过去十几年，美本选专业似乎存在一条默认公式：
数学不错，选CS；想拿高薪，选CS；不知道喜欢什么，但又不想“浪费分数”，还是选CS。
计算机科学曾经不只是一个专业，更像一张通往大厂、高薪、硅谷、股票包和稳定中产生活的预售票。很多家庭对CS的想象也很直接：只要孩子能进这个赛道，后面就算辛苦一点，至少方向不会错。
但这张票，最近突然没那么好抢了。
美国国家学生信息研究中心在2026年6月发布的最新报告显示，2026年春季，美国四年制大学中“Computer and Information Sciences”本科在读人数同比下降8.4%，两年制院校更是下降11.2%。
更值得注意的是，这不是因为美国大学整体没人读了。同期美国本科在读人数反而增长了1.3%，达到约1550万人。健康相关专业继续增长，工程专业也在上升。也就是说，学生还在读大学，只是没有像前几年那样一窝蜂挤进计算机了。
所以，CS真的凉了吗？
答案是：没有。
但那个“只要读CS，毕业就能丝滑进入科技公司”的时代，确实正在结束。
先别急着喊“CS已死”：8.4%到底统计了什么？
首先要把数据说准确。
这次下降8.4%的，是四年制大学中被归入“Computer and Information Sciences”的本科在读学生人数，不是CS申请人数，也不是CS录取率。
这个大类并不只等于传统Computer Science，还可能包括信息技术、信息系统、软件相关项目等。学生毕业、转专业、休学，或者学校把新开的AI、Data Science、Cybersecurity项目归到其他类别，都可能影响最终数字。
所以，我们不能直接得出“今年申请CS的人少了8.4%”或者“CS录取会立刻变容易8.4%”这种结论。
但这也绝不是一次普通波动。
CRA最新Taulbee Survey显示，在持续参与调查的院系中，2025年CS本科新生人数下降12.9%，CS本科总人数也开始下降。与此同时，CS本科毕业人数反而创下纪录，比上一年增加12.8%。
这就形成了一个很微妙的画面：前几年热潮中涌进CS的那批学生，正在集中毕业；但站在门口的新一批学生，开始犹豫了。换句话说，CS不是突然没人要了，而是它的“无脑正确感”被削弱了。
CS依然很值钱吗？
如果故事只写到这里，很容易得出一个过于简单的结论：AI抢走工作，学生抛弃CS。
但另一组数据完全不像“专业崩盘”。
美国大学与雇主协会NACE预计，2026届计算机专业毕业生平均起薪达到81,535美元，比上一届上涨6.9%，仍然是所有专业大类中预计起薪最高的一组。参与调查的雇主中，至少60%仍计划招聘CS毕业生。
美国劳工统计局也预计，软件开发、质量保障和测试岗位在2024至2034年间增长15%，明显高于全行业平均水平。BLS还特别提到，AI、物联网、机器人、自动化、网络安全、消费电子和电动车等领域，都会继续拉动软件相关岗位需求。
所以问题不是“CS没有需求了”。
真正发生的是：低门槛CS供给过剩，高质量技术人才依然稀缺。
会写基础代码的人越来越多，AI也越来越会写基础代码；但能理解复杂系统、判断AI输出、设计架构、识别安全风险、把技术和真实业务问题连起来的人，还是少。
这就是为什么CS正在从“稳定高薪专业”变成“高波动、高分化专业”。
以前，一个学生只要会刷题、会写代码、能过面试，就有很大概率进入不错的技术岗位。现在，仅仅“会写代码”已经不够了。企业更想要的是：你知道该写什么，为什么这样写，AI写错之后你看不看得出来，以及这个系统最终到底服务谁。
学生不是离开科技，而是在重新包装科技
传统CS人数下降，也不意味着学生突然集体爱上古典文学。
更准确地说，学生正在把“科技兴趣”重新分流。
一部分学生转向更具体的技术专业：人工智能、数据科学、网络安全、计算机工程、机器人、电子工程，以及各种“CS+行业”的交叉项目。
2026年一项覆盖560多所美国大学的研究识别出350多个本科AI项目，包括AI主修、辅修、concentration和certificate。研究团队进一步分析了66个AI主修和87个AI辅修，发现这些项目的课程结构差异非常大。
这说明两件事。
第一，技术热没有消失。学生并不是不想学技术，而是不再自动把所有技术兴趣都塞进一个叫Computer Science的大筐里。
第二，AI专业也不能闭眼选。
有些AI项目很扎实，包含离散数学、概率统计、线性代数、数据结构、算法、机器学习、计算机系统、伦理和应用项目；但也有一些项目更像“重新贴标的CS课程包”，名字时髦，底层训练未必更强。
尤其对申请者来说，判断一个AI/Data Science项目值不值得读，不能只看专业名有多新，而要看三个问题：
- 它有没有足够强的数学和CS基础？
- 它有没有真实项目、研究、实验室和行业连接？
- 它毕业后到底通向什么岗位，而不是只给学生一个漂亮title？
名字越热，越要看课程表。
对申请者来说，CS不是“不卷了”，而是“入口更早被锁死了”
很多家庭看到CS本科人数下降，第一反应是：那申请CS是不是终于变容易了？
短期内，答案大概率是否定的。至少对头部学校来说，CS不会因为全国在读人数下降8.4%，就突然从红海变蓝海。真正发生的变化不是“CS没人申了”，而是学校越来越清楚地把CS当作一个容量受限专业管理。
过去有一种很流行的申请策略：先申请一个相对冷门的专业，进了大学以后再转CS。这个策略现在越来越危险。
因为美国大学的CS录取机制大致分成三类。
第一类，是MIT、Stanford这一类“不按专业录取”的学校。你申请的是整所大学，不是某个具体院系。MIT甚至明确说，申请表里的course of interest不影响录取决定。也就是说，在这种学校里，假装自己不想学CS，通常不会让你更容易被录取。学校看的是整体学术能力、思维方式、个人特质和fit，不是简单按专业名分池子。
第二类，是UW、UIUC、Georgia Tech、UC Berkeley这种对CS有明确容量限制的学校。它们最值得申请者仔细研究，因为这里的关键不是“我能不能进这所大学”，而是“我能不能进CS”。
UW Allen School要求申请者必须把Computer Science或Computer Engineering列为第一志愿，才会被考虑Direct to Major。更现实的是，2025年UW CS/CE直录数据里，州内学生录取率是37%，美国非州内学生是5%，国际生只有2%。这意味着，如果你是国际生或者外州学生，被UW录取但没有被Allen School直录，并不等于你还有一条轻松转入CS的后路。
UIUC也非常明确：Computer Science对2022年夏/秋以后入学的学生关闭on-campus transfer，Engineering Undeclared也不能转入CS。Georgia Tech从2024年夏/秋以后，也不再允许一年级学生后来改进BS in Computer Science。UC Berkeley对转学生同样收紧：2024秋以后入学的转学生，如果申请时没有选择CS，之后不能再转CS，也不能double major CS。
这类学校里，“先进去再说”已经不是聪明策略，而是很可能把自己放进一个无法回头的位置。
第三类，是仍然允许转专业、但CS课程和名额高度拥挤的学校。即使政策上能转，也不代表实际操作轻松。很多学校会要求学生先完成一串核心课，比如Calculus、Discrete Math、Intro CS、Data Structures，再看GPA、课程容量和学院审批。问题是，如果你不是CS学生，核心课本身就可能抢不到；即使抢到了，也要在高压曲线里拿到足够高的成绩。
所以，2027届申请CS，不能只问“这所学校CS排名高不高”。更应该问四个具体问题：
- 第一，这所学校是按大学录取、按学院录取，还是按具体专业录取？
- 第二，CS是否必须first-choice major？有没有second-choice考虑？
- 第三，如果没有被CS直录，后续转入概率到底有多大？学校官网有没有明确说“space is extremely limited”或者“closed to transfer”？
- 第四，非CS学生能不能顺利选到核心CS课程？还是CS课优先给本专业学生？
因为申请CS最怕的不是被拒，而是你以为自己进了目标学校，结果发现真正想读的专业已经被门关上了。
CS就业没有死，但new grad的游戏规则变了
就业端也不能简单写成“CS不香了”。
更准确地说，CS的长期需求仍然存在，但new grad进入行业的门槛变高了。
NACE预计2026届Computer Sciences毕业生平均起薪为81,535美元，仍然是最高薪的大类之一。BLS也预计，软件开发、软件QA和测试岗位在2024到2034年间增长15%，远高于全行业平均水平。BLS还特别提到，AI、IoT、机器人、自动化、网络安全、消费电子和电动车等领域，会继续带来软件相关岗位需求。
所以，CS不是没有工作。
真正的问题是：最容易被挤压的是“初级、通用、可替代”的工作。
以前new grad进入科技公司，常见路径是从相对明确的任务开始：写一个小功能、改一个bug、补单元测试、写脚本、做前端页面、维护内部工具、整理技术文档。这些任务本来是新人熟悉代码库、理解工程流程、学习团队协作的训练场。
但现在，这些任务正在被AI工具大幅加速。公司不一定完全不招新人，但会问一个更现实的问题：如果AI已经能帮一个中高级工程师完成很多基础编码任务，那我为什么还要招那么多只会基础实现的new grad？
这就是PwC所说的“entry-level seniorisation”：初级岗位还在，但岗位要求开始资深化。公司希望新人一进来就能理解业务上下文，能和产品、设计、数据、客户沟通，能判断AI生成代码是否可靠，能debug复杂系统，而不是只会完成一个清晰分配的小任务。
对CS学生来说，这意味着求职准备不能只靠刷题。
ZipRecruiter 2026 Grad Report显示，有在校工作经验的毕业生，当前就业比例是81.6%；没有工作经验者只有40.7%。这不是说每个人都必须进大厂实习，而是说明雇主越来越在意学生有没有经历过真实协作、真实deadline、真实用户和真实责任。
对CS学生来说，最有价值的经历可以分成几类：
第一类，是正式实习。尤其是大二暑假、大三暑假，仍然是进入全职岗位的最强通道。很多科技公司的new grad offer，本质上来自return offer。
第二类，是研究或实验室项目。尤其适合AI、ML、HCI、robotics、security、computational biology这些方向。它能证明学生不只是会调用API，而是真的理解问题、实验和评估。
第三类，是开源或真实用户项目。哪怕不是大项目，只要有人使用、有issue、有迭代、有维护记录，都比一个静态portfolio项目更强。
第四类，是校园技术岗位或跨学科项目。比如给教授做数据处理，给学生组织搭系统，给校内媒体做推荐或分析工具，给创业团队做MVP。这些经历的价值在于，它们逼你面对真实需求，而不是只完成一个漂亮demo。
所以，CS就业的核心变化不是“以后不用学CS了”，而是“只学课堂里的CS不够了”。过去，学生可以把大学四年理解为：上课、刷题、找实习、拿大厂offer。现在更合理的路径是：上课打底，实习建立行业入口，再用AI工具提高工程效率。
CS仍然可能是回报最高的专业之一，但它不再适合被动型学生。
如果一个学生只是因为“这个专业赚钱”而进入CS，却不愿意长期学习、不愿意debug、不愿意做项目、不愿意理解系统，那么未来四年会越来越痛苦。相反，如果一个学生真的喜欢技术，也愿意把技术放进真实问题里，那么跟风者减少，反而可能是好事。
