AI已经能写代码、查Bug、搭网页，过去需要新人忙半天的工作，现在几分钟就能完成。
于是，很多家长开始担心：孩子花四年读计算机，毕业后还好找工作吗？
但比“计算机专业会不会凉”更值得关注的是：如果AI接手了初级工作，年轻人又该如何积累经验，成长为资深人才？
斯坦福数字经济实验室的研究发现，在AI高暴露职业中，22—25岁年轻人的相对就业缺口已扩大至约19%。与此同时，美国劳工统计局预计，2025—2035年美国总就业人数仍将增长约3.5%。
这意味着，就业市场总量仍在增长，但年轻人进入部分行业的门槛可能正在提高。
AI时代，计算机专业还值得读吗？美国未来十年的就业数据，或许能给我们一个新的答案。
01 AI对劳动市场的影响
斯坦福数字经济实验室分析美国企业的工资单数据后发现，在AI暴露程度较高的职业中，22—25岁年轻人的就业表现明显落后。换句话说就是AI参与度高的行业里，年轻的一代打工者的就业增长数据比较差。
上面提到的这个就业缺口，从2025年7月的约15%，扩大到2026年6月的约19%。
22—25岁年轻人在AI高暴露职业中的相对就业缺口
图源：Stanford Digital Economy Lab研究原文
这19%指的是：如果这些年轻人的就业增长能够跟上其他低AI暴露职业的同龄人，其就业水平本来应该更高，实际表现却出现了约19%的缺口。
更耐人寻味的是，企业的调整更多体现在减少招聘，而不是集中解雇已有员工。
这就触及了一个很少被讨论的问题：一家公司可以继续需要软件工程师，却不一定还需要那么多初级软件工程师。
过去，新人进入公司后，通常先做一些相对标准化的工作：整理数据、测试功能、修简单的Bug、写基础代码、准备报告。在这些任务里慢慢熟悉系统，犯一些不会让公司损失太大的错误，再一点点成长。
AI现在接手的，恰恰是这部分工作。
于是，一个新的矛盾出现了：
企业希望招聘有经验的人，却在减少年轻人获得经验的机会。
这有点像一家餐厅只想招主厨，却不愿意再招学徒。短期看，效率确实提高了；时间一长，主厨从哪里来，就成了问题。
所以，AI带来的挑战不只是岗位减少，也可能是职业培养机制出现断层。
02美国未来十年劳动市场变化
按照BLS预测，2025—2035年，美国预计净增加约592万个岗位，总就业人数增长3.5%。那么美国未来的十年，工作机会都流向了哪里？👇
美国2025—2035年增长与减少最明显的行业
数据源：BLS 2025—2035年就业预测
从总量看，就业市场没有塌。
但这些新增岗位并不是平均分配的。
医疗与社会援助行业预计增加超过220万个岗位，占全部新增就业的约37%；专业、科学和技术服务行业预计增加约92.7万个岗位；计算基础设施、数据中心和电力相关领域也将继续扩张。
另一边，办公与行政支持职业预计减少约75.2万个岗位。
这背后有一条非常清楚的线索：越容易被写成固定流程的工作，越容易被自动化；越需要现场判断、专业责任和人与人互动的工作，越难被完整替代。
医疗行业就是典型例子。
AI可以整理病历、识别影像、生成初步报告，但真正面对患者、判断风险并承担专业责任，仍然需要经过训练的人。医疗岗位增长，不只是因为AI能力有限，更因为人口老龄化正在制造大量真实需求。
科技行业也是如此。
AI可以生成代码，却不能自动决定一家公司该建设什么系统；可以写分析报告，却不一定理解数据背后的业务含义；也可以给出漂亮答案，但如果答案错了，它暂时还不用参加公司复盘会。
因此，未来企业真正争夺的，可能不是会不会使用AI的人。几年后，会用AI大概会像今天会用搜索引擎一样普通。
更稀缺的是那些能够判断：
- 什么问题值得解决；
- AI给出的答案是否可靠；
- 这个方案能不能进入真实业务；
- 出了问题应该由谁负责。
未来的门槛，可能正在从完成任务转向定义问题、验证结果和承担责任。
03 计算机专业的变化
下图为计算机相关职业2025—2035年就业变化对比：
计算机相关职业2025—2035年就业变化对比
数据来源：BLS增长最快的职业/BLS职业预测与岗位特征
这组数据看起来有点矛盾：软件开发工程师还在增长，传统程序员却在减少。
说得简单一点，未来企业可能不缺会让AI写代码的人，更缺的是知道该让AI写什么的人。
AI写代码很快，但一个软件到底该不该做、用户愿不愿意用、数据是否安全、出错以后怎么办，它并不能全部决定。最后还是需要一个真正懂业务、懂技术，也愿意负责的人来把关。
所以，计算机专业不是没用了，而是只会写代码越来越不够用了。
AI越聪明，背后需要的苦力反而越多。
我们平时使用AI，只看到一个聊天框，感觉它轻轻松松什么都会。
但在聊天框背后，是大量芯片、服务器、数据中心、电力和冷却设备。AI回答一个问题看起来很轻巧，背后的机器可一点也没闲着。
BLS预计，计算基础设施和数据处理行业未来十年将增长25.1%。这意味着，机会不只属于软件公司，也会流向半导体、电气工程、能源、机械工程和网络安全等领域。
所以以后再问计算机和电气工程哪个更有前途，可能很难分得那么开。一个负责让AI变聪明，另一个负责让AI别断电，谁都少不了。
真正难替代的，是那些必须有人负责的工作。
AI可以整理病历，却不能独自面对患者；可以生成合同，却不能替律师承担法律责任；也可以写出一段程序，但系统崩了以后，它不会留下来陪团队加班。
很多工作中，最值钱的部分是判断结果能不能用，发现问题，并为最后的决定负责。
所以，我们不必急着替孩子寻找一个永远不会被AI影响的专业。这样的专业大概很难找到。
更现实的做法，是让孩子慢慢建立几种AI很难独立完成的能力：
看懂问题、作出判断、与人合作，并把一件事情真正做成。
这些能力听起来没有人工智能、数据科学那么时髦，却可能是未来最实用的底牌。
04 选专业的三个要素
选专业，不能只看哪个行业增长快、哪个专业薪资高。选专业前，最好想清楚三个问题：
1. 未来是否有比较稳定的需求？
2. 本科毕业能不能进入，还是需要读研、考执照？
3. 孩子喜欢的是专业本身，还是它过去的高薪故事？
数据科学需要扎实的数学和编程基础，医疗专业意味着更长的训练周期，计算机则要求持续学习和适应技术变化。没有哪个专业能保证未来不受AI影响，关键是提前了解专业、尝试真实项目，判断孩子的兴趣、能力与职业方向是否匹配。
在这个过程中，AI可以成为工具，但不能代替孩子自己的思考。
一个有价值的项目，不在于做得多漂亮，而在于孩子能否讲清楚：为什么做、如何判断、遇到什么问题，以及自己真正贡献了什么。
未来，真正的竞争力不只是会使用AI，而是能提出问题、独立判断，并把事情真正做成。
