最近，加州大学伯克利分校（UC Berkeley）的一则消息在教育圈炸开了锅。2026年春季学期，多门计算机科学课程的挂科率飙升至历史高点，远远偏离了院系自己的评分标准。
更令人震惊的是，一向以零基础友好著称的计算机入门课CS 10《计算的美丽与乐趣》，挂科率竟然高达35.3%。
与此同时，经典核心课CS 61A《计算机程序的结构与解释》的挂科率也攀升至10.6%，而在前两年，这两门课的挂科率从未超过10%。
作为全球顶尖的理工科殿堂
加州大学伯克利分校里
到底发生了什么？
AI依赖症集体爆发
兼任这两门课的Dan Garcia教授毫不客气地指出，挂科率异常高的主要推手是学生对AI工具的滥用。
ChatGPT、Claude、Gemini等大语言模型成为了学生的代笔，导致学术不诚实现象激增。
“你看到的那些挂科数字里，有一部分是因为我们抓到了他们作弊。”Garcia透露，仅CS 10一门课，春季学期就有近30名学生在家考试中被抓到作弊。
但更普遍的问题是，“还有一部分学生，是平时做作业太依赖大语言模型，到了考试时候，自己根本还没准备好”。
作业高分，考试现形，成了这一代大学生的集体写照。
数学基础也塌方
除了AI依赖，更深层的问题浮出水面，学生的数理基础严重滑坡。
副教授Gireeja Ranade发现，她教的高阶课EECS 127《工程优化模型》挂科率高达16.8%，远超系里预期的5%。
原因在于，许多学生虽然修过线性代数等先修课，却连基本概念都一头雾水。
更令Ranade震惊的是，有学生坦诚，自己之前上的线性代数课程竟然是开放互联网、开放AI的考核政策。
整个学习过程都在AI的搀扶下完成，学生根本没经历过真正的思维训练，一到高阶课自然原形毕露。
学生正在丧失学习能力
比起飙升的挂科率，教授们观察到的一个现象更令人担忧，学生参与度急剧下降。
Ranade说，以前答疑时间人满为患，但这学期尽管她反复鼓励，来的人却非常少。Garcia更直言：“以前我答疑时间都坐满人，但最近两个学期，我第一次遇到办公室一个人都没有的情况。”
当学生遇到难题，第一反应不再是思考或求助教授，而是直接问AI。人类与问题痛苦死磕的思考力，正在被大模型廉价地外包掉。
全球教育界都有出现
伯克利现象绝非孤例。它像一面镜子，照出了AI时代教育面临的最尖锐矛盾。
根据一项覆盖全球10,330名大学生的调查，高达44%的学生相信，依赖AI生成作业正在实实在在地削弱他们的批判性思维和沟通能力。甚至有学生直言，自己感到了AI成瘾带来的压力。
哈佛大学教育学院的专家警告，如果让AI替你做思考，无论通过自动补全还是更复杂的方式，都是在削弱你的批判性思维和创造力。
新加坡教育部也已明确指出，不当使用AI会对学生的基本回忆和简单概念理解产生负面影响，进而阻碍高阶思维的发展。
教育界发起反击战
面对这场由AI引发的认知危机，教授们已经开始行动。
Garcia计划在新学期第一天就公开讨论这个问题，并想办法找出需要额外补习的学生。
Ranade则强调，在AI时代，教授们应该教得更多，而不是更少：“我们需要确保我们的学生能成为扎实、有贡献的公民和领导者，这些是伯克利的学生，不仅是为了明年或后年，而是为了他们未来40年的人生。”
两位教授都加入了600多名UC教师的联名请愿，呼吁UC系统在STEM专业招生中恢复ACT/SAT标准化考试要求，以筛选出数理基础扎实的学生。
应该知道的的真相
很多中国家庭和学生把目光聚焦在怎么进名校，标化成绩、竞赛、科研、文书，这些当然重要。但进了大学之后呢？就需要面对几个非常现实的问题：
AI不是你想象的外挂。用ChatGPT写作业、做项目，也许能帮你混过平时分，但到了闭卷考试、需要你自己动脑的时候，差距会像山一样塌下来。别拿自己的前途开玩笑。
数学基础真的、真的、真的很重要。不管你申请的是CS、DS、工程还是经济，美国顶尖大学的STEM课程对数学的要求比你想象的高。请认真对待线性代数、微积分、概率论。
不要等到出了问题才去找教授。伯克利教授们明确说：答疑时间没人来了。美国大学最宝贵的资源之一就是教授的office hours，主动去问问题、暴露自己的困惑，恰恰是学习最有效的方式。
标化考试可能正在回归。1300多名UC教授联名请愿恢复ACT/SAT，这不是小动静。如果你还在准备申请，不要轻易听信标化可有可无的说法。
职场里CS专业也在被创
大约10年前，CS还是留学生求职的“黄金入场券”，如今随着AI科技的震荡，以及CS人才市场的逐渐饱和。
一个残酷的事实摆在我们面前：学CS=高薪的时代似乎正在终结。
最近，一组来自 Federal Reserve Bank of New York的数据，吸引了美国大学生的目光。
（数据来源：纽约联邦储备银行）
如图所示，这份基于2024年美国人口普查数据、统计22至27岁毕业生就业情况的分析中，出现了一些极具冲击力的结果。
在“失业率最高的13个专业”中：
● 计算机工程（7.8%）排第2
● 计算机科学（约7.0%）排第4
它们和人类学、纯艺术、表演艺术、英语、国际关系等专业，被放在了同一张榜单上。CS专业已经是美国失业率倒数的大学专业了，甚至连很多文科专业的就业都不如。
一时间，CS神话破灭的说法迅速扩散。那个曾经被认为闭着眼都能找到工作的专业，似乎也开始变得不确定了。但要注意的是，如果你只看到这一层，很可能已经把这份数据理解错了。
数据里的真相
这套数据在2024年更新完成，但一直以研究工具的形式存在，并没有被包装成“榜单”。
真正让它爆火的，是2026年2月开始的一轮媒体传播。以Business Insider、CBS News、Forbes为代表的媒体，将数据重新筛选、排序，并叠加AI冲击、科技行业降温等背景进行解读。
于是，一个原本偏学术的数据，被转化成了一个情绪极强的结论：连CS都开始不好找工作了。这恰恰也是最容易被误解的地方。
为啥CS失业率会上升？
如果只看失业率，计算机工程和计算机科学确实不低，甚至进入前列。但这份数据里，还有一个更关键、却经常被忽略的指标，就业不足率（Underemployment）。
这个指标衡量的是毕业生有没有从事“需要大学学历”的工作。
在这个维度上，计算机科学的表现依然明显优于多数专业，就业不足率大约在 19% 左右，而像刑事司法、表演艺术等专业，这一数字可以高达 60% 以上。也就是说：
● CS毕业生一旦就业，更容易进入“对口岗位”；
● 问题不在于“找不到工作”，而在于“是否愿意接受不匹配的工作”
换句话说，很多CS毕业生处于一种主动等待的状态，他们更倾向于等待高薪、匹配度高的岗位，而不是立刻进入低薪或非技术岗位。这在统计上会被算作“失业”，但本质上更接近延迟就业。
就业市场的规则变了
如果把视角从专业拉到整个市场，会发现，CS今天的波动，其实只是更大变化的一部分。
一方面，科技行业在疫情期间经历了过度扩张，大量公司在2023~2025年进入收缩周期，招聘明显趋于谨慎。另一方面，AI的发展正在替代一部分标准化、重复性的初级岗位。
像Anthropic CEO Dario Amodei就曾预测，未来几年内，大量入门级白领岗位都会受到冲击。
更关键的是，企业的招聘逻辑正在发生变化。当前市场逐渐进入一种“低招聘、低裁员”的状态：企业不再大规模扩招新人，而是更倾向于保留已有员工，或者只招聘可以立刻创造价值的人。
这意味着，企业对新人的容忍度，明显下降了。从数据来看，很多毕业生在职业初期经历一段岗位匹配调整期。
美国国家经济研究局（NBER）的研究指出，毕业生在进入劳动力市场的最初几年中，往往会经历从低匹配岗位逐步过渡到更高质量岗位的过程。
在这样的背景下，不同专业的选择逻辑开始出现分化。像计算机、工程等高薪专业，由于进入对口岗位后的回报显著更高，相反，一些需求稳定但薪资较低的专业，则更容易实现快速就业。
这也解释了一个看似反常的现象：越是高薪、路径清晰的专业，在短期统计中反而更容易出现失业率偏高的情况。
当AI能替你写代码、做总结、甚至推导公式时，人与人之间真正的差距，将回归到那些无法被外包的核心能力上。
名校的录取通知书只是一张门票，真正的挑战在你踏进教室后才开始。
面对AI时代的挑战，学生需要主动培养独立思考能力和扎实的数理基础，才能在未来的学术和职业生涯中立于不败之地。
