北美CS專業就業遇冷，AI加速入門級崗位替代

北美CS專業過去十年因高薪吸引大量學生湧入，類似2010年代金融危機後法學院天坑化，疫情期間科技過熱招聘後出現回調，多輪裁員導致畢業生供給遠超需求，此前類似週期中軟件工程師曾經歷2001年與2008年就業低谷。
資本路徑上，Meta、Microsoft、Amazon等巨頭將數百億美元AI基建支出替代人力預算，優先採購AI編碼工具減少初級崗位，轉向高階AI工程師與產品角色，動機是通過提升單人產出降低整體人力成本並加速產品迭代。

類似2000年代初編程外包浪潮對美軟件崗位的衝擊，以及近年法律與財務分析領域AI工具滲透，當前CS處於從 массов入門級招聘向AI增強專家轉型的收縮階段，傳統編碼崗被壓縮。

本質屬於技術替代：AI處理重複編碼、調試與文檔任務，替代初級人力，機制在於生成式AI邊際成本接近零且24/7可用，而CS畢業生培訓週期較長，導致定價權從通用編程技能轉移至系統架構、業務理解與AI orchestration能力，資金從大規模校園招聘流向少數高階人才與AI工具廠商。

ABAB News · 認知定律

熱門專業過剩之日，即是天坑形成之時。
技術替代先吞入門，再逼中層，最後重塑技能壁壘。
槓桿放大產出時，通用人力即成可替換成本。