德州大学奥斯汀分校近日宣布，其全新的School of Computing（计算机学院）已正式获得德州大学系统董事会批准，并计划于2026年秋季正式启用。
作为长期稳居美国公立大学前列、计算机学科实力极强的院校，UT-Austin此次并不是简单增设一个新院系，而是一次规模更大的学科重组。
新学院将把校内原本分散的计算机科学系、信息学院以及统计与数据科学相关资源进行整合，并统一归属于自然科学学院之下，构建一个更加开放的计算学科体系。
此次调整的核心目标，是打破传统院系之间的边界，将计算机科学、数据科学、统计学与信息科学等领域的研究力量汇聚起来，以更好地应对人工智能时代带来的技术与产业变化。
师资与科研资源同步升级
未来几年，UT-Austin计划新增50个教职岗位，面向全球引进计算机、人工智能与数据科学领域的学者，进一步扩大师资规模。
同时，新学院还将与校内多个顶尖研究机构形成更紧密的合作网络，包括科克雷尔工程学院的电气与计算机工程系、奥登计算工程与科学研究所、德州高级计算中心（TACC）等。
从2026Fall开始，申请者将可以直接申请整合后的本科与研究生项目。除传统计算机科学方向外，新学院还将提供数据科学、信息科学、统计与计算交叉等复合路径，进一步强化“计算+”的人才培养模式。
学院更详细的课程体系与申请信息预计将在2026年3月至5月期间陆续公布。类似的调整，近两年在美国高校中也越来越常见。
美本CS正在发生变化
过去两年，美国大学计算机教育正在明显调整。不少学校将原本的CS系升级为计算学院，并整合数据科学、统计学等相关学科，例如UCB、UIUC、USC、UCSD等高校。
另外，AI相关专业与课程也在快速增加。不少大学陆续推出人工智能项目，并在课程中强化AI应用与跨学科训练，计算机教育整体正逐渐转向 “AI+”培养模式。
在人工智能（AI）能够替代编程岗位的认知下，许多考虑攻读计算机科学（CS）的学生正陷入焦虑。这种冲突显而易见：学生们热爱编程，渴望用技术解决问题，且从小就开始学习代码，目标就是通往CS的职业生涯。
但近来，学生们越来越多地质疑这条道路的效用，他们反复在问：“我还能找到工作吗？在CS领域还能拥有成功的职业生涯吗？”
简单的回答是：YES（可以）！
攻读计算机科学学位依然具有价值，它仍是目前最全能的职业基石之一。然而，CS的价值正在发生转移。因此，调整职业目标与技能组合，是赢得未来的关键策略。
核心竞争力：不仅仅是写代码
AI无法取代对逻辑、系统、数学以及计算思维等基本原理的深刻理解。CS学科的范畴远超“写代码”本身；它是一门教授算法、系统设计、安全性和解决问题的综合学科。
正因如此，美国劳工统计局预测 IT 岗位的需求将持续增长（尽管增速较以往更为温和）。这表明，AI 并非在消灭岗位，而是将工作重心推向了高阶批判性思维任务。
警惕：传统模式正在失效
我们必须承认，那些专注于常规、简单任务的角色（如传统的初级软件工程岗位）正在减少，因为 AI 可以自动化执行此类任务。同时，一些大学提供的传统课程体系可能已经过时。
理想的尖端 CS 培训应当融合其他学科，为新兴职业空间做准备。
“CS + X”：获胜的跨学科策略
为了应对变化，学生应考虑通过辅修学位、证书等方式，将 CS 与以下学科结合：
技术核心类：机器学习、自动化、机器人、数据科学/分析、自然语言处理、信息科学、云工程、生物技术计算、网络安全、人机交互、电子工程。
跨领域应用类：金融、商业、卫生医疗、国防、政策研究、人类界面、伦理学。
关键在于：现在的 CS 毕业生可以利用这种“混合型”背景，开启需求量极大的跨学科职业生涯。
结论：AI 改变了职业，而非消灭了职业
总体而言，现在的雇主正在寻找那些能够与 AI 工具互动、维护并监督它们，同时能构建全新、创意且令人兴奋的项目的毕业生。
这证明了 AI 并没有取代计算类职业，而是将其转向了更广阔的新机遇。虽然常规任务正在消失，但 CS 专业人士正在迈向更复杂、更具创造性、更具监管性和系统层面的工作。
AI 无法取代复杂的技能组合，例如：
- 创造力 (Creativity)
- 批判性思维 (Critical Thinking)
- 复杂问题解决能力 (Complex Problem Solving)
- 协作能力 (Collaboration)
- 伦理与社会推理 (Ethical and Social Reasoning)
- 系统级思维 (Systems-level Thinking)
通过在攻读 CS 学位期间进行战略性规划，这些核心能力都是可以习得的。
