坏消息！码农正在经历一场 " 行业大屠杀 "！
" 工科 211，计算机就业率全校倒数第一，比不上学校的英语和法学。"
" 去年投了上百份简历，面试机会寥寥，Zero Offer 选手在此集合。"
" 当年按 ' 热门专业 ' 清单选的 CS，毕业时世界怎么变天了？"
这些声音并非个例，反而和纽约联储最新发布的一份数据形成了奇妙的呼应。
基于美国人口普查局 2024 年的统计，这份涵盖 73 个大学专业的就业报告，揭示了一个让许多人措手不及的现实。
计算机工程和计算机科学，这对曾经的 " 王炸组合 "，双双登上了失业率 TOP 榜单。
长期被调侃 " 毕业即失业 " 的人类学，失业率是 7.9%。曾经站在专业鄙视链顶端的 CS 人，现在和人类学站在了同一起跑线……
找不到工作，还是找不到好工作
仔细翻看纽约联储的报告，会发现一个微妙的反差。
CS 专业的失业率虽高，" 就业不足率 " 却出奇地低，计算机工程 15.8%，计算机科学 19.1%。
相比之下，人类学的就业不足率高达 55.3%，美术、表演艺术普遍超过 50%。
这什么意思呢？简单说：
人类学同学可能是 " 找不到对口工作，先干着别的 "，比如在咖啡馆打工，同时焦虑地投简历；
而 CS 同学往往是 " 有工作机会，但觉得不值那个价 "。
毕竟数据也显示，计算机工程起薪中位数仍有 90,000，计算机科学 87,000，远超人类学的 45,000。
所以许多 CS 毕业生选择了一种 " 战略性等待 "。
宁可在家打磨项目、刷题、等春招，也不愿随便接个 offer 上车。
这解释了为什么失业率数字看起来吓人：不是市场完全没需求，而是供需双方在 " 价值预期 " 上卡住了。
市场在传递一个复杂的信号，低端编码岗位确实在收缩，但高端技术职位依然愿意为真正的人才开出高价。
只是中间那层 " 熟练工 " 的安全垫，变薄了。
如果说应届生的数据是 " 体检报告 "，那过去两年科技行业的裁员潮，就是这些症状的临床显现。
这场调整不分新老，从硅谷一路波及国内：
Meta 在 2022 年底到 2023 年，经历了两轮大规模调整，累计约 2.1 万人离开。
Google 在 2023 年 1 月裁员 1.2 万人，创公司历史之最。
Intel 在 2024 年 8 月宣布裁员 1.5 万人，占比 15%。
还有 Unity2024 年初裁 25%，约 1800 人；
Epic Games，2024 年 9 月裁 830 人，甚至连核心引擎开发者也面临优化。
字节跳动在 2023 年收缩了游戏业务（朝夕光年），2024 年飞书团队也传出调整消息；
阿里云在 2023 年进行组织优化，部分资深专家也受到影响。
更隐蔽的是 New Grad（应届生）招聘冻结。
Google、Meta、Microsoft 等公司在 2022-2024 年间大幅收缩校招名额。
带来的震荡是，成千上万个真实的人，在重新思考自己的职业路径。
如果把时间拉长，会看到这个现象其实有迹可循。
从 20 世纪 80 年代到 2022 年，计算机专业经历了整整四十年的 " 黄金时代 "。
毕业即就业、硅谷大厂在校门口 " 抢人 "、年薪起步六位数。这构成了几代人对技术职业的美好想象。
但 2023 年似乎成了一个拐点。
这种变化，如果用建筑行业类比或许更清晰：以前做一个项目，是一个架构师（Hacker）带着十个码农，像设计师带着瓦匠、木匠一起盖房子。
现在，图纸可以直接交给 AI，瓦匠的工作被快速自动化了。
这不是说 " 写代码 " 没价值了，而是说基础编码、调试 bug、实现既定功能这些曾经的核心技能，正在经历价值重估。
AI 在这些环节上，确实展现出了 " 更快、更准、更便宜 " 的潜力。
结果是，过去需要 1 个架构师 +10 个码农的团队配置，现在可能只需要 1 个架构师 +AI 工具。
问题不在于他们不够优秀，而在于他们花了四年精进的技能，与市场正在寻找的能力模型，发生了微妙的时差。
想象一条钟形曲线：中间部分代表着大量重复性、可预测的标准化工作；两端则是需要独特判断和创造力的非标工作。
现在的 AI 技术，最擅长的恰恰是处理曲线中间那部分 " 肥美 " 的工作，比如规范化的代码生成、模式化的测试、结构化的文档整理。
而回顾我们的教育经历，无论是课程设置还是项目训练，很多时候确实在引导我们成为中段的标准化执行者。
去掌握一门语言、去通过测试、去完成既定功能。
这种训练在过去四十年是 " 就业保险 "，因为市场需要大量 " 技术工人 "。
但当技术本身开始替代 " 技术工人 " 时，我们可能会发现自己正站在被替代风险最高的位置。
到底是教育的失败，还是技术演进速度超过了教育迭代的周期，真不好说了。
某种程度上，是结束也是开始
面对这种情况，或许没有 " 万能解药 "，但我们也确实可以察觉一些规律，反向指导学习和结业。
01
看见 " 系统 " 而不仅是 " 代码 "
那些薪资仍然坚挺的职位，往往更看重设计整个系统、定义复杂问题、协调资源的能力，而非单纯的代码量。
这或许意味着，在选择项目或实习时，可以更多关注那些需要 " 从头到尾思考 " 的机会，而不是只当执行链上的一环。
02
把 AI 当作 " 队友 " 而非 " 考题 "
一个有趣的观察是，现在最稀缺的不再是 " 会写代码的人 "，而是 " 能让 AI 为自己写代码的人 "。
在日常工作中整合 ChatGPT、Claude Code 等工具，把基础编码交给 AI，自己腾出时间做架构设计和价值判断。
这种 " 人机协作 " 的工作流，正在成为新的竞争力来源。
03
请试着往 " 两端 " 走走看
既然曲线中段的风险在上升，或许可以主动往两端探索。
要么是极其垂直的技术深水区，比如特定领域的系统优化，要么是技术与商业、设计的交叉地带，比如产品架构、技术战略。
这些 AI 暂时难以完全接管的领域，可能提供更多的安全感和差异化空间。
说到底那个 " 读 CS 就能高枕无忧 " 的四十年周期，确实进入了尾声。
但这并不是技术职业的终结，更像是价值评估体系的重置。用技术解决复杂问题、创造独特价值的能力，依然稀缺。
对于正在申请学校或规划职业的同学，或许可以换个角度想。
与其挤那座看起来已经拥挤的 " 标准码农 " 独木桥，不如提前布局那些需要技术 + 判断力 + 创造力的复合岗位。
毕竟，40 年的繁荣周期结束了，但属于能够驾驭新工具、构建新系统的人的周期，可能才刚刚开始。
在这个新周期里，重要的不是与 AI 比 " 谁代码写得快 "，而是如何让 AI 成为你能力的放大器。
潮水确实在退去，但新的水域也在形成。
也许我们需要的，只是调整航向，重新学习游泳。
END
▼
需要一对一留学规划指导
扫码获取专属顾问咨询
