尖的高校读研三，研究方向是AI大语言模型。
回过头看，王啸觉得本科学的东西跟不上时代。“老师们用的教学工具老旧，有些还是上世纪九十年代的系统和开发环境，后来在企业里根本用不上。”
研究生转到AI方向后，他感觉校企差距在缩小，但头部企业依旧比大部分学校领先——训练大模型需要极强的算力，一张显卡几十万元，一个大模型可能要上万张显卡，从头搭建动辄上亿元。学校负担不起，只有企业有这个经费。
“从事计算机行业，不管哪个方向，学校教的东西和企业需要的内容都有较大差距，校企合作或许是弥合差距的关键。”王啸说。
一位AI创业公司的创始人也认同这一观点，在他看来，如今企业需要的计算机人才，要会甄别AI写的代码是否符合要求，并进行调试。这种经验必须在企业真实的场景里磨炼。“一个商业项目，可能同时有1000个用户访问；学生在学校做的小项目，一天只有几十个访问，对系统的压力完全不一样。”
2008年，刘晓光便带着学生们和一家互联网大厂成立了“校企联合实验室”。企业把一些重要但不紧急的事项，交给学校的教师和学生来做，而这正是学校需要的真实场景的问题与数据。
刘晓光注意到，现在一些互联网企业会定期发布课题，全世界的学校都可以来谈合作，申请经费。在他看来，这种合作对各方都有利：学校获得问题、数据和资金；企业节省研发成本；学生获得经验，求职时更受欢迎。
“我们实验室的研究生基本不需要去外面找实习，在学校参与的校企结合项目就是企业面对的真实问题。”刘晓光说。
去年4月，刘晓光给南开大学本科生做AI科普讲座。受访者供图
从本科学习计算机算起，刘晓光已在行业内工作了34年。他认为AI的冲击并不意味着计算机专业衰退，反而为这个专业带来了强大的工具。
他曾倡议，最优秀的计算机学生应该在毕业时，能在自己设计的芯片上，用自己编写的编译器，跑起自己写的操作系统，再搭配一个自研的数据库或应用程序——这要求学生同时拥有不错的软件、硬件能力。
AI加速了这一变化。“以前个位数的同学能做到，现在接近一半的毕业生可以达到。这种能力在AI时代也不会被替代。”刘晓光说。
刘晓光也注意到了国外程序员的下岗潮，在他看来，中国没有出现类似问题的原因在于，很多传统制造业、新兴行业还需要大量计算机和AI人才。
今年2月，刘晓光前往南方一家民营钢铁厂，看到他们正在做AI改造——以前炉水何时出炉，全靠老工人凭经验看钢水颜色；现在AI把老工人的经验提炼成一套系统，再结合温控、湿度、震动、光学摄像头完成控制。
“工厂对传统流水线工人的需求在下降，但对AI工程师的需求在上升。”在刘晓光看来，AI带来的新机会可以赋能各种传统行业，但也对学生提出了更高的要求：能了解、掌握多学科的知识，从“满分”的要求，逐渐变成了“及格线”。
AI时代，教育的方式需要改革
今年，成都信息工程大学计算机学院院长胡靖带着老师们在学院内发布了关于AI的问卷。在回收的400多份学生和教师问卷中，她发现超过八成学生认为使用AI后作业耗时大幅缩短，他们不再把精力消耗在查找语法错误上，而是将目光投向了大模型、深度学习等前沿领域。
“虽然学生感觉学校课程与企业需求存在‘脱节’，但这恰恰反映了技术迭代的速度。学生渴望学大模型、学AI架构，这种自下而上的驱动力非常宝贵。”胡靖说。
在胡靖看来，部分学生存在焦虑，但更多人开始思考什么能力不会被替代。“我们正在引导学生将AI视为学习助手而非代码替身，利用AI拆解复杂逻辑，帮助跨专业学生建立编程思维。超过52%的学生学习效率显著提升，大多数能做到理性使用、不盲目依赖。”
在做AI创业公司的同时，程晓峰也在一所211高校就读MBA。他发现，学生们对于AI的使用和理解，不分高校与专业，反而是一些以往成绩不错的“做题家”学生并不习惯AI的变化。他们从小被“填鸭式教育”，对新鲜知识充满好奇、愿意主动探索的比例并不高。
“很多高校教学很难跟得上市场的速度，但现在的AI是每个学生身边最好的老师，集结了全世界人类的智慧。学生应该摆脱应试思维，学会利用AI。”程晓峰说。
对于应试教育的结果，南开大学计算机学院的教授赵宏也深有感触。AI的到来让课堂“变天”——传统知识灌输的方式已经被打破。
与此同时，师生仍困在“内卷”的怪圈中：学生面对排满的课表和成堆的作业，时常感到迷茫且收获寥寥；教师疲于应付各类指标，教学改革看似繁荣，实则“形式大于内容”。
在赵宏看来，大部分学生从小学到大学经历的教育就像一座“正三角”：底层是海量的知识点，中间是应用分析，最顶层才是少量的创造力。
现在，AI能瞬间调用人类几乎全部知识，死记硬背的价值越来越低。学科边界也在打破，跨领域融合成为常态。在这种环境下，教育必须“调头”——从死磕知识，转向提升认知、培养创新能力。
2025年10月，南开大学计算机学院教授赵宏（右三）用苏格拉底式提问，启发学生自主发现问题本质。受访者供图
2022年起，赵宏带领着团队，对南开大学所有计算机通识课进行改革，2024年又开设了“人工智能与创新”AI通识必修课。
她认为，AI时代，教师应该是“导演”兼“编剧”，从知识传授者变为学习的引导者；学生是“主演”，从被动接受者变为在AI辅助下的主动探索者；AI是“伙伴”，从简单的问答工具升级为协同解决问题、激发思维的帮手。近两年，赵宏应邀在全国将这种创新教学理念以及教学新范式进行了近百场分享。
“未来AI大概率会超过人的智能，现在大家‘卷’的很多东西都将失去意义。教育该做的，是让孩子找到自己真正喜欢的领域，具有与AI协同发现问题、解决问题的高阶认知、习惯和能力。”赵宏说。
在刘晓光看来，教育界一个广为人知的理论“木桶效应”可能会被重新定义。“木桶效应”，以前也被称作“短板效应”，即一个木桶里能盛的水由最短的木板决定。但AI时代，个人和企业的成功将取决于最长的那条木板。
“个性化AI助手已经出现，它会使人们从自身不擅长的事务中抽身，将精力投向那些擅长且更具有创造性的领域。”刘晓光觉得，在这种背景下，各个行业、专业将被重新定义，获取知识、试错的成本也会越来越低。
而教育界需要回答一个更紧迫的问题：当AI能覆盖越来越多“标准能力”，我们到底要培养什么样的人？答案或许不是更高的分数，而是更深的热情、更宽的视野，以及一颗不会被机器替代的好奇心。
（应受访者要求，陈雄、李斐、德君、陈云、王啸为化名）
新京报记者 郭懿萌
编辑 陈晓舒
校对 杨利
诚多网提示：文章来自网络，不代表本站观点。
