CS招生驟降、AI學位爆滿：全球計算教育正經歷二十年來最大轉型

過去二十年，計算機科學（Computer Science, CS）一直是全球大學最炙手可熱的專業。從矽谷的造富神話到遠程工作的自由，CS學位被視為通往高薪穩定職業的「黃金通道」。然而，2026年初的數據正在講述一個截然不同的故事：學生們開始質疑這條通道是否仍然暢通無阻——而生成式AI的爆發式發展，正是引發這場信心危機的核心原因。

數據不會說謊：CS招生的「雙重下跌」敲響警鐘

加州大學（UC）系統——全美最大、最具影響力的公立大學體系之一——的CS招生數據尤為觸目驚心。繼2024年下跌3%之後，去年的跌幅進一步擴大至6%。這是自2000年互聯網泡沫爆破以來，CS專業首次出現連續兩年的招生下滑。更重要的是，這並非個別現象。

計算研究協會（Computing Research Association, CRA）的最新全國性調查顯示，62%的計算課程在本科階段報告了招生人數的下降。這一比例之高，足以表明這絕非統計噪音或局部波動，而是一場正在全美蔓延的結構性退潮。

值得注意的是，全美大學整體招生在同一時期反而上升了2%。換句話說，學生並沒有遠離大學——他們只是在遠離CS。

「我原本打算主修計算機科學，但看到AI能在幾秒鐘內寫出我花一整晚才完成的程式碼時，我開始懷疑四年後畢業時這個學位還有多少價值。」

—— 一名UC系統大二學生接受校報採訪時表示

這種焦慮並非沒有根據。在對持悲觀態度的CS專業學生進行調查時，64%的人明確將生成式AI列為影響其專業信心的關鍵因素。AI已經能夠以超越任何人類新手的速度處理模板代碼（boilerplate code）撰寫和基礎除錯工作——而這些恰恰是初級開發者入職後最常承擔的任務。

就業市場的寒流：初級開發者首當其衝

學生的焦慮正在被就業市場的冰冷現實所印證。頂尖科技企業的初級開發者招聘量去年暴跌25%，這對剛剛走出校園的CS畢業生而言無疑是一記重擊。

原因並不難理解。當AI編碼工具——如GitHub Copilot、Claude Code和Cursor——能夠自動生成大量基礎代碼、完成單元測試甚至進行初步的代碼審查時，企業對「能寫基礎代碼」的初級人力需求自然下降。過去，初級開發者在團隊中的角色主要是執行資深工程師的指令、撰寫相對簡單的模組——而這些任務正是AI最擅長的領域。

這形成了一個惡性循環：就業前景變差導致學生對CS專業信心下降，招生下降又進一步強化了「CS不再吃香」的輿論敘事。部分家長甚至開始主動引導子女遠離CS，轉向他們認為更「抗AI」的領域——如機械工程和電氣工程等實體世界的工程學科。

大遷移的另一面：AI學位的爆炸式增長

然而，如果我們只看到CS的退潮，就會嚴重誤讀這場教育變革的真正性質。事實上，學生並非在逃離計算領域——他們正在從傳統CS湧向更聚焦、更「未來導向」的AI專屬學位。

數據令人驚嘆：美國目前已開設193個AI本科學位課程和310個AI碩士學位課程。這些課程在短短兩三年間從幾乎為零暴增至數百個，反映了大學對市場需求的急速回應。

幾個標誌性案例尤為引人注目：

• UC聖地亞哥（UC San Diego）：作為整個UC系統中唯一設有獨立AI主修的校區，其招生完全逆勢增長，與其他UC校區的CS下跌形成鮮明對比
• MIT：新設的「AI與決策」（AI and Decision-Making）主修已躍升為全校第二大專業，僅次於計算機科學與工程
• 南佛羅里達大學（USF）：新成立的AI與網絡安全學院已吸引超過3,000名學生，規模驚人
• 其他新加入者：南加州大學（USC）、哥倫比亞大學（Columbia）、佩斯大學（Pace）、新墨西哥州立大學（New Mexico State）等名校紛紛推出或宣布AI專屬學位

這些數據清晰地表明：市場需求並未消失，只是發生了結構性轉移。學生依然渴望進入科技領域，但他們希望學習的是AI本身——而非被AI威脅的傳統編程技能。

AI學位 vs. CS學位：一場尚未定論的辯論

然而，AI學位的爆發式增長背後也暗藏隱憂。一個關鍵問題正在業界引發激烈辯論：AI學位的畢業生究竟掌握了什麼，與傳統CS畢業生有何不同？

「當我面試AI專業的應屆生時，我經常不確定他們的技能組合到底是什麼。他們懂機器學習的理論，但是否能夠獨立構建一個完整的軟件系統？CS畢業生至少有這個基本功。」

—— 一名矽谷科技公司招聘經理

這種困惑並非個例。許多招聘經理坦言，他們目前對AI學位畢業生的實際能力邊界仍然模糊不清。傳統CS學位的課程體系已經經歷了數十年的打磨和市場驗證，業界對CS畢業生的期望是清晰的——數據結構、演算法、操作系統、軟件工程。但AI學位作為新興產物，其課程設置在各校之間差異極大，品質參差不齊。

更深層的矛盾在於：要真正理解和應用AI，紮實的計算機科學基礎幾乎是不可或缺的。線性代數、概率論、演算法設計、軟件工程原則——這些傳統CS的核心內容恰恰是AI的根基。如果AI學位為了追求「專屬」標籤而弱化了這些基礎，其畢業生可能面臨「知其然而不知其所以然」的風險。

家長的恐慌與「抗AI」專業的迷思

這場教育轉型中一個值得關注的現象是家長的角色。越來越多的報導顯示，家長正在主動將子女引導離開CS——甚至離開整個計算領域——轉向他們認為不會被AI取代的學科，如機械工程和電氣工程。

這種反應可以理解，但可能建立在一個根本性的誤判之上。首先，AI對實體世界工程學科的滲透只是時間問題——AI輔助設計（CAD+AI）、自動化模擬和智能製造正在快速改變機械和電氣工程的工作模式。其次，歷史一再證明，試圖「躲避」技術革命遠不如「擁抱」它來得有效。

更關鍵的是，真正「抗AI」的能力並非某個特定學科，而是跨學科的批判性思維、複雜系統的整合能力、以及在不確定性中做出判斷的能力——這些恰恰是傳統學科劃分方式難以培養的素質。

香港與亞洲教育的啟示：我們準備好了嗎？

美國大學的這場「大計算轉移」對香港和整個亞洲的高等教育體系敲響了警鐘。

香港的情況有其獨特之處。本地八大院校的計算機科學及相關課程長期處於超額認購狀態，JUPAS（大學聯合招生辦法）中CS相關課程的收生分數在過去十年持續攀升。但美國的趨勢往往是全球高等教育的風向標——當美國學生開始質疑傳統CS學位的價值時，香港學生的態度轉變可能只是滯後一到兩年。

目前，香港的大學尚未大規模推出獨立的AI主修學位。大部分AI相關教育仍以CS學位下的專修方向（concentration）或選修模組形式存在。如果美國的經驗有任何參考價值，香港院校可能需要加速考慮以下轉型：

• 設立獨立AI學位課程：參考UC聖地亞哥和MIT的模式，提供兼具CS基礎和AI深度的專屬學位
• 強化跨學科整合：AI+金融、AI+醫療、AI+法律等交叉學位將更符合香港作為國際金融和專業服務中心的定位
• 產業合作機制：與本地及大灣區科技企業建立更緊密的實習和課程共建機制，確保教學內容緊跟產業需求
• 終身學習框架：在AI技術快速迭代的背景下，四年制本科學位不再是學習的終點，需要建立完善的持續教育體系

在更廣闘的亞洲視角下，新加坡國立大學、韓國KAIST和日本東京大學等頂尖學府已經在AI學位建設上展開積極佈局。香港如果不迅速跟進，有可能在亞太區的AI人才競爭中失去先機。

AI學位是泡沫嗎？歷史的鏡鑒

每當一個新興學科在短時間內經歷爆發式增長，「泡沫」的質疑便不可避免。AI學位是否正在重演MBA學位在1990年代的過度擴張？還是如同1990年代末期的CS學位熱潮一樣，在泡沫爆破後留下長期的結構性價值？

從193個本科和310個碩士的課程規模來看，AI學位的供給增長速度確實驚人。但與歷史上的教育泡沫相比，有幾個關鍵差異值得注意：

• 需求端的支撐更強：與MBA不同，AI技能的產業需求仍處於快速上升期，且幾乎滲透所有行業
• 技術門檻較高：AI學位需要紮實的數理基礎，不像部分MBA課程那樣可以低門檻批量招生
• 但品質風險確實存在：大量院校倉促開設AI課程，師資儲備和課程深度可能嚴重不足

最可能的結果是一場「品質分層」：頂尖大學的AI學位將建立強大的品牌溢價和就業優勢，而大量倉促上馬的二三線院校AI課程則可能面臨招生困難和就業率低迷。這種分化在五到十年後將會非常明顯。

未來勞動力的真正需求：不是AI或CS，而是兩者的融合

在「CS vs. AI」的對立敘事之外，產業界的真實需求可能更加微妙。

未來十年最搶手的人才，很可能不是「純CS」也不是「純AI」，而是兼具以下能力的複合型人才：

• 紮實的系統工程能力：能設計和維護大規模分佈式系統
• 深入的AI理解：不僅會使用AI工具，更理解其原理和局限
• 領域專長：在金融、醫療、法律等特定行業有深度認知
• 人機協作素養：懂得如何指導、評估和監督AI系統的工作
• 倫理與治理意識：理解AI部署中的風險、偏見和合規要求

從這個角度看，CS招生的下降和AI學位的興起並非零和遊戲。最理想的教育模式可能是將兩者深度整合——保留CS的系統性基礎訓練，同時大幅強化AI理論和應用的比重。MIT的「AI與決策」專業之所以快速崛起為全校第二大專業，正是因為它在一定程度上實現了這種整合。

「我們不是在培養會使用ChatGPT的人——互聯網上人人都會。我們在培養能夠理解、構建和改進下一代AI系統的人。這需要紮實的數學、紮實的計算基礎，以及對AI特有挑戰的深入理解。」

—— MIT「AI與決策」專業負責人

編輯觀點：恐慌與泡沫之間的理性路徑

這場「大計算轉移」揭示了一個深刻的悖論：學生因為擔心AI取代程序員而離開CS，卻湧向學習AI本身——但要真正掌握AI，他們最終仍需要CS的核心基礎。

對於正在選擇大學專業的香港學生和家長，我們的建議是務實而非恐慌性的：

第一，不要因為AI而盲目逃離CS。CS的核心——演算法思維、系統設計、抽象建模——在AI時代不僅不會過時，反而會更加重要。改變的是入門門檻的工作內容，而非高階能力的價值。

第二，擁抱AI，但不要追逐標籤。一個名為「AI」的學位不一定比一個將AI深度整合入課程的CS學位更有價值。看課程內容，不看課程名稱。

第三，培養不可替代的能力。無論學位名稱如何，真正的競爭優勢在於系統級思維、跨領域整合能力和持續學習的自驅力。這些是任何AI——至少在可見的未來——無法完全替代的人類特質。

25%的初級開發者招聘下跌是一個警號，但它預示的不是軟件開發的終結，而是開發者角色的重新定義。未來的軟件工程師將更像「AI交響樂團的指揮」——他們未必需要親自演奏每一件樂器，但必須深刻理解整個樂團的運作邏輯，才能引導AI奏出正確的樂章。

這場教育轉型的最終勝利者，不會是那些逃避變革的人，也不會是那些盲目追逐熱點的人——而是那些在變革中找到紮實根基與前沿視野之平衡的人。