南京大学计算机学院副教授蒋炎岩在2026年秋季新开的《生成式软件工程》课程中，以一句“没有token的CS学生应该立即退学”引发技术圈热议。这句被标红置于课件首页的表述，不仅成为社交平台传播的焦点，更折射出高校计算机教育对AI工具应用的新思考。
与传统计算机课程依赖免费开发工具不同，该课程创新性地引入“Token自费实训机制”。学生需自行购买deepseek-v4-flash大模型的计算资源，所有实验、作业均基于这一模型完成。蒋炎岩明确表示，此举旨在破除学生长期形成的“零成本思维”，通过实际支付培养对工程开发中成本、质量、延迟的敏感度。
课程设计将Token定义为AI时代的“实验耗材”，类比化学专业的试剂或物理专业的仪器。为避免资源浪费，教学团队特别制定规则禁止“tokenmaxxing”行为——即无意义重复调用模型接口的倾向，要求学生以有限资源解决实际工程问题。这种设计既保留了实践真实性，又通过精准使用训练工程思维。
针对争议言论，多位熟悉蒋炎岩教学风格的人士指出，这属于其标志性的“夸张式警示”。他们解释称，蒋教授长期强调AI对软件工程的颠覆性影响，此次言论实质是提醒学生：若仍停留在手写代码、刷题应试的传统模式，将难以适应产业对AI工具的深度依赖。数据显示，当前超过70%的软件企业已将大模型应用纳入开发流程。
自费机制的可行性得益于模型选择的经济性。deepseek-v4-flash的定价仅为GPT系列同规格模型的1/50，学生每月购买基础套餐的费用不足一杯奶茶价格。这种设计既保证了实践真实性，又避免了高昂算力成本可能导致的教育公平问题。据校方透露，首期课程中98%的学生顺利完成Token采购，未出现经济负担反馈。
这场讨论背后，是高校计算机教育转型的深层变革。多家“双一流”高校教师表示，AI工程能力已从选修技能转变为核心素养，部分院校开始在课程体系中增设大模型应用、提示词工程等专项课程。企业招聘数据也印证这一趋势：具备AI工具开发经验的毕业生起薪较传统开发者高出25%-40%。
值得注意的是，课程团队同步建立了Token使用监控系统，通过算法分析调用频率、任务类型等数据，动态评估学生资源利用效率。这种量化评价方式不仅服务于教学管理，更为行业培养具备成本意识的AI工程师提供了参考范式。有教育专家认为，这种“真实场景+经济约束”的训练模式，可能成为未来AI教育的重要方向。
