美国计算机专业申请人数创六年最大降幅
据《华尔街日报》报道,计算机科学学位曾被视为美国大学生就业市场的"黄金门票",如今这一光环正在褪色——全美四年制高校计算机科学本科入学人数出现六年来最大单年降幅,同比下降8.1%,研究生阶段入学人数同比降幅更是达到14%。
报道援引数据显示,2008年至2024年间,美国四年制高校计算机科学学位授予数量曾增长约五倍,增速远超护理学和机械工程等专业;但这一扩张势头已明显逆转,以普林斯顿大学为例,2028届学生中申报计算机科学专业的人数仅为74人,较上一年度的117人和两年前的150人大幅下滑;与此同时,机械工程专业入学人数同比增长约11%,电气工程专业增长约14%,目前商科、医疗、社会科学和历史等专业的受欢迎程度均已超过计算机科学,后者在热门专业排名中已滑落至第七位。
应届毕业生就业环境的恶化是这一转向背后的直接推手——新科大学毕业生失业率已连续五年高于全美整体失业率水平;另据行业统计,今年科技行业整体失业率一度升至5.8%,为2001至2002年互联网泡沫破裂以来最高水平,今年以来全美科技岗位裁员人数已达148092人,相当于平均每天减少981个岗位,较2025年日均674人的裁员节奏高出46%,全年裁员规模预计将达到约37万人;斯坦福大学人本人工智能研究所的2026年度AI指数报告还发现,22至25岁年轻软件开发者的就业人数较2024年下降近20%,而同一批公司里30岁以上开发者的就业人数同期反而增长6%至12%。
诺贝尔经济学奖得主西蒙·约翰逊(Simon Johnson)评价称,人工智能已经"在很大程度上抹去了编程作为可靠职业机会的价值";投资人马特·舒默(Matt Shumer)也曾撰文指出,"截至2025年底,一些全球顶尖工程师已经把大部分编程工作交给了AI来完成";普林斯顿大学计算机科学系系主任则表示,该学科"已不再以那种爆发式速度增长"。
就业市场内部正出现明显分化——机器学习工程师岗位数量已较2020年2月基准水平增长59%,人工智能/机器学习相关招聘同比增长85%,网络安全相关招聘同比增长124%,呈现结构性走强;但传统通用软件工程岗位数量却较疫情前基准水平低49%,入门级岗位在整体IT招聘中的占比由8.1%降至7.4%,高级岗位占比则由38.8%升至43.1%。雇主方面的态度也在转变:据美国大学与雇主协会(NACE)数据,计算机科学专业目前在雇主需求排名中仍位列第三,应届生起薪预期也居各专业之首,但雇主更看重的是能够将AI工具落地应用于具体业务场景的"前沿部署型工程师",而非单纯掌握容易被替代的编程工具的毕业生,拥有实习经历的计算机专业毕业生获得录用的概率是没有实习经历者的两倍。
从人才和资金流向看,这一轮转变本质上是AI资本开支对劳动力市场的直接传导——企业把原本用于雇佣初级程序员完成常规编码工作的预算,转向部署AI编程工具和招聘更具经验的资深工程师及"应用AI"复合型人才,导致入门级岗位需求被系统性压缩,而具备AI/机器学习、网络安全等稀缺技能的岗位薪资溢价持续走高(机器学习技能薪资溢价达40%,TensorFlow相关技能溢价达38%);受益方是拥有AI应用经验、实习背景或稀缺技术认证的毕业生和资深工程师,承压方则是只掌握通用编程基础、缺乏差异化技能和实践经验的应届计算机专业毕业生,这批人首当其冲承受着入门级岗位收缩带来的求职难度上升。
来源:公开信息
ABAB AI 解读
计算机科学专业此前的扩张路径本身就是一段值得回顾的历史——2008年至2024年间,美国四年制高校计算机科学学位授予数量增长约五倍,增速远超护理学、机械工程等传统热门专业,这一轮扩张几乎完全由2010年代互联网和移动互联网黄金增长期的旺盛招聘需求驱动;而这次入学人数六年最大降幅的出现,本质上是对此前十余年"学CS等于稳定高薪"这一集体认知的一次滞后修正,类似的"专业遇冷"历史先例包括2000年代初互联网泡沫破裂后计算机相关专业入学人数的短暂下滑,只是这次的驱动因素从需求端骤降换成了AI对入门岗位的系统性替代。
资金和资源的调动路径清晰可见——企业正在把原本用于批量招聘初级程序员的人力预算,转向购买AI编程工具订阅、部署自动化开发流水线,并把节省下来的预算集中投向少数掌握机器学习、网络安全等稀缺技能的资深工程师,机器学习工程师招聘较基准增长59%、网络安全招聘同比增长124%,与通用软件工程岗位较疫情前萎缩49%形成鲜明对比;高盛测算显示,AI每月净减少约1.6万个美国岗位(每月消灭约2.5万个岗位,同时通过效率提升创造约9千个新岗位),这意味着资本正在用AI工具替代初级劳动力这一最容易标准化、最容易被模型复制的环节,而把稀缺的人力资本预算集中在AI无法轻易替代的复合型和资深岗位上。
最直接的历史类比是2000年代初互联网泡沫破裂后计算机专业的短暂遇冷,以及更早以前法学院申请人数随法律行业自动化工具普及而周期性波动的现象——每当某个专业曾经承诺的"确定性高薪路径"被证明不再确定时,申请人数都会出现滞后但剧烈的自我修正;不同的是,这一轮修正的触发因素并非行业整体衰退,而是AI对入门级技能的直接替代,机器学习和AI相关岗位需求反而在同步增长。就行业位置而言,美国科技劳动力市场目前正处于"入门岗位被AI压缩、资深及复合型岗位持续紧俏"的结构性再分层阶段,单一学位本身的信号价值正在被稀释,实习经历、项目作品和可验证的AI应用能力正在取代学位成为更重要的筛选信号。
这背后本质上是一次技术替代——AI正在把软件工程这一此前被视为"确定性最高的白领工作"重新划分为"可被自动化的标准化编码"和"AI无法替代的复合判断与业务落地能力"两个层次,前者的劳动力需求正在被系统性压缩,后者的稀缺性和薪资溢价则在同步上升;这种替代之所以会发生,机制上是因为入门级编码任务本身高度模式化、训练数据丰富,恰好是当前大语言模型最擅长处理的任务类型,而需要理解具体业务场景、协调多方利益并将AI工具落地应用的复合能力,目前仍难以被模型完全替代,劳动力市场因此沿着"是否可被AI标准化复制"这条新的分界线,重新划分了不同技能组合的稀缺性和定价。
ABAB News · 认知定律
越容易被标准化的技能,越先被AI标价清零。
学位曾经是信号,现在只是入场券的复印件。
稀缺的从来不是学历,是学历之外那部分不可复制的判断力。