当前，我国人工智能产业快速发展带来旺盛的人才需求，但不少高校专业设置和课程内容上仍难跟上技术迭代。南方科技大学工学院院长陈明伟指出：“若工科生在校期间未能掌握人工智能核心原理，就业时将面临知识脱节风险。”这也提示高等教育在新一轮技术变革中必须直面的一道题——如何培养既能落地应用、又具备扎实理论基础的复合型人才。 针对此问题，南科大本学期启动系统性改革。不同于市场上偏工具、偏碎片化的课程，该校将重心放在数学建模、算法原理等基础教学上。由工学院、商学院和医学院15名教授组成跨学科团队，把计算机体系结构、离散数学等关键内容纳入人工智能通识课。课程设计基于对技术底层规律的判断：大模型迭代很快，但数据处理逻辑与计算机运行机制相对稳定，是理解与应用新技术的“底座”。 在教学实践中，学校探索“ 双轮驱动 ”策略。一上从临床应用等具体场景切入，通过“支持向量机算法诊断青光眼”等案例，把抽象理论讲到可操作、可验证；另一方面建立动态反馈机制，借助问卷调研及时调整教学内容。工学院教授刘江的授课实践显示，当学生理解算法如何提升医疗诊断准确率时，学习主动性明显增强。目前改革已见成效，首批25名人工智能专业新生中，超过80%能够独立完成深度学习模型搭建。 值得关注的是，该校正推动“教学—科研—产业”之间的正向联动。教师将眼底图像分析等前沿课题带入课堂，学生在处理医学影像数据的过程中，不仅掌握特征提取、分类器构建等核心方法，也更清晰地理解数据科学的价值。大一学生兰子毅在实验报告中写道：“优质数据如同算法的营养基”，折射出教学改革对学生专业思维的塑造。 据悉，南科大近日成立人工智能学院，将继续整合校内外资源，重点布局智能医疗、金融科技等交叉方向。学校计划在未来三年内，实现人工智能课程覆盖全部理工科院系，并逐步向人文社科专业拓展。教育部对应的负责人评价称，这种以基础学科为支撑、强调产教融合的培养路径，为缓解新兴产业人才供给压力提供了可参考的思路。
人工智能教育的重点不在于追逐最新“热词”，而在于打牢经得起迭代的能力底座。把数学、数据与计算机原理讲清楚，把实践与场景做扎实，把跨学科协同机制真正运转起来，学生才能在技术浪潮中不被“更新速度”牵着走，而是具备持续学习、理解创新、解决问题的底气与定力。这既符合高校人才培养的基本要求，也是面向未来产业竞争的长期准备。