当 AI 能写代码修 bug，高考填报计算机专业是“火坑”还是“新机遇” ｜深度对话 6 位专家

优快云程序人生

于 2025-06-07 11:41:01 发布

阅读量369

点赞数 5

文章标签：人工智能 bug 高考

本文链接：https://blog.youkuaiyun.com/csdnsevenn/article/details/148503411

版权

作者 | 梦依丹

出品丨优快云程序人生

一年一度的高考如期而至，今年，将有 1335 万名考生踏入考场，如果说考试是考生的战场，那么让无数家庭真正反复权衡、难以抉择的，其实是考后的另一道大题——「填什么专业」。

从“高考志愿填报导师”张雪峰推出的 17999 元的高考志愿填报服务不到 3 分钟便被抢购一空可见有多火，而计算机和人工智能更是他经常推荐的专业。

今年，在 AI 浪潮的席卷之下，这道选择题更添了几分迷思与变数：

当 AI 能编写谷歌 25% 的新代码、修复 52% 的程序漏洞……

几乎所有 Claude Code 的代码都是用它自己反复编写和重构的时……

AI 加持，编程范式迎来颠覆性变革

曾几何时，一行行代码的敲击是软件工程师的日常。在传统范式下，程序员需要将需求转化为详细的逻辑流程，再用特定语法逐行实现功能。

而如今，以大模型为核心的编程范式，正在从“写代码”转向“写意图”。程序员不再是从零构造者，而是通过自然语言与 AI 对话、协商、迭代，逐步生成最终代码。

这样的变革，不仅改变了开发方式，也正在悄然改变开发岗位的结构。

当下火爆的 AI 编程智能体 Claude 公司的首席产品官 Mike Krieger 在播客中直言，随着 AI 工具接管日常编码，公司招聘策略正转向“只招经验丰富的工程师”，而实习生与初级岗位大幅收缩。

而他们的 CEO 更是直言，未来 5 年，将有一半以上的入门级白领职位将消失，首当其冲的便是初级工程师。

这也意味着：过去那种靠熟记 API、机械地用代码实现功能的工程师，正在失去竞争力。

那么，计算机专业还值得报吗？

6 位一线专家，解答你的计算机专业选择题

为此，我们采访了几位来自学界与业界的一线从业者，他们的视角横跨 AI、移动开发、算法工程与高等教育，希望能为这道复杂的选择题，带来一些更接近现实的解答。

他们分别是：

胡亮，同济大学计算机科学与技术学院教授、博导

梁家卿，复旦大学大数据学院青年副研究员
吕仲琪，中国石油大学（北京）人工智能学院计算机系系主任
严岭，小红书推荐算法负责人
刘汪洋，蚂蚁集团的高级软件工程师
管振纬，开源框架 RealReachability 作者，从业十五年，目前致力于 AI 应用开发

优快云：在 AI 大模型加持下，像国外的 Claude、Cursor，国内的通义灵码、TRAE、Comate 等智能编程工具快速发展，不仅能自动生成代码，甚至具备一定的 bug 修复能力。有人说，未来只要描述清楚需求，AI 就能完成编程工作。在这样的背景下，您认为计算机或软件工程专业对高考生来说，还值得报考吗？为什么？

胡亮：还是值得的，这些 AI 编程工具的引入可以代替了许多以往重复任务的编码，并且减少 bug 发生的可能性，因此使得我们可以更高效的去处理真正需要通过人类智慧才能解决的核心任务。但是，普通低级别编码工作的需求肯定会萎缩，计算机或软件工程专业今后的工作结构构成会和以往不一样。

有个敏捷软件开发的方法称之为结对编程，也就是两个程序员在一个计算机上共同工作。一个人输入代码，而另一个人审查他输入的每一行代码。输入代码的人称作驾驶员，审查代码的人称作观察员（或导航员）。两个程序员经常互换角色。不久的将来，这种结对的模式会变得更为流行，只不过结对的对象，从 2 个人，变成了一个人和一个 AI，互相配合，极大提高了工作效率。

梁家卿：首先，问题中提到，未来只要“描述清楚需求”，AI 就能完成编程工作。然而，即使是现在，优秀的产品经理也不多，如何描述清楚和设计需求也正是计算机和软件工程中会学到的重要能力。

事实上，计算机专业远远不只是编程开发，更重要的是一整套思维过程和能力体系。

其次，AI 最后会长什么样子可能不好预测，但是 AI 将完成的最后一个人类工作就是训练 AI，因为这个闭环一旦达成，AI 自己就可以左脚踩右脚上天。

目前 AI 的开发和训练仍然需要优秀的计算机专业同学参与，若他们也被替代，那么其他工作也不重要了。

第三，仅仅从软件开发来说，一个优秀的开发者和一个速成的开发者可能都能实现功能，但是所产生的软件质量仍然天壤之别。仅目前而言，大部分 AI 生成的代码都仍然称不上高质量代码，当然这也可能因为它学习的大多数代码的质量都一般。

因此，我认为计算机或软件工程专业仍然值得报考。

吕仲琪：高等教育的目的不止是灌输知识，更重要的是教授技术原理和思维方法，我想不论什么专业方向，都需要人作为创新的载体。

计算机或者软件工程专业除了培养同学们的编程能力以外，也介绍数据结构与算法、操作系统、高性能计算、机器学习等等。

这些课程正是 AI 发展的基础，从这点来说，我觉得计算机或者软件工程专业的同学们，应该立志成为 AI 发展的驱动者，推动 AI 更好的服务社会。

严岭：还是值得报考的，计算机和软件工程，重要的不是写代码，“实现”，还有非常多的基础能力，如数理逻辑、系统结构，其实培养的是一种系统化、科学化的、结构化思考问题、解决问题的能力，这些能力不仅仅在计算机/软件行业更有效，在每个行业未来不确定问题上，都能起到作用。

写代码“实现”其实是非常基础的手段，未来大模型发展更好了，计算机和软件工程方向的人才，可能需要做的就是如何设计大模型、如何更好地应用大模型、如何从 highlevel 去设计和完成一个系统。

刘汪洋：现在用国内外这些新一代的 AI 编程工具，其实已经能做到“描述清楚需求，AI 来写代码”了。

我自己 90% 以上的代码，都是在 IDE 里通过写提示词，让 AI 自动生成的。身边很多程序员也都开始用这种方式写代码。

但这不代表程序员就没价值了，或者这个专业就不值得学了。相反，越是有经验的人，越知道怎么写好提示词，怎么拆任务，怎么判断 AI 写出来的代码靠不靠谱。这些能力不是 AI 能替代的。

程序员真正花在写代码上的时间，其实也就 20%。更多的精力是在理解需求、设计方案、调 bug、开会、沟通等等，这些现在 AI 还做不了。

我一直觉得，代码本身不是资产，反而更像负债——它需要维护，需要更新，还可能有风险。所以，我们不是被 AI 取代，而是要学会和 AI 配合，把精力从“写代码”这件事上释放出来，去做更有价值的设计和判断。

当然，如果只是因为“这个专业工资高”才考虑报，那我会劝你再想想。现在行业竞争很激烈，加上 AI 的冲击，就业确实没以前那么容易。

但如果你真的喜欢计算机、喜欢折腾，那这个专业依然值得一读。选择计算机或软件工程专业并不意味着以后一定去当程序员，未来，有可能读研，读博可以继续深造，也可能考公、考编“上岸”。

管振纬：从一名软件开发从业者的视角来看，AI 确实正在极大的改变这个行业。在AI 的加持下，我们可以快速完成新项目的搭建、更容易的使用不熟悉的语言进行编程，解读陌生代码的能力也上了一个台阶。

AI 就像一个外脑，可以大大提升开发人员的能力，但你的工程思维、架构决策能力、对业务的理解和把控仍然起着至关重要的作用。整体来看，可能以后不再需要如此多的编码人员；但我认为，对计算机/软件工程感兴趣且具备良好的逻辑思维能力的同学，仍然可以去选择相关的专业报考；当你的技能/软技能达到专家级别，AI 不会剥夺你的竞争优势。

优快云：我们通常会考虑某个专业好不好，就业怎么样，反而很少考虑专业适不适合你，那么作为过来人，你觉得什么样的人适合填报软件工程/计算机专业？

胡亮：计算机专业的话，其实可以分类为软硬件两类方向，计算机硬件方面研制新的计算机体系结构（比如，量子计算机、类脑计算机）、人工智能芯片、计算机智能通信设备、人机交互设备等，都是很有前景的方向。这类方向适合喜欢电子电路、生物电子交叉，希望做出一些实体设备的学生报考。

计算机软件方面，则以软件工程、算法和模型设计为主，软件工程方面未来更侧重于人工智能驱动的创新软件开发模式，创新项目管理模式，适合算法逻辑性不擅长但对工程管理感兴趣的同学。算法和模型设计方面，对逻辑性和创新能力要求比较高，特别是人工智能变得主流起来以后，针对普通任务的算法设计已经可以用人工智能辅助完成，更需要处理人工智能无法解决的核心问题的能力，以及对人工智能算法和模型本身的更新换代能力，因此适合逻辑性好创造力强的同学，或希望自己的思维和想法就能迅速产出、落地的同学。

梁家卿：计算机专业是一个对创造者友好的专业，虚拟世界几乎没有做不到的事情。喜欢解决复杂问题，对新技术保持好奇心，喜欢用技术解决实际问题的人适合学计算机。

吕仲琪：我觉得最主要的是喜欢接受和尝试新技术，能一直保持学习的态度。计算机和软件在过去十几年间的发展是很快的，我想这样的高速发展可能还会保持很长时间，因为各行各业对软件更好更快更新的追求似乎无穷无尽。这就驱动着技术不断升级迭代，需要一直学习才能跟上发展的速度。

严岭：有好奇心的，希望刨根问底的，有耐心和持续学习精神的人。因为技术的更新换代在软件/计算机领域会更快，所以必须持续学习，才能跟得上技术的发展，另外需要持续创新，所以需要非常强的好奇心。

刘汪洋：我认为最重要的是喜欢，“热爱可抵漫长岁月”，只有热爱，才愿意花时间去钻研，才容易做出一些成绩。

其次，要能够快速适应变化，愿意终身学习。计算机或软件行业公司组织架构调整相对频繁，新技术层出不穷，需要能够快速适应变化，跟上时代的发展，甚至快速发展变化中寻找业务发展方向和机会，需要能够终身学习。

因此，如果你能够考上中上游的双一流学校，而且对计算机或软件感兴趣，可以考虑填报软件工程/计算机专业。如果学校相对没那么突出，但是对计算机或软件非常感兴趣，想从事这方面的工作，那么，在大学中一定要特别重视比赛，实习或科研。

管振纬：首先最好你需要有兴趣：只有爱好才能持久；然后你需要具备良好的逻辑思维能力；另外，你还需要有终身学习的习惯和态度，不断学习。

优快云：如今，许多 AI 工具已经能够辅助甚至部分取代基础的编程任务。过去被视为计算机专业核心能力的技能，比如算法、数据结构、系统设计等，在 AI 时代依然同样重要吗？在您看来，未来哪些技能的权重可能上升，哪些可能逐渐边缘化？

胡亮：算法、数据结构、系统设计在计算机学习的课程中，就像数学里的四则运算、微积分，物理学里的牛顿定律、热力学定律这些基础理论方法一样，是帮助同学们进入计算机领域的基础知识、培养计算机思维能力，因此，即使在 AI 时代，这些还是计算机领域的基础核心能力。

在我看来，那些经验性的技能可能权重会下降，比如软件架构设计，做到高内聚低耦合，很大程度上依赖于架构师的经验，但现在随着AI能力的增强，就如同 AlphaGo，AlphaFold 那般，AI 可能会提供超越经验性技能之外更好的方案。随着 AIGC 技术日益成熟，通过纯人工方式进行计算机内容设计的权重也会下降。而原本对那些创新、创意要求比较高的技能，权重可能会上升，比如，视频、艺术创作。

梁家卿：越到 AI 时代，这些计算机专业核心能力反而更为凸显重要，而一些开发增删改查、重复性编码这些技能的重要性会更为下降。

即使是现在，不考虑 AI 因素，掌握算法、操作系统、底层编程核心能力的同学其实完全不需要什么额外学习就能完成开发一个小程序的这种应用技能。

AI 开发高质量代码目前仍然是难题，即使它在一些算法竞赛题目上有一些优势，如何在开发过程中应用上所有的考虑，最终形成速度效果架构都优秀的高质量代码，目前 AI 还做不到。

即便整个行业要被淘汰，也是拥有核心能力的人后被淘汰。

吕仲琪：我想，在理解实际需求和技术原理的前提下，提出合理创新的能力会显得越来越重要。AI 大模型这一新生产工具把我们从搜索查询和复制粘贴的手工劳动里面解放出来，计算机和软件会发展得更快更好。

严岭：当然重要，算法、数据结构、系统设计，是一种思维模式。在 AI 时代，很多 AI 技术也离不开这些基础的能力，更快的 AI，更结构化，可解释的 AI，都需要这些基础技能来更好地支撑。

未来，如何合理地应用大模型，如何在大模型基础上快速搭建应用、以及和现有应用的结合这些技能可能会格外重要。基础的 coding 工作，增删改查这些偏劳动密集型的代码工作，可能会进一步被弱化。

刘汪洋：我认为，计算机专业核心技能都非常重要。读书时我也曾觉得很多专业课又难又枯燥，甚至怀疑它们和实际工作到底有没有关系。但工作之后才发现，专业基础扎实真的太关键了。

不是所有程序员都在写业务代码。很多人做中间件，做底层框架，甚至做硬件开发，这些都需要扎实的基础，比如算法、数据结构、操作系统、计算机网络这些“老四门”。像最近大火的 DeepSeek，背后能做出创新的团队，恰恰是因为他们的底子够硬。

哪怕是在业务团队，真正能解决疑难杂症的，往往也是专业基础更扎实的人。他们能迅速定位问题、找到解法，自然更容易脱颖而出。我身边就有同事，精通中间件源码，能自己搞语法糖脚本、设计统一数据引擎，这种人往往能解决关键问题、带来实质价值，自然更容易被看到、也更容易晋升。

而且现在就业形势确实严峻，校招对专业基础的考察比以前更细致，容错率也更低。

当然，除了专业技能，这几项能力也非常重要：

第一，是创意和创造力。现在的 AI 工具越来越强，真正能拉开差距的，恰恰是那些有创意的人。而现在很多 AI 产品其实创意不足，同质化严重。能提出好问题、好想法的人，往往更容易抓住机会、创造成果。
第二，是适应变化的能力。我以前是纯 Java 程序员，但 ChatGPT 出来以后，我马上开始研究 AI 应用。我尝试用 AI 做学习助手，比如让 AI 用生活化的例子解释概念，再画图、再给口诀，还能总结成体系，效率高很多。去年备考软考的高级系统架构师和分析师，我用这种方式一次通过，学习时间比以前缩短一大半。
第三，是沟通表达能力。现在写代码，甚至和 AI 协作，都离不开沟通和表达。好的提示词，本质上就是好的表达能力。有些人能把需求表达得清楚、拆解得合理，AI 的效果就非常好。表达能力差的人，连 AI 都难帮到。
第四，是批判性思维。AI 再强也会幻觉，信息真假难辨，尤其是在这个节奏被自媒体带着跑的时代，批判性思维非常重要，不能盲从。
第五，是系统架构能力。未来真正有价值的不是“能写代码的人”，而是“能设计系统的人”。当代码变得更易获得，架构设计就变得更稀缺。
第六，是学习如何学习的能力。我建议大家多请教、善搜索、善用 AI，比如备考之前先搜集各种高效经验、分析优秀案例，这样学习效率和结果会不一样。
第七，是终身学习能力。我看到过一个 60 多岁的老程序员，说“要不是有 AI 编码工具，我早就退隐江湖了。”但他学会用 Cursor 后又能写软件、搞创业了。这就是终身学习的价值。

管振纬：在我看来，学习这些技能进而培养得来的工程思维和能力还是至关重要。

语法细节可能会被边缘化，UI 搭建也是。真正的价值会体现在业务和产品中，这也是回归到事物的本质。

因此，工程思维、产品思维、创新能力、执行力、沟通能力这些听上去没那么硬的技能，可能会变得更加重要。单纯和 AI 比拼写代码，人类应该是越来越处于劣势。我觉得我们处于一个关键的时刻，人们的工作和生活有可能会发生很大的改变。短期而言，期待生产力的提高可以帮助普及做四休三。