近年来，人工智能加速向教育、科研与治理领域渗透，算力资源供给能力成为高校推进科研范式变革与人才培养创新的重要基础。
然而，算力紧缺、资源分散、数据合规与应用门槛高等问题，在不少高校不同程度存在：科研团队各自建设、重复投入，算力调度效率不高；教学应用缺少统一平台支撑，难以规模化落地；管理部门在流程数字化方面需求迫切，但智能化工具碎片化、难以形成闭环。
在这一背景下，上海交通大学宣布国产智算平台“致远一号”全面落成。
校方介绍，该平台是校级“交我算”算力体系的新一代核心成员，定位为综合性智能计算平台，面向全校教学、科研与管理提供统一的算力与模型服务。
平台采取“边建边用”的建设方式，自2024年12月启动建设以来持续扩容与迭代，并于2025年2月上线国内高校首个本地部署的满血版DeepSeek。
当前，平台已完成本地部署包含DeepSeek在内的8款主流大模型，向全校师生开放使用，并在2025年度累计服务校内师生3.8万人，逐步成长为支撑学校高质量发展的关键算力底座。
从原因看，高校建设国产算力基础设施，既是服务国家科技自立自强的现实需要，也是推动科研组织方式与教学范式升级的内在要求。
一方面，AI4S（人工智能赋能科学研究）对算力、算法与数据协同提出更高门槛，只有形成稳定、可持续、可治理的算力平台，才能支撑跨学科长期攻关与大规模模型训练推理。
另一方面，国产软硬件生态日趋成熟，高校在关键基础设施上加强自主可控布局，有助于在数据安全、成本可控与供应链稳定方面形成更强韧性。
上海交大“交我算”平台自2013年建成首个集群以来已历经十余年发展，其团队规模超过30人，形成较为完整的运行维护、资源调度与用户服务能力，为“致远一号”的快速落地提供了组织与经验基础。
从影响看，“致远一号”的价值不仅在于算力规模，更在于面向核心业务的系统化嵌入与应用转化。
在教学领域，平台深度服务“人工智能+教育教学”行动计划，围绕课程体系与课堂教学提供工具化支持。
据校方披露，平台已为229门课程定制AI助教，推动32门HI+AI课程改革，并为相关竞赛项目提供技术支撑，带动学生创新实践与教师教学改革同向发力。
对高校而言，这类“平台—课程—师生”的联动机制，有助于把人工智能从“点状尝试”变为“可复制、可推广、可评估”的教育教学能力。
在科研领域，平台面向多学科提供统一算力与模型底座，推动10余个AI4S研究方向协同推进，覆盖理工、生医、人文等领域。
校方介绍，平台已产出首个辅助胆囊癌诊断的GBCseeker模型，并计划在智能育种筛选、脑机制模拟的新型语言大模型等方向形成更多垂直成果。
可以看到，算力平台的集中供给正在缩短科研试错周期，促进医工交叉、计算与实验融合，加速从算法探索到可用成果的转化路径。
在管理领域，平台以流程场景为牵引推进智能化升级，形成AI审批、AI一键报销等应用，帮助用户完成大量材料填写与文本处理工作，提升审核效率。
财务报销环节的自动审核率提升，体现了“以数据与规则驱动的智能治理”正从概念走向实用。
对高校而言，这类应用若能与制度流程、权限边界、合规审计同步完善，将有望释放管理效能，为教学科研腾出更多时间与精力。
针对平台运行与持续发展，业内普遍关注三方面对策与治理要点：其一，坚持“算力+模型+应用”一体化建设，避免单纯堆叠硬件，强化资源调度、服务门槛降低与应用可复用；其二，完善数据安全与合规体系，明确数据分级分类、访问控制、日志审计与模型输出责任边界，确保可控可管；其三，建立开放协同的创新生态，推动校内需求、企业技术与平台能力形成闭环，让成果更快从实验室走向课堂、医院与管理一线。
上海交大表示，下一步将与企业技术团队、校内用户紧密协作，三方共建开放协同生态，推动人工智能更深融入人才培养、科学研究和校园治理。
展望未来，随着大模型应用从“通用能力”走向“行业与学科深水区”，高校算力平台竞争将更多体现为综合能力竞争：能否形成稳定可持续的服务体系，能否支撑高质量数据与高水平科研的正循环，能否培育既懂学科又懂计算的复合型人才。
以“致远一号”为代表的国产智算平台建设实践，既是高校响应新一轮科技革命和产业变革的重要举措，也为探索“AI for Science”科研范式提供了可观察、可检验的样本。
当算力成为继电力之后的新型基础设施，"致远一号"的建成不仅展现了上海交大在前沿技术布局的前瞻性，更预示着高等教育与人工智能深度融合的新纪元正在开启。
其创新实践表明，国产化技术路线完全能够支撑起高水平科研需求，这为破解关键领域"卡脖子"难题提供了宝贵的高校方案。
在建设教育强国的征程中，此类重大基础设施的突破，将持续释放出令人期待的乘数效应。