圖靈獎得主直言：不建議 18 歲孩子學計算機了！

每年志愿填報季，計算機專業永遠是家長和考生追問最多的 “頂流”。“分數夠不夠沖計算機？”“學計算機畢業真能年薪幾十萬？”“現在入行會不會趕上行業下坡路？” 無數家庭把計算機當成 “保底高薪” 的最優解，把它等同于未來的鐵飯碗。

但最近，一位親手締造了計算機行業黃金時代的泰斗，卻說出了一句顛覆所有人認知的話：“如果今天重新開始，我不確定還會不會建議 18 歲的人去學計算機。”

說這句話的不是普通的行業博主，也不是蹭熱點的評論員，而是數據庫領域的圖靈獎得主——Michael Stonebraker。作為 Ingres、Postgres 兩大核心數據庫系統的關鍵創造者，他是現代數據庫系統最重要的奠基人之一，他的研究成果支撐了全球互聯網幾十年的發展。

一位把一生都獻給計算機行業的先驅，為何會在 AI 時代發出這樣的警告？這句話的背后，藏著計算機行業正在發生的、最殘酷也最真實的變革，更直接關系到 2026 屆所有考生的志愿選擇。

一、從 “全民學計算機” 到 “泰斗勸退”，到底發生了什么？

Stonebraker 的這番話，出自他近期的一次深度采訪。當被問及 “帶著今天的認知，會給年輕時的自己什么建議” 時，他沒有談個人的成功經驗，而是把目光投向了整個行業的未來。

他回憶起自己剛到加州大學伯克利分校任教的年代，那是計算機行業的蠻荒期。“那時候我們對數據庫幾乎一無所知，對實現邏輯一竅不通，編程能力也遠不如 Bill Joy。但我們什么都沒想，一頭扎進去就做了，邊做邊學，邊學邊把東西做出來。”

在那個年代，這樣的 “野蠻生長” 是行業常態。從互聯網興起，到移動互聯網爆發，再到云計算、大數據浪潮席卷全球，每一波技術革命都帶來了指數級增長的崗位需求。企業缺的是 “會寫代碼的人”，不管是科班出身還是半路轉行，只要能完成基礎的開發工作，就能拿到遠超其他行業的薪資。

那是計算機專業的 “黃金時代”：高薪、高需求、高增長、高確定性，四個標簽疊加，讓它成為無數普通家庭改變命運的最佳通道。

但 Stonebraker 明確表示，這樣的時代已經結束了。當被問到 “如果今天重新選專業，你會選什么” 時，他給出的答案令人意外：醫療保健、建筑、維修等需要線下實操和復雜經驗的行業，反而可能是更安全的方向。

而這一切的轉折點，就是 AI 的全面爆發。

二、AI 最先沖擊的，恰恰是 “寫代碼的人”

今年 3 月，AI 頭部公司 Anthropic 發布了一份《職業 AI 替代風險報告》，在最容易被 AI 替代的十大職業中，計算機程序員高居榜首，近 40% 的工作任務可被 AI 完全覆蓋。

南開大學計算機學院副院長劉曉光在接受采訪時也直言：“計算機、法律、辦公室行政是 AI 替代風險最高的三類職業。這些領域的數據充分、規則清晰，正是大模型最擅長的場景。”

與以往的工業革命不同，AI 革命沖擊的不再是體力勞動，而是腦力勞動，尤其是那些標準化、重復性的 “初級智力工作”。

劉曉光有一句非常精準的總結：“AI 對各行業的專家非常友好，但對專家的助手極不友好。”

專家擁有行業沉淀的判斷力、審美能力和創意能力，AI 可以成為他們的 “超級助手”，幫他們快速完成繁瑣的重復勞動，大幅提升工作效率。但 “專家的助手” 們，恰恰需要通過這些重復勞動來積累經驗、完成成長。

過去，一個計算機專業的畢業生，成長路徑非常清晰：從寫接口、改 Bug、做測試、調數據庫這些基礎工作做起，一步步積累項目經驗，3-5 年成長為中級開發，5-10 年成為高級工程師或技術主管。

這些基礎工作，曾經是新人的 “訓練場”，是他們從校園走向職場的必經之路。但現在，AI 正在以驚人的速度吞掉這些環節：

• 一個初級程序員需要 3 天完成的 CRUD 接口，GPT-4o 十幾分鐘就能寫出可運行的代碼，還能自動生成測試用例；
• 前端切圖工作，AI 可以根據設計稿直接生成適配多端的代碼，準確率超過 90%；
• 簡單的 Bug 調試，AI 能快速定位問題并給出修復方案，效率遠超新人。

越來越多的企業開始調整招聘策略：大幅縮減初級程序員的招聘名額，轉而要求應聘者具備 “AI 協同開發能力”。

過去，企業需要的是 “會寫代碼的人”；現在，企業需要的是 “會利用 AI 解決問題的人”。 這是兩個完全不同的能力體系，而大多數高校的計算機專業，還沒有跟上這個變化。

三、數據說話：計算機專業的 “絕對優勢” 正在消失

行業的變革，已經清晰地反映在就業數據上。麥可思《2025 年中國本科生就業報告》中的幾組數據，揭開了計算機專業最殘酷的現狀：

1.薪資停止增長，工科平均水平快速追趕

2020-2024 屆，計算機類專業畢業生的月收入始終在 6700-6900 元之間窄幅波動，幾乎沒有增長。而與此同時，工科類專業的平均月收入從 2020 屆的 5913 元，上漲到 2024 屆的 6610 元，與計算機專業的差距已經縮小到不足 200 元。

曾經，計算機專業的薪資是其他工科專業的 1.5 倍甚至 2 倍，這樣的 “薪資溢價” 正在快速消失。

2.專業對口率暴跌，大量畢業生被迫轉行

更值得警惕的是專業對口率的下滑。2020 屆，計算機類專業畢業生的專業對口率為 76%，也就是說，每 4 個畢業生里有 3 個能進入計算機相關行業。但到了 2024 屆，這個數字已經降到了62%，五年下降了 14 個百分點。

這意味著，每年有近 4 成的計算機專業畢業生，畢業后無法從事本專業工作，只能轉行到銷售、行政、運營等崗位，大學四年的專業學習幾乎白費。

3.跌出綠牌專業榜單，“神專業” 光環褪去

綠牌專業，指的是失業量較小、就業率、薪資和就業滿意度綜合較高的專業，是志愿填報的 “風向標”。

在麥可思近五年的本科綠牌專業榜單中，計算機類專業已經連續三年跌出榜單。取而代之的，是電氣工程及其自動化、微電子科學與工程、新能源科學與工程、機器人工程等工科專業。

這標志著，計算機專業曾經同時具備的 “高薪、高需求、高增長、高確定性” 四大優勢，已經只剩下 “高薪” 這一個標簽，而且這個標簽也只屬于少數高端人才。

四、不是計算機不行了，是 “流水線程序員” 被淘汰了

看到這里，很多家長和考生可能會問：難道計算機專業真的不能報了嗎？

其實，Stonebraker 的 “勸退”，并不是說計算機行業沒有前途了。恰恰相反，AI 時代的到來，讓計算機技術變得更加重要，幾乎所有行業的數字化轉型都離不開計算機。

他真正想表達的是：“只要學計算機就能吃到時代紅利” 的階段，已經徹底結束了。

AI 沒有讓計算機專業失去價值，它只是把 “真正的計算機人才” 和 “流水線程序員” 之間的差距，第一次徹底拉開了。

現在的計算機行業，正在經歷一場殘酷的分層：

• 頂層：大模型架構師、AI 算法工程師、系統設計師、行業解決方案專家，這些人才需要深厚的數學基礎、創新能力和行業經驗，AI 無法替代，依然供不應求，年薪百萬是常態；
• 中層：具備 AI 協同能力、能解決復雜業務問題的中級開發工程師，就業相對穩定，但薪資漲幅放緩；
• 底層：只能完成標準化、重復性代碼工作的初級程序員，正在被 AI 快速淘汰，就業越來越難。

而當前大多數高校的計算機培養模式，還停留在 “流水線程序員” 的階段：課程體系陳舊，重點教編程語言、數據結構、算法刷題，學生的核心競爭力就是 “寫出正確的代碼”。但在 AI 面前，這種能力已經變得毫無優勢。

這才是計算機專業最大的危機：學校還在用舊時代的邏輯，培養新時代不需要的人才。

五、2026 志愿填報：計算機專業到底還能不能報？

結合行業趨勢和就業數據，高途志愿規劃給 2026 屆考生和家長 3 個最核心的建議：

1.分分數段選擇，不盲目跟風

• 高分段考生（985 / 頂尖 211）：依然可以放心報考計算機相關專業。這些學校的師資力量強，課程更新快，學生有機會接觸到前沿的 AI 技術和科研項目。建議優先選擇計算機科學與技術、人工智能、大數據技術與工程、網絡空間安全等方向，大學期間重點培養 AI 工具使用、算法設計和項目實踐能力。
• 中分段考生（普通 211 / 一本）：謹慎選擇純計算機專業。可以優先考慮計算機與其他行業的交叉專業，比如金融科技、生物信息學、智能制造工程、數字媒體技術、地理信息科學等。這些專業既有計算機基礎，又有行業壁壘，不容易被 AI 替代，就業面也更廣。
• 低分段考生（二本 / 專科）：不建議報考純計算機專業。這個分數段的學生，在與高分段學生的競爭中沒有優勢，畢業后大概率只能從事低端開發工作，而這些崗位正是 AI 替代的重災區。可以考慮 Stonebraker 提到的醫療保健、建筑、機電類專業，比如護理學、康復治療學、土木工程、機電一體化技術，這些專業需要線下實操經驗和復雜的現場判斷能力，AI 難以替代，而且就業穩定，薪資也在穩步上漲。

如果最終還是選擇了計算機專業，一定要拋棄 “考上就萬事大吉” 的想法，從大一開始就做好規劃：

• 大一：熟練掌握 Python、Java 等主流編程語言，同時學會使用 ChatGPT、Copilot 等 AI 開發工具，培養 “AI 協同開發” 的思維；
• 大二：加入學校的實驗室或科研團隊，參與實際的項目開發，積累項目經驗，不要只停留在課本和刷題上；
• 大三：確定自己的細分方向（比如大模型微調、計算機視覺、自然語言處理），爭取進入大廠實習，了解企業的真實需求；
• 大四：憑借實習經歷和項目經驗，沖刺校招的中高端崗位，避免陷入低端崗位的內卷。

除了計算機，以下幾個專業在 AI 時代依然有很強的競爭力，適合不同分數段的考生：

• 工科類：電氣工程及其自動化、微電子科學與工程、新能源科學與工程、機器人工程、車輛工程；
• 醫學類：口腔醫學、護理學、康復治療學、醫學檢驗技術；
• 其他類：信息安全、工程造價、學前教育。

Stonebraker 的那句 “不建議學計算機”，從來都不是對計算機行業的否定，而是對所有考生的提醒：這個世界上沒有永遠的 “黃金專業”，只有永遠的 “核心能力”。

過去，我們拼的是 “誰能寫更多的代碼”；未來，我們拼的是 “誰能利用 AI 解決更復雜的問題”。

志愿填報從來不是一勞永逸的選擇，而是人生的第一個重要路口。不要盲目跟風所謂的 “熱門專業”，而是要結合自己的興趣、能力和行業趨勢，選擇適合自己的道路。

畢竟，能決定你未來的，從來不是你學了什么專業，而是你成為了什么樣的人。