曾经风光无限的计算机科学专业正面临前所未有的挑战：美国高校入学率增长停滞，顶尖院校如斯坦福也陷入招生瓶颈。这与AI技术对初级编程岗位的自动化冲击密切相关，导致计算机专业毕业生就业率上升，甚至高学历人才也求职艰难。专家呼吁，面对AI对就业市场的深远影响，未来的教育应更侧重培养可迁移的“软技能”和跨学科能力，以应对长期变革。

曾经风光无限的计算机科学专业正面临前所未有的挑战：美国高校入学率增长停滞，顶尖院校如斯坦福也陷入招生瓶颈。这与AI技术对初级编程岗位的自动化冲击密切相关，导致计算机专业毕业生就业率上升，甚至高学历人才也求职艰难。专家呼吁，面对AI对就业市场的深远影响，未来的教育应更侧重培养可迁移的“软技能”和跨学科能力，以应对长期变革。

香港科技大学团队发布的MATP-BENCH基准测试显示，当前多模态大模型（MLLMs）在理解图文结合的数学问题并将其形式化方面表现尚可（45%成功率），但在构建完整、可验证的形式化证明时，其成功率骤降至仅4%，暴露出模型在严谨逻辑推理和辅助线构造等深层能力上的显著不足，这指明了AI在迈向真正智能道路上的关键瓶颈。