专业知识

专业知识

Products

当前位置:首页 > 专业知识 >

计算机专硕专业有哪些(AI时代,9个计算机专业只剩1个值得闭眼报)

剥茧教育 2026-05-11 08:31 1


本文共计2116个文字,预计阅读时间需要9分钟。

2026年北京高考,计算机相关专业我估计依然是热门。但AI时代来了,计算机类哪些专业还值得报?这是我思考了半年的总结,为了让大家识别度更高,我们用流行的评价玩法,给9个计算机专业分为了5个梯队:夯、顶级、人上人、NPC、拉完了。

计算机专硕专业有哪些(AI时代,9个计算机专业只剩1个值得闭眼报)

一、数据总览

以下为2025年北京高考普通批京内一本以上高校的计算机类专业统计数据,模糊匹配包含实验班、中外合作办学、拔尖班、创新班、双学位等所有方向,计算机大类招生的未统计,实际总招生人数比以下清单要多很多。

梯队

专业

2025人数

计算机科学与技术

587

顶级

智能科学与技术

59

人上人

数据科学与大数据技术

441

人上人

软件工程

393

NPC

信息安全&网络空间安全

274

NPC

物联网工程

182

拉完了

网络工程

45

拉完了

数字媒体技术

84

注:2025年普通批招生人数,含实验班、中外合作、拔尖班等所有方向。信息安全与网络空间安全合并统计。

二、梯队排名详解

夯:计算机科学与技术

AI时代唯一的"夯"专业。它教你的是底层原理——操作系统、编译原理、计算机体系结构、算法设计。这些东西不会被AI替代,因为AI本身就是建立在这些基础之上的。

不管AI怎么发展,你都需要理解计算机是怎么工作的。这就是计算机科学与技术的核心价值。就业面最广、转方向最容易、抗风险能力最强。

顶级:智能科学与技术

方向极好——这就是AI的原生专业。但要注意,很多学校的培养方案并不成熟。有的学校是把自动化、电子信息的课拼凑一下就开这个专业。

选这个专业,选校比选专业更重要。一定要看该校是否有真正的AI实验室、是否有相关博士点、课程设置是否系统。招生人数只有59人,说明开设这个专业的学校本身就不多。

人工智能专业属于电子信息类,不属于计算机类,但和智能科学与技术类似,有些高校的培养方案不太成熟,比较拼凑,啥也学一点,但啥也学的不太精。

人上人:软件工程、数据科学与大数据技术

数据科学与大数据技术: 大数据这个概念已经过时或者消失。数据是AI三要素之一,这个专业的底层逻辑没问题。但要注意,纯数据分析、可视化、报表这类工作正在被AI工具快速替代。你需要往算法、数据工程、大模型训练方向走,不能停留在"写SQL出报表"的层面。

软件工程:Claude Code、Cursor、Codex这些工具已经能写出非常复杂的程序代码。普通CRUD编程的价值正在归零。大部分高校的软件工程专业和计科专业有大量课程是重复的,可以当成计科使用。还有就是软件工程这个名字听着不太好听,尤其是在Vibe Coding时代。软件工程专业的出路是往复杂系统架构、分布式系统、安全关键系统方向走。能写代码不够,要能设计系统。

NPC:信息安全&网络空间安全、物联网工程

信息安全/网络空间安全:AI时代漏洞确实更多了——AI写的代码不安全。但AI也在自动修复漏洞。这是一个"攻防拉锯"的行业,不会消失,但也不会爆发式增长。更关键的是,目前整个网络安全行业普遍亏损,大家可以直接查几个著名上市公司的报表。很多中型安全公司靠融资续命。安全公司的营收来源目前主要来自政府、央国企和事业单位。安全行业很重要,是基础,但它不直接让企业产生利润。选专业要看清你选的是直接从事生产还是监管生产。总体上,要认清行业潜在风险。

补充一下,我对信息安全专业的看法和市面上大多数自媒体不太一样,只因为我比大多数所谓的高报师更了解这个行业。而且我用最底层的经济学逻辑给大家分析。

物联网工程:接触一些通讯网络和硬件,AIoT时代有一定需求。但这个专业的天花板不高,很多工作会被嵌入式AI芯片直接替代。适合对硬件和网络感兴趣的同学,但不要期望太高的薪资天花板。

拉完了:网络工程、数字媒体技术

网络工程:容易就业,但工资和层次都不会高。越来越像以前维护程控机的人。云计算把网络配置自动化了,SDN把网络管理软件化了。这个专业的核心技能正在被快速商品化。招生人数只有45人,市场已经给出了 。

数字媒体技术:AI艺术创作让这个专业的技术工种失去意义。ChatGPT Images 2.0、Nano Banana、SeeDance 2.0这些目前最强的AI生成式工具能很好的生成视频、图片,而且Diffusion Model还在快速发展。剩下的审美把控和内容审核工作,交给学艺术出身的人更合适。学数媒的技术工种,已经没有护城河了。

三、报考建议

1. 能上计算机科学与技术就上。这是最稳的选择,进可攻退可守。

2. 想学AI,优先选好学校。智能科学与技术方向好,但学校之间差距巨大。

3. 软件工程和数据科学依然值得报。但入学后要有意识地往高处走,不能满足于写代码。

4. 安全和物联网属于中规中矩。不差但也不亮眼,适合有明确兴趣的同学。

5. 网络工程和数媒,能避就避。除非你有非常明确的细分方向。

AI时代,选择比努力更重要。但比选择更重要的,是持续学习的能力。任何专业,如果你感觉自己能做到前10%,都不会差。关键是不要选一个正在下沉的船, 拼命划桨。

标签:

提交需求或反馈

Demand feedback