10月29日，美国国家学生信息交换研究中心发布了2026年秋季学期的初步入学数据。计算机与信息科学是这份报告里跌得最明显的一个字段：四年制本科同比下降12.4%，两年制学院下降12.3%，研究生阶段下降10.4%。把时间拉长到两年，本科累计下降18.4%，研究生累计下降27.1%。这些数字来自7.92百万条注册记录、覆盖46.0%的参与院校，截止日期是9月24日。
单看计算机的跌幅还不够，需要和同期其它专业对照。同一批四年制院校里，工程入学增长6.1%，健康专业增长6.2%，生物增长3.8%，商科基本持平在0.1%，人文下降4.5%，视觉与表演艺术下降4.2%。总体入学增长0.2%，本科增长0.6%，研究生下降1.6%，其中硕士项目下降3.7%。
这组对照说明学生不是在退出理工科，也不是在退出大学，而是在换赛道。工程与健康同时上涨，计算机单独下跌，指向的是对就业前景的判断而不是对技术本身的兴趣变化。健康专业有执照门槛与稳定需求，工程的岗位分布在制造、能源、基建，受单一行业周期影响较小。
还有一个容易被忽略的细节：两年制学院的跌幅是12.3%，与四年制几乎一致。这类学校的学生更贴近本地就业市场，对岗位变化的反应通常更快。两边同步下跌，说明这不是某一类院校的招生策略问题，而是整个专业的吸引力在收缩。
报告同时列出了几组劳动力市场指标。Indeed的软件开发岗位发布指数约为81，以2020年2月为100；2026年初，只有4.5%的软件开发岗位被归类为入门级；计算机专业应届毕业生的失业率为7.0%。这三个数字拼起来，是学生在填报志愿时能直接感知到的现实。
入门级岗位占比4.5%这个数字尤其值得琢磨。它不表示市场上没有初级工作，而是表示招聘方在发布岗位时明确标注"入门"的比例极低，大量岗位要求两到三年经验。对刚毕业的人来说，这意味着第一份工作的门槛被抬高了一档，而这一档恰好是AI编程工具最能替代的部分：写样板代码、改简单缺陷、补单元测试、做数据清洗。
失业率7.0%也要放在上下文里看。它高于整体失业率，但远没有到"毕业即失业"的程度。真实的图景更可能是结构错配：会写代码的人不少，能独立承担一个模块、能读懂遗留系统、能跟产品和业务对话的人不够。企业在裁掉入门岗的同时，为有经验的人加价。
很重要的一点是归因。国家学生信息交换研究中心明确表示，数据记录的是入学变化，不能证明人工智能是原因。彭博社在报道中把下降与AI削减入门编程岗位联系起来，但这是记者的解读，不是报告的结论。可能的原因还包括疲弱的入门招聘市场、签证与留学政策变化、以及前几年高速扩张之后的回调。
时间线确实吻合。2026年3月，Block、摩根士丹利、Atlassian等公司在裁员时公开提到AI；同期各类编程智能体的能力在一次又一次更新中跨过"能独立完成一个小任务"的门槛。学生的决策周期通常滞后于市场信号一到两年，2024年秋季研究生阶段已经下跌18.6%，2025年秋季本科开始明显下滑，2026年秋季加速，这条曲线与工具能力的扩散节奏基本同步。
但同步不等于因果。一个有说服力的反证是：如果AI是唯一原因，那么与编程相邻的专业应该同步受创，实际却是工程在涨。更合理的解释是学生对"这个专业的投入产出比"重新做了计算，而AI是改变这个比值的关键变量之一。
把视角从招生转到教学，会发现另一个更早发生的变化。计算机专业的课程体系里，入门编程课承担的是筛选功能：通过与否决定了谁能继续读下去。当AI可以帮学生完成作业、通过基础测验，这门课的筛选效力就被削弱了，教师不得不把考核改成现场编码、口头答辩、项目答辩。
这件事的连锁反应比招生数字更深远。如果入门课的筛选功能失效，院系要么提高后续课程的门槛，要么在毕业标准上补回来。两条路都会增加教学成本，而学费很难同步上涨。对规模较大的公立院校来说，这是一笔实实在在的账。
同时，课程内容也在被推着改。教语法与API的部分价值在下降，教系统设计、调试、性能分析、需求判断的部分价值在上升。这类内容更难教、更需要小班、更依赖有工业经验的教师，恰好是当前院系最缺的资源。
这批数字是初步数据，覆盖46.0%的院校，报告的是百分比变化而不是绝对人数，终版要到2027年1月才发布，届时可能有出入。以往的经验是，初步数据与终版在方向上一致，在幅度上会有几个百分点的调整。
对观察AI产业的人来说，这份数据提供了一个少见的角度：不看模型跑分，不看融资金额，看一代人怎么用脚投票。技术对就业的冲击通常先在招聘结构上出现，再在教育选择上出现，最后才在薪酬统计上出现。现在看到的是第二层。
如果明年这个时候计算机入学继续下跌，而工程与健康继续上涨，那么"AI压缩了初级技术岗位"这个判断就有了更硬的证据。如果跌幅收窄甚至反弹，说明这一轮更像是招生周期的自我修正，而不是结构性转移。两种结果都值得记录，因为它是少数能用公开数据验证的AI社会影响指标之一。