AI 时代，学计算机还值得吗？

受伤的玫瑰

AI 时代，学计算机还值得吗？

当人人都能用 AI 写代码、做分析、生成内容，计算机专业还有必要读吗？

数据科学家、计算机专业出身的 Thu Vu 给出了自己的思考。

十年前，她自学编程。 27 岁时，一边全职工作，一边攻读在线计算机科学本科学位，主攻机器学习和 AI。她的核心观点是：证书代表努力，项目代表价值。

在 AI 工具高度普及的今天，这个差别更明显。现在几乎任何人都可以借助工具快速开发原型、自动化流程、生成代码。Thu Vu 甚至用“氛围编程”的方式，配合工具搭建过一个完整的 AI 任务管理应用。技术门槛在下降，但这并不意味着专业能力不再重要。

她强调的是“判断力”。

会用 AI，不等于知道什么时候该用、什么时候不该用。模型生成的图表对不对？自动化流程是否带来新的风险？一个方案在组织内部能否真正落地？这些问题，靠的不是提示词，而是经验和专业知识。

她认为，单纯的编程能力已经不够。技术素养是基础，但真正拉开差距的，是专业技能。无论是医疗、物流、教育，还是零售和餐饮，这些看似“非技术”的背景，都可能成为优势。因为判断力往往来自对具体场景的理解。

她还观察到一个现象，很多公司成立了 AI 小组，但真正创造的价值有限。原因不是模型不够强，而是缺乏决策能力。谁来决定做什么？谁承担后果？如何权衡风险和收益？这些组织层面的问题，比代码本身更复杂。

在就业市场上，她也看到“信号被噪音淹没”的问题。求职者用 AI 写申请材料，企业用 AI 筛选简历，结果反而更难建立信任。她还提到经济学中的“信号理论”。当人们彼此不了解时，会寻找那些成本高、难以伪造的信号。持续打磨的项目、长期投入的内容、真实的人际关系，都是更有分量的信号。

她自己的第一份工作，来自一次无偿参与导师项目的经历。那段时间换来了一封推荐信，而推荐信本质上是他人用声誉为你背书。相比大量线上投递，这种信任更有效。

在职业方向上，Thu Vu 不太追逐热点。她更关注长期趋势，比如人口老龄化带来的医疗需求增长、基础设施升级、教育变革等。她认为，未来更有韧性的职业，往往出现在技术与人际能力结合的领域，而不是纯粹追逐最前沿的技术标签。

她还分享了一个个人体验。她曾尝试用 AI 写 YouTube 脚本。效率确实提高了，但内容缺少自己的声音。语法更标准，却不像她。最后往往还是要重写。她的结论是，问题不在工具，而在期望。AI 可以协助表达，却无法替代个人经历和视角。

在我看来，Thu Vu 的分析和判断颇有见地，总结一下她提到的几个重要观点

1. 把 AI 当工具，而不是替代思考
2. 专注可展示的能力，而不是累积头衔
3. 建立真实关系，而不是追求连接数量
4. 培养判断力和责任感
5. 选择由长期趋势驱动的行业
6. 保持真实

技术环境在快速变化，但一些基本逻辑没有变。人依然信任人，组织依然需要有人承担决策和后果。与其纠结“AI 会不会取代计算机专业”，不如思考，在 AI 普及的前提下，自己能提供什么独特的价值。

## http://t.cn/AXttgauu