作者：郑庆华（中国工程院院士、同济大学党委书记）

　　在数字技术浪潮席卷全球的当下，人工智能已成为驱动科技革命和产业变革的核心力量，深刻重塑着人类生产生活方式与社会发展格局，也深刻改变着高校教学模式与教育生态结构，以工程智能为突破口，系统推进人工智能赋能学科创新发展与拔尖创新人才自主培养，统筹推进教育科技人才体制机制一体改革，为服务教育强国建设提供有力支撑。

　　聚焦工程智能发力，推动科研范式重构

　　习近平总书记高度重视人工智能的发展，多次指出，人工智能是引领这一轮科技革命和产业变革的战略性技术。在二十届中央政治局第二十次集体学习时，习近平总书记进一步强调，以人工智能引领科研范式变革，加速各领域科技创新突破。

　　科研范式作为科学研究的理论根基与实践准则，其每一次革新都意味着人类探索未知的方式实现跨越式突破。人工智能正成为重构科研范式的核心驱动力，通过多模态数据融合与自主推理机制，彻底改变了传统科研“先假设后验证”的线性流程，将其升级为基于数据挖掘的并行网络模式。这标志着科学发现正在摆脱人类认知范围和实验条件的限制，凭借海量数据挖掘、复杂关系建模及自主推理能力，推动科学发现从被动验证转向主动探索、从“人力密集型”向“智能密集型”的转变，实现科学发现的多维协同和全流程优化，为攻克复杂科研难题带来无限可能。

　　在新的科研范式中，以生成式人工智能工具的广泛应用为代表的科学智能（AI for Science）致力于解决“0到1”的基础理论突破，着力于科学发现的“理论正确性验证”，开启计算密集度高且能够实现高效迭代的科学探索新征程。但以大模型为代表的生成式人工智能工具也存在固有缺陷，如数据依赖与泛化能力不足、算力与能源消耗过大、缺乏因果推理能力、可解释性差、存在伦理与安全风险等。实际上，大模型的“暴力美学”（更大数据、更大算力）并非唯一方向，而工程化、系统化的智能技术更能满足社会实际需求，即通过工程智能（AIfor Engineering）路径，结合工程学科的系统性思维和领域知识，构建更可靠、可解释、低成本的智能技术体系。

　　实际上，人工智能在工程领域的广泛应用催生并验证了工程智能的可靠性。工程智能作为人工智能技术转化的关键枢纽，通过技术赋能与场景创新的双轮驱动机制，加速了工程领域从经验依赖型决策模式向数据智能决策范式的结构性转型。这种以数据闭环迭代机制、算法动态优化框架与领域知识图谱深度融合为特征的创新范式，以技术链与价值链的协同重构，推动人类工程实践向高精度建模、自主化决策与可持续创新的智能化阶段演进。相较于科学智能，工程智能包括双重实现路径：“1到N”的科技成果转化路径与“1到0”的实践反哺理论路径，其核心是在复杂约束条件下，优先生成可执行的工程解决方案，而非追求理论模型的绝对正确性。这也使得以工程智能为代表的工程化、系统化的智能技术更能满足社会与工程的实际需求，具有更好的落地性和可控性，也使得工程智能日益成为推动高校传统工科转型、教学场景革新与教学模式重构的重要力量。比如，同济大学围绕国家重大战略和地方重大需求，依托优势显著的工程技术学科，发挥智能科学技术学科的优势，联合数学、物理、力学等基础学科，系统性推进人工智能赋能学科创新发展，赋能人才培养、学科建设、科技创新、师资建设、大学管理等全方位改革创新，为加快发展新质生产力提供了科技与人才支撑。

　　强化工程智能赋能，推动学科转型发展内涵升级

　　学科是高校统筹教育、科技、人才一体推进的载体，高校学科的重心和布局不仅决定着大学的核心竞争力和可持续发展能力，也决定了服务国家重大战略和地方经济社会发展的能力和能级。目前，我国高校超过80%的学科专业是前三次工业革命的产物，存在需求失配、内涵老化、名称陈旧、能力不适等问题。特别是传统工科教育理念过于强调专业化，在人才培养中容易造成知识面窄、人文底蕴和创新能力不足的状况，难以适应人工智能时代对创新型复合型人才的需求。当下，高校学科专业设置和建设机制亟待改变，不同知识体系之间利用自身特有的研究范式和话语体系创造出学科的“高墙”正在被打破，人工智能赋能学科转型发展、内涵升级正在成为共识。

　　以工程智能驱动学科转型发展，不仅有助于人工智能本体学科突破，也有助于拓展学科边界、推动传统学科转型、牵引基础学科发展、创建新兴交叉学科，并为基础学科、交叉学科和新兴学科的发展创造有利条件，使学科体系更加完善、更具活力、更可持续。因此，高校可聚焦工程智能系统布局，积极成立工程智能研究院、医学人工智能研究院等。工程智能研究院重点聚焦突破工程智能基础大模型与工程智能体的关键技术，解决当前大模型在强推理、可解释性、多目标优化及跨领域应用中的难题，构建可信、可行、可靠的工程智能技术体系，为人工智能工程应用提供共性技术与工具平台支撑。同时，医学人工智能研究院可以积极探索“科技——教育——产业”一体化的创新学科组建方式，实现传统工程产业从依赖人力经验的运作模式，向数据驱动、知识引导和物理规律融合的智能化模式转变，并以此示范带动数字底座基础上教育链、人才链、创新链、产业链的“四链”融合发展，进一步推动学校人才培养模式、科研范式、人才队伍建设等全链条系统性升级。

　　构建“人工智能+教育”新生态，打造拔尖创新人才培养新范式

　　教育形态变革始终与技术革命相伴共生。《教育强国建设规划纲要（2024——2035年）》明确提出，要促进人工智能助力教育变革。当前，人工智能技术正以颠覆性力量重塑教育生态，重构知识生产与传播方式，构筑虚实融合、人机共生的教育新格局。教育结构已经从“师生”二元结构变成“师、生、机”三元结构，教师正在从知识传授者转型为“学习设计师”与价值引领者，学生未来不可替代的核心竞争力在于“驾驭人工智能而非依赖人工智能”的批判性思维与创造力，人工智能则在教学中扮演着和教师、学生一样的角色，是协同创新的智能伙伴，与师生互学习、同进步、共成长。高校必须主动迎接和适应这种技术变革，积极拓展教育边界，探索未来教育新形态，这也是先进生产力在教育中的应用。

　　主动拥抱人工智能时代变化，创新育人体制机制，设立人才培养改革示范区，以项目制为牵引，与人工智能、集成电路等领域头部企业“深入合作”“联合培养”“同题共答”，形成更加广泛的人才联合培养协作网络，共同打造“校——产——城”协同共生、产教深度融合的人才联合培养新模式。

　　推动人工智能与工程教育深度融合，进一步开发学科专业知识图谱，构建“通识+专业+实践”的全链条培养体系，以及涵盖工程思维、场景实践等工程智能核心课程，搭建工程智能教学创新实训平台。积极推动开设人工智能公共课，既帮助学生深入了解人工智能发展前沿和人工智能背后的技术原理，也帮助学生提升实践中解决实际问题和驾驭人工智能的能力。进一步探索基于知识、能力、素质的多元评价机制，夯实适应未来、引领未来的综合素养。

　　提升教师数智素养是提高人才培养质量的重要抓手，组织开展人工智能素养与能力提升专项培训，持续举办系列人工智能专题工作坊，组织评选“人工智能+高等教育”优秀应用场景案例和人工智能赋能教育教学典型案例，鼓励教师创新教育方式和教学方法，主动探索智慧教育新形态，着力打造既有数字素养又懂教学规律的数智融合的师资队伍。在此基础上，进一步组建工程智能教师发展联盟，积极开放共享培训成果，推动区域教师数字化能力整体提升。

　　进一步整合全球优质资源，拓展国际合作新网络，建设“分布式知识网络”，构筑“全球人才培养共同体”。探索“人工智能+、绿色+、设计+”人才培养新模式，全力打造高水平、可持续、强特色的国际合作办学新样板，既争取教育对外合作的良好外部环境，也提升中国高等教育的国际话语权和影响力。

　　面向未来，高校作为科技第一生产力、人才第一资源、创新第一动力的交汇点，是新型举国体制的重要组成部分，是人工智能人才的重要“孵化器”，也是人工智能技术创新的重要“策源地”与应用的先行“示范区”，必须抢抓历史性机遇，深化人工智能赋能发展战略，引领科研范式变革，加快实现人工智能关键核心技术突破，加快推动学科转型升级、教学场景革新与教学模式重构的深度变革，更好地服务国家重大战略和经济社会发展。