ARTICLE · 1157829
AI 时代,斯坦福的学生在学些什么?
导读
AI 让学会写代码变得便宜，难的变成了证明一个学生真的会写。
这件事只有一半能交给机器，另一半要老师、考场和时间。
回顾
AI 时代，名校还有用吗？
本着好奇心，我和身边在美国读 CS 名校、读 M7 和 S16 这些顶尖商学院 MBA 的朋友们聊了聊，又去看了湾区，翻了斯坦福和伯克利的课表，看看他们都在学什么。
https://www.cs.stanford.edu/academics-courses-schedule-autumn- quarter
聊完发现，还挺有意思的。比如斯坦福，他们有一条一百多年的规矩：考试不设监考。这是1921 年订下的荣誉守则：老师不得采取不寻常或不合理的措施防止作弊，监考也算在里面，诚信由学生自己负责。原文是：The faculty on its part manifests its confidence in the honor of its students by refraining from proctoring examinations and from taking unusual and unreasonable precautions to prevent the forms of dishonesty mentioned above. 2026 年 4 月 23 日，斯坦福教授会全票通过，允许在现场考试里设监考，本科生议会和研究生会随后也都投了赞成票，2026 年秋季学期开始执行。
朋友们反馈说：作弊的情况一直有，斯坦福也不例外，只是没人举报而已。现在 AI 把它推过了临界点。数学系教授Brian Conrad 的说：AI 是所有大学都要面对的难题，精灵已经放出瓶子，收不回去了。
CS 系副教授 Keith Winstein 说：因为 AI，他现在看得到监考的好处，但教室排不排得开，是个很现实的难题。
普林斯顿也走到了同一步。它的荣誉制度从1893 年起考试不设监考，2026 年 5 月 11 日，教授会只有一票反对，通过了新规：7月 1 日起，所有现场考试都要有教学人员在场，当见证人。推动这件事的不仅仅是老师，学生本身也在推，因为考场上作弊越来越难看出来，举报同学又怕被孤立。
CS 系的入门课是最先开始变革的。CS106B 加了助教一对一的当面考核，计划推广到 CS106A；期中期末的现场考试权重加大，带回家的作业权重降下来。CS106B 自己的数据是，作业里用 AI 的学生，考试成绩更差。到了高年级的毕业设计课 CS194 和 CS210，AI 又明确可以使用了。一收一放，时间不同。
在 AI 一天能写出上千行代码的 2026 年，地球上最好的 CS 院系之一，把学生叫回教室，让他坐下来当着助教的面证明自己会。是不是挺有意思的。
学校是不是在抵抗 AI，我不知道。把伯克利、MIT、CMU 的秋季课表和入门课政策也拿来对照，发现四家管理最严的部分，都集中考核这个部分：学生一份作业交上来，还能不能证明自己会。2026 年 9 月 ，有个公众号发过一篇讲斯坦福课表的文章，结论是斯坦福在训练学生留下两种证据：证明你自己会，证明你能和 AI 一起做更大的事。
我又看了十七家商学院。结果是这两种证据四家 CS 系都在教，但只肯为第一种背书；把第二种拿出来当卖点的，是隔壁的商学院。
01
稀缺的东西换了位置
过去20年，这些系花钱最多的地方，是把一个不会写代码的人教到会，找到好工作。课程、助教、作业、项目、office hours，这一整套东西是围着这件事建起来的，而且这东西确实难，所以一个好的 CS 系值钱，一个好的 PhD 薪资高，毕业就被大厂抢走。
AI 出现以后，学生学习写代码容易多了。只要你 token 到位不嫌累，AI 24 小时在线，同一个问题问 20 遍也不会嫌烦。UIUC 的 CS 124 干脆把 Claude Code 写进大纲当教材，让学生自费买，一个月 20 美元。学生找人讲懂一个概念、拿到第一轮反馈的成本直接腰斩。但学校的课程、老师和助教，成本未必跟着降。
对学校而言，难的是另一件事：学生交上来一份能跑的代码，老师怎么知道他的学生是真的会，还是工具会？
斯坦福和伯克利的办法一样，把人叫回教室。听上去很土，但这几家 CS 神校都在往这个方向走。
问题是这个办法依赖人力：印卷子要人，监考要人，阅卷也要人，一场口试要一个老师坐在那儿听一个学生讲二十分钟。AI 能替老师问完第一轮，但学生要是说我答得对、是你判错了，还得有个人坐下来听。筛查的成本是降了，判断和背书的成本一点没降，两样都从同一笔预算里出。
2026 年这四家反常的动作大半指向这个缺口，作弊、班级规模、荣誉制度也各解释得了一部分。
02
课表70%没动，新的加了上去
那篇文章只数了斯坦福。
这四个百分比不能横着比：AI 课怎么算、研究课号怎么剔，没有公认的标准，换一套口径就能差出好几门。CMU 的 18% 尤其低估了，它的 AI 课主体在机器学习系、语言技术研究所和机器人所，根本不在这张表里。
基础课方面，四家一门没少，加起来仍占70% 以上。斯坦福秋季课表上，CS103、CS106A、CS106B、CS107 这些骨干课都在。变的有两处：老课改了内部，新课叠了上来。
老课的例子是伯克利的 CS 61A，全校最大的编程入门课。2026 年秋季改版，加了一个两周的 agent 单元，期末项目要用 coding agent 做一个大型软件；其余的基础内容一样没少，大纲写着绝大部分课业仍要学生手写出正确的程序。平时作业不许让 Copilot 或 ChatGPT 替你写代码，期末又必须用 agent，同一门课，前面不许用，后面强制用。
入门课的人也没少。CS 61A 的报名从 2025 年秋的 1269 涨到 2026 年秋的 1469，同一时期，全美四年制本科 CS 在读人数同比降了 8.4%。
新课则分成了两条线：本科教大家怎么用 agent，研究生教怎么造 agent。
七道关卡的形状是一样的：先设门槛，然后再把 AI 放进来。CS329Z 不许用框架，CS 124 只有期末准用 agent，6.S950 三门先修卡死，CS 61A 的大纲把顺序写死。说白了，这批课教的是你得先会到什么程度，才轮到 AI 接手。顺序一乱，这些课也就没有了开设的理由。
学校里还在讨论什么时候允许用 AI，但是公司里工作的方式已经是另一副画面了。Karpathy 当年在斯坦福教过 CS231n，2026 年 3 月他在 No Priors 播客上说：2025 年 12 月前后，他自己写代码和交给 agent 的比例，从八二开变成了二八开，基本没再亲手敲过一行代码。Notion 那边，现在所有的 pull request 都是 agent 写的，但每一个仍然要人审。写可以交给机器，审还得人来，而要审得动，自己得会写。
03
考核：作业失去可信度之后
教学这块，2026 年变动得不算多，考法变得最多。四家入门课的政策大体上分为三类。
第一类：全禁止。MIT 6.101 连让 AI 解释概念都不行，大纲直接把 conceptual help 写进了禁区。CMU 15-122 要求学生关掉编辑器里的 AI 扩展；普林斯顿 COS 126、康奈尔 CS 1110、佐治亚理工 CS 1331 也在这一派。
第二类：可以用，但你得能当面讲清楚。CMU 15-112 的大纲：AI 可以用，甚至鼓励用，但拿分的唯一途径是你完全理解，能对老师或助教讲明白，最后一句是：You cannot pass the course if you over-rely on AI. It's that simple. MIT 6.100A 只准把 AI 当导师用，哈佛 CS50 只准用自家的小黄鸭机器人 CS50 Duck。斯坦福 CS106B 的助教一对一当面考核，考的也是这个。
第三类：平时作业禁，期末项目强制用 agent，就是伯克利 CS 61A。既禁又用，大纲排了三道防线：作业的全过程用一个叫 Provenance 的编辑器扩展录下来，随作业一起交；交完由一个叫 Preceptor 的 AI 当面追问，答不上来的可以改约真人；四次考试，三次改回纸笔。于是伯克利现在是用一个 AI 盘问你有没有偷用另一个 AI。它等于承认了一件别家不肯承认的事，禁令已经拦不住学生用AI，只能让他用完之后还答得上来。
这三类做法，差别很大一部分在学校肯为此投多少人力。全禁止，出台政策最容易，但执行起来有难度；要求当面讲清楚，就得有人坐在那儿听；第三类看上去最费人，那就几样一起上。
封禁名单上 2026 年还多了 agent。伯克利 CS 61B 数据结构的政策写明，任何大模型工具都不许读取、分析或接触你的代码库，点名封了 Claude Code、Codex、GitHub Copilot、Cursor。MIT 6.102 和 CMU 15-213 措辞不同，意思一样。从打孔卡到编译器，从 Stack Overflow 到 agent，写代码的工具换了好几茬，四家顶级 CS 系要的那个东西和证据一直没变：你得自己会。
招聘这边，已经有不少公司在面试里允许用AI。
Karat 2026 年 1 月调查了美国、印度、中国 400 位工程负责人，美国有 38% 的公司允许候选人在技术面试里用 AI，中国是 68%。
David Singleton，曾经做过 Stripe CTO，2026 年 3 月在 Latent Space 播客上讲他的新公司 Dreamer 怎么招工程师：第一轮先手写代码，确认基本功在；之后让候选人用 Codex 或 Claude Code 把一个完整的产品做出来，看他怎么指挥 agent。这跟斯坦福和伯克利的方法几乎一样：先手写，最后再放开用。
学校在考场上管 agent，公司在面试里放 AI，可两边都要先看一眼，工具拿开以后，这个人脑子里还剩什么。
代价已经出现在数字上。2026 年春季，伯克利的 CS 10 挂科率 35.3%，往年不超过 10%，教这门课的 Dan Garcia 对校报说，近 30 个学生在带回家的考试里用大语言模型作弊被抓。CMU 15-112 在 2025 年春季退课人数创了纪录，有学生来求助时，把自己用 AI 的状态形容成上瘾。朋友说他们平时都不怎么去上课，哈哈😄。
哈佛和斯坦福碰到的是同一件事：AI 答疑上线以后，真人答疑没人来了。CS50 于是加了三次课堂监考小测，作业权重从 60% 降到 35%，再加 10 分钟跟助教的当面谈话；斯坦福入门课的答疑时间，来的人也在变少。MIT 则在 2026 年 8 月发了校级报告，建议全校改用口试、作品集和课内对话这类考核。
目前能看到的多数动作，都是问题出现以后才启动的，所以这轮考核改革感觉更多是在止损，还谈不上哪一派教育理念赢了。
规则是学校在改，改的过程中挨罚、拿不到学位、养成坏习惯的，是刚好在这几年读书的学生。代价落在了学生身上。
04
教学缺人，研究缺算力
同样是把学生叫回考场，斯坦福和伯克利付出的代价，完全不同。
斯坦福是有钱的，2025 财年的捐赠基金是 408 亿美元，它的难处是 Winstein 说的教室排不开。伯克利是公立学校，CS 专业的毕业人数，2024-25 学年 1029 人，2026-27 学年预计约 350 人，少了三分之二，这里面有多少人转去了 EECS、数据科学或别的专业，伯克利没公布。系主任 Jelani Nelson 2026 年 4月对校报说，收缩跟学生需求没有关系，是教学成本太高；同一时期，入门课CS 61A 的报名还在涨。
教学成本太高，听着像托词。但 2025 到 2026 财年，加州的预算给 UC 系统砍了 2.71 亿美元；2025 年 3 月 UC 全系统冻结招聘，伯克利 4 月 11 日开始执行。终身教职的薪酬砍不动，学校最容易动的是两样：不给终身教职的岗位，和招多少学生。
伯克利扩充计算与数据科学，只能高度依赖募捐。身边 Berkeley 的朋友，不止一次和我说他们几乎周周都能收到学校的募捐邮件。Gateway 新楼，由 2020 年一笔 2.52 亿美元的匿名捐赠启动，后来三笔合计大概 7500 万美元继续支持建设，其中一笔新设了两个计算机教职。
上面提到的新考核方式，只会让这个口子更大。作业可以批量打分，但如果都变成十分钟的当面追问，只能排队一个一个来了。两所学校卡住的地方不一样：斯坦福缺的是教室和执行的人，伯克利这边，则已经把教学成本，传导到了招生名额上。
对大学来说，AI 同时抬高了两种成本：教学侧，需要人来验证；研究侧，则需要足够的钱和算力，去追前沿的东西。
而研究经费，不确定性只多不少。斯坦福2025 财年的资助研究收入是 23 亿美元，超过七成来自联邦政府：一个面临换届、总改主意的“出资方”。不过这笔钱跟本科教学是分开记账的，只有间接成本回收那一块能流进学校的通用资金，对教学的影响不是一条直线。
除了钱，还有算力。算力，算力，算力，重要的事说三遍。斯坦福自己的 AI Index 统计，2025 年值得关注的 AI 模型，超过 90% 出自业界。多伦多大学教授、AI 制药公司 Xaira 的首席 AI 科学家 Bo Wang 说，学生进实验室，问的第一个问题往往是：你们有多少张 GPU？
Google 负责 AI 基础设施的 Amin Vahdat，面对的则是另一种日常：一个 10 万张加速卡的集群，看配置，可能每小时都有东西坏掉，他们考核自己的指标叫goodput，算的是在不停出故障的情况下，真正交付了多少有用的计算。不得不感慨：有钱真好。
要搭一个 10 万卡的集群，光芯片，如果按 H100 每张约 2.5 万美元算，10 万张就要 25 亿美元上下，机房、供电和网络还不算在内；斯坦福一年 23 亿美元的资助研究收入，全拿来买卡都不够。学界除了绝望感觉还是绝望。不过学界也没完全闲着。
斯坦福的朋友说，他们一个教授 Stefano Ermon 的实验室，做出过扩散模型的早期工作，DPO 也是从他组里一个轮转项目起步的，他2026 年 9 月在 No Priors 播客上说：难处是资源永远不够，但好处是敢下反共识的赌注。新方向，学校还出得来，但最烧算力的规模化实验，越来越集中在业界。
05
对照组：同一批工具，在商学院是福利
同样的工具，走进另一栋楼，待遇完全反过来。
这十七家商学院里，能查到 AI 课程动作的有十六家，CMU Tepper 查不到。剩下的 16 家也俗称 S16，北美最好的商学院，其中最顶尖的七所叫 M7。单独开一门 AI 必修课的只有两家：哈佛和耶鲁；Tuck、Darden、哥大是把 AI 塞进了已有的必修环节。Poets and Quants 2026 年 4 月数过 20 家商学院的 191 门 AI 课，能归类的 166 门里，157 门是选修。这些都是学校对外的实际行动。
哈佛（HBS）的必修课叫 Data Science and AI for Leaders，2025 年春季开的。HBS 一届 900 多人，和沃顿、哥大一样，是 M7 里人最多的几家。HBS 课上配了一个不用写代码、用自然语言做数据分析的工具 Julius，100% 的学生用过，一个学期就发了 12.67 万条消息。主讲 Karim Lakhani 说：If the 20th century was defined by the MBA wielding Excel, this century will be defined by MBAs working hand-in-hand with AI agents. 同一年，一些 CS 课程在禁 agent 碰代码库，HBS 在把 MBA 定义成跟 agent 手拉手的人。
我最好的一个朋友是沃顿的，她说他们上课很多课的确是需要抢的，来晚了就只能在最前面或者站到最后面去。沃顿 2025 年秋季开了 M7 第一个正式的 AI 专业，学术政策原文写着，学校给学生提供 ChatGPT、Codex、Claude、Claude Code。伯克利 CS 61B 封禁名单上的工具，沃顿这边当福利发。
斯坦福自己的商学院 GSB 没有必修，AI 选修开了 30 门，M7 里最多。它的学生 AI 政策也是七家里最松的，2026 年 8 月 31 日更新的版本写着：老师不得禁止学生在带回家的作业和考试里用AI，只能决定课堂内能不能用。同一所学校，CS 系在把学生叫回考场，商学院规定老师不准禁AI。
下面是学校具体对外发布的动作：
如果量化的话，两边的账也完全是反过来的。CS系每多加一道验证，就需要多安排一个人的时间。商学院多加一个企业版账号，只是一笔谈下来就发得出去的采购，比多排一场口试容易规模化得多。账号发得出去，证明不了学生真的会。一套纸笔加口试加过程记录的办法，要老师、要考场、要年年掏得出的那笔钱，别的学校想抄，得先有这些。
商学院和 CS 两边态度差这么远，我觉得主要是承担的错误成本完全不同。工程上，一个错不小心会跑进生产系统，所以CS 系要先确认你在工具失灵的时候接得住。商学院，需要的定义问题、分配资源这些，所以AI 在这里更像一把分析工具，放手用的代价没那么直接。
所以两张学位，难的地方不一样。CS 学位难，难在学校排得出多少考核和名额；MBA 这边，本质上卖的还是名字和人脉。
06
反面论证
聊的过程中，也看到了一些反对的意见和声音。
第一个来自商学院内部。哥大 CBS 的朋友说，他们教授 Daniel Guetta 在校内研讨会上说，编程给你的是一种结构化的思考方式，而 vibe coding 的问题是把孩子和洗澡水一起倒掉了。
第二个是沃顿 Hamsa Bastani的实验。土耳其近 1000 名高中生，用不设限的 GPT 练习的那组，练习成绩涨了48%，到了不准用AI 的考试，却下降了 17%；用只给提示、不给答案的 GPT 导师练习的那组，考试和对照组持平。前一组说明，要看出真本事，得在不用 AI 的时候考；后一组说明，导师设计得好，AI未必伤人。可它只测了教，没测 AI 能不能替老师做第一轮追问。如果能，前面说验证没法大规模交给机器，这个判断就得改。
学生层面也有人反对的。斯坦福 GSB 的学生 2025 年 7 月就公开批评斯坦福，说 AI 在让 MBA 贬值，你在学的是给 ChatGPT 写提示词，编程一行没学，好几门课的考试平均分是 99。平均分 99 不能证明学生没学到东西，但说明成绩已经很难承担筛选的功能，学位的区分度会更多落到学校的名字上。
07
对于个体意味着什么
AI进入大学后，一切的一切都在发生变化和产生影响。
AI 公司拿走了新增的订阅费，学校付出的是：监考、口试和追问的人力成本，学费买到的东西里，学生获得讲解和第一轮反馈越来越便宜，学校提供可信的验证和背书越来越贵，雇主拿到证书，面试时还是需要再验证一遍。
聊完这一轮发现，如果现在在读CS，或者家里有孩子要去读，光看课表，肯定是不够了。他们很多人都不去上课的，更该关注的是这门课怎么考，有没有闭卷，有没有口试，老师会不会看你的过程记录。高昂的学费买到的，是离开 AI 以后，你还能拿什么证明自己会。高阶课能不能碰到真实的代码库、真实的公司、真实的客户，比课名里有没有 AI 两个字重要得多。
招聘页上也看得到这种需求：2026 年 10 月，我集中翻了 54 家科技公司的公开招聘页，有 23 家挂着标题带 forward deployed 的岗位，也就是常说的 FDE，Databricks 101 个，OpenAI 26 个，Cloudflare 12 个，Cursor 10 个，Notion 9 个，MongoDB 6 个，Stripe 5 个。这类岗位绝大多数要直接和客户一起，把模型和产品接进对方的业务。
如果你是老板，在招工程师。简历上的项目正在快速贬值，一个漂亮的 GitHub 仓库，可能一个下午就能做出来。所以面试会越来越像答辩，让人解释为什么这么取舍，追一个他没写过的bug，改一段陌生的代码，说清楚哪部分是工具做的。斯坦福和伯克利现在花人力做的就是这件事，在学校的时候考一遍，你面试时，再考一遍。
如果是美本的家庭在选学校，开了多少门 AI 课说明不了什么东西，要看它考得有多严。口试比例、课内考核占比、入门课容量、这所学校有没有钱多请老师，这四样，是我自己会观察和判断一张学位，三年后还值多少钱时会看的东西。
08
写在最后
斯坦福守了 105 年不监考，2026 年秋天开始可以监考了；伯克利把考试改回纸笔；CMU 改了作业形态，MIT 停在一份校级建议。同一批被 CS 系封禁的工具，在商学院是发给学生的福利。如何验证，只有一半能交给机器，学生一旦不服要人来判，还得占掉一个老师的时间。
未来，AI 对高校的影响，我觉得还是会先看斯坦福这边的动作：监考会扩到多少门课，CS106B 的当面考核，会不会如期进入 CS106A。再看看伯克利 CS 毕业人数 2027-28 学年能不能止跌，靠什么止跌，募捐、涨学费，还是降验证标准。
斯坦福还有一样别的学校学不来的东西。前沿既然搬去了业界和公司，斯坦福的办法是把公司的人请进教室。课表里 AI 课占三成，别的学校照着开就是；难复制的，是 一份CS153 的讲者名单。
这门课叫 Frontier Systems，2026 年春季开，不在上面那张秋季课表里。两位主讲 Anjney Midha 和 Michael Abbott 来自同一家公司 AMP PBC，一个在 a16z 待过，一个在 Kleiner Perkins 待过。官网在册 26 组讲者，按行当排下来，是一张 AI 产业链的横截面：
一周两次课，评分 65% 看出勤、35% 看期末项目。500 人的容量，仍然排着 waitlist，开场那节课的视频在 YouTube 上已经超过 23 万次观看。名单上也有微软、挪威主权基金和美国政府这些不在本地的，湾区解释不了整份名单，但它确实把其中相当一部分人到场的成本压到了很低。课表能抄，这个课程阵容和湾区的半径，谁也抄不走，这就是斯坦福。
这门课的期末项目叫 The One-Person Frontier Lab，问的是一个人加上合适的工具，十周里能扩到多大。这道题我自己深有体会：几个 agent 一起跑，到第七个左右，团队没乱，我先乱了。有一天上游数据跟往常对不上，我分不清是源头变了、接口坏了，还是自己的程序有bug。
代码可以让工具写，认出哪里不对的那一下，只能自己来。斯坦福把学生叫回考场，当着助教的面证明自己会，解决的就是这个问题。
可学校证明完了，市场认不认？雇主和投资人花钱买的，到底是哪一种证明？这两种证明，可能都只够进门。
出处（含个人访谈，聊天，高校课程与校方原页、媒体报道和行业报告）
课表：cs.stanford.edu 秋季课表；eecsis.mit.edu 谁教什么表；www2.eecs.berkeley.edu 秋季课表；csd.cmu.edu 秋季课程列表。 新课：agencyai.mit.edu（6.S950）；mit-oasys.github.io/ai-engineering（6.S978）；cmu-agents.com（11-768）；csd.cmu.edu/course/15113/f26 与 www.cs.cmu.edu/\~113（15-113）；cs153.stanford.edu；Stanford Daily 2026-04-15；UW 秋季时间表与 cse490A2 公开仓库；www.cs124.org/syllabus（UIUC）。
政策原文：py.mit.edu/fall26/info/ai（6.101）；www.cs.cmu.edu/\~112/syllabus.html；www.cs.cmu.edu/\~15122/syllabus.shtml；cs61a.org/fa26/syllabus 与 cs61a.org/cs194-fa26；fa26.datastructur.es/policies（61B）；web.mit.edu/6.102/www/sp26；www.cs.cmu.edu/\~213/academicintegrity.html；cs50.harvard.edu/college/2026/fall/syllabus。 考核与代价：Daily Californian 2026-06-03 与 2026-04-16；The Tartan 2026-02-09；Harvard Crimson 2026-09-03；aiandeducation.mit.edu/report（2026-08-13）；CMU 官方新闻 2026-08-27。
财务：加州立法分析办公室《The 2026-27 Budget: University of California》；UC 招聘冻结与伯克利执行方案见 evcp.berkeley.edu，2025-03 至 2025-04；伯克利计算与数据科学学院筹款与新楼见 cdss.berkeley.edu《Gateway groundbreaking brings new opportunity for computing, data science》与 inspire.berkeley.edu《Three gifts transform computing and data science at Berkeley》；NSF NCSES《Higher Education Research and Development Survey》FY2024；facts.stanford.edu 资助研究收入与联邦占比。 入学：National Student Clearinghouse 2026-08-11。
商学院：Poets and Quants 2026-04-28、2026-04-22、2025-07-24；hbs.edu/news 2025-03-28；tlhub.stanford.edu 2026-08-31；news.wharton.upenn.edu 2025-04-02 与 mba-inside.wharton.upenn.edu 学术政策；business.columbia.edu/insights；mitsloanedtech.mit.edu/tools/claude；kellogg.northwestern.edu 2025-05-30；som.yale.edu 2026-05-26。 反面论证：knowledge.wharton.upenn.edu（Bastani 实验）；哥大校内研讨会报道；cityam.com 2026-06-01（Bain）；Poets and Quants 2025-09-15（McKinsey）；Reuters Breakingviews 2026-06-29（投行）。
推荐阅读：
硅谷Fintech观察①｜富途 vs Robinhood：解耦已经发生过