人工智能到底要不要成為本科專業，不是一個絕對如此或者如彼的問題，更多情況下見仁見智，其成敗在于整個教育體系和社會結構的共同把持。

反方觀點A：AI不穩定，就業有風險

讓我們先從反對觀點說起。

眾所周知，本科生不會都進入研究生階段繼續攻讀，那么AI本科專業存在的意義，當然就是能為大量本科生提供就業技能與機遇。

但就今天的AI來說，是否能為四五年后，以至于長期投入社會的大量人才提供就業機會呢？這可能誰也說不好。

AI的發展足夠快，需要人才足夠多，這在今天是沒有問題。但若干年后的AI會依舊能創造大量就業投入嗎？甚至說若干年后的AI，是否還和現在我們看到的機器學習統攝下的AI需求一致？這些都是問號。

在很多人看來，加快人工智能進本科的進度，同時也意味著把這些大學生從對計算機科學的學習中隔離出來。那么假如學成后AI不那么火熱了，就業機會減少；或者AI在此期間經歷了快速的技術發展，學到的東西不足以致用，同時也不能讓每個人都繼續學術研究。最終豈不是把就業風險施加到了學生身上？

因為某個領域火爆，大學就爭先恐后設立專業，結果學成出來發現滿不是那么回事了。這種情況在中國并不算少見。那么這種情況下，把AI從計算機科學領域獨立出來，似乎還不夠穩妥。

畢竟不能讓選專業這個很可能影響終生的大事，變成一場賭博。

反方觀點B：泡沫可恥，跟風有害

AI發展過快，帶起了大量泡沫，這應該是個不爭的事實。那么高校過快迎合風口，設置AI本科專業，很可能會變成泡沫的催化劑。

另一種觀點認為，AI設置本科專業在很大程度上是有道理的。但這個合理性僅僅限定在師資力量齊備，有廣泛研究優勢的部分高校中。一旦閥門打開，千奇百怪的學校跟風設置AI本科專業，很可能會貽害學生。

我們提起國內高校的AI大牛，似乎每個名字和他們所在的學校與研究機構都讓人感覺熟悉。換句話說，大部分國內高校對于AI這東西是相當陌生的。現在的人工智能研究，目前僅僅是小部分學校與大牛的“專屬”，而一旦各種地方院校，甚至資質不佳的合辦院校要爭取AI風口。那么很可能強行設置一批師資和科研項目，這對于整個AI學術是有害無益的。

歸根結底一句話，頭部學校準備好了開AI本科，但后面茫茫多的學校，真的有老師和研究力量去支撐本科的AI教學嗎？

而AI這塊滾熱的蛋糕，隨便想想就知道是不能放棄的。如果AI本科教育突然襲來，如何抵制跟風者擾亂AI教育，這個問題似乎還沒有答案。

正方觀點A：人才缺口，真的已經很大很大了

以上兩種反對觀點，很大程度上是出于對AI未來的懷疑與不信任。但支持AI快速成為本科專業的聲音，則更多著眼于AI的現在。

AI的今天，一個最基本的情況，就是缺的人真的太多太多太多了。

去年校招季，在北京招一個剛畢業沒有任何成果的AI研究生，就需要年薪30萬的代價。這當然有風口的加持，但AI崗位缺人的狀況也可見一斑。

根據相關報告統計，到2017年年底，中國AI人才缺口已經超過了百萬級，而在今年這個缺口開始進一步拉大。

事實上，AI人才的缺口不僅限于中國，即使是硅谷，也在每天經歷著AI崗位需求的擴大。李開復曾經提出：“在硅谷，做深度學習的人工智能博士生，現在一畢業就能拿到年薪200萬到300萬美元的錄用通知，三大公司（谷歌、臉書和微軟）都在用不合理的價錢挖人。”同樣在歐洲、印度，加快培養AI人才，尤其是中低端人才都是國家教育體系的重要任務之一。

在巨大的人才缺失之下，是限行AI人才培養效率有點慢。一般來說，一個學計算機的本科生，在大三大四時候才能在某些選修課中接觸人工智能。而如果想要攻讀人工智能方向要到研究生之后。再加上研究生學習中往往沒有經歷過算法應用的實踐，畢業到企業后還需要經歷一到兩年的再培養。這也意味著，一個AI人才一般要到27歲之后才能上崗，這顯然無法供給今天AI產業的發展速度。

事實上，AI產業是一個金字塔型架構。不僅需要高端的邏輯與算法人才，還需要完成大量應用型，甚至是數據型工作。這些工作很大一部分都可以給本科生作為實習機會，而且企業往往歡迎導師帶隊的本科生入駐實習。

這樣一些簡單的AI工作，入職者可以從27歲提前到20歲左右，這對于整個AI產業的勞動力供給是效能巨大的。

同時，高收入和高就業率也在吸引著學生的目光，讓他們辛苦繞一圈才能進入AI，這好像也有點殘忍。

正方觀點B：產學研一體化，強烈期待AI本科生