2026年秋季学期起，美国东北大学（Northeastern University）Khoury计算机科学学院做了一个决定：将数据科学理学学士（BS in Data Science）正式更名为人工智能理学学士（BS in Artificial Intelligence）。
涉及的不只是那个独立的数据科学学位，还包括此前与数据科学配对的24个联合专业——全部同步更名。
消息传出后，很多人的第一反应是：换了个名字而已，至于这么大张旗鼓吗？
但如果你仔细看东北大学给出的官方解释，会发现这件事远没有“改名”两个字那么简单。
01、为什么改？
根据Khoury学院学术项目副院长Christo Wilson的官方说明，更名背后有两个核心考量：
第一个理由
关于“诚实”。
Wilson的原话是：“新名称更准确地反映了这个学位的实际学习成果。”
这句话的潜台词是：东北大学的数据科学专业，从来就不是传统意义上的数据科学。
美国大多数大学的数据科学专业，设在统计系下面，核心是统计学、概率论和数据分析。但东北大学的这个专业，设在计算机科学学院下面，核心课程从机器学习、深度学习、神经网络到自然语言处理——本质上就是一个AI专业。
用“数据科学”这个名字去招生，反而让人误解了它到底在教什么。
第二个理由
关于“需求”。
Wilson直言：“我们看到学生、家长和雇主对AI技能的需求在增加。”
这不是空话。从课程设置就能看出来——东北大学的“数据科学”专业，高级课程包括神经网络（Modern Neural Networks）、高级机器学习（Advanced Machine Learning）、自然语言处理（Natural Language Processing）、强化学习、AI安全等，全是AI方向的硬核内容。
02、课程变了吗？
很多在读学生最关心的问题是：换了名字，课程是不是也变了？会不会更难了？
官方给出的答案很明确：学习成果没有变化，课程内容也没有实质性改变。唯一调整的，是课程之间的先修关系和基础课的定位。
具体调整
2026年秋季起的两门核心先修课。
从2026年秋季起，高年级的机器学习和AI课程被重新组织，围绕两门核心先修课展开：
DS 3000：被正式更名为“人工智能数学基础”（Mathematical Foundations of Artificial Intelligence）。这门课原本叫“数据科学基础”，现在名字改了，但内容聚焦在线性代数和概率论——AI的数学底座。
DS 4400：机器学习，成为多门高级AI课程的共同先修课。
这个调整的逻辑很清晰：先把数学基础打牢，再往上堆AI的“上层建筑”。
Wilson在FAQ中特别强调了一句话：“如果有雇主或研究生院来审查我们的课程，他们会看到，这些课程和改名之前一样强。”
03、更名背后的隐藏信息
东北大学这次更名，表面上是一个学校的“内部调整”，实际上反映了一个更大的行业趋势：
在就业市场上，“数据科学”和“人工智能”的岗位边界，正在快速模糊。
东北大学自己的就业数据就能说明问题。此前数据科学专业的毕业生，Co-op实习岗位包括机器学习实习生、数据科学实习生、量化分析实习生等，雇主涵盖Wayfair、DraftKings、波士顿儿童医院等。而这些岗位，现在越来越多地被企业归类为“AI岗”。
Wilson在FAQ中提到了一个关键细节：“我们看到雇主对具备多种AI技能的学生越来越感兴趣，甚至出现了‘AI工程师’这样的新职位名称。”
改名，也是在向雇主释放信号：东北大学的毕业生，就是你们要找的那批人。
04、在读学生怎么办？
对于已经在读的数据科学专业学生，东北大学没有强制要求“换赛道”。
官方政策是：现有学生可以继续保留“数据科学”的学位名称，也可以选择联系学术导师，将目录年份切换到新的AI学位。换句话说，选择权在学生手里。
但这个“选择权”本身，也传递了一个微妙的信号：学校认为，AI学位的名称，对未来的求职和申研更有帮助。
对于2026-27学年及以后入学的新生，情况更简单：数据科学学位已经不在课程目录里了。想读这个方向，只能申请“人工智能理学学士”。
05、对中国申请者的启示
东北大学的这次更名，给正在规划AI方向申请的中国学生提了一个醒：
很多美国大学都有“数据科学”专业，但它们的“内核”完全不同。有的偏统计，有的偏商业分析，有的偏计算机。东北大学的这个专业，从第一天起就是一个AI专业，只是现在名字跟上了。
选校时多问一句
如果你在选校时看到一个叫“数据科学”的专业，不妨多问一句：核心课程里，机器学习、深度学习、神经网络占多大比重？如果答案是“很少”或“选修”，那它可能不是你想要的那个方向。
名字会骗人，课程表不会。
写在最后
东北大学这次更名，本质上是一次“正名”——把早就存在的AI内核，写在了学位证书上。
对于申请者来说，这件事的价值不在于“东北大学多了一个AI专业”，而在于它揭示了一个趋势：与其叫它数据科学，不如叫它人工智能——更诚实，也更直接。
