我朋友是二六年考上大学的，现在还推荐学习计算机和互联网或软件工程相关的专业吗？

如果你问我一个比较直接的答案：

2026 年考上大学，我仍然推荐计算机相关专业，但已经不推荐把“学计算机 = 毕业当程序员”作为默认规划。

而且我会把这个问题拆成 “这个专业还值不值得学” 和 “哪些人值得学” 两件事来看。

先说结论

如果你朋友现在正在选专业，我大概会这么排：

核心原因是：计算机这个学科本身并没有过时，过时的是过去那种“学会几个框架 → 找个程序员工作 → 轻松拿高薪”的职业路径。

1. 2026 年最大的变化，其实不是“程序员没了”

而是：

程序员的生产力被 AI 大幅提高了。

以前一个普通前端可能需要：

查 API → 写代码 → 调 bug → Stack Overflow → 改代码 → 测试

现在很多工作已经变成：

描述需求 → AI 生成 → 人审查 → 调试 → 架构设计 → 测试 → 部署

所以最容易被压缩的恰恰是：

“只会写业务 CRUD 的普通开发者”。

但这不等于计算机专业失去了价值。

相反，AI 越强，理解计算机的人越重要。

比如你让 AI 写：

const result = await prisma.message.findMany(...)

很简单。

但真正复杂的问题是：

• 数据库为什么慢？
• 索引应该怎么建？
• 为什么出现 N+1？
• Redis 应该放在哪里？
• 消息存储模型怎么设计？
• 怎么保证并发下数据一致？
• WebSocket 怎么扩展？
• 怎么做权限系统？
• 怎么排查线上内存泄漏？
• 怎么设计一个百万/千万级系统？

这些东西并不会因为 AI 会写代码就自动消失。

甚至现在已经出现了一个挺有意思的趋势：**AI 越来越会写代码，但软件工程本身反而越来越强调架构、验证、测试、系统设计和工程能力。**近期关于 AI 辅助软件工程课程的研究，也已经发现高校开始把 AI coding workflow 纳入软件工程教学。(arXiv)

2. 真正的问题是：2026 年计算机的“下限”降低了

我觉得这个才是最应该告诉你朋友的。

过去：

会一点计算机 → 就能找到不错的工作

现在更接近：

计算机专业的平均水平，已经不足以保证你找到好工作。

因为学计算机的人太多了，同时 AI 又把大量初级工作自动化了。

所以未来可能出现非常明显的分化：

                 计算机专业学生
                       │
          ┌────────────┴────────────┐
          ↓                         ↓
    普通业务开发                  强技术路线
    CRUD / 套框架                  CS基础
    AI生成代码                    数学
    缺少底层理解                  系统
    缺少项目能力                  AI
          │                       工程
          ↓                         ↓
      就业竞争激烈              依然很有价值

甚至我觉得未来可能会出现一个很反直觉的情况：

初级程序员岗位减少，但真正优秀的计算机人才价值反而提高。

这不是简单的“程序员被 AI 取代”。

更像是：

一个程序员能够完成过去 3～5 个程序员的工作。

因此公司需要的人变少，但对留下来的人的要求变高。

3. 但为什么我仍然推荐计算机？

因为从一个 2026 年刚上大学的人视角，他真正毕业是：

2030 年左右。

而不是今天。

这个时间尺度非常重要。

你现在不能用：

“2026 年程序员行情怎么样？”

来决定一个 2030 年毕业的人应该不应该学计算机。

应该问：

2030～2035 年，什么能力仍然有价值？

我认为计算机仍然属于非常核心的一类能力。

因为 AI 本身就建立在：

• 计算机
• 数学
• 数据
• 算法
• 网络
• 芯片
• 软件工程

这些东西上。

甚至现在 AI 相关岗位的技能需求，依然高度集中在 Python、SQL、机器学习、数据分析等技术领域；近期研究对十国招聘数据的分析也发现，AI 相关职位绝大多数仍集中在 STEM 技术职业中。(arXiv)

所以：

AI 不是让计算机没用了，而是在重新定义“计算机人才”。

4. 但我不会特别推荐“软件工程”四个字本身

如果有两个学校：

A：普通一本，软件工程 B：普通一本，计算机科学与技术

我通常会更倾向：

计算机科学与技术。

原因很简单：

软件工程很容易被学校教成：

Java → Spring → MySQL → Vue → 做几个项目

这种培养方案。

而计算机科学更容易覆盖：

• 数据结构
• 算法
• 操作系统
• 计算机网络
• 编译原理
• 计算机组成原理
• 数据库
• 离散数学
• 计算机体系结构

这些基础知识。

对于 2030 年以后的人来说，我反而认为：

基础知识的重要性会越来越高。

因为具体框架会快速变化。

你大学学：

Vue 3
React
Spring Boot
某某 AI Framework
某某 Agent Framework

四年之后很可能已经换了一轮。

但：

OS
TCP/IP
数据库
算法
数据结构
编译原理
分布式系统
计算机体系结构

依然在那里。

5. 所以如果是我朋友，我会这样建议

假设他：

情况 A：喜欢计算机

比如高中就喜欢：

• 折腾电脑
• 编程
• Linux
• 游戏 Mod
• 做网站
• 搞机器人
• AI
• 鼓捣服务器

那么：

非常推荐。

哪怕未来程序员行业发生变化，计算机专业仍然给他提供一个非常好的技术基础。

情况 B：只是听说计算机工资高

那我会劝他：

别报。

因为如果他的动机是：

“听说程序员月薪两三万。”

那很可能会在大学前三年经历：

大一
C语言：😐

大二
数据结构：😵

大二下
操作系统：🤯

大三
算法 + 计网：💀

大三下
秋招：
“怎么投了100份只有3个面试？”

然后发现：

“原来计算机不是学个前端就能高薪。”

现在这个行业已经越来越不适合完全没有兴趣、纯粹为了工资的人。

6. 还有一个很重要的问题：学校层次

这个甚至比“计算机 vs 软件工程”重要。

假设：

985 计算机 > 强 211 计算机 > 强双非计算机 > 普通本科计算机 > 很差本科计算机

就业差距可能非常明显。

尤其是 2030 年以后，如果 AI 继续提高初级岗位生产率，公司招聘可能会更加倾向：

少招人，但招更好的人。

那么学历、学校、实习、竞赛、项目、研究经历的重要性可能反而会上升。

所以如果是：

末流本科计算机 vs 强校传统工科

我不会无脑选计算机。

这时候就应该具体比较学校和专业。

7. 我反而非常看好一种组合

如果他分数允许，我会很推荐：

计算机 + 一个实体产业方向

例如：

计算机 + 自动化

→ 机器人 → 工业软件 → 智能制造 → 控制系统

计算机 + 电子信息

→ 芯片 → 嵌入式 → AI 硬件 → 边缘计算

计算机 + 数学

→ AI → 算法 → 数据科学 → 量化

计算机 + 生物/医学

→ 医疗 AI → 生物信息 → 医疗软件

计算机 + 金融

→ 金融科技 → 风控 → 量化 → 数据分析

这种组合的优势是：

AI 能替代“写代码”，但很难替代“既懂某个行业，又懂计算机的人”。

8. 甚至我会建议他不要把目标定成“程序员”

这是我认为最重要的一点。

如果他 2026 年入学，我会告诉他：

不要把大学四年的目标设成“学会 Java/前端，然后找程序员工作”。

而应该设成：

成为一个真正理解计算机系统的人，并且找到一个 AI 很难轻易替代的技术方向。

例如：

计算机基础
   ↓
数据结构 / OS / 网络 / 数据库
   ↓
软件工程
   ↓
AI 工具
   ↓
选择一个方向
   ├─ AI / ML
   ├─ 后端 / 分布式
   ├─ 安全
   ├─ 嵌入式
   ├─ 图形学
   ├─ 数据
   ├─ 编译器
   └─ 基础设施

这比单纯学一个“热门技术栈”稳得多。

最后给你一个非常粗暴的判断

如果你让我给 2026 年高考生推荐专业，我大概会这样说：

“喜欢计算机 → 可以大胆报。”

“不讨厌计算机，而且学校不错 → 可以报。”

“只是听说程序员工资高 → 不建议。”

“学校很一般，只能读一个很差的计算机专业 → 需要和其他强势专业认真比较。”

“能去好学校读计算机 / 电子信息 / 自动化 → 很值得考虑。”

而且现在国家层面的就业政策也明显在推动高校、产业和就业岗位之间更直接地衔接，2026 年教育部的就业行动已经特别强调面向专业适配企业、专精特新企业等拓展岗位。(教育部)

所以我不会得出“计算机已经完蛋了”这种结论。

但我也绝对不会再像 2015～2020 年那样告诉高中生：

“闭眼计算机，毕业随便找个互联网公司就行。”

2026 年真正值得推荐的，是“计算机科学能力”，而不是“程序员这个职业红利”。

如果你朋友已经有具体的高考分数、排名、省份，以及能上的几个学校/专业，那其实可以进一步做得非常具体：我可以直接按 2030 年毕业就业 + AI 冲击 + 学校层次 + 考研必要性，帮他把几个志愿放在一起比较。

那如果选择其他类型的，比如说设计呢、绘画这类的呢

如果把范围扩大到设计、绘画、美术、动画、视觉传达这些方向，我反而会比计算机更谨慎。

不是因为艺术类“没前途”，而是 2026 年 AI 对视觉生产的冲击，可能比对程序开发的冲击还直接。

我会这样看

关键其实是：AI 最先吃掉的是“执行”

比如一个公司以前可能需要：

初级设计师 ↓ 做 20 张 banner ↓ 改 30 次 ↓ 出各种尺寸

现在可能变成：

设计师提出视觉方向 ↓ AI 生成 50 个方案 ↓ 人挑选 ↓ 人修改 ↓ 最终交付

所以如果一个人的核心能力是：

“我会用 Photoshop / Illustrator / Procreate。”

这个能力的稀缺性确实会越来越低。

但如果是：

“我知道这个产品应该用什么视觉语言，我能建立完整的视觉体系，我知道什么东西好看，也知道为什么好看。”

那就完全是另一回事。

所以“绘画”要特别区分

如果你朋友是真的喜欢画画：

我不会劝他因为 AI 就放弃。

因为绘画本身依然是一项非常有价值的能力。

但我会劝他：

不要把“画得好”当成完整的职业规划。

最好形成：

绘画
 +
设计
 +
软件工具
 +
商业理解
 +
AI

例如：

插画师

传统路线：

接稿 → 画稿 → 收钱

现在可能比较危险。

但是：

插画 + IP 设计 + 角色设计 + 世界观 + 品牌

价值就高很多。

更值得注意的是“角色设计”

如果他喜欢二次元，我反而会比较看好：

角色设计 / 概念设计 / 游戏美术 / IP 设计

但这里也不能简单理解成：

“AI 画不了角色，所以这个行业安全。”

恰恰相反，AI 已经非常擅长大量生成角色概念。

真正值钱的可能变成：

设计能力 + 审美 + 叙事 + 风格控制 + 项目协作

比如一个游戏需要：

设计一个角色

普通人：

“给我生成一个漂亮的二次元女孩。”

AI 可以做。

而专业设计师需要解决：

她是谁？ 她的职业是什么？ 为什么穿这种衣服？ 颜色为什么这么搭？ 她和世界观有什么关系？ 怎么让玩家一眼记住？ 怎么保证三视图一致？ 怎么交给建模师？ 怎么适配游戏实际生产？

这就是从“画画”变成“设计”。

反而我比较推荐“设计 + 技术”

这一点我非常想强调。

例如：

UI/UX + 前端

这是我非常推荐的一条路线。

一个人同时懂：

Figma ↓ UI Design ↓ UX ↓ HTML/CSS ↓ React ↓ AI

他的竞争力会比：

只会画 UI

强很多。

因为他可以直接：

设计 → 实现 → 调整 → 上线

这种人非常适合小团队、创业公司、产品团队。

甚至可以走“Creative Technologist”

这是我觉得未来会越来越有意思的一类人。

比如：

设计 + 编程 + AI + 交互

能够做：

• WebGL
• Three.js
• 动态视觉
• 交互装置
• AI 艺术
• 创意网站
• 游戏 UI
• 生成式设计
• 数据可视化
• 交互动画

这种人实际上不是传统意义上的：

“程序员”

也不是：

“美术”

而是：

能把技术变成视觉体验的人。

这个方向我个人反而很看好。

如果是我朋友，我会这么劝

假如他跟我说：

“我喜欢画画，但也不知道以后干什么。”

我不会说：

“别学美术，没前途。”

我会问：

你是喜欢“画画”本身，还是喜欢“创造视觉作品”？

这是两个完全不同的问题。

如果他只是喜欢画：

→ 可以把绘画作为长期能力/副业，专业选择未必一定是美术。

如果他非常热爱：

→ 可以学。

如果他喜欢：

画画 + 游戏 + 二次元 + 设计

→ 游戏美术 / 角色设计 / 数字媒体可以考虑。

如果他喜欢：

画画 + 产品 + 网站

→ UI/UX + 前端非常值得考虑。

如果他喜欢：

画画 + 工程 + 实体产品

→ 工业设计 + 工程/计算机。

如果他喜欢：

视觉 + 技术 + 新东西

→ 数字媒体 / 交互设计 + 编程。

最后其实可以用一个很简单的原则

2026 年选择专业，我越来越不建议选择“单一技能型专业”。

例如：

❌ 我会画画 ❌ 我会 PS ❌ 我会剪视频 ❌ 我会写 Java ❌ 我会做网页

这些东西都越来越容易被 AI 增强甚至部分替代。

而更有价值的是：

领域知识 × 审美/创造力 × 技术 × AI × 沟通/商业

所以如果一个高中生既喜欢计算机，又喜欢画画，我反而不会让他二选一。

“计算机 + 设计”可能比单独学计算机或者单独学绘画都更有意思。

尤其如果他以后想进入游戏、动画、互联网产品、AI、交互、数字媒体这些行业，这种复合能力会非常有竞争力。

看完了你给我的建议，其实说白了就是将所有的岗位都进行了融合，我了解到一类细分领域比如 cad 和 3d建模，这块 ai 现在能做到的级别又是如何

对，你这个追问其实抓到了一个很关键的区别：

“AI 会不会画一个 3D 模型”和“AI 会不会做 CAD / 工程设计”，完全不是一个问题。

如果把范围限定到 CAD、机械设计、工业设计、3D 建模，我对它的判断反而和“平面设计/插画”不太一样。

截至 2026 年，AI 在 3D 内容生成方面已经很强，但在严肃 CAD / 工程设计方面还远没有到“设计师可以消失”的程度。

先把 3D 分成三类

这是最重要的。

为什么？

因为这三者对于“正确”的定义完全不一样。

① 游戏、影视 3D：AI 已经非常能打

现在已经可以：

一张图片 → 3D 模型

或者：

一段文字 → 3D 模型

例如现在的 Meshy、Tripo 等已经能直接从文字/图片生成带纹理的 3D asset，并且提供重拓扑、分割、绑定、动画等后处理。(Tripo 3D)

甚至 Tripo 目前的 API 已经能：

Text → 3D Image → 3D Multi-view → 3D Retopology Texturing Rigging Animation

形成完整工作流。(Tripo3D)

所以如果一个人的工作是：

“帮游戏做一个箱子、椅子、武器、装饰物”

AI 已经非常危险了。

因为这种东西本质上是：

“视觉上像就行。”

② 但是 CAD 是完全不同的世界

假设你让 AI：

“帮我设计一个自行车脚踏板。”

它生成一个：

       ______
     /        \
    |   踏板   |
     \________/
         |
         |
        轴

从视觉上：

没问题。

但是工程师真正要问的是：

• 材料是什么？
• 承载多少牛？
• 安全系数多少？
• 螺纹规格？
• 轴承怎么安装？
• 公差多少？
• CNC 能不能加工？
• 注塑能不能脱模？
• 壁厚多少？
• 热处理？
• 表面处理？
• 装配间隙？
• 疲劳寿命？
• 有没有干涉？
• BOM 怎么出？
• 怎么生成工程图？

这时候：

“长得像一个脚踏板”几乎没有意义。

这也是为什么我认为 CAD 比绘画更“抗 AI”

CAD 的核心不是：

“把东西画出来。”

而是：

“把一个满足约束的实体系统定义出来。”

这两件事差别巨大。

例如一个零件：

       100mm
   ┌───────────┐
   │           │
   │    ○      │  ← Φ20
   │           │
   └───────────┘

AI 如果只是生成一个视觉上差不多的 3D mesh：

没什么用。

你真正需要的是：

Width = 100mm
Height = 50mm
Hole = Φ20
Material = ...
Tolerance = ...
Thread = M...
Fillet = R...

也就是说：

CAD 是参数、约束、关系和制造规则组成的模型。

但这里有个非常重要的变化

AI 并不是没进入 CAD。

恰恰相反：

2026 年已经进入得非常深了。

比如 Autodesk 的 Fusion 已经提供 AI 辅助 CAD，包括：

• Generative Design
• AutoConstrain
• Automated Drawings
• AI Assistant

Fusion 的 Generative Design 可以根据几何、性能和制造约束，自动探索大量设计方案。(Autodesk Help)

而且 Autodesk 在 2026 年已经开始让 AI 不只是“告诉你怎么操作”，而是通过 Fusion MCP 进入实际设计工作流，让 AI 能与 Fusion 环境交互。(Autodesk)

这就非常有意思了。

AI 真正正在替代的其实是 CAD 的“操作员”

以前：

工程师知道自己要什么 ↓ 打开 SolidWorks ↓ 拉伸 ↓ 倒角 ↓ 打孔 ↓ 阵列 ↓ 改尺寸 ↓ 出工程图

以后越来越可能：

工程师描述设计意图 ↓ AI 建立模型 ↓ AI 自动约束 ↓ AI 自动生成多个方案 ↓ AI 做仿真/检查 ↓ 人选择 ↓ AI 出图/BOM

这其实和程序员的变化非常像。

SOLIDWORKS 现在也已经这么干了

SOLIDWORKS 的 2026 版本已经加入 AI 驱动的 drawing creation、assembly generation，以及错误修复等能力。(SOLIDWORKS)

所以你如果问：

“AI 会不会进入 CAD？”

答案已经不是“会不会”。

而是：

已经进入了。

真正的问题变成：

AI 最终会吃掉 CAD 工作流的多少？

我目前比较倾向于这个判断

可以把 CAD 从业者粗略分成：

CAD 操作员
    ↓
能按照工程师要求建模
    ↓
普通机械设计师
    ↓
能够独立设计产品
    ↓
高级工程师
    ↓
懂材料 / 工艺 / 仿真 / 制造
    ↓
系统工程师

AI 对不同层级的冲击完全不一样。

CAD 操作员

🔴 危险

因为：

“把这个尺寸改成 50mm。”

这种东西 AI 太容易做了。

普通建模员

🟠 比较危险

例如：

根据二维图纸建一个三维模型。

AI 会越来越擅长。

普通机械设计师

🟡 开始受到影响

AI 可以帮你：

• 生成方案
• 自动约束
• 参数修改
• 出工程图
• BOM
• 检查错误
• 设计优化

但还不能完全承担工程责任。

高级机械工程师

🟢 短期内比较安全

因为他的价值是：

知道为什么这么设计。

而不是：

“会不会点拉伸按钮。”

甚至有一个非常反直觉的结论

如果让我给 2026 年高中生选择：

传统绘画 vs 机械 CAD

单纯从抗 AI 能力来说：

我会更倾向 CAD。

但还要进一步：

CAD ≠ 机械工程。

真正有价值的是：

机械工程 + CAD + 仿真 + 制造 + AI

而不是：

“我会 SolidWorks。”

这就回到了你刚才说的“是不是所有岗位都融合”

你其实已经发现了一个非常重要的趋势。

未来可能不是：

设计师
程序员
工程师
美术
建模师

分别存在得非常清晰。

而越来越像：

              AI
               │
      ┌────────┼────────┐
      ↓        ↓        ↓
    设计      编程      工程
      │        │        │
      └────────┼────────┘
               ↓
            专业领域

但这里不是说每个人都要变成全栈。

而是：

你必须有一个足够深的“根”。

例如：

路线 A

机械工程

机械原理
材料
制造
CAD
CAE
CAM
      +
AI

路线 B

计算机

CS基础
算法
OS
网络
软件工程
AI
      +
CAD / 机器人 / 工业

路线 C

工业设计

产品设计
人体工学
材料
CMF
3D
      +
AI

这三个人都会用 AI，但根本不是同一个职业。

如果让我给“2026 年选择专业”的人重新排一下

你刚才问的是：

“什么专业未来值得学？”

经过你这个 CAD 问题，我反而会把答案调整成：

第一梯队

计算机 / 电子信息 / 自动化 / 机械工程

这些专业的共同点是：

与真实世界的复杂系统发生关系。

第二梯队

工业设计 / 建筑 / 数字媒体 / UIUX

前提是：

不要只停留在视觉执行。

第三梯队

纯平面设计 / 纯插画 / 纯基础 3D 建模

不是说不能学。

而是：

如果唯一核心技能就是“生产图片/模型”，AI 对它的替代压力确实非常大。

最后我给你一个我认为特别有用的判断标准

以后你看到任何一个专业，都可以问：

“如果 AI 能做到这个人的 80% 工作，这个人剩下的 20% 是什么？”

对于插画师：

审美、创意、风格、客户沟通

有价值，但壁垒相对有限。

对于程序员：

架构、系统理解、业务、验证

壁垒更高。

对于机械工程师：

物理世界、材料、制造、可靠性、安全、工程责任

壁垒非常高。

所以从这个角度看，CAD/3D 建模这个方向值得认真研究，而且我甚至认为它可能比“纯数字内容生产”更适合作为未来职业的技术根基。

不过需要注意：如果你说的 3D 建模是游戏/动画角色建模，结论会明显不同；如果说的是 机械 CAD、工业设计、建筑 BIM、产品设计，又是另外一套判断。你如果愿意，我可以下一步直接把这 4 个方向放在一起：机械 CAD / 工业设计 / 游戏 3D / 计算机，按照 AI 替代风险、2030 年就业、收入上限、学习难度、转行空间给你做一个横向比较。