没有Token就该退学？南大教授这句话，彻底揭开了学计算机的心酸

不知道学计算机的学生有没有想过，当你毕业之后拿着自己的简历，尤其是很多证书以及专业的证书，以为能找到一个好工作的时候，可对方一句“AI都能做”。

这个时候你该如何回答呢？

南京大学计算机学院副教授蒋炎岩在2026年秋季学期《生成式软件工程》第一课上，课件首页用红字赫然写着：“没有Token的CS学生应该立即退学”。

这句话像一颗炸弹投进了开学季的平静水面，知乎相关话题迅速冲上热榜，四百多个回答吵成一片，有人拍手叫好，说这话说得太保守了，建议大学取消所有课堂，把省下来的课时费全部用来采购Token按人头发给学生。

也有人觉得这是在逼学生花钱，是在为AI泡沫买单，一个大学老师，开学第一课就让学生退学，这到底是疯话还是狠话？

蒋炎岩这个人，在国内计算机圈子里口碑很硬，他本科和博士都在南京大学计算机系读完，师从吕建院士，研究方向是系统软件和软件自动化。

其中主讲的《操作系统》课程在B站上播放量超过500万次，粉丝叫他“绿导师”，此前他写过一篇《给天命人的劝退信》，把不少心怀读博梦的年轻人劝到怀疑人生。

这个人说话向来难听，但学生反而听得进去，这门《生成式软件工程》是蒋炎岩2026年秋季新开的课，课堂规则一共三条，禁止古法编程、Token自费、不需要Tokenmaxxing，所谓“禁止古法编程”，就是别再用十年前那套方式敲代码了。

“不需要Tokenmaxxing”意思是别拿Token当水喝，得会盘算着花，而“Token自费”这四个字，正是整场风暴的源头。

为什么非要学生自己掏钱？蒋炎岩原本打算去拉一些Token赞助，毕竟让学生自掏腰包多少有点说不过去。

但看到实际选课人数后，他觉得没有必要再去跟厂商拉着脸要Token，也比较麻烦，于是干脆把课堂准则改成了“Token自费”。

他的逻辑很直白，Token就是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，化学系的学生烧试剂会心疼，物理系的学生摔器材会肉痛，一克一件都掂量过分量，学的东西才扎实。

计算机专业过去只需要一台电脑就能上路，如今AI进了课堂，学生要是不亲手为每一次调用付账，就永远学不会衡量成本、速度和输出质量之间的平衡。

但话说回来，蒋炎岩把这句话说得这么绝，是在什么语境下说的？他在抛出“退学”之前，先给学生讲了两层焦虑。

第一层叫“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。

假设每门课都开卷考试，全部用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。

第二层叫“认真学了四年，发现被大学骗了”，有些同学延续了中学时很听老师话的状态，老师说什么就做什么，每堂课都认真听，每次作业都认真做。

但四年毕业时却发现，自己确实学会了一些东西，但这些东西AI都会做，更大的暴击来自于秋招投简历。

当一份“完美简历”都被认为是零分时，你到底该怎么向未来的导师展示你自己？正是在这种集体焦虑中，蒋炎岩希望用这门课来缓解大家的焦虑，带大家找回一种快乐，vibe coding的快乐。

他说自己在vibe coding中得到了很多快乐，在快乐中可以理解软件工程是怎么工作的，可以做出一些有趣的东西，可以让你的简历写得更好。

蒋炎岩真正想说的是，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。

但Token有成本，今年3月，国家数据局正式将“Token”定名为“词元”，明确其作为智能时代价值锚点与结算单位的战略定位。

一个东西能被国家层面定名定位，说明它已经不是圈内黑话，而是正在变成整个社会的底层基础设施，Token对计算机学生有多重要？往小了说，它是做作业交实验的“门票”。往大了说，它是AI时代的“生产资料”。

谁掌握生产资料，谁就掌握评价标准，过去计算机学生用免费的IDE、开源的框架，几乎没有“算力账单”的概念，如今调API写代码、跑实验，Token直接等于烧钱，冗余输出和废话注释都是隐形开销。

当一个人意识到自己花的每一分都是真金白银，他才会珍惜、才会计较、才会钻研怎么“花小钱办大事”，蒋炎岩在课程里同步“禁止Tokenmaxxing”，严厉杜绝无意义、重复性的算力浪费。

这恰恰说明，他要的不是抠门，而是能力倒逼，省钱、扩容、提质，三位一体，用同样的钱多跑十倍实验，用有限的资源倒逼出高效、精准、有判断力的工程素养。

我认为这才是这句话最核心的价值，它不是让所有学生都去烧钱，而是让学计算机的人意识到，你手里的每一分钱Token，都在逼你思考：这个问题值不值得问？这个输出值不值得跑？这个方案是不是最优解？这种“成本意识”，在免费工具泛滥的时代恰恰是最稀缺的东西。

那么这个费用到底该不该学生承担？这是整件事最扎心的问题，蒋炎岩选的模型是DeepSeek-V4-Flash，不是GPT，DeepSeek的价格只有GPT的几十分之一。

根据DeepSeek官方定价，V4-Flash输入缓存命中每百万Token只要0.02元，未命中1元，输出4.5元，蒋炎岩在课上给了一个数字：建议学生去DeepSeek充100块。

有人专门做了完整测算，结论是100元对典型使用场景绰绰有余，一学期实际支出中位数在40元左右，一个学生一学期下来，花销跟买几杯奶茶差不多。

要是换成GPT-4，一学期可能得花几百块，那“自费”就真的变成劝退了，价格便宜是前提，否则“自费”就成了变相劝退。

国产模型把门槛拉平了，蒋炎岩才敢在课件上写那句狠话，而且这门课的成绩不计分，仅通过/不通过，蒋炎岩还说过，如果真有Token困难的学生，可以联系他解决。

所以“自费”这件事，在100块以内、一个学期40块中位数的前提下，到底算不算“逼学生花钱”？我认为这已经不是一个经济问题，而是一个态度问题。

40块钱买不来一个学期的实验耗材，但能买来一个学生对“成本—质量—延迟”的真实体感，这笔账，算得过来。

但话说回来，课堂真实的分化其实不在花多少Token，而在怎么花，有人省事，作业题原封不动粘进对话框，模型吐什么交什么，Token没少烧，脑子却越用越钝，也有人把AI当搭档使唤，让它读整个代码库、自动找bug、批量写测试，同样一份作业，产出的东西根本不在一个层次上。

蒋炎岩把话说这么难听，冲的就是那种“用AI等于偷懒”的旧观念，到2026年，一个学计算机的年轻人如果还守着单打独斗那套写代码的路数，跟行业前沿的落差已经不是通宵补作业能填平的了。

他要学生尽早认清这件事，越早越好，有意思的是，Token跟化学试剂并不完全一回事，试剂烧掉就烧掉了，Token花出去，换回来的是能读、能改、能带走的代码和思路，甚至是一次次和AI掰扯出的判断力，前提当然是学生真的在动脑子，而不是把AI当作业代写机器。

放大一层看，南大这门课并不孤立，新加坡国立大学从新学年起，规定所有本科新生不分专业都得修满一定的AI学分才能毕业。

复旦大学今年春季也开出面向非计算机专业的《生成式软件开发》，主打“人人都是程序员，把软件聊出来”。

设计系用AI出图，法学院用AI审合同，传媒专业用AI剪片子，AI工具在高校里的定位，正从“专业课”迅速滑向“公共课”，谁都躲不掉。

蒋炎岩的“没有Token就退学”听起来很极端，但放在更大的背景下看，他只是走在了前面，我认为这件事真正的争议不在于40块钱该谁出，而在于一个更根本的问题，大学教育到底应该在多大程度上追赶行业的变化？

如果一门课的内容本身就建立在AI工具之上，那这个工具的成本算不算教学成本？如果算，学校为什么不出？如果不算，那学生凭什么要为一个工具付费才能完成学业？

这些问题的答案，恐怕不是蒋炎岩一个人能给的，但他用一句狠话，逼着所有人开始想这些问题，这大概就是那句话的真正价值，它不是劝退书，而是一份写给所有AI时代学习者的、稍显粗暴却满怀善意的入学建议。