人工智能作為引領新一輪科技革命和產業變革的戰略性技術,是推動教育科技人才一體發展的關鍵驅動力。當前,全球科技競爭日趨激烈,必須搶抓人工智能發展重大戰略機遇,將人工智能深度融入教育、科技、人才發展各環節各領域,破解體制機制障礙,激活創新發展最大動能[1]。習近平總書記指出:“人工智能帶來前所未有發展機遇,也帶來前所未遇風險挑戰。”深刻把握人工智能發展趨勢和規律,充分認識并妥善應對人工智能對教育改革發展帶來的機遇挑戰,加快推進教育強國建設,是當今教育界必須共同回答好的重要課題。進入21世紀的第三個十年,人工智能(AI)、大語言模型、自主智能體、知識圖譜、智能實驗室和邊緣計算等技術快速擴散,正在改變知識生產、知識傳播、學習評價、科研組織和產業轉化。與以往教育技術相比,人工智能正在推動高等教育由局部技術應用走向整體性范式重構,它能夠生成內容、支持分析、參與反饋并影響評價證據的形成,進而嵌入大學的目標、組織和治理層面,其影響已從“工具使用”逐步轉向“系統重構”。
高等教育發展史是一部伴隨社會經濟形態、政治制度、科學技術和知識觀念不斷重組的范式變遷史。每當舊有體系無法適應新現象、解決新問題、回應新需求時,大學就需要重新定義和重塑自身。每一次變革,都是適應經濟發展、技術進步、社會變化的結果。反之,大學范式的轉型也在重塑時代精神、推動經濟社會發展。按照歷史脈絡,大學教育范式大致可概括為四種:以博洛尼亞大學為代表的制度化專業教育范式,以柏林洪堡大學為代表的研究大學范式,以威斯康星大學麥迪遜分校為代表的社會服務范式,以及以斯坦福大學為代表的創業教育范式。斯坦福創業教育范式進一步打通大學、產業、資本和政府之間的壁壘。大學不僅培養人才和科學研究,也生產論文、專利、公司、產業網絡和全球創新規則。更重要的是,成熟的創業教育并非單純功利化,而是強調價值驅動和原則性創業,要求學生理解技術擴散所攜帶的倫理后果、社會責任和治理風險。該范式不僅向社會輸出改變世界的技術與公司,更致力于輸出具備高度社會責任感和倫理自覺的商業領袖。這一價值底色,正是人工智能時代大學治理的關鍵參照。
需要指出的是,這四種范式并非彼此替代,而是在歷史中層層疊加。博洛尼亞范式奠定了大學制度和學位認證體系,洪堡—新人文主義范式確立了研究教學統一、學術自由和人的全面發展理念,威斯康星范式拓展了大學服務社會的功能,斯坦福范式則強化了創新創業和成果轉化機制。本文將人工智能驅動下的大學教育新形態概括為“數智共生大學”,這一范式正是在以上歷史遺產基礎上形成的。
人工智能時代高等教育新范式的底層邏輯
當前,以生成式人工智能和大模型為代表的技術正在快速演進,模型能力、可用性與場景滲透度持續提升,進而改變知識生產與教育組織的基本條件。人工智能已經日益融入學習、工作和生活場景,人機協同能力正逐漸成為學習適應與未來職業發展的重要能力。這一技術不僅改變工業界的生產關系,更以前所未有的勢頭向學術界和教育界滲透,推動大學教育全面進入新范式。這一范式超越以往任何一次漸進式的改良,直接觸及大學存在的本體論基礎,引發了從科研主導權、師生互動模式到人才培養目標的系統性重構。人工智能推動的高等教育新范式具有三個深層邏輯。
一是知識生產主體的重組。長期以來,大學被視為前沿知識和技術的源頭,產業界更多承擔成果轉化和應用擴散角色。但在大模型時代,基礎模型研發依賴巨量算力、海量數據、工程化團隊和持續迭代平臺,產業界在資金、算力、數據和人才聚集上形成顯著優勢。由此,企業技術創新首次大規模反向推動,甚至部分主導學術研究議程,大學不再天然占據所有知識前沿的中心位置。
二是科研過程的人機協同化。在傳統實驗科學、理論科學、計算科學和數據密集型科學之后,人工智能驅動的科學研究(AI for Science)正在形成新的研究范式[2]。人工智能不僅可以用于文獻檢索、數據清洗、圖像識別和代碼生成,也可以參與假設形成、實驗設計、材料篩選、分子發現、模型模擬和自動化實驗閉環。其關鍵影響不是把研究者替換掉,而是改變“提出問題—形成假設—設計實驗—驗證結果—發表轉化”的時間結構,使科研從線性流程轉向人機協同、并發探索和快速反饋。
三是大學組織運行的閉環化。傳統大學常以“課程—科研—成果轉化”的串聯方式運行。課程負責培養,科研負責發現,轉化負責產業連接,各環節之間存在明顯時間差。人工智能使這一關系變為并行循環[3][4][5]。產業和社會問題進入課程任務,課程數據沉淀為研究線索,研究過程生成原型和專利,轉化結果反哺課程和能力標準,學習評價則在整個過程中持續生成證據。
因此,新范式的本質并不是“把人工智能加進大學”,而是用人工智能重新組織大學的時間結構、知識結構和協作結構。它使大學從低頻、分段、學科化的組織,轉向高頻、閉環、跨學科的智能增強型組織,推動形成“數智共生”新的教育范式。這一新范式與一體推進教育科技人才發展的內在邏輯高度統一。人工智能把教育教學、科研組織與人才培育連接為數據貫通、實時反饋的閉環,教育鏈、創新鏈、人才鏈得以在同一生態中貫通銜接。教育、科技、人才進而由“物理疊加”轉向“化學反應”,釋放“1+1+1>3”的聚變效應[6],使大學成為教育科技人才交匯、循環的樞紐。這一范式既是一體推進教育科技人才發展在大學落地的組織載體,也是大學核心功能系統重構與辦學轉型的邏輯起點。
人工智能對大學核心功能的系統重構
人工智能對大學的影響并非局限于課堂教學,而是涉及知識傳播、人才培養、科學研究和社會服務等核心功能。其總體趨勢是由標準化、分段式和單向傳遞,轉向個性化、人機協同和持續反饋。以下從四個方面具體分析。
1.知識傳播機制重構
在知識傳播方面,人工智能正推動大學教學由靜態教材、統一進度和標準答案,轉向自適應、個性化和動態反饋的學習生態。學生可以借助人工智能獲得即時解釋、個性化練習、語義檢索、寫作輔助和多模態學習資源;教師則可以通過學習數據了解學生的知識盲點、思維路徑和任務進展。由此,課堂的重心不再只是完成教材內容和知識講授,而是更多圍繞復雜任務、真實問題和高階思維活動組織學習(課堂互動結構對比見表1)。現有分析表明,人工智能輔助學習對部分學習結果和學生參與具有潛在促進作用,但實際效果受到學科、教學方式、介入時間和具體使用情境的影響。人工智能也正在把傳統“教師—學生”二元結構拓展為“教師—學生—智能體”三元結構[7]。教師的知識講授功能仍然重要,但其專業價值將更多體現為學習目標設計、問題鏈設計、認知腳手架搭建、過程評價、倫理邊界設定和情感支持。

課堂時間的使用也將隨之改變。基礎概念、背景知識和初步練習,可以由學生在課前通過人工智能輔助完成;課堂則更多用于蘇格拉底式追問、案例討論、批判性假設檢驗、項目協作和成果展示。隨著人工智能生成能力不斷增強,大學課堂有必要減少對標準答案和低階知識復現的依賴,轉而將教學重心放在問題質量、證據質量、論證質量和行動質量上。
評價方式是上述變化能否真正落實的關鍵。如果高校仍然主要依賴可由人工智能生成的課后論文、標準化問答和非監考作業,評價結果的真實性和區分度將受到影響。未來的評價應由單一結果評價轉向過程與結果相結合,既考察最終作品,也考察問題形成、資料來源、提示詞迭代、草稿版本、團隊協作、反思日志、現場答辯和實踐影響。課程還應根據教學目標明確區分“允許使用人工智能”“限制使用人工智能”和“禁止使用人工智能”的任務類型,使人工智能使用規則成為課程設計和評價設計的組成部分[8][9]。
2.人才培養目標重構
在人才培養方面,人工智能正在推動大學由學科內部的知識傳授和單項技能訓練,轉向情境化、跨學科、倫理嵌入的綜合能力培養。在信息相對稀缺的時代,知識記憶和信息掌握本身具有較高價值;在模型能夠即時生成文本、代碼、圖像和分析結果的條件下,問題定義、證據判斷、跨域整合、價值選擇和系統實施的重要性進一步上升[10]。大學培養的學生不應只是能夠熟練操作某種工具的人,而應能夠把知識、數據、模型、制度、場景和團隊組織起來,解決復雜現實問題的人。
因此,大學不能把人工智能教育簡單理解為工具使用培訓,而應將人才培養目標由“掌握單項技能”提升為“統籌復雜問題解決全過程”。本文將這種能夠貫通問題識別、任務分解、知識整合、模型選擇、方案實施、協同溝通和責任承擔的綜合能力,概括為“端到端系統架構能力”。這一能力至少包括六個方面(表2)。

3.知識生產機制重構
2026年5月20日,OpenAI披露,其內部通用推理模型在平面單位距離問題上構造出一組新的例子,推翻了長期以來關于方格構造近乎最優的核心猜想,相關證明經外部數學家核驗。這一進展表明,通用人工智能模型已經開始參與乃至自主地推進部分前沿數學問題的探索。在化學和材料科學研究中,將機器學習、自動化設備和機器人實驗相結合,可以提高實驗通量和過程標準化程度,并形成面向新材料發現的閉環實驗流程;在醫學與公共衛生研究中,系統評價等高度依賴勞動密集型文獻篩選的環節,通過人工智能工具處理數萬篇文獻,可將人工工作量平均減少約一半。而在華東師范大學一項前瞻性實驗中,人工智能被明確設定為論文的“第一作者”,負責提出研究假設、設計研究框架、進行數據分析及撰寫文本主體,而人類研究員則轉變為任務發起者、指令設計者、質量評估者和流程監督者。
在傳統實驗科學、理論科學、計算科學和數據密集型科學之后,AI for Science正在形成一種新的科研范式。其關鍵影響:一是改變了科學研究方式,從以個體經驗和單一學科積累為主的研究方式,轉向數據密集、模型驅動和多智能體協同;二是改變了科研“提出問題—形成假設—設計實驗—驗證結果—發表轉化”的時間結構,使其由相對線性的流程,逐步轉向人機協同、并發探索和快速反饋;三是改變了研究主體的角色定位,研究者由部分具體任務的執行者,更多轉向問題提出者、任務組織者、結果審查者和責任承擔者。當然,人工智能對科研的影響并非單向增益,而是“效率提升—可信性挑戰”并存。它既改寫了科研的產出節奏,也改寫了學術倫理的責任結構。
4.社會服務與成果轉化機制重構
如果把新范式理解為數智共生大學,那么人工智能帶來的關鍵變化是把原本“科研之后再轉化”的后置鏈條,改造成“問題發現—課程任務—實驗驗證—原型開發—轉化反饋”的并行鏈條。政府、企業、社區和行業的真實問題可以更早進入課程和科研過程;課程和項目中形成的數據可以轉化為研究線索;研究過程可以同步形成原型、專利或解決方案;實際應用中產生的反饋,又可以反過來調整課程內容、研究方向和能力標準。
這種變化既體現在科研成果產業化方面,也體現在公共政策、智慧城市、精準醫療、智能制造、數字農業、文化傳播和繼續教育等社會服務領域。大學的社會服務可能發展為由數據、模型、平臺和智能體支持的持續協作機制。由此,教學、科研、成果轉化和社會服務之間原有的時間差被壓縮,大學逐步形成“問題發現—課程參與—科研驗證—原型開發—應用反饋”的循環體系。
這一邏輯與“三螺旋”理論所揭示的大學、產業和政府協同關系相一致[11]。人工智能進一步提高了三者之間的信息流動和反饋速度,使大學能夠更加持續地連接人才培養、知識生產、成果轉化和社會需求。但需要注意的是,成果轉化只是大學社會服務的一部分,大學在參與產業創新的同時,仍應保持基礎研究、公共服務、倫理審查和社會批判等功能。
適應人工智能時代,推動大學辦學轉型
人工智能對大學人才培養、知識生產、科研組織和社會服務方式的重構,正推動教學、科研與社會實踐由相對分離走向人機協同、跨界融合和持續反饋。世界知識產權組織(WIPO)的《生成式人工智能專利態勢報告》顯示,生成式人工智能專利族數量從2014年的733件增長到2023年的1.4萬件;同期科學出版物從116篇升至34000多篇[12]。更重要的是,在全球生成式人工智能高產出研究機構中,中國科學院、清華大學、斯坦福大學、上海交通大學等科研機構/高校位據前列。這意味著大學不僅在教人工智能,更在很大程度上定義人工智能知識前沿及其專利—論文—產品鏈條的位置[13]。面對人工智能浪潮,大學最應該做的是加快辦學轉型。
1.高校人工智能轉型的主要實踐路徑
從現有實踐看,高校人工智能轉型至少呈現四種路徑:全校生態化融入、課程體系化重構、平臺合作式擴散和課程智能體嵌入。不同高校路徑差異明顯,但成功經驗具有共通性:人工智能不能停留在單門課程或單次展示,而必須進入課程體系、學習支持、科研工具、數據治理和教師發展機制。
清華大學的路徑強調校級統籌與學科知識基礎設施建設。人工智能學伴、人工智能講伴、備課助手、學科知識引擎和成長助手等場景,說明人工智能可以從課前備課、課中交互、課后答疑延伸到學生成長支持。其意義在于,專業教學不能直接依賴通用大模型,而需要構建可信的領域知識圖譜、學科數據基礎和校內應用規范。復旦大學的路徑強調課程體系重構。AI-BEST體系把人工智能課程分為基礎、核心、進階和垂域應用,并通過“X+AI”雙學位推動交叉培養制度化。這說明高校人工智能改革不能只是增加幾門選修課,而應把人工智能素養、學科知識、場景應用和交叉訓練嵌入培養方案主干。亞利桑那州立大學的路徑體現平臺合作與治理規則并行[14]。學校通過與OpenAI合作、AI Innovation Challenge和ChatGPT Edu等方式逐步推動教學、科研和管理場景孵化,同時對數據使用、合規邊界和用戶培訓作出制度安排。其啟示在于,平臺接入必須與治理規則同步推進,否則技術擴散越快,隱私、合規和責任風險越集中。佐治亞理工學院的Jill Watson說明,人工智能也可以從課程層面成為基礎設施[15]。基于課程許可資料和檢索增強生成技術的智能助教,可以在大規模在線或混合式教學中提供全天時答疑,把教師從重復性勞動中解放出來,使教師將更多精力用于高階指導、學習設計和復雜反饋。
2.高校辦學轉型的重點任務
面向人工智能時代,高校應重點推進以下幾方面工作。第一,建設人工智能公共基礎課和交叉課程群。以公共基礎課為入口,以交叉課程群為主體,高校應把人工智能素養、數據治理、提示與驗證、算法倫理、知識產權和安全合規建設為全體學生的基礎能力,同時根據學科特點形成“人工智能+法學”“人工智能+醫學”“人工智能+材料”“人工智能+人文社科”等模塊化課程群。第二,推進評價方式改革。每門課程應明確人工智能使用邊界,建立過程證據、現場答辯、項目成果和反思說明相結合的評價體系。對于高風險能力,如臨床判斷、工程安全、法律論證和科研誠信,應保留必要的無人工智能或限人工智能評估場景。第三,重建教師發展體系。教師培訓不能只教工具操作,而要覆蓋人工智能教學設計、學習分析、提示工程、學科知識庫建設、倫理治理、評價改革和學生心理支持。教師智能素養應成為高校教師發展、資格認證和教學評價的重要內容。第四,建設校級人工智能基礎設施。高校應建立統一的身份認證、模型接入、數據分級、日志審計、知識庫管理和風險評估機制,避免各院系碎片化采購和無序接入。對重要教學和科研場景,應優先使用可控、可審計、可溯源的平臺。第五,深化產學研協同。大學需要與企業共同建設真實問題場景、實習項目、聯合實驗室和成果轉化平臺,但不應把人才培養完全交給短期市場需求。大學仍應承擔公共服務、基礎研究、倫理審查和社會批判職能,這是人工智能時代大學區別于企業培訓機構的根本所在。
3.人工智能應用的風險防范與治理要求
人工智能應用可能帶來的風險不容忽視。大學在積極吸納人工智能帶來的效率提升與創新潛能的同時,也要保持理性審視,堅守學術自由、公共責任、人文價值與人的主體性。一是防范數據治理和隱私風險。區分公共數據、內部數據、敏感數據和禁止外發數據,建立數據最小化、可追蹤授權、脫敏處理、日志審計和退出機制。二是防范學術誠信和評價失真風險。生成式人工智能使傳統作業、論文和報告的真實性更難判斷,要提高情境性、個體化、過程性和現場性,通過口頭答辯、課堂展示、草稿鏈、版本記錄、實踐作品和反思說明來重建評價證據。三是防范認知替代和能力分化風險。人工智能可以降低學習門檻,也可能誘發過度依賴,既可能縮小差距,也可能放大數字鴻溝。四是防范知識產權、科研倫理和成果分配風險。把人工智能使用透明度、模型版本記錄、數據來源說明、人工復核責任和倫理審查機制納入科研流程。
參考文獻:
[1]丁奎嶺.推動人工智能賦能教育科技人才一體化改革[N].學習時報,2025-11-10(1).
[2]趙曉偉,王小雨,王藝蓉,等.人工智能賦能高校科學研究范式創新: 價值、風險與進路[J].重慶高教研究,2025(1).
[3]荀淵,余芷欣.人工智能驅動科研范式下科研基礎設施變革趨勢與高校應對策略[J].大學與學科,2026(2).
[4]邵博云,沈利華,楊柳.AI4R素養的理論探索及面向研究生的教學實踐——以浙江大學圖書館為例[J].大學圖書館學報,2026(3).
[5]談哲敏.AI時代大學教育的范式重構與本質堅守:AI教育悖論破解[J].中國高教研究,2026(5).
[6]楊振斌,丁奎嶺.高水平研究型大學如何一體推進教育科技人才發展[J].求是,2026(12).
[7]SELWYN N.Should robots replace teachers? AI and the future of education[M].Cambridge: Polity Press,2019.
[8]BIGGS J,TANG C.Teaching for quality learning at university[M].4th ed.Maidenhead: Open University Press,2011.
[9]邢園園,錢玲.美國一流大學應對人工智能教學應用的改革行動與反思[J].開放教育研究,2025(2).
[10]郝展欣,馬樂天,龍蕓,等.人工智能時代高校教師教學創新動因、模式與演化機制探究[J].中國電化教育,2026(7).
[11]ETZKOWITZ H,LEYDESDORFF L.The dynamics of innovation: From national systems and "Mode 2" to a Triple Helix of university-industry-government relations[J].Research Policy,2000(2).
[12]WORLD INTELLECTUAL PROPERTY ORGANIZATION.Generative artificial intelligence: Patent landscape report[R].Geneva: WIPO,2024.
[13]OPENAI.Introducing ChatGPT Edu[EB/OL].(2024-05-30)[2026-07-27].https://openai.com/index/introducing-chatgpt-edu/.
[14]Arizona State University. ASU and OpenAI launch innovative collaboration to enhance student success, research and organizational processes[EB/OL]. (2024-01-18)[2026-07-27]. https://news.asu.edu/.
[15]GOEL A K,JOYNER D A.Using AI to teach AI: Lessons from an online AI class[J].AI Magazine,2017(2).
【作者:中國工程院院士、中南大學校長】
(原載2026年第19期《中國高等教育》雜志)
① 凡本站注明“稿件來源:教育在線”的所有文字、圖片和音視頻稿件,版權均屬本網所有,任何媒體、網站或個人未經本網協議授權不得轉載、鏈接、轉貼或以其他方式復制發表。已經本站協議授權的媒體、網站,在下載使用時必須注明“稿件來源:教育在線”,違者本站將依法追究責任。
② 本站注明稿件來源為其他媒體的文/圖等稿件均為轉載稿,本站轉載出于非商業性的教育和科研之目的,并不意味著贊同其觀點或證實其內容的真實性。如轉載稿涉及版權等問題,請作者在兩周內速來電或來函聯系。




教育在線

