在留学圈，CS（计算机科学）一直是顶流专业：高薪、好就业、稳定，被誉为“留学生的黄金护照”。甚至衍生了一股“转码”热潮：不管本科背景如何，研究生只要学CS，就仿佛拿到了进入硅谷的入场券。
然而，这一专业却在一项排名中跻身于高失业率的行列，实在令人难以置信。
根据纽约联邦储备银行最新数据显示：
- 美国 22-27 岁计算机科学毕业生失业率为 6.1%
- 计算机工程专业毕业生失业率更是高达 7.5%
- 对比之下，艺术史、 生物学失业率仅为约 3%
再加上之前听闻亚马逊、英特尔、Meta、微软等互联网大厂纷纷开启“裁员大潮”，比如英特尔于近日内部发出通知，计划在未来几周内裁减 15% 至 20% 的工厂员工。这导致大家开始担忧 CS 专业就业前景。
乍一看，CS 也呈现要“跌下神坛”的势头。还有传言说，CS 即将成为“第五天坑”。但事实真的如此吗？CS 还推荐申请吗？
从中美名校毕业生“毕业即失业”，到知乎热榜刷屏的“双非高校CS就业率不足50%”，一个个真实的案例正在打破人们对CS专业的固有想象——它不再是那个“轻轻松松进大厂”的香饽饽了。
表面上看，CS专业就业难，是因为大厂不再招人，岗位总量在下降。但更深层的原因，其实是一系列系统性因素叠加后，对“CS 应届毕业生”这类新人产生了直接而猛烈的挤压效应。
📈毕业生数量激增
过去十年，全球CS留学生申请数量持续攀升，在美国CS类研究生的申请量已是理工科专业中的绝对第一。竞争激烈程度随之水涨船高。
📈大厂岗位收紧
疫情前，不少毕业生能直接进入Apple、Google、Amazon等顶尖公司。但过去两年，大厂招聘放缓或冻结，入门门槛明显提高。
📈AI 对低端岗位的替代
大模型快速发展后，很多公司开始用AI取代前端、测试、甚至部分后端工程师。以往由初级程序员完成的基础性编码任务，正逐渐被自动化工具取代。行业对软件工程师的要求正在快速向高层次、跨领域方向转移。
短期来看，市场上确实存在供大于求，就业难度提升。但长期来看，计算机仍是全球数字经济的核心技能之一，需求潜力巨大。
从世界经济论坛 world economic forum发布的未来就业报告来看，人工智能机器学习、商业智能分析、信息安全分析、金融技术、数据分析、机器人、数字化等岗位都是未来五年会增长最快的行业。
相当于，报告中前十大的行业里面至少有 7 个与计算机领域直接有着非常紧密的关系。
此外，根据去年payscale 官网发布的College Salary Report——美本薪资报告，统计出CS专业毕业生的就业方向有280个，就业选择十分丰富，并且绝大部分都是和计算机相关的岗位。
比如软件工程师、机器学习工程师、运营开发等技术方向直接相关的工作，也有一些是结合了数据分析、金融、财务相关的分析研究岗位，还有一些偏管理岗，但也和计算机相关的经理岗位。
另外这280个工作岗位平均年薪的平均数达到10万美元，也就是相当于大概人民币70万，名副其实的高薪职业。
可以预见，计算机在未来以及近几年当中，会逐渐成为一个工具，如果可以跳出固有的找工思维框架，那将会拥有多样化的职业选择，可以在各行各业里去找到 CS 专业的工作岗位。
总之，计算机这几年的就业形势跟十年前不能比，但是在全球经济寒冬期，放眼所有的专业赛道计算机依然算是好就业的专业，可以说是“矮子里面拔高个”。
📍AI 兴起机会丛生，尽可能选交叉项目
当然，比较入门级别的码农很容易被 AI 取代。但是 AI 相关的职位依然是非常的火热，甚至是一个供不应求的状态。
比如算法设计、系统架构、计算复杂性理论 —— 这是CS的核心，AI 只是工具，背后仍需人来定义问题、优化逻辑。
再加上现在 AI 是一个势不可挡的一个趋势，AI 会跟各种各样的行业重新结合起来，推动各种各样的产业相关的进步。比如 AI 金融、AI 医疗这些相关的产业虽然现在可能是一个萌芽阶段，从趋势上来看是势不可挡的。
因此，如果是学deep learning、machine learning、Al的，就业会相对有保障。
📍就业市场看重经验，做好长期准备
建议 CS 毕业生一定要在毕业之前多刷一些实习，在学校多做些科研，多刷一些经历，哪怕是通过开源的一些项目去参加一些比赛，来提升自己的实战经验也比简历上面只有学位和 GPA 强。
现在的就业市场非常考验经验，企业要从这些学生里面筛选一些项目做得好的实习做得多的学生。如果大厂一开始进不去，可以先进一些创业公司或者是一些科研相关的实验室的。
虽然大家都在吐槽 CS 专业非常坑，但报考人数仍在增加。毕竟CS 最引人入坑的就是你只要有工作，收入就能完爆你其他专业的同学，比如 CMU CS 专业毕业生的平均年薪达到 14 万美元，折合人民币约 98 万元。
就目前的申请情况来看，CS 依然是所有理工专业里最热门的、且申请难度最大的专业，其次是 ECE 和 DS。
以美国藤校🏫宾夕法尼亚大学的计算机专业为例：
🔍CIS（计算机与信息科学）：录取率约 8.7%，申请人数1974，仅录取172人，GPA中位数3.92，GRE中位数330，托福109
🔍MCIT（转专业CS）：录取率不足10%，申请人数1225，仅录取118人。
其他如数据科学、游戏设计、机器人和软件工程等项目录取难度稍低，但 GRE 和 GPA 中位数也在 325 和 3.79 以上。
但 25 Fall 部分顶尖项目有少许扩招：
🔍CMU 的机器学习硕士：往年录取率仅在 8% 左右，申请人数 1300+，难度逐年递增，但是 25 Fall 有少许扩招。
🔍UCSD 的计算机工程：属于 CS ranking 排前三的项目，官网数据每年投递数量4800+，历年录取率约8%，申请人数超过1300，25 Fall 扩招少量名额，但GPA仍普遍高于3.8。
✅CS、CE、ECE混申降低门槛
由于CS申请竞争太大，这时候同学们就可以选择一条曲线救国的捷径，即申请计算机工程 (CE)、或者电子和计算机工程专业(ECE) 专业，这些方向往往能避开CS的最高竞争压力，且和CS课程内容高度重合。
一些学校也会开设如软件工程、AI、信息技术和安全等与 CS 相关的分支方向或者专业，大家不用担心如果选择这些方向不容易申请到名校，目前CMU、UCLA、JHU、WUSTL、NYU等学校都有开设与 CS 相关的可供混申的专业。
✅选择交叉学科方向
“AI + X” > “纯AI/纯X”： 单打独斗的时代过去了。核心是“结合点”。你对哪个“X”（医疗、金融、材料、能源、社科、商业...）有热情或基础？把AI/数据科学作为赋能工具深钻进去，价值翻倍。别只盯着CS学院，看看医学院、商学院、工学院、社科学院新开的交叉项目！
人工智能（AI）、信息安全、数据科学、AI+行业交叉（AI+金融、AI+医疗）是未来增长最稳定的领域。
✅课程实用性＞理论性
对多数人而言， 除非立志顶尖科研，否则关注那些培养你“解决真问题”能力的项目。课程是否包含大量实践、项目、行业合作？是否教授部署、运维、伦理、沟通这些“软技能”？
CMU的AI Engineering、帝国理工的AI & Business Application就是典型代表。
✅累计实习&科研经历
除开基础的硬件背景外，如果有实习科研这类软背景，那么在申请中也是加分的。建议想申请CS硕士的同学课余时间一定要多参加实习或科研项目，CS的实操是非常重要的Part！
空有理论没有实际操作经验积累，这就好像一个空想者，想法很多却无法脚踏实地的去实现。尤其是希望在CS硕士期间细分到某一方向的同学，那么更需要针对所选方向做一些相应的背景积累。
尽管 CS 领域目前面临一些质疑声音，但考虑到就业市场数据、技术的持续进步、自动化的兴起以及全球数字化转型的浪潮，我们仍可对 CS 的前景持乐观态度。CS 依然稳坐“卷王”专业的宝座。
【竞赛报名/项目咨询+微信：mollywei007】
