AI 时代，计算机专业还能不能选？

大家好，我是Ray，一名来自民办本科即将进入大三的学生。目前在深圳南山的一家小厂实习，岗位是后端开发。今天我想跟大家讨论一下“AI 时代，计算机专业还能不能选“这个话题。希望我的讲解能为你排忧解难，无论你是刚高考完，亦或者是大学生。

这两年，“计算机专业还能不能选”好像成了我们的心病。以前聊计算机，全是高薪、大厂、互联网红利；现在聊计算机，绕不开的却是裁员、学历、内卷，还有抢饭碗的 AI。很多人还没开始学，就被吓住了：如果 AI 都能写代码了，那我学它干嘛？如果普通本科、民办本科、非科班背景已经没有优势了，这计算机这条路还能不能走？

我想，这个问题不能简单回答“能”或者“不能”。

一、 关于选择：你能不能承受这条路的不确定性？

如果你把计算机专业当成一张“毕业就能躺赚高薪”的入场券，那别选，它早就不是了。过去那种靠速成、背两个月八股文、套个项目模板，刷点算法就能进大厂的黄金时代，已经彻底结束了。但我认为它依然能选，但在这之前，你得把盲目的期待这堵墙亲自推倒。

我平时喜欢写日记。翻看我大一、大二的记录，里面出现频率最高的词，就是“焦虑”。学 C++ 焦虑，学数据结构焦虑，找实习的时候更是焦虑到失眠。过程一点都不体面，也绝对不轻松。但也正是这个过程让我看清了：很多人纠结“能不能选”，其实是在追求一种“绝对的稳定性”。但这个时代，哪有什么绝对的稳定？当然，如果你家境优渥，亦或者背景通天，当我什么都没说。

所以，我们真正该问的不是这个专业行不行，而是你能不能承受这条路的学习密度和不确定性。 计算机从来不是一门学完就能通关的专业。今天刚啃完Java语法，明天项目就要转Go，你连协程是什么都得连夜补；今天刚学会写CRUD，明天架构师说要做高并发设计，你才发现之前学的全是玩具代码；今天刚上线一个小功能，明天用户反馈页面卡死，你盯着堆积如山的代码，连从哪里开始排查都不知道。

所以，不要因为“听说工资高”来选，也不要因为“AI 会写代码”就放弃。你该问自己的是：我能不能接受终身学习？我能不能接受刚开始什么都看不懂的挫败感？我能不能接受今天刚学会的东西，半年后就被新技术淘汰？

如果答案是否定的，学计算机会非常痛苦；如果答案是肯定的，那它至少不会辜负你的投入，仅此而已。

二、 最危险的地方，是帮你逃避思考

AI 对行业的冲击是实打实的。在实习里，我也在大量使用 AI：让它写复杂的配置文件，或者帮我梳理不熟悉的代码结构。

但这种便利会让人上瘾。它会给你一种“我好像很快就能把东西做出来”的错觉。以前遇到 Bug，你要查文档、手写代码、反复调试，虽然慢，但你有印象你知道过程。现在，把需求往聊天框一丢，复制粘贴，搞定。于是我们很容易陷入一种“速成的虚无主义”，代码是 AI 写的，Bug 是 AI 改的，面经是 AI 生成的。 这才是 AI 最危险的地方。它不只是替你写代码，它还在帮你逃避思考

但在真实的工作里，AI 永远无法替你背锅，更无法替你承担责任。线上系统崩了、客户在现场骂娘、产品需求有歧义......这些要命的时刻，绝对不是一句“这是 AI 生成的”就可以甩锅解决的。最终，还是需要你这个人去确认需求、沟通边界、排查原因、交付结果。对于目前而言，与人打交道的占比是比 AI 要高的。

我的mt曾对我说过一句话：“不能当 Yes 工程师，不能连自己提交的一行代码都看不懂。” AI 可以帮你写，但你不能不看；AI 可以给你建议，但你不能全信。未来真正拉开差距的，是那些会精准提问、能描述清楚边界、会验证结果，并且能把 AI 训化成自己专属工作流的人。AI 没有淘汰程序员，它只淘汰“只负责敲键盘”的工具人。

三、 练级

当 AI 给你一段代码时，你有没有能力一眼看出它是天才的创意还是致命的 Bug？而这种判断力，源自于你的底蕴：

1. 基础

计算机网络、操作系统、数据结构与算法，计算机组成原理。这些东西看起来很老、很枯燥，但它们决定了你能不能看懂系统为什么这样运行。当然，我绝不推荐你一上来就去啃那几百页的砖头书，是真...写的很好，但我菜...。最好的方式是“带着问题去打怪”，当你在工作中或者学习中看到一个陌生的东西，你不知道，但想了解，回过头去补就可以了（请做好笔记，尽管你不会经常看）这时候你才会明白，书上枯燥的概念是怎么解决现实中绝望的。计算机不同于其他专业，多，杂是常态，系统性学习我认为不是可取之道。

2. 学会实践

如果你的学习只是收藏一堆路线图、看几百集视频、把 GitHub 上的开源项目直接 clone 下来改个名字写进简历，那是自欺欺人。你没有亲手敲过一遍、没有经历过报错的折磨，你就永远不会记住问题出在哪里。人教人教不会，事教人，一次就会。当然也会出现一个错误重复犯的现象，这很正常，因为这个错误不会让你利益受损（比如得请同组同事喝东西...）

3. 留下可复用的资产

我的日记在实习后发生了一个转变：从记录“我今天学了什么”，变成“我今天产出了什么、流程是什么、哪里可以缩短进程、明天怎么避坑”。别堆砌无效的工时，要留下能沉淀的踩坑文档或提效工具（比如skill, agent.md, mcp等）。在学习阶段也是，留下一些文档，记录你当时大彻大悟的理解并表述出来，当你忘记的时候你就能快速了解了。

4. 提问的能力

AI 的上限，取决于你提问的质量。你不知道目标，它就带你乱走；你没有验收标准，它就给你一堆看起来完美的垃圾。当你用 AI，不是只会打开一个聊天框，随便写几句话让他生成，而是能写清楚需求、约束是什么、需要什么环境，会遇到什么问题，那我认为你的潜力非常大。

四、 结语

所以，AI 时代计算机专业还能不能选？我的答案是：能。但你绝对不能再抱着过去的幻想来选。不要幻想只靠一个专业名字就能拿到高薪，不要幻想背完八股文就能稳定上岸，更不要幻想 AI 会自动替你把底层能力补齐。AI 降低了写代码的门槛，却拉高了看懂代码的门槛，它让普通人更容易接触到复杂的工具，但也让企业能以更快的速度，筛选掉那些只会复制粘贴的伪极客。 以前的差距，靠死记硬背或许还能抹平；现在的差距，在 AI 的放大下，只会变成不可逾越的鸿沟。

未来真正拉开人际档次的，不再是“我能不能把这段代码敲出来”，而是：对于一个庞大的系统、一个复杂的业务、如何进行拆解再拆解。如何与人高效沟通，以及如何判断 AI 给你的修改到底是否为最优解。如果你愿意去训练这些能力，计算机仍然是一条充满机会的路。

它不再轻松，也注定不再适合只想走捷径的人。但它仍然属于那些愿意长期学习、愿意直面复杂、愿意在焦虑中死磕到底的人。AI 没有让计算机专业失去意义，它只是撕掉了虚假的红利，把一个最本质的问题重新摆在了我们每个人面前： 在这个时代，你到底是想成为一个只会调用工具的木偶，还是想成为一个能够驾驭工具、理解系统、解决真实问题的核心开发者？

这个答案，我想，你必须自己决定。