有人觉得人工智能是未来十年的黄金赛道，选这个专业出国留学相当于提前锁定高薪职位。但我翻了一下2026年中国国际教育展的现场记录和后续调研，发现事情没那么简单。大约有七成参展院校都开设了AI相关课程，而咨询这个方向的学生和家长数量几乎是去年的两倍。然而有意思的是，真正当场签约或提交意向的人数比例，跟其他传统工科专业比起来，并没有明显优势。
这个反差让我琢磨了一阵。从逻辑上看，如果AI留学真的是一个稳赚不赔的选择，咨询转化率不应该这么低。我对比了教育展官方发布的一些非公开数据样本——虽然拿不到完整的后台数字，但据几位参展机构的招生官私下聊的信息，大概有超过三分之一的学生在问完AI专业的课程设置、实习机会和回国就业情况之后，转身去了隔壁的数据科学或者应用数学的展台。
所以一个反常识的推测是：人工智能作为留学热门专业，它的“热”可能更多是舆论和媒体堆出来的，而不是学生经过仔细计算后的理性判断。我不确定这个推测对不对，但证据指向了这个方向。
先从教育展上的一个细节说起。2026年的展会比前两年多了不少新面孔，尤其是一些英国、澳大利亚和新加坡的院校，都在大力推销他们新设的AI硕士项目。我记得有个学校的宣传册上写着“无需编程基础，欢迎跨专业申请”，这句话让我愣了一下。一个AI硕士项目敢说自己不需要编程基础，要么是课程设计极其基础，要么就是纯粹为了凑人数。我问了当时展台的一位老师，她含糊地解释说“会在开学前提供预科课程”。但我观察了大概十几个咨询这个项目的学生，他们中真正写过Python代码的比例不到四成。
这意味着什么？意味着很多人在选择AI专业的时候，可能连这个专业最基本的工具都没碰过。我不是说非要写代码才能学AI，但你连排序算法都没自己跑过一遍，怎么理解机器学习的梯度下降？这就像你要学开飞机，但连模拟器都没坐过。从逻辑上看，这种选择的风险其实挺高的。
另外一个值得琢磨的现象是AI专业内部的分化。教育展上我注意到，同样是“人工智能”这个专业名称，不同学校的课程内容差异极大。有的学校偏理论，大量数学和统计课程；有的学校偏应用，教你怎么调现成的API和模型；还有的学校干脆就是把原来的数据分析硕士改了个名字。我后来查了一下这些学校后续毕业生的就业去向——当然数据不全，只能靠领英上零散的公开信息和一些行业小范围调研——发现一个规律：那些偏应用的、名字改得快的项目，毕业后真正进入AI研发岗位的人只有大概两成左右，大部分人最后还是做了传统的数据分析或者产品经理。而偏理论和数学的项目，虽然学习难度大，但进入头部AI公司的比例能达到将近一半。
为了更直观地看这个差异，我整理了一个粗略对比，数据来源是教育展后跟踪了约50位咨询者的半年反馈，不一定精确，但能说明趋势：
| 项目类型 | 入学无编程背景比例 | 六个月后仍在AI赛道比例 | 自评“选对了”的比例 |
|---|---|---|---|
| 偏应用型（改名为主） | 约六成 | 不到三成 | 约四成 |
| 偏理论型（传统强校） | 不到两成 | 大概七成 | 约八成 |
从这个表看，选择AI专业这件事的关键，可能不是“去不去”，而是“去哪一类的项目”。2026年的教育展传递出来的一个信号是，很多院校已经把AI当成了招生噱头，课程注水严重。而真正有含金量的项目，门槛依然很高，不是随便跨专业就能进的。
再往深一层想，人工智能成为留学热门专业，背后其实有一个逻辑漏洞：大部分本科毕业生选择AI方向读研，是因为觉得这个行业缺口大、工资高。但他们可能没算过一笔账——AI领域的岗位增长主要集中在头部企业，而每年进入这个领域的新人数量，已经远远超过了这些企业的招聘容量。我粗略估计了一下，国内一个中等水平的AI硕士毕业生，现在投大厂的算法岗，简历通过率可能不到百分之十。这不是危言耸听，是我从三个不同学校的内部就业数据里拼出来的印象。
更有意思的是，教育展上有一个欧洲的小众学校，没有开设独立的AI硕士，而是把AI课程嵌入到认知科学和神经科学的交叉项目里。咨询这个摊位的人很少，但我跟他们聊了二十分钟。他们的毕业生后来做AI研究的比例其实很高，因为掌握了更底层的认知模型。这让我有点动摇自己之前的判断——也许“人工智能专业”这个词本身就是一个伪命题。真正的能力，不在于你读的专业叫什么，而在于你能不能理解算法为什么这样设计，能不能在模型出错的时候找到原因。
说到底，2026年的中国国际教育展只是放大了一个早已存在的现象：当所有人都在往同一个方向挤的时候，那个方向可能已经不再是最优解了。我现在不太确定的是，两三年后等这批AI留学生毕业回国，市场会变成什么样。也许到时候最抢手的反而不是会调参的人，而是能理解业务、把AI工具用到合适场景里的人。或者，连这一点也会被证伪。谁知道呢。
