一个持续了二十年的增长神话，在2025年秋天戛然而止。
当ChatGPT、Claude、GitHub Copilot们以令人窒息的速度迭代，当AI写代码的能力从“玩具”变成“生产力工具”，一个悖论正在美国高校悄然上演：计算机科学——这门催生了整个AI革命的学科——正在经历二十年来首次选课人数下滑。
斯坦福大学胡佛研究所经济学家雅各布·莱特（Jacob Light）的最新研究给出了一个精确的切口。在覆盖1019所美国高校、跨越1996年以来超过5000万课程班次的数据集里，2025-2026学年计算机科学课程的选课份额出现了约二十年来首次下降。莱特告诉Business Insider，在样本中的平均每所高校，CS课程选课量同比下降约4.6%，CS选课在总选课中的占比则下降了6.3个百分点。
独立数据提供了更宏观的佐证。美国学生信息交换研究中心（National Student Clearinghouse Research Center）的2025年秋季入学报告显示，全美四年制大学计算机与信息科学类专业本科生人数同比减少8.1%，从约65.97万人降至60.61万人。
这个数字放在历史坐标里看，冲击力更加直观。过去十年，美国计算机和信息科学领域的学士学位授予量翻了一倍多——从2014年的约5.6万暴涨到2024年的约12.2万，数据来自美国国家科学基金会国家科学与工程统计中心。CS是当之无愧的美国高校最热门专业，没有之一。而现在，潮水第一次出现了退却的迹象。
但研究者的结论远比表面看到的数据复杂。莱特在论文中明确将这一现象定性为“描述性证据”而非“因果估计”，他写道：“下降可能反映了生成式AI改变学生完成课程作业的方式，学生预期回报的变化，以及技术劳动力市场本身的疲软……或者其他同时发生的学生需求变化。”他列出了五种可能的解释，唯独没有给出确切的因果断言。
也就是说，CS选课人数的下降是一个事实。但“AI导致CS专业降温”这个听起来很顺的逻辑链条，尚未被证实。
解不开的因果链
莱特研究的核心贡献不是“证明了什么”，而是提出了一个值得追问的问题。他使用的数据集覆盖了美国高校CS课程从1996年到2026年的完整选课轨迹，时间跨度足够长，样本足够大，让他能够精确捕捉到2025-26年这个转折点。
在另一篇发表于2025年的工作论文中，莱特构建了一个“课程AI暴露度”指标，将LLM能力与课程描述进行匹配，发现计算机科学、统计学与数据科学、英语是AI暴露度最高的学科——这些学科的核心技能最容易被LLM替代或增强。CS恰好处在AI冲击波的震中。
但相关性不等于因果。莱特刻意保持克制：他将其视为描述性证据，而非ChatGPT或AI暴露对学生需求因果效应的估计。
这是一个极其严谨的学术立场。当你把时间线拉长来看，CS选课下降发生在2025年，距离ChatGPT发布（2022年11月）已经过去了近三年。如果ChatGPT的冲击是瞬时的，那么2023年或2024年就应该出现拐点，而不是等到2025年。这说明存在更复杂的传导机制。
一个合理的解释是滞后效应。2022年ChatGPT横空出世时，资本市场和媒体对AI的狂热反而推高了CS专业的热度——“学AI就能赚钱”的预期吸引了大量学生涌入。真正让寒意传导到选课决策的，是随后发生的两件事：AI编码工具在2024-2025年从“辅助”跃迁为“主力”，以及科技就业市场的持续恶化。
就业市场的双重绞杀
2025年的科技就业市场，是2000年互联网泡沫破裂以来最冷的一个冬天。
据TrueUp裁员追踪数据，2025年美国科技行业发生783轮裁员，全年约24.6万名员工受到影响。Meta、谷歌、微软、亚马逊——每一个名字背后都是数千人的裁员通告。这些公司削减的不只是冗余岗位，更是整个招聘通道。
面向应届毕业生的就业市场同样惨淡。据Handshake平台发布的《2025届毕业生就业报告》，该平台上的职位发布量同比下降15%，而每个岗位的申请人数却增加了30%。软件工程岗位在Handshake上跌出了“面向应届生最热门岗位”的前五名，滑落至第九位——在这个排名上，它曾在2021-2022年间稳居前三。
纽约联邦储备银行的数据显示，计算机科学应届毕业生的失业率高达6.1%，几乎是所有专业毕业生平均水平的两倍，甚至超过了哲学专业毕业生的3.2%。Encoura的研究则指出，CS毕业生的失业率已经与美术专业毕业生相当（6.1%对7.0%）。
一个在社交网络上广泛传播的案例是：普渡大学计算机科学专业毕业生曼纳西·米什拉（Manasi Mishra）在TikTok上讲述自己的求职经历时无奈地说：“我刚刚拿到计算机科学学位，唯一给我发面试邀请的公司是Chipotle。”这条视频获得了超过14.7万次观看。纽约时报追踪报道了她的故事——她最终没有拿到Chipotle的工作，而是在一家科技公司找到了一个销售岗位。
这一幕与五年前“全民转码”的狂热形成了刺眼的反差。2020-2022年间，CS学位几乎是高薪工作的代名词，Bootcamp培养的转码者也能轻松拿到六位数年薪。而现在，AI正在替代那些曾经属于初级工程师的编码任务。企业不再需要“能写Hello World”的毕业生，它们需要的是能驾驭AI工具、理解系统架构、具备跨领域能力的高阶人才。
碳酸饮料公司Chipotle成了CS毕业生最后的面试机会，这本身就是这个时代最辛辣的讽刺。
学位价值的重新定价
就业市场的寒潮是一层压力，更深的焦虑来自学科内部：当一个CS学位需要四年时间、数万美元学费，而AI工具可以在几秒内完成初级工程师80%的日常工作，这个学位还值不值得读？
这个问题的答案正在被学生用脚投票。
值得注意的是，整体美国高校入学人数在2025年秋季是增长的——总入学人数同比增长1.0%，社区大学增长了3.0%，公立四年制大学增长了1.4%。CS的下降不是“大盘下跌”的结果，而是结构性转移。学生没有离开大学，而是离开了CS专业。
他们去了哪里？数据科学和数据分析专业正在快速增长。美国学生信息交换研究中心高级研究主管马修·霍普索普（Matthew Holsapple）的评论一针见血：“学生并没有远离技术领域，而是越来越多地涌向那些将技术技能与实际职业应用结合起来的项目。”
这个信号值得深思。学生不是在放弃技术，而是在重新评估什么样的技术技能有真正的就业价值。当“纯编码”能力被AI快速商品化，具有领域知识的数据分析、AI应用工程、系统架构设计等方向，反而成为新的价值洼地。
与此同时，计算机科学内部也在发生分化。一些学生开始选择延长学制，用第五年的硕士项目熬过就业寒冬。另一些学生则直接创业，试图在AI浪潮中找到自己的位置。教授们也在呼吁课程改革。博伊西州立大学计算机科学系在2025年中期发布的一份公开文档中坦承：“CS学位仍然值得，但CS学位的价值本身可能需要改变。”
一个范式的转折点，还是周期性的震荡？
这需要区分两个问题：短期趋势和长期范式。
短期来看，CS选课的下降很大程度上是就业市场周期的反映。科技行业的周期性是客观存在的——2020-2022年的过度招聘制造了泡沫，2023-2025年的裁员潮是泡沫破裂后的正常出清。在这一轮调整中，CS作为与科技就业最直接挂钩的专业，自然首当其冲。莱特的研究也显示，2025年秋季CS的入学人数仍然高于2022年的574,333人——“全民转码”热潮推高了基数，2025年的下降更像是一次高位回调，而不是崩塌式溃败。
但长期来看，AI对CS教育的影响可能是结构性的。
如果AI能够完成越来越多的编码任务，那么传统CS教育中强调的“写出正确代码”的能力，其边际价值就在持续下降。未来的CS教育可能需要从“教会学生写代码”转向“教会学生设计系统、评估AI输出、理解业务逻辑”。这不是一个简单的课程调整，而是整个学科方法论的重构。
莱特在研究中发现了一个既令人安心又令人不安的事实：截至2025年秋季，生成式AI政策已经出现在大多数高校课程大纲中，但考试形式和评分方式的实质性变化“有限”。大学意识到了AI带来的教学挑战，但尚未做出实质性的应对。这就像一艘船意识到了冰山的存在，却没有改变航向。
如果CS教育的核心内容跟不上AI时代的节奏，那么选课人数的下降可能不是一次周期性的震荡，而是长期下行的开端。
二十年繁荣的终结，还是新周期的起点？
CS选课人数的下降，在更宏观的层面上提出了一个“AI时代的阿喀琉斯之踵”式的问题：如果AI真的像其宣传者所说，将取代大量白领工作，那么谁还会去学那些被AI取代所需要的技能？
一个吊诡的循环正在浮现：AI的进步依赖于CS人才，但AI的普及又反过来降低了CS人才的就业价值。如果这个循环不能被打破，那么CS人才的供给将面临持续萎缩，最终反过来制约AI本身的发展。
这或许是对整个科技行业最根本性的拷问：当AI开始吞噬自己的培养皿，这个行业还能持续多久？
当然，历史的钟摆也可能再次摆回。2001年互联网泡沫破裂后，CS也曾经历一轮低谷，但随后移动互联网的崛起带来了新一轮繁荣。技术革命的历史反复证明，旧岗位的消失总是伴随着新岗位的诞生。AI可能会消灭初级编码岗位，但同时会催生AI训练师、AI安全工程师、AI系统架构师等新角色。
莱特在论文中留下了开放式的结尾：这个趋势是否会持续下去，“将随着更多后续群体做出课程和专业选择而变得更加清晰。”
但对于正在或即将做出选课决策的学生来说，他们没有等待的奢侈。当一个CS学位的就业回报变得不确定，当AI编码工具每天吞噬着更多初级工程师的岗位，他们需要做出一个比代码判断更艰难的判断：这个学位，还值得我押上四年时间和数万美元吗？
这个问题的答案，将决定下一个十年美国科技产业的底色。
AI不会杀死计算机科学。但它正在迫使计算机科学回答一个它从未认真面对过的问题：你究竟在教什么，以及为什么这仍然重要？
快报