AI浪潮席卷而来，不仅刷新了人才市场的标价，也刷新了众多高校的课程表。在AI时代，老师应该如何教，学生应该如何学？怎么样的AI人才，才是市场上真正需要的人才？今年世界人工智能大会期间，澎湃科技与华东师范大学数据科学与工程学院院长钱卫宁、亚马逊云上海人工智能研究院院长张峥、上海交通大学2021级信息工程专业本科生任若楠，共同探讨AI浪潮下大学教育如何破局。

以下是对话实录

澎湃科技：最近硅谷掀起了一场AI顶尖人才争夺战，Meta挖走了OpenAI一批华人员工，开出2亿美元天价薪酬招揽苹果工程师。对现在的学生来讲，要不要选择AI专业？怎样的学生适合选择AI专业？

钱卫宁（华东师范大学数据科学与工程学院院长）：AI人才分两类，一类是创造AI工具的人才，另一类是把AI工具用好、让AI服务各行各业的人才。不管从哪一个角度说，社会对这些人才的需求量都非常大，所以选择AI专业或和AI紧密关联的专业，都是一个非常好的选择。

任若楠（上海交通大学2021级信息工程专业本科生）：AI顶尖人才的高薪待遇很有吸引力，但我觉得还是应该从兴趣出发，只有真正喜欢这个行业、愿意为之付出的学生，才比较适合学习它。除此之外，从我个人的学习经验角度来说，有较好的数学和物理基础、有创新和动手实践等能力，也是学习AI专业必不可少的。

张峥（亚马逊云上海人工智能研究院院长）：现在这个热潮是一个窗口，但比大家想象得要短。现在的大模型阶段是一个工程化相当强的窗口，而不是基础理论研究阶段，大厂争夺的人才有很强的工程师经验，这些人才动手能力很强，对数学研究不需要特别深，他们需要理解几十年积累下来机器学习的基础算法，但最后筛选出来的实用性算法很少。就像DeepSeek的创新点不是在它的核心算法，而是工程上的优化，是一些很漂亮的算法。

现在这个热潮绝对吸引眼球，因为大家发现与其招一大堆B+的人，不如聚焦顶尖人才。高薪当然会对从业人员或学生有吸引力，但肯定不会长久，反而是一些新兴领域需要更多人才。比如机器人进入生活后，一定会带来伦理法制问题，所以需要懂法、懂伦理、懂哲学、懂人文科学，也要懂机器、智能的本质，但这两类人才现在是隔空喊话。AI和Science也好，AI和其他领域也好，结合起来不是一个简单的“+”，应该是“”，这样的人才需要懂两个领域。

澎湃科技：从企业角度来看，AI时代，企业需要怎样的AI人才？是顶尖的算法能力、创造力、批判性思维，还是交叉能力的综合？ 

张峥：企业留住人跟算法没关系，跟文化更有关系，怎么聚集一个团队，怎么领导一个团队，让团队齐心，不管外面怎样，都能定下心来做事，这非常难，算法不能告诉你怎么做。撇开这些不谈，任何领域都有中心曲线，人工智能会把人的能力放大，可以往好了放，也可以往差了放，因为使用工具的方法是不一样的。比如AI编程不需要人来写，但你要能够看到是否有问题，AI做的工程是不是漂亮。我需要的肯定是能把工具用得更好的人才，但是这个能力怎么来，我到现在也不知道。怎么教会孩子们在关键的地方问出关键的问题，这很重要，我们需要这样的人才。

澎湃科技：我和很多计算机专业的学生聊过，他们提到，在大模型来之前仍会学习基础知识、独立编程，大模型来了以后，基础编程工作就交给了大模型。目前高校对于AI的使用情况是怎样的？

任若楠：从我和身边同学的例子来看，现在几乎每个人都会使用AI，让AI帮我们润色一下文章、完成一个项目、编写一些程序。但从我的使用角度来看，这些AI工具现在还是没有那么智能，没有达到完全包办的程度，对我们学习的帮助是有限的，比如让AI改论文的时候会有很重的AI味，或者出现幻觉，引用的文献其实并没有公开发表或者现实中根本不存在。写程序的时候，如果问题涉及面特别广，要求非常详细，AI一下子理解不到那么多点，解决方案不是特别完美，只能给我们一些大致的思路。所以如果想要在课程上拿一个好分数，还是需要自己下功夫的。

钱卫宁：AI工具对学生和我们老师的冲击其实都很大。我带的研究生跟我说，他们现在用AI工具，一周大概能节省20个小时左右；去年他们说的是10-20个小时。而今年，不管是写论文、做实验还是写代码，AI帮他们省下来的时间明显多了不少。

​但反过来，也有很多学生会问我们类似的问题，比如计算机专业的学生会问，现在还有没有必要自己手搓一条链表？毕竟对他们来说，AI工具写出来的代码不仅比他们自己写的好，甚至比很多老师写的都好，AI在工业级的各种边界条件处理上确实做得更到位。​我也问过搞研究和上课的老师，能不能在教学中不再教学生怎么实现一条链表，大家想来想去，都觉得这件事做不了。​

所以AI出现后，学生、老师以及教学模式都在受到各种冲击。当然，我们现在还没有一个固定的答案明确该怎么改变，但接下来一段时间，学生的学习方式、老师的教学内容、师生关系以及学校和AI工具间的关系可能都会发生很大变化。​有一点很重要，我们对学生的评价必须做出调整，要从简单的知识考核转向对思维方式、动手能力以及主动学习意识的考核，这些变化必然会发生。

张峥：我们当初对计算机科学的那些最核心的基础训练，比如图灵机的概念、一致性、链表、分布式系统的统一性，都从代码中学。必须亲自动手才能对这些知识产生感觉，这些东西非常重要。但AI编程发展很快，不要小看它的进化速度，要对它的发展速度保持敏感，自己要用。同时我们作为教育者要去思考，是一定要写代码，还是可以看代码，其实可以有更多不同的方法。

澎湃科技：大模型出现后，对教学形成了一些冲击。AI什么都能回答，我们还需要老师吗？老师应该做好怎样的定位？ 

钱卫宁：任何时候好的老师都是需要的。传道、授业、解惑等传统职责可能能够用AI工具替换老师一部分工作，但引导的职责、培养学生意识的职责仍然需要老师完成。未来工具会成为老师的一部分，老师做更多的引导。老师这个职业还是需要的，但老师教学生的方式会发生很大变化。

张峥：AI一定会影响整个教育生态。我最担心的是大一的学生。大一的学生刚进大学，课程还是旧的，但课程的改革是必须的。我原来在上海纽约大学做过教授，他们现在教的计算机概论原理那部分还是用我10年前做的东西，我觉得这样不好，所以我自己下场花了一个多月的时间用AI做了一个课程，我也不知道会发生什么，但我一定先把水搅黄。脚手架搭好了，其实可以用AI作为老师，这完全就是一门课，完全是AI教的，课程内容是可以更新的，是一个活的课程。

AI老师跟人类老师有什么区别？AI的老师很耐心，你可以怼它。学习上碰到的困难往往是自己，看到一篇论文总有几个地方会卡住，询问专家会有心理负担，也怕耽误人家时间，但跟AI学习就没这个问题，你永远可以问。AI的耐心和个性化远超人类老师。但人类老师的鲜活，AI老师是没有的。

澎湃科技：教育的改革可能已经到了一个刻不容缓的地步。

张峥：刻不容缓但阻力又很大。

澎湃科技：有没有一个小切口切进去，比如刚刚提到AI老师，或者学校里应该保留哪些学习内容，减少哪些学习内容？

张峥：比如AI与伦理、AI与法制、AI与哲学。我那门课才教了一半，要讲AI，就一定要把人类的认知科学、哲学融入进去，才能形成一门通透、完整的课程。各学科的融合非常必要，这一直是我们教育存在的问题。我们三个虽然年龄差距很大，但都是先通过高考这座独木桥，再走钢丝一样读博士，最终成为所谓的专家、专业人才。可实际上我们看待世界的方式非常窄。工程师有工程师的视角，科学家有科学家的视角，文字工作者、艺术家、投资者等，在各自的训练体系下，看待世界的方式也不一样。要成为一个完整的社会人，需要打通这些通识，AI倒逼我们去做这件事。

钱卫宁：大学培养人才是一件非常基础也最为重要的事。AI给了我们一个跳出来看问题的角度：我们可以获取高质量的教学内容、好的工具，成本也变得很低，哪怕自己还不完全掌握。所以，即便有些知识掌握得不是那么好，人们也有更多机会去做很多有创造力的事，这种可能性变多了。

张峥：我觉得要鼓励试错。课程怎么改，我们要去尝试，不尝试我们真的不知道怎么改。

钱卫宁：给学生更多的可能性，这对学生来说很重要。

澎湃科技：大模型来了以后，学生希望学校提供哪些教学内容？现有的一些和AI相关的课程能否有效激发学生的学习兴趣和创新能力？

任若楠：可能未来每个大学生都要学一门人工智能导论课，都需要对它有一些基础的了解，就像现在大学都要学高等数学一样。我其实挺想学张老师说的AI方面的使用规范或法律法规，毕竟作为这个行业的从业者或参与者，我们需要知道这个行业的红线在哪里，也需要知道有哪些手段来保护我们的合法权益。在课程之外，学校也提供了很多方法来鼓励我们学习AI技术，比如一些科创比赛，实践机会也是一个很好的学习方法。

澎湃科技：AI浪潮中，众多高校纷纷开设人工智能本科专业及“AI+X”交叉课程。但在实际推进过程中，高校面临“缺师资、缺经费、缺资源”的严峻困境，AI教育课程质量也参差不齐。目前高校在AI学科建设和课程体系设置上普遍存在哪些问题？哪些学科适合AI+X，究竟应该如何将计算思维融入这些学科的混合课程设计，而不是简单教授学生利用AI工具辅助搜集整理资料学术资料？

钱卫宁：今天老师跟学生面对AI，这些都是新的东西。对我们大多数老师来说，当年自己学的时候也没有学过这些AI的东西。所以不管是“AI+”还是“AI”，对我们所有人来说都是新东西。今天AI的发展速度很快，目前并没有一个公认、固定的定义来回答“AI到底是什么”。它不像高等数学一样已经形成体系化的内容、经过长时间的检验。​未来与AI相关的教学更多要在实际问题中去尝试、探索，老师在这个过程中，更多是凭借自己以往的经验，和学生一起往前进步。​

当然，另一方面，我们可能缺乏一些有经验的老师，缺乏能胜任这类课程的老师，但我觉得从学生的角度来说，现在互联网上能学的东西太多了，AI本身也是帮助我们学习的好工具。​对老师而言，如果能适应这样的变化，那仍然是合格的老师；如果不能适应，未来学校的模式可能就会改变。要么学生反过来倒逼老师做出改变，要么老师本身就不再是称职的老师。​我觉得能找到一些真正值得去探索的问题，在这些问题中，老师和学生共同进步。

​张峥：AI+基础课都应该上，但现在的教法教得不够好，课程没有做好，这也是我在做这个课程尝试的第一步。比如我的课程有一大堆单元，我建议从结尾开始上，因为最后那节课是开放性的哲学问题讨论，比如什么是智能，什么是图灵测试。我觉得既然上这门课，一定是对智能本身或生命本身有一定好奇，那就先做一场跟AI的对话，再去学这门课，学完之后回头来再讨论一遍，你会发觉再回答什么是图灵测试、什么是智能时，看法会不一样。所以AI本身并不是一个技术，它最后观测到很多哲学的问题。所以课程里要有人工智能，也要有哲学，主要是认知科学。

澎湃科技：年轻人会怎么看待人工智能这项技术、这个行业？

任若楠：人工智能就像这个时代的浪潮一样，发展浪潮肯定是不可逆转的，未来AI肯定会更加深度地改变我们生活的方方面面。AI也对我们提出了一些新要求，我们需要更好地利用它来适应这个时代的发展，比如掌握一些创新方法和实践能力，有勇气有自信做AI行业的引领者或使用者。从使用角度来说，可能未来每个人都会用AI，年轻一辈就要做改变AI技术或引领行业发展的人。

澎湃科技：学生自身应该如何主动适应AI时代的学习要求，提升自己的竞争力，避免因为过度依赖大模型而基础知识掌握不牢？

任若楠：首先，基础知识很重要，只有自己知道或者学会，才能判断AI帮助产生的一些结果是不是可靠的、答案是好还是坏，我们要有辨别是非的能力。除此之外，刚才两位老师都提到，如何跟自己的专业融合，是每个人需要探索的，根据自己需求找到一条跟AI融合的路径。

钱卫宁：我们学AI的过程中，一个是AI工具的技术技能学习，一个是AI知识的学习，再往后更高阶的是思维和能力的学习。AI作为自动化工具的确很好用，在这个过程中引导背后的知识学习和能力培养，倒逼自己学习，是比较好的一条路。当然这需要老师的引导，我们的教学规范让他能够在现有基础上再往上跳一跳，这可能是我们在机制上要去做的一些事。

澎湃科技：面对未来的就业，大模型时代的学生需要具备哪些必要的能力，才能提高竞争力？

钱卫宁：在这样一个时代，不光对学生，对老师也一样，要改造我们的学习，了解现状到底是什么，AI到底是什么，现在的AI到了什么程度，我们要从学科的角度去了解它的发展历史，才能知道它将来可能会走向哪里。要了解在产业发展、个人发展、社会进步中，需要AI帮助我们解决什么问题，在这个基础上改变我们看待问题的角度，改变我们学习或个人成长的路径，才能有更多收获。

张峥：从今年年初我就一直在谈AI教育，我说我不知道怎么做，但我觉得有三个目标。第一个目标是不要不让大家用AI，因为现在大家都在用AI，学校里不让大家用AI没有道理，但在用AI时，一定要把KPI提高。第二个目标是广谱，现在专业的通识不通，有着专业性的陷阱，缺乏全能型选手。现在一定要借这个机会把它打通，要么不要过早进入某一个专业，要么在某个专业的教学时让理科生对历史、人文感兴趣，文科生要了解最基本的科学概念，否则就是鸡同鸭讲。AI时代倒逼我们做这些事，我们应该通过这个机会让每个学生变成一个广谱的学生。第三个目标是在扔掉AI之后要变成更强大的自己。有了AI你能飞，没有AI你要比原来跑得快。前一阵我被我的母校复旦附中叫去做演讲，我说既要又要其实很难，但如果做不到这点，就有很强的工具依赖性。