这是最具讽刺意味的一章。计算机科学，这个在过去三十年最炙手可热的专业，这个被视为"未来通行证"的领域，正在经历深刻的范式变革。而变革的推动者，正是计算机科学家们自己创造的人工智能。

    2022年底，ChatGPT的发布让"自然语言编程"成为可能。用户可以用日常语言描述需求，AI就能生成可执行的代码。2024年，GitHub Copilot等AI编程助手已经能够完成超过40%的代码编写工作。更先进的系统，如Devin、Cursor等，已经能够独立完成完整的软件开发项目：理解需求、设计架构、编写代码、调试测试、部署上线。一个非专业人士，借助AI工具，可以在几天内完成过去需要专业程序员数月才能完成的项目。

    计算机专业的核心技能——编程——正在经历"去技能化"。传统计算机教育花费大量时间教授编程语言的语法、数据结构、算法、设计模式。学生需要记忆大量API，练习调试技巧，积累工程经验。这些正是AI最擅长的领域。大语言模型在数万亿行代码上训练，它们"知道"几乎所有编程语言的语法，"记得"绝大多数常用库的使用方法，"理解"各种设计模式和最佳实践。当AI能够瞬间生成高质量代码时，人类程序员在"编码速度"上的优势荡然无存。

    这不是说软件工程不需要人了。相反，软件正在吞噬世界，对软件的需求呈指数增长。但需求的增长并不意味着对"计算机专业毕业生"需求的增长。因为AI正在将软件开发的门槛降低到前所未有的程度。

    让我们看看软件开发的实际流程。传统流程包括：需求分析、系统设计、编码实现、测试调试、部署运维。AI在每个环节都在渗透。需求分析阶段，AI可以帮助客户澄清需求，自动生成需求文档；设计阶段，AI可以根据需求自动生成系统架构和数据库设计；编码阶段，AI可以生成大部分代码；测试阶段，AI可以自动生成测试用例并执行；运维阶段，AI可以监控系统状态、自动修复故障。人类工程师的角色，正在从"执行者"转变为"监督者"和"决策者"。

    问题是，这种转变需要多少"计算机专业"的知识？一个理解业务逻辑、具备基本逻辑思维的人，在AI的辅助下，完全可以胜任过去需要专业程序员的工作。这就像计算器的发明没有消灭数学，但消灭了"计算员"这个职业；文字处理软件没有消灭写作，但消灭了"打字员"这个职业。AI编程工具不会消灭软件工程，但会消灭"码农"这个职业。

    计算机专业的教育体系建立在"从底层到应用"的阶梯之上。学生先学习计算机组成原理、操作系统、计算机网络等底层知识，然后学习编程语言、数据结构、算法等核心技能，最后才接触应用开发。这个体系的假设是：只有理解底层，才能做好应用。但在AI时代，这个假设正在失效。

    现代软件开发越来越像"搭积木"。开发者使用现成的框架、库、云服务，将各种组件组合起来，快速构建应用。AI进一步加速了这一趋势。当AI能够自动生成调用云服务的代码，能够自动处理性能优化和安全防护，开发者需要关心的"底层"细节越来越少。这不是坏事——它意味着开发效率的极大提升。但对于计算机专业的学生来说，这意味着他们花费大量时间学习的"基础知识"，在实际工作中的直接价值越来越低。

    更严峻的挑战来自AI对"算法"领域的侵蚀。算法曾被认为是计算机科学的核心，是区分普通程序员和优秀程序员的关键。但AI在算法任务上的表现令人震惊。在编程竞赛中，AI系统已经能够达到人类顶尖选手的水平。在实际工程中，AI生成的算法实现往往比人类编写的更加高效、更少bug。当AI能够自动选择最优算法、自动进行复杂度分析、自动优化代码性能时，"算法能力"这个核心竞争力也在贬值。

    计算机专业的价值正在向两端转移：一端是极底层的硬件和系统创新，如芯片设计、操作系统内核、新型计算架构；另一端是极顶层的业务理解和产品设计。中间层的"应用开发"，正在变成AI的领地。但问题是，底层创新需要极深厚的数学和物理基础，每年能吸纳的毕业生极少；顶层设计需要跨领域的综合能力，传统的计算机教育并不培养这些能力。大多数计算机专业的学生，毕业后发现自己处于尴尬的中间地带：底层不够深，顶层不够广，而中间层的工作正在被AI接管。

    产业数据印证了这一趋势。2023年至2024年，全球科技行业经历了大规模裁员，软件工程师是重灾区。与此同时，"AI工程师"成为最热门的职位，但这个职位的要求与传统计算机专业教育大相径庭。AI工程师需要理解机器学习原理、能够设计和调优AI系统、具备跨学科的知识背景。这些技能，传统的计算机课程体系很少涉及。

    未来的计算教育可能分化成两个方向：一是极少数精英接受的"计算科学"教育，专注于理论创新和底层突破；二是面向大众的"计算素养"教育，让每个人都能够利用AI工具解决实际问题。中间的"软件工程"专业，可能会像今天的"打字专业"一样，成为历史名词。