数据显示，目前平台上由AI辅助生成的代码提交量已占到总代码量的近4成。

　　当生成代码、自动调试逐渐成为日常操作，软件开发的分工方式正在被重写。Stack Overflow 2025年全球开发者调查显示，84%的程序员已经在日常使用AI编程工具，这一比例较两年前明显上升。而原本由初级工程师承担的大量标准化开发任务，正在被压缩。

　　“过去一个工程师一个月的工作，现在在一些先进技术的加持下，可能几天就干完了。”河南大学计算机与信息工程学院相关负责人韩道军对第一财经记者表示，软件开发的生产方式正在发生明显变化。

　　对于高校而言，围绕“编程”课程所做的变革也已经开始。

　　一边学一边“过时”？

　　“在没有AI的时候，我们就讨论过‘毕业焦虑’，因为四年前学的东西，四年后可能已经变了，现在AI进来之后，这种变化只会更快。”韩道军对记者表示，传统以编程语言为核心的课程体系，正面临现实压力。

　　过去几年，AI从专用感知智能跃升至通用生成智能，以ChatGPT为起点引爆大模型革命，多模态、长上下文、工具调用能力全面成熟。今年以来，海外科技巨头谷歌、微软、OpenAI、Anthropic更是开启技术竞赛，长上下文与多模态能力几乎是以“一周一迭代”的速度进行。国内如阿里、腾讯等大模型性能与调用量也开始跻身全球第一梯队。

　　代码托管平台GitHub2026年第一季度开发者生态报告显示，目前平台上由AI辅助生成的代码提交量已占到总代码量的近4成，AI已成为开发者日常编码中不可或缺的重要部分。

　　“未来三到五年，一方面AI编程将更稳定地进入生产级应用，覆盖需求拆解、代码生成、测试生成、缺陷修复与运维等各个主要环节，另一方面企业会向更小的跨职能团队演进。”Forrester的副总裁兼首席分析师Charlie Dai对记者表示，工程师角色更像架构者与设计者，强调质量、合规与系统思维。

　　韩道军对记者表示，这让基础理论的重要性变得更加重要起来。

　　“如果不是专业人士，即使AI给出方案，哪个更好都很难判断出来。”在他看来，数据结构、操作系统、计算机体系结构等课程，开始成为理解与校验AI输出的关键支撑。没有这些基础，学生只能停留在工具使用层面，而无法进行有效控制。此外，对于学生而言，如何与AI进行有效交互，如何整合信息、筛选结果、形成判断，成为新的能力要求。

　　但他同时坦言，“学生数量多，老师很难针对每个人制定个性化培养方案，这是现实存在的约束。”

　　推进“新工科”

　　据教育部、工业和信息化部去年年底联合发布的信息，目前工程教育占到我国高等教育人才培养规模的三分之一，卓越工程师培养改革的领域布局集中在集成电路、人工智能等18个关键领域。

　　教育部去年年底披露，目前校企联合招收培养工程硕博士近2.6万人，其中2000多人已经毕业走上工作岗位，首次实现了工程硕博士有组织、成建制、大规模的校企联合培养，探索了国家战略人才自主培养的有效路径。

　　而在河南大学内部，华为作为“新工科”建设的合作企业之一，也开始将企业资源引入大学内部。

　　“不是把学生简单送到企业实习，而是把企业的标准、项目和资源融入教学和科研体系。”韩道军表示，这类合作不仅为学院承接企业项目提供硬件和技术支持，也通过项目实践，将企业的技术标准与真实问题嵌入教学过程。

　　“在打好理论基础的前提下，学生可以接触智算中心，参与项目实践，也有机会与企业直接交流。”他说，这类经历有助于提升学生解决复杂工程问题的能力。

　　在培养方式上，高校也在尝试更灵活的路径。借助数字化平台，学生可以根据自身情况调整学习节奏，实现差异化发展。“可以做到‘千人千面’，更好适应产业需求。”韩道军说。

　　目前来看，这一轮调整仍在持续。随着AI进一步改变技术工作的组织方式，高校计算机专业的人才培养，也在从“技能导向”转向更加注重基础能力与工程能力的综合体系。这一变化不会在短期内完成，但已经在招生与课堂之间逐步展开。