美國國家學生資訊交換研究中心2026年春季報告顯示，曾經連續多年霸榜熱門的電腦科學（Computer Science）科系大學入學人數下降8.1%， 研究生入學人數下降14.0%，是近年來的最大單年跌幅。與此同時，CompTIA最新就業報告指出，全美基礎軟體開發職位招聘量較去年同期縮減逾9%。曾經被視為就業鐵飯碗的CS科系，正經歷一次結構性降溫。
與此同時，人工智慧（AI）課程卻正在快速滲透到商科、工程、醫學、人文甚至藝術等多個領域。UT Austin電腦科學系主任甚至公開定調——“就像人人需要數學和讀寫，人人都需要AI素養”。這背後的真正變化，並不是電腦科系過時了。
CS光環褪色？背後是人才需求的升級
過去十多年，美國大學最受國際生追捧的科系之一就是電腦科學，原因很簡單：高薪、就業機會多、科技行業需求旺盛。根據美國教育部國家教育統計中心的資料，電腦與資訊科學是美國大學階段增長最快的科系之一。自2010年代中期開始的“人人都轉碼”浪潮，曾讓全美CS科系入學人數連續十年高速膨脹，師資、課程和科研資源嚴重向該領域傾斜。
然而隨著GPT-5、Claude 4等大模型在基礎程式設計任務上的表現逼近甚至超過初級開發者，雇主對只會搬磚式寫代碼的畢業生需求驟然收縮。美國勞工統計局將2024-2034年軟體開發人員職位增長預期從25%下調至17%，並首次在職業展望中加入“受AI自動化影響”的標註。因此，美國大學也在調整培養方向：從培養“電腦科系學生”，轉向培養“所有科系學生的AI能力”。過去，人工智慧屬於電腦學院；未來，人工智慧可能像數學、寫作能力一樣，成為所有學生需要掌握的基礎技能。
UT Austin推動面向非電腦科系學生的AI課程，課堂上心理學系用AI分析共情對話，建築系學生用擴散模型推敲設計方案，音樂系學生訓練旋律生成器探索風格遷移。系主任解釋說：“AI素養和數學、讀寫一樣，是跨職業的基礎能力，我們刻意將這門課從電腦系的語境裡剝離出來。”
西北大學因過去CS熱潮大幅擴大的師資，如今大量轉向教授音樂、傳媒、社會科學等外科系學生，並同步增設AI主修、簡化跨院系先修課要求。哈佛大學在Harvard College Writing Program課程中將大語言模型融入課程大綱，要求學生用GPT-5完成文獻梳理與初稿生成，並撰寫反思論文，審視AI輔助下的論證弱點和倫理陷阱。普渡大學更直接將AI素養設為全校畢業要求，自2026年秋季起，無論主修哲學、農業還是工程，所有新生均需修讀一門整合了機器學習原理、提示工程與倫理判斷的AI基礎課程。
2027、2028的申請者若仍僅為高薪而硬轉碼，風險正在累積；但若能在熱愛的領域疊加計算與AI思維，機會反而在爆發。CS降溫的本質，是技術紅利從生產者向應用者的擴散。
跨界者：給任何科系裝上超級引擎
很多同學與家長看到CS降溫的新聞，第一反應可能是：是不是電腦科系不能申請了？其實答案並不是。真正發生變化的是：單一技能型人才的競爭力正在下降，未來更具優勢的方向，是“AI+行業”。例如：電腦+生物醫學，可以進入AI醫療領域；統計學+金融，可以進入量化分析和智慧投顧領域；心理學+AI，可以參與人機互動、用戶研究；傳媒+AI，可以探索智慧內容生產；工程+AI，可以進入機器人、自動駕駛等領域。美國大學近年來不斷增加跨學科項目，本質上也是為了適應這一趨勢。
心理學系學生馬庫斯·歐文透漏自己輔修AI的原因很務實：越來越多臨床機構用AI做初診分析和進展監測，我想成為那個知道如何向AI提問、並判斷它是否出錯的治療師。音樂系學生則希望通過AI探索生命與意識的哲學問題，生物學學生試圖從類比大腦的角度逆向理解AI的決策機制。這些選擇背後，沒有一個人提到轉行做程式師。
申請者的策略重構：如何跑出優勢
當美國大學紛紛將AI素養納入通識框架，當跨學科“AI+”能力成為錄取與就業的新焦點，申請者的傳統優勢領域正在被重新定義。我們需要一場清醒的策略重構。
(1)選校邏輯的重心轉移
過去同學與家長選校的核心指標往往是CS專業排名，這套在單一技術賽道上行之有效，但在AI通識化時代略顯局限。新的選校重心或許要考慮到：這所大學在AI融合教育上的準備有多深？ 比如是否為非CS科系學生提供有學分認證的AI輔修、證書項目？學校的AI通識課程是走過場還是真融合？
(2)背景提升的新敘事：從技術炫技到問題驅動
申請者長期依賴的競賽獎項、科研論文和標化高分，在AI通識時代面臨敘事效力的衰減。招生官不再只關心會不會寫代碼，而是追問用什麼工具解決了什麼問題。比如熱愛歷史，嘗試用AI工具分析某段歷史時期的文獻語料庫，尋找前人未曾注意的敘事模式；核心不是調用了多複雜的模型，而是如何定義問題、如何判斷AI給出的結論是否可靠、以及用這些發現做了什麼。
(3)不同背景申請者的差異化路徑
對於傳統理工強校背景的申請者，優勢在於技術底子，但風險恰恰在於只有技術底子。需要在活動中刻意增加用技術解決人文或社會問題的案例，證明不是一個只會寫代碼的人，而是一個用代碼回應真實世界的人。
對於人文社科背景的申請者，正處在這次變革中最有利的起跳位置。美國大學的AI通識課程大量向藝術、社會學、心理學等科系傾斜，招生官渴望看到文科生如何用AI拓展本專業的邊界。差異化優勢不在於技術深度，而在於問題的獨特性和視角的稀缺性。
美國大學正在告訴我們：未來真正稀缺的是懂技術、懂行業、懂創新的人。對於留學生而言，與其糾結“CS還能不能讀”，不如提前思考如何證明：自己具備學習新技術、跨越學科邊界、解決真實問題的能力。
