谷歌DeepMind联合创始人兼首席执行官德米斯·哈萨比斯在近期公开讨论中指出，尽管人工智能正在重塑科技行业的职业格局，但科学、技术、工程、数学（STEM）领域的学术积累依然具有不可替代的价值。他强调，系统掌握计算机科学基础原理是高效运用AI工具的前提，未来编程工作将向更高抽象层级发展，但底层技术理解能力仍是核心竞争力。
作为人工智能领域的先驱人物，哈萨比斯以编程语言演进为例说明技术变革规律。他回顾道，从早期机器码到C语言、Python的迭代，本质是不断降低人类与机器交互的门槛。未来甚至可能出现基于自然语言的编程方式，但系统架构设计、软件工程规范等核心能力始终需要专业训练。"真正理解技术本质的人使用AI的效率，可能是普通用户的十倍以上。"他特别指出，这种差距在复杂系统开发中尤为明显。
在科技领袖的共识中，人文社科的价值正得到重新审视。哈萨比斯明确表示，哲学、经济学等学科将在AI时代发挥关键作用。"当我们构建能够影响人类社会的智能系统时，伦理框架、价值判断等议题必须纳入技术考量。"这种观点与"AI教父"杰弗里·辛顿的论述形成呼应，后者曾强调计算机科学学位的价值远超出代码编写能力，"它培养的是解决复杂问题的思维模式，这种能力在AI时代反而更加珍贵"。
支付公司Affirm首席执行官马克斯·列夫琴从实践角度印证了基础学科的重要性。他以代码质量评估为例说明："没有扎实的算法和数据结构知识，连讨论代码优劣的资格都没有。"这位资深程序员认为，编程工作存在显著的"品位差异"，优秀代码不仅需要实现功能，更要考虑可维护性、扩展性等深层指标，这些判断都建立在系统化的计算机科学训练之上。
教育领域的变革信号已经显现。多所顶尖高校正在调整计算机专业课程设置，在强化AI工具应用训练的同时，增加系统设计、算法分析等传统课程的比重。行业观察家指出，这种调整反映了技术发展规律——当工具变得足够强大时，决定使用者竞争力的往往是其对工具本质的理解深度，而非操作熟练度。
