【新视野】大学专业大洗牌，39个专业被砍，AI专业扎堆扩招

阅读须知：本文内容所有信息和数据，均为作者查阅官方信息和网络已知数据整合解析，旨在让读者更清晰了解相应信息，如有数据错误或观点有误，请文明评论，作者积极改正！

(相关资料图)

（创作不易，一篇文章需要作者查阅多方资料，整合分析、总结，望大家理解。）

身边不少人都在担忧，孩子今年填志愿，到底该不该“冲一把AI”？

另一边，很多在读大学生也焦虑，自己学的专业会不会突然被学校“停招”“撤销”。

这种担心不是空穴来风，大学专业大洗牌了。

2026年4月初多所高校集中调整专业设置，有学校一次性撤掉39个本科专业，也有学校撤销或停招不等的专业方向。

与此同时，人工智能专业却在增长，一个在砍，一个在扩，看起来像是教育版的“产业大迁徙”。

但更关键的问题是，这到底是面向就业的升级，还是一轮换名字、换方向的跟风？

一、真正被“砍掉”的，往往不是专业，而是供需错配的旧路径

高校专业设置，本质上要回答“学什么、出来能做什么”，当一个专业长期出现招生难、就业弱、培养成本高但产出低，调整就会发生。

近几年不少学校集中撤销动画、音乐学、翻译、摄影、广播电视编导、人力资源等方向，表面看是专业被砍，背后其实是岗位结构和用人方式变了。

翻译和基础内容生产这类岗位，过去靠“人堆”，现在大量被工具改变了流程，并不是说语言不重要，而是企业更需要“行业+语言”“业务+沟通”，而不是单一技能的毕业生。

同样，部分传媒与艺术类岗位也在经历“门槛上移”，行业仍然要人，但更集中在头部平台、头部团队。

普通院校用传统方式培养出来的学生，就更容易遭遇“学得会但进不去”的尴尬。

所以我们看到的“专业大洗牌”，其实是社会用人需求和学校培养方式之间的一次对账。

学校把一些长期供需不匹配的方向收缩，是在止损，但到AI扩招这件事，我们会发现“扩得快”不等于“教得好”。

二、AI扩招最怕的不是人多，而是师资、课程、实践跟不上，最后变成“概念课”

AI确实是大趋势，但AI教育不是挂个牌子、开几门“概论”就能完成的。

很多学生的吐槽，其实指向同一个问题，课程看似“人工智能”，上了半学期却像科普讲座，课堂上反复是概念、PPT，缺少代码训练、项目实战，甚至讨论都很少。

更现实的是硬件，有的实验室算力紧张，显卡数量有限，做计算机视觉、模型训练这种任务就会变成“排队做实验”。

AI教学最稀缺的从来不是招生指标，而是能把“原理—工程—应用—产品”串起来的老师。

现实中，不少学校只能从计算机、自动化等相邻专业临时抽调师资，甚至出现“上学期教公共管理，这学期教人工智能概论”的错配。

老师不一定不负责，但如果他自己没有完整做过模型训练、部署、数据治理、项目交付，就很难把课程讲到就业真正需要的深度。

更微妙的是，学校还会陷入一种两难，一方面担心学生滥用工具，禁止用AI写作业。

另一方面教学资源不足，老师自己备课也可能借助AI工具。这不是道德问题，而是系统能力跟不上的尴尬。

AI专业扩招如果变成“概念堆砌”，最终会制造一批“听过很多名词、做不出项目”的毕业生，既耽误学生，也透支社会对高校改革的信任。

AI教育的差距往往不在“名字”，而在“能不能把课上成真实的工作”。

三、最该改的不是专业名称，而是培养链条：谁来教、怎么教、用什么教、教到哪一步

过去每逢风口，市场上都会出现一轮“改名潮”，某些专业加上“智慧”“智能”“数字”等前缀，听着很新，读下来却发现核心课程还是老一套，只是多了几门泛泛的计算机课程。

学生四年学完，既没有传统专业的扎实基本功，也没有新方向的工程能力，就业面反而变窄。

对普通家庭来说，这种试错成本很高，因为四年时间、学费、机会成本都是真金白银。

真正能跑通的AI培养，通常有几个很硬的条件，老师要懂行业，课程要围绕真实任务设计，学生要在实践中做出作品或项目，而不是只写报告。

很多高校的AI专业，如果做不到“学完能用”，那它的社会价值就会被打折。

我们并不是否定大学转向新产业，而是提醒，教育改革最怕“只追热点、不补能力”。

学生不应该成为上一轮风口跟风的试验品，更不该在下一轮风口退潮时被迫背锅。

面对专业洗牌，我们普通人需要看学校是否有能持续投入的师资，看是否有稳定的实验条件与合作资源，再看毕业去向是否有可验证的就业路径。

如果这些都讲不清，只靠“AI”“智能”“数字”这些热词撑场面，那就要格外谨慎。

反过来，如果一个学校敢把课程表、项目训练、实习基地、毕业作品拿出来，哪怕专业名字没那么潮，它反而更可靠。

总结

专业洗牌本身不可怕，可怕的是把洗牌当成改名，把扩招当成升级。

对家庭来说，填志愿不是押题，而是评估学校能不能兑现培养承诺；对学生来说，选专业也不是选热词，而是选一条能把能力练出来的路径。