2025年10月11日，中科院鄂维男院士在徐汇区“上海市人工智能教育试验区”展示活动做了15分钟的微演讲，这里附上胖胖老师的现场学习报告，供大家参考。
一、上海人工智能学院建设情况
上海人工智能学院（依托交大建设，成立一年半）积极运用人工智能技术，针对高等教育教学、学习、科研三大核心环节的痛点，开发智能体并重构课程体系，具体建设内容如下：
（一）三大智能体开发
- 教学智能体（TeachMaster）
- 核心功能
：可根据课程大纲、授课教师（如学院陈思恒老师）等信息，自动生成完整课程体系，包含每一节课的内容，同时配备教材、习题、学习环境、视频、PPT、题目评价及习题批改功能，形成闭环的教学支持系统。
- 当前进展
：已实现课程自动生成的核心功能，唯一待完善的是评测体系，计划参考英语四六级模式，针对文科、理科等不同学科设置相应的水平评测标准，完善后将形成自循环的封闭教学系统。
- 应用案例
：陈思恒老师本学期开设 “积极学习” 课程时，借助该智能体，由另一位老师开发的智能体全程生成课程内容，大幅降低课程开发难度与成本。
2.学习智能体(LearnMaster)
- 开发背景
：学院要求每一位学生和老师都需学习人工智能，但无法开设足够多的课程满足个性化需求，因此研发该智能体。 - 核心功能
：能够依据使用者的需求、背景（如专业、知识基础），提供个性化、碎片化的学习资源推送，还可帮助构建学习环境（如相关程序），制定专属教学方案，陪伴使用者完成学习过程，实现低门槛、高效率的学习，理论上可适用于所有课程学习，不仅限于人工智能领域。
3.科研智能体(SciMaster)
- 核心能力
：在文献阅读、计算、场景实验、科研报告撰写等方面已达到人类专业水平（相当于 11 年级博士生水平），且可应用于多个学科领域，如理论物理、应用数学、材料计算等。 - 应用案例
：汽车企业通常需几十人甚至上百人的团队长期维护车型阻力计算与设计优化工作，而学院借助该智能体，仅由几个年轻人花费两周时间就开发出专项智能体，将车的模型输入后，可自动生成立体图形网格、完成计算并撰写报告，极大提升科研效率。 - 未来规划
：目前正快速迭代，预计两三年之内，在大部分科研方向上，其科研能力将进一步提升并稳定达到专业水平。
（二）课程体系重构
- 重构背景
：传统跨学科专业（如可再生能源、双碳相关专业）课程体系制定困难，易出现学分过多、专业划分过细的问题，不利于领军人才培养，因此学院启动课程体系重构工程。
- 具体举措
：将理工科主要的几百门课程打乱后重新设计，该工程规模庞大，但经过几个月推进，已接近完成。
- 重构价值
：在新的课程体系下，不仅能自动生成课程，还能轻松为过去无先例的交叉学科专业构建所需的课程体系与课程，同时也为学习智能体制定个性化学习计划提供了坚实基础。
（三）青少年人工智能教育合作
学院与中福会合作成立上海青少年人工智能学院，每个周末在交大开展教学活动，旨在推动青少年人工智能教育发展，同时也为未来教育向下延伸（如面向高中）奠定基础，吸引上海优秀中学生留在本地学习人工智能。
二、对当下人工智能与高等教育的思考
（一）人工智能对高等教育的冲击与机遇
- 冲击的核心对象
：相较于其他行业，人工智能对从事人工智能领域工作的群体（如人工智能学院的老师）冲击更为巨大，这是区别于大众普遍认知的关键观点。 - 机遇的体现
：人工智能为解决高等教育现存的教学资源稀缺、教学模式落后、科研效率低下等问题提供了有效途径，学院开发的三大智能体正是利用人工智能机遇的具体实践。
（二）当前高等教育存在的核心问题
- 教学层面
-
优质教学资源稀缺，导致教育制度极度内卷，若能实现优质资源平民化、平权化分配，可大幅缓解内卷问题。 -
以课程体系、课堂教育为主体的知识传授方式已不适应未来需求，跨学科专业课程体系制定困难，专业划分过细，不利于领军人才培养，仅能培养专业人才，而未来专业人才可能被领军人才替代。
- 科研层面
-
科研效率极低，学科间界限明显，理论研究与实验研究脱节（如做理论的人无法为做实验的人提供有效帮助，实验研究多依赖试错和经验），导致新材料、新催化剂等研究需耗时十几年，甚至可能在过程中遗忘研究目的。
-
高校科研评价机制不合理，不以实际科研成就为核心，反而以 “中间件”（如发表的论文、获得的 “帽子”）为评价标准，导致科研与实际问题脱节，无法有效解决实际需求。
（三）未来高等教育的发展方向与人才培养
- 教育模式转变
：随着人工智能在教学、学习领域的深度应用（如教学智能体、学习智能体的普及），知识传授将不再是高等教育的主要问题，教育模式需从传统的标准化教学向个性化、智能化教学转变，依托完善的智能系统与评测体系，实现教育的高效化、精准化。 - 人才培养目标
：未来需培养具备领军人才素质的个体，而非仅局限于少数行业领军者，要求每个人都拥有宽广视野，能够把握未来发展方向，具备定义问题、创造趋势的能力，这与传统仅培养专业人才的目标有本质区别
- 领军人才所需素质
- 基本原理思维
：不仅在数学、物理等基础学科研究中至关重要，在日常生活与实际工作中也具有重要意义，是构建知识体系、解决复杂问题的基础。
- 工程能力
：即便人工智能可辅助编写程序，工程能力依然不可或缺，是将想法、理论落地为实际成果的关键，确保创新能够转化为实际价值。
- 对真实问题的了解
：这是当前高校人才培养中最被忽视的一点，高校缺乏相关课程让学生了解社会需求、产业瓶颈、技术难题，导致培养出的学生和科研人员脱离实际，未来需加大力度让学生接触真实问题，提升解决实际问题的能力，这也是未来高等教育改革的重要方向之一。
（四）区域教育发展愿景
上海人工智能学院希望在上海构建优质的人工智能教育平台，使其资源不逊色于其他地区，一方面吸引上海最优秀的中学生留在本地学习，另一方面推动区域内形成共识，让大众认可上海拥有全国顶尖的学习机会，为区域教育高质量发展与人才留存贡献力量。