今年秋季,美國四年制大學的電腦科學大學部新生少了 12.4%。同一份資料裡,整體入學人數其實微幅上升,工程與健康照護也都在成長。消失的是這個科系,不是整個技術領域。
12.4% 是怎麼算出來的
2026 年 10 月 29 日,美國國家學生資訊交換中心研究中心(NSC Research Center)公布 2026 年秋季的初步入學資料。聯邦分類口徑下的「電腦與資訊科學及支援服務」專業,四年制大學部比去年同期減少 12.4%。
兩年制學程降 12.3%,研究生降 10.4%。三種學制同時往下,不是單一學制的波動。
這個口徑值得說明。它統計的是學位學程的分類,不是單一科系名稱,所以資訊工程、資訊管理、資料科學等在美國大學裡歸在這個分類下的學程,都算在內。數字反映的是「這一類學位」的整體需求變化。
兩年累計近兩成,跌幅還在擴大
把時間拉長,趨勢更清楚。從 2024 年秋季到 2026 年秋季,四年制大學部累計減少 18.4%,兩年制減少 17.5%,研究生減少 27.1%。
研究生掉得最兇,兩年少了超過四分之一。這個群體的決定通常跟產業景氣連動更緊,也更容易在一年內轉向。
但年增減幅的變化方向不一致:2025 年秋季,四年制大學部是 -6.9%、兩年制 -5.9%、研究生 -18.6%。也就是說,大學部的跌幅從 6.9% 擴大到 12.4%,研究生的跌幅從 18.6% 縮小到 10.4%。
大學部學生在加速離開,研究生在趨穩。這組對照比單一年度的數字有用,因為它說明這不是一次性衝擊,而是分兩年逐步發生的選擇改變。
樣本多大:46% 的院校、792 萬筆紀錄
這批是初步資料,不是終版。覆蓋 46.0% 的參與院校、792 萬筆在讀紀錄,統計截至 2026 年 9 月 24 日,方式是同一批學校逐年對比,避免學校增減造成的假象。
缺點也來自這裡。剩下超過一半的院校還沒進樣本,社區大學與大型公立體系的比重可能與最終結果不同。研究中心自己說明,最終資料 2027 年 1 月發布,屆時數字可能不一樣。
判讀這類資料的基本原則是看方向而不是小數點。12.4% 這個數字本身會有修正,但連續兩年、三個學制同時下降的方向,修正後扭轉的機率不高。
不是整體萎縮:工程與健康照護反而成長
最容易被誤讀的地方在這裡。同一份報告裡,全部大學的總入學人數微增 0.2%。
在同一批四年制院校中,工程成長 6.1%,健康專業成長 6.2%,生物成長 3.8%,商科微增 0.1%。下降的是人文 -4.5% 與視覺表演藝術 -4.2%,電腦科學的跌幅比這兩個都深。
所以這不是「學生不念大學了」,也不是「學生逃離理工」。工程在漲、生物在漲,跌的只有電腦科學這一個分類。這個對照把問題縮小到很具體的範圍:是什麼讓高中生與轉系生不再把這個科系排在第一順位。
另一個有用的參照是絕對人數。四年制大學部電腦科學的在讀人數,從 2020 年約 49.9 萬增加到 2024 年約 66 萬,2025 年秋季降到約 60.6 萬。換算下來,2025 秋比前一年少 8.1%,而 NSC 同一批院校的口徑是 -6.9%,兩者基準不同,方向一致。
即使經歷兩年下滑,現在的人數仍高於 2020 年。這一點常被忽略:疫情期間的暴增把基期墊得太高,現在有一部分是回吐。
就業市場的三組數字
學生為什麼轉向,最常見的解釋是工作。以下三組數字相關,但都不足以單獨證明因果。
2026 年年初,軟體開發職缺中只有 4.5% 是入門級職位。也就是說,就算你拿到學位,市場開給新鮮人的門窄了很多。最近一份按科系統計的資料顯示,電腦科學應屆畢業生的失業率是 7.0%。Indeed 的軟體開發招聘指數約 81,以 2020 年 2 月為 100,代表目前的招聘廣告量比疫情前少了近兩成。
把這三組放在一起,會得到一個很直觀的推論:入門職缺變少,學生就換科系。這個推論合理,但它是推論。
CRA 的 13% 與 41,858 個學位
另一組訊號可以校正時間感。美國與加拿大博士授予型院系的 CRA 2025 年 Taulbee 調查顯示,新增大一與新主修人數減少 13%,同一年卻授予了創紀錄的 41,858 個學士學位。
兩個數字不矛盾,因為學位反映的是幾年前入學的人。今年畢業的是 2022 年前後進大學的學生,那時正是電腦科學最熱的時候。今天新生變少,要四年後才會反映在畢業人數上。
這也解釋了為什麼現在校園裡的體感與統計數字有落差。教授看到的班級還是滿的,行政部門看到的註冊資料已經在漏。
為什麼不能說「AI 害的」
這是最需要克制的一句話。
史丹佛經濟學家 Jacob Light 的研究發現,2025 至 2026 學年電腦科學入學人數出現近二十年來首次下降。但他在論文裡明確寫道,這只應被視為「描述性證據」,不能當成 ChatGPT 或 AI 暴露對學生需求的因果估計。
原因很實在。同時在變的事情太多:教學方式在變,學位的投資報酬預期在變,勞動市場本身部分反映了 AI 採用,還有與 AI 無關的科技業招聘疲軟。要從這堆變數裡挑出一個當兇手,現有資料做不到。
《華盛頓郵報》今年早些時候分析 NSC 資料時提出另一個可能:部分消失的入學人數流向資料分析、資料科學這類相關科系。如果成立,那更像科系之間的重新分配,而不是學生放棄技術領域。這也跟工程、生物同步成長的觀察對得上。
對考生與家長的實際建議因此很簡單:看趨勢,但別把趨勢當預言。四年後的市場跟今天的入學資料之間,還隔著一整個產業的變化。真要判斷,去查那個科系的課程有沒有跟著改,比看同學跑掉多少有用。






