2023年5月，习近平总书记在中共中央政治局第五次集体学习时强调，“教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口”。2024年9月，习近平总书记在全国教育大会上进一步提出，“深入实施国家教育数字化战略”。在此背景之下，研究型大学应充分发挥好其在学科专业、人才队伍、技术支撑等方面的优势，尽快调整发展规划以顺应新一代人工智能加速创新的发展趋势，从而发挥好应有的引领示范作用。因此，深刻把握新一代人工智能赋能研究型大学发展的时代特征与作用路径，积极探索我国研究型大学与新一代人工智能发展趋势相适配的实践方略，已成为重要的理论与实践命题，对于加快推进教育强国建设具有重大的现实意义。

一、新一代人工智能赋能研究型大学发展的时代特征

新一代人工智能在重构全球创新版图、重塑全球经济结构的同时，也为研究型大学的高质量发展带来了新的时代机遇与挑战。

1.智能技术爆发式发展，重塑研究型大学创新生态网络

伴随着大模型、深度学习等关键支撑技术的持续突破，新一代人工智能呈现爆发式发展态势，促使多元创新主体加速聚集联动，研究型大学的协同创新生态网络不断变革重塑。一是快速增长的数据规模和大模型基础平台引领研究型大学走向跨界融合创新。自OpenAI推出GPT-3以来，超大规模训练模型参数、数据规模以300倍/年的趋势持续增长，不断推动研究型大学建设数字协作创新平台。二是迅猛发展的深度学习和机器学习技术推动研究型大学走向开放科学实践。深度学习技术通过使用人工神经网络实时联通处理大量跨学科的数据，并通过在线平台畅通资源共享与交互协作渠道。如斯坦福大学的“AI for Healthcare”项目借助机器学习模型整合计算机科学、统计学和生物信息学等多学科对大规模医学数据进行分析，并通过Stanford AI Lab平台向全球研究者共享数据集，促进多学科领域的研究和创新。

2. 算力算法指数级加速，塑造研究型大学智能科研范式

当前，人工智能算力算法持续突破，面向推断的新算力架构快速演进，类脑计算、存内计算、量子计算等高效、智能且低功耗的计算技术发展指数级加速，引领研究型大学科研范式进入智能技术科研时代。一是人工智能助力研究型大学科研效率提高。人工智能技术以自动化的方式分析和共享大量数据，促进科学知识扁平化，完善人工智能科技成果转化制度。二是人工智能助力研究型大学科研精度提升，如DeepMind开发的新算法重塑生物、材料等技术科研范式，为研究分子结构提供便捷工具。三是人工智能助力研究型大学科研仿真环境创设。人工智能技术帮助科学家在没有实际实验条件的情况下测试理论和假设，如美国威尔·康奈尔医学院科学家开发出人类神经元模型，详细模拟了tau蛋白聚集体在大脑内的传播。

3. 颠覆性技术走向应用，促进研究型大学社会服务升级

在颠覆性技术走向应用，产业技术路线发生革命性变化的背景下，大学社会服务职能的履行方式也发生了深刻变化。一是研究型大学要促进生产方式智能化。网络化协同、个性化定制、智能化生产正在成为“新制造”的共同特点，研究型大学应联通高端科技产业，为智慧交通、智慧医疗、数字化学习、智能家居等提供技术支撑。二是研究型大学要促进产业形态数字化。伴随着互联网逐步走向物联网，未来大部分产业将成为数字化产业或与数字化技术深度融合，研究型大学应为未来的数字化产业提供高质量的数据支持。三是研究型大学要促进产业组织平台化。伴随着DNA生物芯片、纳米机器人、量子计算机等越来越多跨越传统产业边界的新产品问世，研究型大学应助力新产业的组织形态从专注于内部管理的传统形态，转变为强调外部连接性及其网络效应的开放平台，为共享经济拓展市场空间。

4. 智能技术全域性拓展，助力研究型大学数智育人

新一代人工智能技术在高等教育领域的应用，促进大学教学与管理活动的智能化转型。一是研究型大学将率先步入人机协同式教学。人、物理世界的传统二元教学场域将转变为人、物理世界、智能机器、虚拟世界的四元协同空间，传统的大学课堂也将转向“人师+学生+机师”的三位一体式课堂。二是研究型大学将重点推广智能辅助式学习。智能辅导系统能够精准识别每个大学生的学习习惯、兴趣点和知识短板，从而为他们定制个性化的学习计划，也可以构建打破地域和时间限制的无边界学习社区，使得任何人在任何地方、任何时候都能够获取所需的知识。三是研究型大学将形成并完善数字化办学管理模式。人工智能在重塑教与学的同时，也在改变招生、考试、评价等人才培养的其他环节，尤其是教育考试的数字化转型已是大势所趋。

二、新一代人工智能赋能研究型大学发展的作用路径

新一代人工智能赋能研究型大学发展是一个复杂的系统工程，作用于研究型大学的人才培养、科技创新、社会服务等多个方面。

1. 新一代人工智能重构社会就业形态，推动研究型大学优化专业结构，探索智能时代人才培养新模式

作为新一轮信息技术革命的引领性力量，人工智能技术引发了全球就业形态的颠覆性变革，促使高校调整学科专业结构、创新人才培养模式。与此同时，人工智能技术的勃兴推动了新业态与新模式的涌现。相关统计显示，过去四年全球AI训练师、VR导演等“AI+”就业岗位以每年74%的速度增长。也有报告显示，目前我国“AI+X”数字人才的缺口约为2500万至3000万。为应对新一代人工智能对高等教育提出的新要求，欧美一流大学通过加强人工智能学科建设、健全人工智能课程体系、促进人工智能赋能教学等方式，提高人工智能时代人才培养与社会需求的适配度。截至目前，美国共有340余所大学开设了AI相关专业，课程设置涵盖人机交互、机器人技术、自然语言处理等多个重要领域。此外，欧美一流大学纷纷推动生成式人工智能（GAI）赋能教育教学改革，发布GAI相关教育教学规范或指南。面向未来，我国研究型大学以高层次创新型人才培养为己任，需要系统集成智能技术与多方优质资源，促进智能技术与人才培养相生相长，打造“AI+”一流学科专业集群，推进AI赋能课程建设与教学创新，不断探索智能时代中国特色世界一流大学人才培养新模式。

2. 新一代人工智能超越传统计算模型，要求研究型大学加速科研范式转型，开创智能时代科技创新新格局

新一代人工智能驱动的智能化科研正在形成科技创新的新范式和新动能。一方面，世界各国相继发布政策，营造科研智能发展环境，如2023年12月欧盟委员会发布政策简报《人工智能在科学中的应用——利用人工智能的力量加速发现和促进创新》，倡导为欧洲量身制定一项政策，促进人工智能在科学领域的应用。另一方面，AI持续推动高校提升解决科学领域问题的能力。面向大科学、大数据、人工智能时代的创新要求，欧美一流大学围绕科研算力、科研算法及科研数据进行全方位的战略布局，切实促进智能化科研的高效运行与创新发现。在科研算力方面，华盛顿大学、洛桑联邦理工学院等大学开发整合智能算力与超算算力的大语言模型，如面向化学领域设计的大语言模型——ChemCrow；在科研算法方面，布朗大学、麻省理工学院等大学纷纷推出算法库，支持科研智能底层算法的实现，如DeepXDE支持的物理信息神经网络（PINN）和深度算子网络（DeepONet）等方法；在科研数据方面，杜克大学、剑桥大学等大学通过加强公开数据集建设为科技突破奠定扎实基础，如材料科学领域的高通量材料计算数据库（AFLOW）等。面向未来，我国研究型大学作为国家战略科技力量的重要组成部分，要肩负起建设人工智能科研高地和引领创新生态发展的使命担当，加强“AI+X”科技创新公共服务平台建设，培育跨学科、跨行业、跨领域的人工智能科技创新联合体，探索融合经验范式、理论范式、模拟范式、数据密集型范式与智能范式的新范式，开创智能时代中国特色世界一流大学科技创新新格局。

3.新一代人工智能重塑全球产业结构，促进研究型大学助力产业升级改造，引领智能时代社会服务新方向

人工智能的快速发展与广泛应用还进一步带动了产业研发创新，对全球经济格局和产业结构产生了重大影响。一方面，人工智能自身催生出一大批以云计算、智能制造为代表的新兴产业，形成新的经济增长点。另一方面，新一代人工智能技术也正以前所未有的速度渗透到各行各业，不断推动着其他领域的重大变革与产业升级。在人工智能与科学研究、产业发展深度融合的背景下，欧美一流大学积极与产业界沟通合作，并通过产品研发与技术创新为产业升级提供支撑。欧美一流大学以解决重大社会公共议题为切入点开展创新设计，依托数智协作平台构建“五重螺旋”下的协作创新，健全集基础研究、应用研究、成果转化为一体的协同创新机制。面向未来，我国研究型大学要以高层次知识创新服务国家重大战略与经济社会发展，必须继续面向信息、电子、综合交叉等关键技术领域，加强科技成果转化与产业创新、文化创新的协同，提高服务产业结构升级与攻克“卡脖子”技术问题的主动性，引领智能时代中国特色世界一流大学社会服务新方向。

三、新一代人工智能赋能我国研究型大学发展的实践方略

面向新一代人工智能赋予的时代机遇，我国研究型大学需要强化人工智能学科专业建设，筑牢人工智能科研范式根基，扎实推进“智能+”的创新型人才培养模式改革、智能化科研范式创新以及产业结构智能化升级改造。

1. “多方协同”强化人工智能学科专业建设，实施多元化的人工智能素养培育计划

一是要动员多方力量协同探索与推进人工智能学科专业建设。拓展人工智能学科方向，凝练人工智能领域的“中国特色”。未来，我国研究型大学应在加强传统优势学科与人工智能学科交叉互动方面发挥带头示范作用，凝练人工智能制药、脑机交互与数字药物研发、生态环境大数据与智能分析等特色学科方向。推进“AI+X”微专业与微认证建设，创新人工智能领域多学科合作育人模式。在推进学科交叉的同时，我国研究型大学还应在打造“AI+X”微专业与“AI+X”复合专业培养模式方面带头发力，同时积极开展人工智能微专业线下实训实践活动，通过微专业平台围绕科技创新与实践落地开展主题实训，打通人工智能的学术与产业边界。

二是要面向全体师生实施多元化的人工智能素养提升计划。首先，提升基础能级，增强算力储备和垂直模型训练。我国研究型大学应发挥好GAI教学辅助工具的优势，进一步推动通用大模型和教育教学领域垂直模型的研发与预训练，加强科研算力与教学算力的资源共享。其次，深入调研需求，拓宽学习端的AI课程选择范围。一方面，依托高水平师资队伍扩大AI相关通识课程的开设量，同时增加相关热门课程开设频次，以满足全体学生AI素养提升的需求。另一方面，进一步扩大AI交叉课程的开设量，鼓励有AI学术背景的教师开设相关课程，尤其是AI与人文社科交叉的课程。最后，加强顶层设计，完善工作指导与理论支撑。由学校科研和教学主管部门牵头，对师生在教学科研过程中使用GAI应该遵循的学术规范、工作原则、技术伦理等作出倡导，并积极研制“AI+高等教育”发展报告，确保人工智能科学、合理、可持续赋能高校教育教学改革。

2. “三线并行”筑牢人工智能科研范式根基，健全数智化的知识生产协同创新机制

一是要围绕算力、算法、数据三条人工智能技术创新的主线筑牢智能化科研的根基。首先，构建高校、科研机构和行业企业的算力研发合作机制，提高高校自主研发算力平台的创新能力。当前，研究型大学应率先摆脱对龙头企业通用大模型的依赖，在行业通用大模型的基础上积极开发针对专门知识建模的领域专用模型，继而通过创新网络与知识集群实现可复现的知识创新。其次，加大算法原始创新的投入力度，提升高校科研智能算法库的自主性与竞争力。我国研究型大学需在构建高效、统一的科研智能AI框架上深耕发力，在研判未来复杂计算任务的基础上优化高性能计算方式。再次，加强数据集建设与共享，推动科研智能要素再生产。可在研究型大学试点设立高校数据领导者岗位，负责引领公开数据集建设工作，并进一步促进跨机构、跨领域的数据整合与优化。

二是要在完善数字协作平台建设的基础上健全数智化的知识生产协同创新机制。一方面，开拓“科学研究嵌入人工智能”创新范式。我国研究型大学应借助人工智能创新平台积极响应集约共治，打造“数据库+基础设施+合作者网络”的创新试点方案，实现关键信息在各个合作节点的流通与共享。另一方面，探索“人工智能赋能科学研究”升级模式。我国研究型大学要发挥引领性作用，带动高校知识生产平台的智能化改造升级，建立自生长、可扩展的学科创新体系，推动非信息电子领域的科学研究范式的智能化升级与模块化组合，进而在海量庞杂的信息数据中挖掘知识创新方案，实现知识生产创新体系内部数字设备层的提质升级、虚拟网络层的异步协作、内容信息层的共享流动与知识服务层的利益共享。

3. “全链融合”推进智能时代成果转移转化，构建专门化的高校社会服务评价体系

一是要深化学科链、创新链、产业链融合，推动重大科学创新、智能技术突破转变为新质生产力。首先，把握数智时代知识生产创新的无边界特性与项目制方式，完善人工智能科技成果转化制度。我国研究型大学应为人工智能科技成果转化制定明确的战略规划与发展路线，在促进社会经济结构与产业布局调整中找准学校的发展定位，并进一步带动其他高校与产业界合作升级技术设备，加快人工智能科技成果转化的专业化、规范化与实体化发展。其次，建立人工智能科技创新联盟，创建全链条融合汇聚的科技成果转化网络。研究型大学应发挥资源集成、人才一流等综合优势，牵头构建政策链、产业链、创新链、人才链与资金链深度融合的创新协作系统，协同各方力量集中攻克人工智能时代制约国家科技创新的核心问题，从而进一步优化科学研究与技术研发范式，促进科技创新系统的良性循环与运作。

二是要联动高校内、外部的评价主体，构建科学的高校社会服务评价体系。首先，统合智能技术研发创新性与核心成果转化有效性两大标准，构建内外主体联动的社会服务评价机制。人工智能时代，研究型大学一方面应基于学术创新视角，组织专家评估数据建模、算法模拟等智能知识生产的科学性，另一方面也需要组织外部的市场主体与社会力量对成果转化的经济效用进行评价。其次，建立全过程的数据质量评价机制，完善技术成果对产业结构与商业模式的反馈机制。人工智能时代的科学研究与技术研发以数字形态的数据为基本要素，因此内部评价需要将历史数据的质量评价结果纳入，从而进行长期性的动态追踪评价；外部评价则应关注智能化科技成果对产业结构与商业模式的再生影响，注重动态反馈机制的构建与完善。（文章摘自中国高等教育）