DC娱乐网

美媒算了一笔账:美国一年培养50万理工科学生,而中国是170万!

文 |议史纪

编辑 |议史纪


美媒算了一笔账:美国一年培养 50 万理工科学生,而中国是 170 万!

很多美国人忽然发现,自己错了,曾经认为基础教育差点没关系,反正全球聪明人最后都会挤到美国来。

结果自己 STEM 本科只有 50 万,中国已经做到 170 万,还集中在真正的数学、物理、计算机、工程这些硬科目上。

中国这几轮教育投入和产业升级,一点没白做。

“50 万对 170 万”,美媒自己把话说死了

11 月 18 日,《华盛顿邮报》做了一件有点“得罪自己人”的事:不用“大而全”的 STEM 统计口径,只看数学、物理、计算机、工程这些硬核理工科,把心理学、社会学、护理学全都剔出去。

结果一算,美国每年真正意义上的硬核理工本科生大约 50 万,中国大约 170 万,数量直接差了 3.4 倍。

更微妙的是结构。美国那边,长期情况是本科生里只有差不多 20% 选硬理工,剩下大量流向商科、金融、文科;中国这边,硬理工占比常年在 40% 以上。

这个差距拉长到 10 年、20 年,意思就很直接了:两国在“谁能多培养会拆机器的人”和“谁更多是在写 PPT 的人”之间,路线完全不同。

要说美国没有搞过理工科,那是瞧不起人。

1957 年苏联把“斯普特尼克”送上天,给美国吓得够呛,于是把《国防教育法》砸下去,几十年后换回阿波罗登月和硅谷最早那批本土工程师。

这笔账美国是算过的,而且算得还挺清楚。

但问题来了,到了 1980 年代,华尔街赚钱太快,哈佛、耶鲁、普林斯顿的理工尖子生一毕业就被投行和律所捡走,实验室和机房在他们眼里远不如交易大厅来得实在。

美国用几十年堆出来的理工土壤,开始一点点往金融和服务业让路。

等到 1990 年扩大 H‑1B 签证名额后,事情变得更简单粗暴,全球聪明工程师想来美国,那就直接招,中国、印度的工科本科生一批批飞来,硅谷写代码的人越来越多,本土数学课本可以慢慢改,不着急。

长此以往,美国形成了一种很危险的惯性:高端人才靠全球输入,自己只要保持平台优势就行。只要签证通道不堵,50 万是不是稍微少一点,好像问题也不大。

这次《华盛顿邮报》把口径收紧,就是把“水份”挤掉,剩下的是真正在机器旁边干活的人数。

对美国来说,这不是一组好看的统计图,而是一个现实提醒:如果继续把希望押在“别人学,我们捞”的思路上,那条路已经越来越窄了。

尤其是,当对面那个“别人”是每年 170 万硬核工科生的中国时,这种心态就更站不住脚。

从 H‑1B 到 K 签证,管道开始改向流

过去二三十年,美国可以不怎么着急 STEM 基础教育,有一个重要前提:只要签证够宽松,全球工程师最终都会往硅谷挤。

中国负责把学生从高数、线代一路卷到毕业,美国负责把这些人打包进大厂办公室,这是很多人默认的“国际分工”。

事情在 2025 年 9 月突然掉头。那个月,美国政府把新申请 H‑1B 的费用直接抬到 10 万美元,而且限定在一定时间窗口内有效。

对一大票靠工程师吃饭的科技公司来说,这不是简单涨价,而是在门口装了一道高压线。

要知道,以前 H‑1B 的基础费用只有 4 位数,现在直接变成 5 位数,还是以 10 万为起步,这种变化很难用“正常行政调整”来形容。

后面法院有拉扯、有裁决,政策细节还在拉锯,但对企业的人力决策来说,信号已经送到:想通过大规模引进外籍工程师来填补本土 STEM 缺口,这条路接下来肯定不好走。媒体盘点时不客气,有的干脆用“给自己锁门”来形容这道 10 万美元的门槛。

一些数据也说明问题,政策实施后,实际愿意掏这笔费用的申请数量远远低于早年 H‑1B 的热度,企业算的是成本账,不是情怀账。

有意思的是,就在这之后没多久,中国这边推出面向全球青年科技人才的 K 字签证。

它的特点很明确:不要求本地用人单位先担保,科研人员和创业者可以先人到中国,再去对接项目和平台。

对那些本来就有回国念头、或者在欧美政策环境里感到不踏实的年轻工程师来说,这个选项的吸引力一下子上去了。

结果现在看到的,是一种很现实的走向:根据公开研究数据,全球最顶级的 AI 研究者里,本科在中国读书的比例已经做到 57%,美国本科出身的只有 13%。

更有意思的是,在美国本土工作的顶尖 AI 人才中,本科在中国读的人占到 30% 多,已经超过美国本土出生的比例。

再加上博士这一层,中国在 STEM 博士上的数量也已经压过美国一头。

智库对比数据显示,到 2025 年,中国每年 STEM 博士预计能达到 7.7 万人,美国大概在 4 万人上下,两边的梯队厚度谁更扎实,很容易看懂。

以前是大量中国学生本科、硕博一路往美国走,现在开始出现反向:部分人读完书选择不再久留,还有不少人在国内读完本科或博士,直接加入本土的 AI、大模型、芯片公司,不再把“出国”当成唯一终点。

美国的算盘是通过签证收紧“保护本土岗位”,但客观效果却是在帮中国稳住高端人才回流和本土沉淀。

把 170 万工程师推上前台

很多人对 AI 的想象还停留在“几个天才搞出一个神奇算法”,但今天的大模型竞争已经不是这个路子。

各类公开材料都在反复提,大模型背后真正要紧的是:成千上万张 GPU 怎么连起来跑,跨机房的网络怎么调度,冷却系统、电力系统怎么跟得上。

过去几年,美国对中国的高端 GPU 出口做了不少限制,希望从算力上压一压中国 AI 发展速度。

硅谷这边长期习惯的是“钱多卡多”,遇到难题可以通过“扩机房”“加显卡”来顶。

中国这边则被倒逼出来另一套做法,以 DeepSeek 等团队为代表,在公开技术交流里不断谈“算力效率”“算法节俭主义”,用更克制的资源去追求相近甚至更好的效果。

这里真正发挥作用的,其实正是那 170 万工程师的底盘。

你要把大模型的训练从“堆卡”转向“优化结构”“调通信”“改框架”,背后需要大量擅长数学、系统、工程的人,既能看懂论文,又愿意守在机房、服务器和代码之间长时间打磨。

中国高校这几年,分布式系统、并行计算、芯片设计、电气工程这些专业一直在扩招,学生毕业后直接进互联网大厂、云厂商、AI 创业公司、电力公司、运营商,做的都是跟大规模工程强相关的工作。

反过来看美国,基础 STEM 人才只有 50 万,还要在互联网、金融科技、生物医药、传统工业之间分配。

AI 行业当然还能招到好的人,但密度和冗余度已经不在同一水平上。

更要命的是,签证成本飙升之后,为了省掉那 10 万美元的申请费,不少中小公司干脆收紧外籍招聘,把更多岗位留给本土。

结果是:企业的用人池变小,技术路线更容易保守,敢做长周期基础投入的意愿下降。

当下关于 AI 的公开报道里,有一个趋势越来越明显:中国本土的大模型、AI 平台厂商,不再只是追着硅谷的论文和开源项目往后面跑,而是开始在工程落地和产品形态上走自己的路。

美国这边当然依旧有很强的头部企业和顶级实验室,但当它试图用芯片管制和签证壁垒来维持优势时,中国已经在另一套赛道上扩大优势:用更大的工程师培养体系,把“算力不足”的短板转成推动效率优化的动力。

等到未来几年,新一批 STEM 博士、本科工程师进一步进入产业,一旦算力供给有所改善,这批人对系统架构、算子优化、调度体系的理解,很可能会让后来者更难追。


由于平台规则,只有当您跟我有更多互动的时候,才会被认定为铁粉。如果您喜欢我的文章,可以点个“关注”,成为铁粉后能第一时间收到文章推送。