2026年春季，UC Berkeley计算机系三门核心课程挂科率暴增最高达35.3%——教授直指AI是「首要驱动因素」。当最顶尖的CS学生都在被AI反噬，我们该培养什么样的人？
事件回顾
UC Berkeley Daily Cal在6月3日发表了一篇炸裂报道：2026年春季学期，Berkeley EECS系多门核心课程挂科率出现历史性飙升。
具体数据：
- CS 10（计算的美丽与乐趣）：35.3%的学生拿到F，而2024和2025年同期，这门课的挂科率从未超过10%。平均成绩从B级暴跌至C+（对应GPA 2.3）。
- CS 61A（计算机程序结构与解释）：10.6%的F率，同样是历史高点。这门课是Berkeley CS专业的「守门课」，几乎所有CS学生都要过。
- EECS 127（工程优化模型）：16.8%挂科率。系里对高阶课的「正常」标准是D/F合计不超过5%。
▲ UC Berkeley CS课程2026春季挂科率 vs 历史数据对比
更值得注意的是：这些课程都没有采用curve制度。每个字母等级有固定分数线，学生是否挂科完全不取决于同学表现。换句话说，是学生真的「不会了」，不是被同学比下去了。授课教授Dan Garcia直言不讳：「我认为首要驱动因素是大规模学术不诚信——学生使用大语言模型（Claude、ChatGPT、Google Gemini）导致的。」他透露，仅CS 10一门课，就有近30名学生因在take-home考试中使用AI作弊被移送学生行为中心。
但更令人担忧的是另一类学生：他们不是作弊，而是「太依赖AI了」——平时作业全用LLM代劳，到考试时才发现「真的什么都不会」。
不止是AI作弊：数学基础的全面塌方
如果只是作弊被抓，那是纪律问题。但多位教授指出，问题比作弊更深层。
EECS 127的任课教授Gireeja Ranade发现，学生进入这门课理应具备线性代数、向量微积分和数学证明的基础——但大量学生在office hour暴露出线代都不会。更让她震惊的是，一位学生告诉她：自己在UC Berkeley上的线代课，政策是「开互联网、开AI」——连考试都可以用AI。
Ranade引用了一句她同事的话：「困惑是学习的汗水。 而很多学生，我看根本没在流汗。」
她的office hour过去是「爆满」的，这学期却经常空无一人。Dan Garcia也经历了同样的事：「我过去办公室总是满的，这却是第一次，我一个人坐在办公室里。」
1,300多名UC系教授联合签署请愿书，要求恢复ACT/SAT标准化考试作为STEM专业录取标准。请愿书明确指出学生在数学准备方面的系统性不足——而这恰恰发生在AI工具爆发式普及的同一时期。
为什么这件事对AI创业者很重要
你可能会问：Berkeley的学生挂科，跟我有什么关系？
关系大了。
第一，这是人才供给的预警信号
Berkeley EECS是全球最顶尖的CS项目之一。如果连Berkeley的学生都在被AI「反噬」——用AI做完了所有作业，却没有真正掌握任何东西——那么未来3-5年进入就业市场的CS毕业生会有多弱？
对于AI创业者来说，招人已经够难了。未来会更难。 你需要的不是只会「prompt Claude」的人，而是能理解系统底层、能debug复杂问题、能在AI出错时兜底的工程师。
如Ranade教授所说：「我们要教的不是'更少'，而是'更多'。 在AI时代，学生需要更强的批判性思维和分析能力。」
第二，这是「一人公司」的机会信号
反过来想：如果科班毕业生都靠不住了，AI工具能替代的能力边界在哪里？
这恰恰是一人公司和AI Agent创业者的机会：
- 当你一个人借助AI能完成一个团队的工作，你不需要担心「招不到好用的毕业生」
- 当「会用AI」本身就是稀缺能力时，你先发优势就更大
- 传统机构的人才培养正在失效——自驱型学习者通过AI工具加速成长的机会来了
第三，这是一个「产品机会」
Berkeley的问题暴露出一个真实痛点：如何在用AI辅助学习的同时，确保真正的技能获取？
这给了AI教育工具创业者一个明确的产品方向：
- 不是「禁止AI」，而是「设计AI不可替代的评估方式」
- Dan Garcia提出的方案：公开等级标准、给学生无数次达到A标准的机会、不curve——这需要一个平台来支撑
- 检测「AI依赖度」的工具：学生在作业上花了多少时间？哪些部分是自己写的？哪些是AI生成的？
HN社区的反应：253分、119条评论的激烈辩论
这篇报道在Hacker News上引爆了前所未有的讨论（403 points / 305 comments）。评论区的核心争议点包括：
- 「这不是新问题」派：有人认为StackOverflow时代就有copy-paste编程，AI只是加速了趋势。但反驳者指出，LLM和StackOverflow的本质不同在于：LLM让你连「找答案」的技能都跳过了。
- 「教育体系该改革了」派：现在的考试方式是在测试「无AI时的能力」，但这跟现实世界脱节——在实际工作中你本来就可以用AI。应该重新设计考核方式。
- 「数学基础不可替代」派：不管你用不用AI，如果你连线性代数都不懂，你根本不知道AI给你的结果是对是错。这是最被点赞的观点之一。
- 「这是筛选机制」派：高挂科率恰恰说明Berkeley的课程没有被AI「注水」。能在这种环境下拿到A的学生，才是真正的顶尖人才。
▲ AI依赖陷阱 vs AI辅助成长的正确姿势
行动建议：AI创业者现在该做什么1. 重新定义「招聘标准」
不要只看学历和GPA。面试时应该：
- 关掉AI工具做白板编程——看候选人真正理解多少
- 测试「AI协作能力」而非「AI依赖能力」：给定一个有bug的AI生成代码，看候选人能否debug
- 问「你最近不用AI解决的一个最难问题是什么」
2. 把「学习能力」作为核心竞争力
对于一人公司创业者：
- 用AI加速学习，而非替代学习。让AI解释概念，但自己动手写代码验证
- 建立「不用AI日」——每周固定一天关掉所有AI助手，看看自己还能做什么
- 深度理解自己的工具链：不只是会用，要知道原理
3. 关注AI教育工具赛道
如果Berkeley都需要重新设计课程来应对AI，那么全球数千所高校都有同样需求。这个市场的空白是巨大的：
- AI辅助但不可替代的作业平台
- 学习过程追踪工具（区分人的学习行为和AI代劳行为）
- 基于真实能力而非考试成绩的评估系统
总结
UC Berkeley的挂科率暴增不是一个孤立事件——它是AI大规模渗透教育后，系统开始反噬的第一个清晰信号。
对AI创业者来说，这意味着：
- 短期利好：传统教育体系产出的「产品」质量下降，自驱型学习者的相对优势扩大
- 中期挑战：人才市场可能面临结构性断层，招人会更难
- 长期机会：AI教育工具和新型评估体系是一片蓝海
Professor Ranade的话是最好的总结：「我们希望在未来的40年里，培养出坚实而有贡献的公民和领导者——不只是明年或后年。我们需要也想要教会他们如何迎接新的挑战。」
对于AI创业者，这句话同样适用。你是在用AI逃避学习，还是在用AI加速成长——这决定了五年后你是一家AI公司的老板，还是一个只会prompt的操作员。
#AI创业 #AI教育 #UCBerkeley #人才危机 #一人公司
来源：UC Berkeley Daily Cal（2026年6月3日报道），HN 403 points / 305 comments
本文由AI辅助创作，经人工审核编辑发布