在这场人工智能引发的变革中，高校的角色尤为关键。作为科技创新的核心策源地与人才培养的主阵地，高校既为人工智能技术发展提供基础研究支撑，也承担着培育创新人才的重要使命。特别是六项行动中，列于首位的“人工智能+”科学技术行动与“人工智能+”民生福祉行动中要求推行更富成效的学习方式，其核心落实载体便是高等院校。因此，我们在发起的“人工智能+”系列文章中，特别将 “高校实践” 作为重要板块。

需注意的是，不同学科探索 “人工智能+” 的路径存在显著差异 —— 医学、经管、人文，各领域的发展节奏、技术需求与落地重点均不相同。本文聚焦经管领域，以同济大学经济与管理学院（以下简称 “同济经管”）为样本。

AI 对经管学科的重塑已远超工具层面，或者说人工智能本身就不仅是技术工具，它更通过数据、算法等媒介成为真实经济活动与管理实践的参与者。这一变革也为经管领域带来了新的挑战，我们将它收敛至从业者、教育者与研究者三个维度。

AI 给经济管理的从业者带来了新的挑战。AI 正在重构经管领域的职业价值体系，它带来了很多新的岗位，也替代了很多原本的岗位。一方面，掌握 SQL/Python 等工具、具备数据洞察能力的从业者，薪资近年实现显著提升，可胜任更复杂、更高价值的决策支持工作；另一方面，AI 在经管场景的应用直接服务于商业决策，但其 “黑箱” 特性可能与经管理论建构的逻辑存在矛盾，同时也存在一定伦理风险，成为深度应用的新卡点。

AI 给经济管理的教育者带来了新的挑战。传统经管人才的培养体系中往往较少涉及 AI 素养的培育，但行业对人才需求的变革也推动着经管专业的育人模式随之变革。从知识型人才到复合型人才，从“会管理”到“会用 AI 做管理”，如何突破传统育人框架、适配行业需求，成为经管教育者面临的核心课题，这也与《意见》中 “加强人才队伍建设” 的要求相呼应。

AI 给经济管理的研究者带来了新的挑战。人工智能将成为科学研究的利器，但多模态数据的处理需求，使得传统 SPSS、Stata 工具捉襟见肘。同时，工具与方法的革新、深度学习模型的应用对算力提出了更高要求，而多数高校面临 GPU 资源紧张、调度低效的问题，制约了科研效率的提升 —— 这一现状也印证了《意见》中“推动基础科研平台智能化升级” 的必要性与紧迫性。

在和鲸科技支持下，同济经管面向学生开设定制化人工智能通识课，以大模型应用为核心主题，穿插 “智能体编排”“低代码组件实操” 等实践环节。课程摒弃技术原理的深度讲解，转而聚焦 AI 与经管场景的结合逻辑 —— 学员无需编程基础，通过拖拽式操作即可搭建简单的 “客户需求分析智能体”，直观理解 AI 在用户运营、风险评估等场景的应用价值，为后续深度学习奠定认知基础。

早在高校人工智能通识教育广泛开展前，同济经管便针对对行业变革最敏锐的 MBA 学员，启动了 AI 融合教学探索。在近两年的 MBA 课程里，与人工智能技术相关的课程皆成为了热门之选，除了新增设的课程以外，传统的必修课程也在积极探索如何与 AI 相融合。

以专业学位必修课《数据、模型与决策》为例，这门课程主要教授学生如何在生产实践中发现、提出、分析问题，并基于定性与定量相结合的方法，对实际问题进行数学建模与模型求解，以探寻最优的解决方案。为了拓展教学内容，让学生了解到人工智能应用的前沿动态，课程多次邀请和鲸科技产品专家作为企业导师进入课堂，通过真实案例帮助学员将业务场景与数据以及人工智能技术的应用相互串联。

课程同样涵盖实践模块，使用和鲸自主研发的 Canvas 低代码拖拉拽开发工具，学员可自主调整参数、修改预置组件与流程，完成基于机器学习与深度学习的贷款批准预测的全流程操作。多数学员在看到结果输出后，对 AI 工具的应用产生了浓厚的兴趣。这种 “结果导向” 的教学模式，迅速消除了学员对数据分析的畏难情绪，使其聚焦于 “如何用数据支持决策” 的核心能力培养。

目前，这种教学创新已取得显著成效，相关课程不仅成为学员最受欢迎的模块之一，更有学员真正将课程中所使用到的工具和方法用在了自己的工作中。

随着 UGC 数据、实时交易数据等多模态数据成为经管实证研究的核心对象，传统工具与资源配置模式已难以满足需求。同济大学经管学院 2023 年完成对和鲸 ModelWhale 平台的私有化部署，构建了支撑 “数据算力-算法” 三要素的一体化的科研基础设施，成为响应《意见》“推动重大科技基础设施智能化升级” 的微观实践。

数据是经管实证研究的基石。在数据层面，平台打造的 “科研数据沙箱” 解决了经管研究的核心痛点。通过多层权限管理与数据隔离技术，实现了 “数据不落地” 分析 —— 教师科研数据、企业合作数据、公开经管数据集等多源数据可安全接入，师生在严格保护隐私与版权的前提下开展分析建模。课题组更可通过平台实现数据共享与协作，避免重复采集，显著提升研究效率。

算力调度的 “弹性化” 则破解了资源约束难题。学院将新增的高性能 GPU 服务器纳入平台统一管理，通过虚拟化技术实现算力的动态分配：当学生需要构建大型矩阵时，可临时扩容资源；任务完成后自动回收，使有限的 8 张 GPU 卡服务于更多师生。截至目前，平台已累计提供 5500 小时 GPU 算力支撑科研，“自己电脑跑不了就上和鲸平台跑” 逐渐成为师生共识。

算法支撑的 “全流程化” 进一步提升了研究质量。平台以项目为单元，集成算法开发、模型训练、版本管理等全流程功能，不仅支持师生高效复现自身研究成果，更可便捷复现国内外经典经管论文。有老师反馈：“平台让我能并行处理多项研究任务，复杂模型的训练效率提升了 3 倍以上。” 这种效率提升直接推动了实证研究的深度与广度，助力产出更具学术价值的成果。

以 挑战为导向 —— 回应从业者、教育者、研究者的核心痛点；以成果为目标 —— 让学员能用、科研高效、对接产业；以基建为支撑 —— 通过一体化平台降低技术门槛。经管学科的 AI 转型，最终要回归“服务经济运行、提升管理效率”的本质。

当然，科研范式的变革，离不开底层基础设施的支撑。近日，和鲸科技携手联想集团、沐曦股份正式发布科研智能一体机，它是集成智能算力调度、资产管理、协作开发、成果共享全栈科研平台；它以「开箱即用、一体赋能」的方式，帮助高校快速构建自主可控的智能科研环境。

我们期待它能重塑科研范式，我们希望它能将研究人员从工具困境中彻底解放，让科研团队像用水电一样使用 AI，回归科学思考本身。

未来，和鲸科技将持续践行国家 “人工智能 +” 行动要求，以技术创新深化科研基础设施升级，与高校、行业伙伴携手，推动中国科研事业在智能化浪潮中迈向更高峰，让 AI4S 的价值真正惠及科研创新与民生福祉。

值此契机，和鲸科研智能一体机区域总代理招募已在全国范围内启动，欢迎更多有意向的优秀合作伙伴联系和鲸工作人员（备注“科研智能一体机区域总代理”）了解详情，共建人工智能生态，共享产业发展新机遇。