如果一个学生既喜欢数据和编程，又不想本科四年完全走纯技术路线，有没有一个专业，既能学机器学习、数据管理，又能接触商业、金融和企业决策？
现在，加州大学圣地亚哥分校给出了一个新的选择。
加州大学圣地亚哥分校推出了商业数据科学理学学士课程。这个项目是全美首批此类项目之一，也是加州大学系统首个商业数据科学本科项目。
我们发现美国大学这两年普遍在做两件事：一边关停需求萎缩的专业，一边新开更贴近产业需求的项目。
比如，UCLA低调宣布生物物理学本科专业2027年秋季起不再招收新生，并计划正式取消项目；而一些大学也在同一时间窗口推出“商业+AI”“计算机+商科”的新学位....
▍UCSD重点不是“商学院加几门编程课”
UCSD要开的商业数据科学，核心逻辑明确：市场缺的不是只会处理数据的人，而是能把数据变成战略性决策的人。
根据美国劳工统计局最新预测，2024—2034年间，数据科学家位列全美增长第四快的职业。但企业痛点是：纯技术背景的人未必理解业务优先级，纯商科背景的人又很难深入数据和建模。
所以，这个项目从设计上就是两个学院“联合”。
技术侧由HDSI负责，课程涵盖Python、R、数据结构、统计方法、数据管理、机器学习和数据挖掘；商业由Rady商学院负责，包括会计、金融、客户分析、AI与技术战略、组织中的实验设计、管理决策和商业财务。
最后所有学生必须完成跨学科顶点课程“Business Data Science Projects”，与真实企业数据对接，解决实际商业问题。
▍美国高校一边在关，一边在开
UCSD之外，新泽西理工NJIT走的是另一条路。
不新设一个“AI学院”，而是把AI直接嵌入商科核心课程。它的商业与AI理学士让学生在营销、金融、运营和创业等传统商科课程中学习应用AI，专门课程包括“AI驱动的文本分析”和“AI战略与实施”，训练学生使用机器学习、自然语言处理和数据分析工具解决真实商业问题。
而南佛罗里达大学的计算机科学与商科理学士由Muma商学院和Bellini计算学院联合开设。学生可以在金融科技、商业分析、数字营销等五个商科方向中选择一个。
这条路径适合那些想在技术深度和商业广度之间取得平衡的学生。你不需要成为纯CS工程师，但需要具备足够的计算能力来理解技术边界，同时具备商业判断力来定义问题。
另外一个事件：UCLA物理与天文学系在2026年4月宣布：生物物理学BS专业从2026年秋季起对在读学生暂停招生，2027年秋季起对新录取学生全面停止招生，计划于2027年秋季彻底取消该项目。
官方给出的原因是：长期招生困难，且难以找到足够的授课教授。在读学生可以正常完成学位，但未来该专业最多只保留几门相关课程。
这些案例值对“交叉学科”抱有浪漫想象的学生家庭认真看一遍。
生物物理学本身是一个真实的交叉学科，但交叉不自动等于“值得读”。当一个交叉专业缺乏清晰的就业出口、缺乏稳定的师资支撑、缺乏足够的学生需求时，它同样会被大学关停。交叉学科的生命力，不在于名字有多新，而在于它是否解决了真实的学术或产业需求，并且有足够的资源来支撑它运转。
▍如何判断“商科+AI”是真交叉还是“换皮”？
当“AI+商科”成了新专业增长点，肯定会出现一批项目，说白了就是在传统商科课上贴了个“AI”标签。那怎么筛？
第一，别光看专业名字，先看数学和编程占多少学分。
真正的商科+AI项目，课程里一定得有微积分、线性代数、概率统计，还得有至少一门编程语言的系统训练。要是课程表里只有“AI概论”“数字化转型”这种概念课，没有硬核的数学和编程要求，那它的“AI含量”就得打个问号。
第二，看是谁在教，是不是真正的联合学位。UCSD的商业数据科学，是HDSI和Rady商学院联合授课；NJIT的项目设在AACSB认证的商学院下，但同时也强调AI在核心商科里的应用。可要是一个“商科+AI”专业完全由商学院自己开，计算机系或者数据科学系没有实质性参与，那它的技术深度很可能有限。
第三，看有没有硬核的顶点项目。
UCSD要求学生做“Business Data Science Projects”，拿真实企业数据去解决复杂的组织问题；NJIT的顶点课程，是让学生给真实商业客户或者初创公司开发AI解决方案。你想想，一个得把技术真正用在真实问题上的毕业项目，肯定比十门“导论课”更能说明这个专业的含金量。
那么，对于不同的学生来说，专业怎么选？
如果孩子数学、编程基础扎实，想做“用数据驱动商业决策”的人，UCSD的商业数据科学最匹配。但如果孩子对商业更有热情、不想成为“纯码”，可以选择——商业与AI项目，更“商科友好”：AI嵌在营销、金融、运营里，是工具，不是单独攻克的学科。
如果孩子想保留技术深度，同时探索多个商业方向，比如，南佛罗里达的计算机科学与商科组合有金融科技、商业分析、数字营销等方向，灵活性更高。
而如果孩子正在考虑一个“听起来很酷”的传统交叉专业，先查查清楚：近三年招生人数是升是降？授课教授是专职还是临时拼凑？毕业生去向清不清晰？UCLA生物物理学的退场就是例子。
如今“商科+AI”成为风口，不是因为AI这个词热，而是数据驱动的商业决策正在成为几乎所有行业的基础设施。但风口之下，辨别“真交叉”和“换皮”，比追逐风口本身更重要。
