没有 Token 就退学？

“

决定你能不能跟上这个时代的，不是你有没有那张入场券，而是拿到它之后做了什么。

最近，南京大学计算机学院副教授、博导蒋炎岩，在他 2026 年秋季新课《生成式软件工程》的第一页课件上，用红字写了一句特别扎眼的话：

「没有 Token 的 CS 学生，应该立即退学。」

一句话把 AI 圈和计算机圈都炸了。知乎相关话题冲上热榜，四百多个回答，底下赞成的人居然还不少。有人说”这话说保守了，不如把课时费全换成 Token 按人头发下去；有人说何止计算机系，全专业都应该把怎么用 AI 列为必修；也有人忍不住吐槽——既然 Token 是实验耗材，那化学系的试剂是实验室供的、物理系的器材是学校买的，怎么到了计算机系就得学生自己掏钱？

我听完的观点很清楚：这句话对一半，另一半很值得补充。

📌 本文看点

他说的对的那一半

自费找资源 = 主观能动性

用 Token 学知识，不是交差

EMBRACE

他说的对的部分：你必须主动拥抱 AI

蒋老师这个人说话难听，但话糙理不糙。他把这句话放在开学第一课，真正想说的其实是：

「都 2026 年了，学计算机的还不碰 AI 工具、还在用十年前那套方式敲代码，跟行业前沿的差距，已经不是熬夜能补上的了。」

这不是危言耸听。你看新加坡国立大学直接从 2026/27 学年开始，全校所有本科新生不分专业、不分文理，必须修满 12 学分的 AI 相关课程才能毕业。AI 工具，正在从 CS 专业的专业课，变成所有专业的”公共课“。

所以，要拥抱 AI这件事，我认为完全没问题。在这个时代，Token 和水电网一样，已经是一种基础设施。整个社会一旦习惯了 10 倍速产出，你还在用 1 倍速硬扛，就算勉强能做出东西，大概率也是没有意义的。

但拥抱 AI如果只停留在我用上了这个层面，那就太浅了。这才是我想补充的部分。

INITIATIVE

补充第一点：自费、找免费资源，本质是”主观能动性“

这门课的规则很简单，蒋老师列了三条：

禁止古法编程——别再用十年前那套方式敲代码。

Token 自费——自己花钱买 Token 做作业。

不需要 Tokenmaxxing——别拿 Token 当水喝，不需要死命烧，要高效地用。

很多人只看到Token 自费四个字，觉得是在为难学生。但我觉得，这里藏着这整句话里最值钱的那个信息。蒋老师用一句话点破了本质：

「Token 是 AI 时代的实验耗材，跟化学系的试剂、物理系的器材一个道理。只有自己掏腰包用，才能真正建立起成本、质量、延迟的意识。」

说白了，Token 自费的重点根本不在钱，而在主动。它逼着你去想：我该用哪个模型？这个任务值不值得烧这么多 token？我能不能先自己想清楚，再让 AI 帮我跑？

其实这个道理，比上课本身重要得多：

别等着别人喂

没有免费的 token，就去找免费的 token；有得用但贵，就去找更便宜的替代；资源不够，就自己去想办法。这是一项可以迁移到任何领域的能力。

前期要有”压缩“思维

在窘迫、有限的预算里，你依然能把事情做出来，你才算真正学到了东西。只有当你的能力积累到一定程度，创造的价值明显大于花费时，你才值得上更好的模型、烧得起更多的 Token。

很多人的问题是：没有的时候抱怨不行，有了之后又无限挥霍。这两种心态，其实都没有用 Token的能力。

我见过两种花 Token 的方式，差别是天壤之别：

有人把 AI 当高级搜索框，题目整段复制进去、答案复制粘贴出来。Token 花了不少，独立思考能力反而退化了。

有人用 AI 代理系统去读整个代码库、自动修 bug、生成测试用例。Token 消耗大，但产出完全不是一个量级。

同样的 Token，用出什么结果，取决于你这个人行不行。这恰恰印证了那句话：Token 是入门券，但真正的门槛，是在它前面和后面的那个人。

LEARNING

补充第二点：用 Token 学知识，而不是交差

这是我觉得最值得被讲清楚的一点。蒋老师在讲这句狠话之前，先讲了 CS 学生的集体焦虑。其中第一种焦虑，名字就叫AI 替我上大学：

「老师用豆包出题，学生用豆包做作业，整个过程中，只有学生没有受到训练。假设每门课都开卷、都用 AI 答题，每门课都能拿高分。但等到毕业时才发现——每门课都很好，可自己什么都没学会，第一个就被 AI 取代了。」

有人把它形容得更扎心：AI 教、AI 学，大家都在 Loop 里假装很忙，只有学校的电费是真的。

这就是我特别想说的：有了 Token，不等于你就学到了知识。中间必须留下点什么，才叫学习。

那留下什么？我觉得蒋老师的一句话给了答案——他说这门课想解决的问题是：

「AI 写代码越来越快之后，人还剩下什么活要干？学生不只是会写代码，还要学会给 AI 拆任务、挑模型、控成本、验结果。模型生成得再快，如果人不知道它写得对不对，照样白搭。」

以前是让你去背一个语法；现在是为了做成某件事，你需要去掌握更多 AI 的技巧和技能。而在学习这些技能的过程中，你自然而然会接触到相关的知识。这些知识可能不是细节层面的，但它更具备方向性、决策性——你知道该往哪儿走、该让 AI 往哪儿使劲、该怎么判断它给的结果靠不靠谱。

这才是用算力帮你学习的正确姿势：搜索资料、形成成果，做一个从需求到成果的闭环。而不是拿它当答案机器，把”过程“整个外包出去。

而且——越依赖 Token，底层功底往往越要命。有个很真实的案例：一个实习生用 AI 三天搓出一个完整的微服务，代码结构漂亮、本地单测全过，看起来潇洒极了。结果压测流量刚到 500 QPS，整个服务瞬间雪崩。扒开代码一看，模型生成的逻辑是跑得通的，但底层塞满了非原子操作、隐藏的数据库锁竞争、全表扫描。没有底层功底的人，AI 把一段带着内存泄漏的代码递到他面前，他根本看不出来。

这也是我一直认同蒋老师那句模型生成再快，人不知道它写得对不对，照样白搭”的原因。

∞

EPILOGUE

结论：要”淘汰“的从来不是”没 Token“的人

所以我对没有 Token 的 CS 学生应该立即退学这句话的评价是：

它对的部分：在 AI 时代，如果一个人连主动去用算力、主动去拥抱 AI 都不愿意，那他确实会被时代甩开。

它不完整的部分：真正该被淘汰的，不只是没用Token 的人，还有这三类人——

有 Token，却只把它当搜索框、被动等别人喂、从不去主动找资源的被动者；

烧了一堆 Token，却什么都没留下、只会”复制粘贴交差“的空心人；

用了 Token，却始终不学底层、不产生价值的短视者。

Token 只是入场券。真正拉开差距的，是主动去凑资源、在有限预算里做出成果的本事，以及把算力真正转化成自身知识和成果的能力。

这个道理，其实和有没有 AI 没关系。从古到今，那个不等人喂、敢在窘迫里逼自己一把、能把工具变成自己脑子里东西的人，永远跑在最前面。

共勉。