5月28日，由清华大学计算机系人工智能通识教育（AIGE）研究中心、金砖创新基地数字经济研究中心指导，北京智谱华章科技股份有限公司、上海和今信息科技有限公司、和鲸社区牵头，异步社区与中国信通院联合发布的《AI 融合高等教育：从通识到专业——学科 + AI 人才培养白皮书》召开发布会。和鲸科技社区合伙人、运营总监唐铭就白皮书的亮点进行了解读，介绍了白皮书制作的背景、研究过程及发现，分析了国内外高校做法差异，提出 了“学科+AI” 的可行路径。

该白皮书从政策解读、现状分析到教学模式与教学工具、技术底座、高校实践案例等，全景式呈现了 AI 融合高等教育的现状与前景、机遇与挑战。据悉，白皮书在编撰过程中还特别组建了专家顾问委员会，特邀 20+ 位国内高校权威专家领衔指导，成员覆盖通识教育及文、理、医、工全学科领域，为人才培养理念与实践路径把关定向。同时，项目组广泛收集 2500+ 份多元问卷，调研对象涵盖学生、企业从业者、教育工作者、科研人员等群体，并系统梳理国内外 100+ 高校自 2024 年以来在人工智能教育领域的政策规划与创新实践，以扎实的数据与案例支撑，确保白皮书兼具学术深度与实践价值。

发布会上，唐铭指出，当前AI融合高等教育存在资源不够、方向迷茫、特色难搞等痛点。基于 AI+领域经验及国内外高校课程、政策研究，智谱与和鲸推出《AI 融合高等教育：从通识到专业——学科+AI 人才培养白皮书》这一 AI 教育工具包，提出了 “学科+AI” 可行路径的三个关键方法论：一是构建三层课程架构，完善人才培养课程体系；二是面向各学科领域进行专业定制，明晰培养路径并落地实践环节；三是依托 AI 技术重构师生关系，实现智能助教、助学、助研、助管。

Part 1 白皮书制作背景

为什么需要这份白皮书？

AI 在各行业领域的应用实践一直是和鲸的重要积累，去年和鲸有幸与作为大模型技术引领者的智谱达成战略合作，共同推动大模型在各行业的应用落地。近两年来，AI 通识教育被提升至新高度，在与众多高校的合作交流中我们发现，高校教师在 AI 教育方面面临着诸多纠结。

在政策层面，2017 年至今全国每年关于人工智能与高等教育的政策数量逐年攀升，学校积极响应政策并催促各教研小组开展相关教学，学生对 AI 教育也满怀期待，但具体教学内容与教学模式却尚不明确，在教授代码、理论、前沿算法或应用案例等方向上也存在困惑。此外，各高校均有自身强势学科，如何将 AI 教育与本校强势学科结合亦为难题。

• 一是资源不够，不少教师自觉未系统学习过 AI 知识，不知以何种资源开展教学；

• 二是方向迷茫，难以明确是培养学生使用 AI 工具的能力，还是开发 AI 模型的能力；

• 三是特色难搞，如何让 AI 教育既符合通识要求，又能结合本校学科优势的问题亟待解决。

此前有教授评价称，当前的 AI 课如同 “老师在岸上比划动作，学生连下水都没有下过”——这指出了 AI 教育不能只停留在科普层面，必须让学生真正动手运用 AI 解决自己专业领域的问题。

• 一是总结过去，对过往在 AI 赋能行业、科研、教育领域的经验与方法论进行梳理；

• 二是研究现在，分析 2024 年至今国内外百所高校的课程设计及 2017 年至今的政策变迁，在此基础上制作了这份《 AI 通识教育与学科+AI 人才培养白皮书》。

这本白皮书虽非标准答案，但希望能为各位教师提供 AI 教育工具包，从框架到实操细节均提供可参考案例，帮助教师找到最适合学生的教学思路，这也是白皮书命名为 “从通识到专业” 的原因。

Part 2 研究方法与发现

在白皮书的筹备与制作过程中，我们主要开展了三方面研究。

• 问卷调查

首先面向2500余名学生、教师及在职人员开展问卷调查，目的是了解 AI 在各行业及学科的当前应用情况与未来发展预期。调研显示，不同角色对AI均抱有高期望，但视角差异导致体验不同，我们需明晰在各方认知中，AI 融入高等教育的学习内容与有效学习方式。

问卷涉及问题较多，这里我总结了一些核心关注点。

其一，哪些 AI 技能最重要？数据显示，学生、教师与在职人员均将数据分析与数据处理及编程能力列为最重要技能，但教师普遍重视大模型工具使用技能，而学生与在职人员未将其纳入最重要的三项技能。这可能源于教师对前沿技术趋势的关注，而企业更侧重考察独立解决业务问题的能力，大模型工具虽可作为办公与业务流程的加分项，但并非决定性门槛。此外，多数学生认为大模型工具上手及日常使用难度较低，基本无需专门系统教学。

其二，什么样的学习方法对 AI 技能的掌握最有效？调研表明，教师与企业均认为项目驱动和动手实践是掌握 AI 技能最有效的方式，但实际中学生对此类方法的应用较少，主要依赖学校正式课程与在线课程。潜在原因包括学校项目资源有限、实验室开放机会有限，课程多以理论讲授为主，学生对传统课堂学习方式依赖度高、对实践重要性认知不足且缺乏信息获取渠道。因此，建议教师在未来 AI 相关课程设计中，为学生提供更多动手实操与项目参与机会，并给予必要指导与激励，帮助学生认识到实践对 AI 技能提升的关键作用。

其三，关于企业和科研机构对高校的期许。问卷反馈显示，企业与科研机构一致希望高校增加项目实践环节并提供更多跨学科学习机会。可见，AI 已广泛渗透各行业，跨领域应用能力成为用人单位核心关注点，这与当前大力推广的 “学科+AI” 理念高度契合。

• 政策分析

我们开展的第二项研究是系统收集并分析 2017 年以来人工智能教育相关政策。数据显示，自 2016 年人工智能专业启动建设后，“学科+AI”理念迅速推进：从最初的新工科范畴逐步拓展至新农科、新医科、新文科领域。2024年作为“智慧教育元年”， AI 融合教育全面开展，国家层面密集出台系列配套支持政策，各省市亦积极响应并制定地方性实施方案（具体政策进展已汇编至白皮书，此处不再赘述）。

通过剖析国家及地方政策文件的核心导向，发现其关注焦点集中于两大维度：

二是“AI赋能教育”，即将 AI 技术融入教学手段。这要求高校及教师同步推进课程内容革新与教学模式创新。

• 高校实践

我们开展的第三项研究是梳理国内外头部高校的 AI 教育实践，从中提炼可借鉴的经验并分析差异。对比发现，国内外高校在AI教育路径上呈现三方面显著差异：

• 在学科融合模式上，国内头部高校侧重构建分层培养体系，如针对工科生强化算法优化训练，针对文科生侧重提示词设计与应用教学，强调不同专业的适配性；国外高校则更注重打破学科壁垒，如将建筑、计算机、社会学等不同专业学生跨界组队，共同运用 AI 解决城市规划等跨学科问题，突出交叉创新思维的培养。

• 在课程目标设定上，国内高校更聚焦应用落地，如引导学生复现 AI 辅助诊断等已验证的成熟技术方案，强调知识与技能的实际转化；国外高校则鼓励学生探索前沿未知领域，尝试尚未有人涉足的新方法、新课题，侧重培养突破性与探索性思维。

• 在资源整合路径上，国内头部高校多依托校企合作模式，通过共建联合实验室、合作开发实际项目等方式整合产业资源，推动教育与实践的衔接；国外高校则更依赖开源生态，借助开源社区资源开展教学，并鼓励学生分享研究成果，反哺开源社区。

这些差异既受文化背景与教育理念影响，也折射出不同的现实考量：国内分层教学更适配教育资源不均衡的国情，国外跨学科实践则启示我们，AI 教育的核心目标并非培养“工具人”，而是训练能提好问题的人才。

Part 3 学科+AI的可行路径

有什么比较高效的做法？

最后简要分享关于 “学科+AI” 的可行路径，我们总结出三个关键方法论：

首先是构建 “AI教育=基础课×素养课×专业课” 的三层课程架构，这一体系既符合教育部倡导的培养理念，也是高校的普遍共识。其中，基础课类比为“教学生认路”，侧重传授 AI 基础知识，帮助学生建立统一的认知基准和话语体系；素养课可视为“教学生骑车”，聚焦常用 AI 工具实操（如理工科的编程开发、文科的提示词工程），根据学科需求差异化培养工具应用能力；专业课则是“教学生越野”，强调带领学生运用 AI 知识解决真实问题，使技术能力深度嵌入专业问题解决流程。

在具体课程建设上，专业课与部分素养课需依据文科、理科、工科、医科等不同学科特性定制培养方案。下图为我们在白皮书中总结的 “学科+AI” 人才培养路径，提出 “问题重构-数据治理-算法适配-领域验证” 四步融合方法论，无论何种学科，实践均为 AI 教育的核心抓手。但各领域实践侧重不同，文科侧重数据思维培养与技术伦理批判，工科聚焦算法迭代优化与系统设计能力，医科则注重 AI 在诊疗流程中的合规性验证。白皮书针对各学科常见的 AI 融合专业课提供了具体建设示例，供高校参考。

此外，AI 教育推动师生关系从“知识传授”向“思维引导”转型。教师无需成为技术专家，而应转型为“问题设计师”与“思维教练”。当前 AI 技术爆发正在颠覆教育方式，AI 本身也是一种有效教学工具，教师可以借助 AI 工具（如智能助教、自动批改等）减轻标准化教学负担；对学生而言，在 AI 辅助教学场景中，其可自主完成知识获取与基础技能训练。这样教师身份需从教学者切换到助学者，将核心精力用于引导学生提出高质量问题、构建结构化思维框架，从“知识仓库”转变为“思维教练”。这如同导游无需掌握驾驶技术，但需精准指引知识探索的方向与路径。这种角色转换既是应对技术变革的必然选择，也是 AI 时代高等教育范式革新的核心特征。

如需获取电子版白皮书可 点此链接 登记后免费获取。

6月10日，我们还将举办医工交叉人才培养创新实践交流会。本次交流会属于 “医科+AI 人才培养” 系列首场活动。后续，和鲸将携手 20+ 白皮书学科顾问专家，围绕理工农医等多学科与 AI 的深度融合，陆续推出专题讲座，深度剖析各学科 AI 人才培养新路径，欢迎持续关注！