一、数智时代高等教育人才培养的改革挑战与契机
自2022年底，以大语言模型为代表的生成式人工智能（AI）取得突破性进展以来，其技术能力正以前所未有的速度应用于知识生产与科学发现的核心环节。卡斯内奇等学者指出，大模型使高等教育面临机遇与挑战并存的局面：既可能显著提升学习效率，也可能加剧学术诚信、知识可靠性与教育公平等结构性风险。联合国教科文组织在《生成式人工智能教育与研究应用指南》中呼吁，高校应从“技术可用”走向“教学可变”，将AI系统性纳入制度、课程与能力培养体系，回应学习范式与学术规范的深层变化。扎瓦茨基－里希特等对146篇高等教育AI应用文献的系统综述亦发现，既有研究偏重技术与系统层面，对教育者与教学实践维度的关注严重不足。上述研究共同指向一个核心判断：技术供给本身并不自动带来教育范式变革，关键在于大学能否通过系统化的制度安排，将AI转化为重塑人才培养的内生力量。
这在中国语境下具有更为紧迫的现实指向。《教育强国建设规划纲要（2024—2035年）》明确提出，以教育数字化开辟发展新赛道、塑造发展新优势，以人工智能助力教育变革。2026年5月，教育部部长怀进鹏在世界数字教育大会上进一步强调，推动人才培养由“知识为主”转向“能力为先”。注重启智增慧，增强学生内驱力、判断力、创造力。这从国家层面确立了数智时代人才培养的范式转型方向。然而，政策意图能否转化为高校层面可执行的制度安排与可验证的培养实效，仍是当前高等教育研究与实践的核心命题。
客观而言，国内高校在适应数智时代人才培养要求方面普遍面临四类结构性问题：其一，供给同质化——AI课程多以“既有内容中新增AI模块”为基本形态，缺乏与学科前沿、产业实践的深度耦合；其二，培养碎片化——本科与研究生培养在AI素养要求上呈现“两张皮”状态，难以形成学段贯通的能力积累；其三，学位制度刚性——既有学位授予框架对跨学科双学位、复合型培养路径支持不足，研究生层面的学科边界与本科生层面的专业范畴缺乏制度衔接；其四，基础设施分散——算力、数据、平台资源在职能部门与院系间分散布置，难以承接大规模、常态化的AI教育教学需求。这四类问题相互嵌套，共同构成了数智时代高等教育人才培养“想改而难改”的制度困境。
复旦大学作为国家“双一流”建设高校，是上海建设具有全球影响力的国际科技创新中心的战略支撑力量，自2024年起组织实施“人工智能课程体系建设和教育模式改革会战”（以下简称AI大课），以本研一体的整体视野推进AI课程矩阵重构、AI＋培养项目创新、AI教育组织机制与支撑体系再造与集成。AI大课提出“AI课程覆盖全体本研学生、AI＋教育覆盖全部一级学科、AI素养能力要求覆盖全部专业”的3个100％渗透目标，结合学校教育教学改革3.0版的本研融通改革，在同一架构内协同推进本研学生AI素养教育与AI创新能力培养，为高校如何应对上述四类结构性问题提供了可供学理审视和实践推广的样本。
基于以上背景，本文采用“理念—体系—生态”三层框架，系统展示复旦大学AI大课的改革理念与战略定位（理念层）、AI－BEST课程矩阵与“X＋AI”培养项目集群的体系建构（体系层）、AI算力底座与质量保障体系及协同育人生态的支撑机制（生态层），以复旦大学本研一体化的AI赋能教育教学改革实践为样本，构建数智时代高等教育“知识—能力—人格”三维培养目标的实现路径，为我国高校改革提供方法论与实操性参考。
二、改革理念与定位：AI大课对数智时代高校人才培养的逻辑重构
理解AI大课的学理与实践价值，首先须辨析其与既有“AI进课堂”实践之间的范式差异。米什拉与科勒提出的“技术—教学法—内容知识”框架揭示，技术真正赋能教学，须以技术知识、学科知识与教学法知识的有机整合为前提；普恩特杜拉提出的“替代—增强—改造—重构”模型则将技术进入课堂的层级划分为四个阶段。这两个理论框架共同表明：技术供给并不自动带来教学机制变革，AI课程的意义不在于“增加了什么”，而在于“重构了什么”。AI大课对此作出的回应，可凝炼为三条相互支撑的改革理念。
一是画像分层的能力供给逻辑。高校人才培养对象在学科背景、能力起点与发展需求上存在显著异质性，单一供给方案难以兼顾。AI时代对青年学生的核心要求已从“知识记忆”转向“人机协作、问题定义与跨学科迁移”。AI大课基于“普及圈—核心圈—进阶圈”三层画像分类施策：普及圈面向全体本研学生，重在培养其AI基础素养与工具使用能力，建立人机协作底线能力，回应“AI时代学生应具备何种共同能力”的底线问题；核心圈瞄准修读数智相关核心专业及“X＋AI”双学位等系统化培养项目的学生，强调问题定义与跨学科迁移能力，使学生掌握将AI方法融入专业场景的实践本领；进阶圈聚焦“AI赋能科学研究范式变革”，面向有志于在AI垂域开展前沿创新的本科生和研究生，致力于塑造其范式追问与原始创新的能力，培育“AI＋学科”的前沿探索者。三层画像从“会用AI”到“会改AI”再到“会创AI”逐级递进，为不同起点的学生提供差异化的能力发展通道。
二是本研融通的人才培养逻辑。AI大课在设计之初即跳出以本科生或研究生为单一对象的改革定式，以本研融通为基本原则，将“AI课程覆盖全体本研学生、AI＋教育覆盖全部一级学科、AI素养能力要求覆盖全部专业”作为整体目标。该理念的学理意义在于：它将AI能力培养由“特定阶段的附加要求”转变为“贯穿整个学业生涯的核心素养”，从而避免本研培养之间出现素养与能力的断层。在制度层面，自2024级起，复旦大学每个学位项目的修读方案均须明确AI素养与能力培养要求；在课程层面，本研学生共享同一进阶式课程矩阵，本科生在低年级即可接触面向研究生开放的高阶课程，研究生亦可补修早期课程模块，保障本研学生能力的连续进阶发展。
三是有组织建设的治理逻辑。AI大课在组织形态上突破了以院系为单位的常规课程建设模式，确立了“党委统领—专家把关—校院协同”的三层治理结构。学校成立由党委书记牵头，教务处、研究生院、计算与智能创新学院、人工智能创新与产业研究院等单位主要负责同志共同组成的建设团队，下设战略咨询委员会、课程建设委员会、教学指导委员会进行学术把关。其中，课程建设委员会按工作组分类建课，由研究生院牵头协调学校各单位，发挥秘书处职能，使课程建设、培养方案修订与学位制度调整在同一治理链条上协同推进。这种集中力量推进改革的组织安排，覆盖范围广、制度纵深大，在实操层面具备强大的执行力。同时，在资源投入方面，学校在“双一流”建设经费中给予AI大课专项支持，统筹协调高性能智算平台，提供算力保障，确保改革的落地落实。
上述三条理念相互嵌套缔合，共同完成了AI大课对高校人才培养逻辑的系统重构：画像分层回应供给同质化困境，本研融通回应培养碎片化困境，有组织建设回应资源分散难题。三者的学理统一性在于以“系统性范式重构”代替“局部性技术嵌入”，进而将高校AI教育从“课程改革”升格为“育人模式改革”。这一升格，正是AI大课区别于一般意义上AI课程建设的本质特征，也是其在国内高校AI赋能教育改革中占据独特位置的学理依据。
三、课程与培养体系：AI－BEST课程与“X＋AI”培养项目的首创建构
AI大课的理念层确立了学校顶层设计的逻辑底色，体系层则承担着将理念落地操作的教育教学改革任务，主要包括两个相互耦合的子系统：以“AI－BEST”为内核的课程矩阵，以“X＋AI”为骨架的培养项目集群。前者解决“以什么内容教学”的问题，后者解决“以什么路径培养”的问题。
（一）本研融通的AI－BEST课程体系
复旦大学以本研融通为基本原则打造进阶式AI－BEST课程体系，将通识教育、核心技能、学科知识、垂域应用有机结合，是AI大课的核心载体。该体系包括四个层次：通识基础课程（AI－Basic Courses，以下简称AI－B课程）、专业核心课程（AI－Essential Courses，以下简称AI－E课程）、学科进阶课程（AI－Subject Courses，以下简称AI－S课程）、垂域应用课程（AI－Thematic Courses，以下简称AI－T课程），也寓意“做最好的AI课程”。AI－BEST课程体系并非传统“通识—专业—交叉”三段式课程的简单扩展，而是以“AI素养—AI能力—AI创新”多目标、多层次的进阶逻辑为内在支撑。其学理创新在于：通过通识普及、专业核心、学科交叉、垂域应用四个维度的有序衔接，实现从“知识习得”到“能力生成”再到“范式创新”的递进跃迁，使课程矩阵精准匹配“普及圈—核心圈—进阶圈”三层画像的学生差异化发展需求。
AI－B课程专注AI数理基础和编程训练、应用工具训练与场景开发、AI伦理教育，面向全体学生普及AI素养。课程包括“走近人工智能”“具身智能引论”“人工智能基础”“人工智能程序设计”“人工智能伦理”等。“走近人工智能”面向AI零基础学生，侧重“不直接写代码、不从头做数学推理”的课程设计，帮助学生建立AI思维；“具身智能引论”由6位教师和15位助教带领零基础学生上手具身AI；“人工智能基础”则设置丰富的互动实践环节，要求学生独立完成图像识别等AI训练项目。AI－B系列课程依据学生学科背景和先修基础差异细化分档，如B1类课程面向理工医科有计算机基础的学生，B2类面向人文社科专业学生，学生可根据个人需求修读。该系列课程把AI素养确立为大学毕业生的基准能力，帮助不同专业背景的学生跨出“走近人工智能”的第一步，回应“AI时代每一位毕业生都应具备何种基本能力”这一根本性问题。
AI－E课程聚焦人工智能的核心领域，从底层逻辑出发，系统呈现AI相关学科基本性、共通性的知识体系及核心技术。该系列课程进一步细分为AI－E1和AI－E2：AI－E1面向AI领域拔尖创新人才培养，集合全校相关院系学科力量，精心打造高质量专业核心课程；AI－E2满足AI＋双学位项目的专业课程需要。其中，MOSS大模型设计者邱锡鹏教授开设的“模式识别与机器学习”课程，根据AI最新技术重新设计，增设Transformer、分布式训练等前沿知识点，并与华为、百度等企业共建编程实训平台。一线科学家承担一线课程，体现了学校以学术活跃度反哺人才培养的特征。“人工智能前沿探索实践”课程设置了10个不同侧重的课程实践，配备数量充足的助教并在GitHub建立实践专区，提供个性化编程指导。课程面向非计算机专业的本研学生开放，汇集医学、中文、新闻、数学等不同专业背景的学生。课程考核方式灵活，学生可选择复现前沿论文、结合专业发现问题或参加技术竞赛，体现了学科交叉与实践导向的培养理念。
AI－S课程是立足文社理工医及交叉学科生长出来的AI＋X课程，鼓励各院系将AI技术与本学科核心知识深度融合，开设有学科特色的AI＋X课程；同时以课程建设牵引AI＋学科交叉，构建跨一级学科的进阶课程体系。国际关系与公共事务学院的“人工智能与国家治理”、物理系的“AI物理”、脑科学研究院的“AI脑科学：数据、计算和前沿”等课程，是该系列课程的典型代表。值得一提的是，诺贝尔化学奖获得者迈克尔·莱维特教授参与开设“AI在生物分子结构中的研究及应用”课程，以亲身科研经历和跨学科视角，引导学生深入思考“生命如何‘计算’，人类如何创新，智能的未来又将走向何方”。AI－S系列课程通过学科深度交叉，使学生在系统掌握本学科核心知识的基础上，习得AI赋能的新型研究范式与创新思维，为培养“AI＋学科”的复合型拔尖人才提供坚实的课程支撑。
AI－T课程基于各专业领域，紧密围绕社会经济与产业发展的具体AI应用场景，将课程建设与产教融合、科教融汇深度结合。该系列细分为AI－T1（产教融合课）和AI－T2（科教融汇课）：AI－T1瞄准市场实际需求，注重实训实战，围绕科学智能融合创新项目与产业真实问题开发课程、组织教学，着力提升学生解决实际工程问题的能力；AI－T2鼓励有垂直领域研究和应用需求的院系及教师，围绕AI赋能科学研究与技术研发的各类应用场景和具体问题开发课程，推动前沿科研成果向教学内容转化。未来信息学院的“AI增强仿真学：理论与实践”、人工智能创新与产业研究院的“AI制药前沿与实践”是该系列课程的典型代表。通过AI－T课程，学生能够在真实或仿真的产业与科研环境中，培养AI技术落地应用的能力，实现从课堂学习到创新实践的有机衔接。
AI－BEST四层次的进阶逻辑可概括为：以AI－B筑牢通识素养，以AI－E夯实专业根基，以AI－S驱动学科交叉，以AI－T引领实践创新。这一进阶矩阵坚持本研融通的基本视野，使本科生与研究生在共同的课程谱系中实现从“AI素养”到“AI能力”再到“AI范式”的连续进阶。2024年AI－BEST课程首批立项116门，截至2025年底已开课108门，本研学生三学期修读累计1.3万人次，学生正面评价占比约85％。
（二）交叉融合的“X＋AI”培养项目集群
学校以AI－BEST课程为基座，紧扣“2＋X＋Y”多元融通培养体系的整体框架，通过创设“X＋AI”双学士学位、“学术学位博士＋专业学位AI硕士”双学位项目（以下简称“X＋AI”博硕双学位）、AI＋微专业（校内称“学程项目”）三层AI＋培养项目集群，为所有本研学生提供机会充足、发展多元的AI＋交叉融通培养路径。
“X＋AI”双学士学位项目向全体本科生开放，学生可根据兴趣提出申请，经考察后进入项目学习。截至2025年，学校累计获批41个“X＋AI”双学士学位项目，覆盖全部一级学科，数量居国内高校首位；234名学生进入项目修读，首学年平均绩点达3.65分（满分4.0）。AI与其他专业的复合训练并未拉低学生原专业的学业水平，反而通过AI赋能与跨学科思维训练，提升了学生的学习效能和融合创新能力。
“X＋AI”博硕双学位项目作为本研融通培养的重要组成部分，是复旦大学在研究生培养中实施长学制、跨学科AI＋教育的首创性改革举措。学校首批遴选哲学、新闻传播学、数学、基础医学等10个一流学科，试点开展“X＋AI”博硕双学位项目，让学科与AI形成“学科基础＋技术工具”的互补格局，通过“立交桥式”培养路径，为学生构建“可成长、可拓展”的能力框架，培养适配产业行业需求、兼具学科理论深度与技术应用能力的复合型高层次人才，形成不可替代的核心竞争力。项目采用“博士学科导师＋人工智能导师”双导师联合指导模式，明确要求人工智能领域硕士阶段的学习应有效服务于博士学位项目的研究工作，实现“学科研究＋AI技术”的深度融合，形成“学科交叉＋项目驱动＋协同育人”的创新模式。
“AI＋”微专业是AI＋人才培养的有效补充。学校在AI－BEST课程中选取若干课程群组建微专业，校内外学生修读完成可获复旦大学人工智能学程结业证书。截至2025年底，学校已建成13个AI相关微专业，其中4个已通过上海市备案。微专业为不同学科背景的学生提供了在学位项目之外进一步强化AI素养与能力的灵活通道，使学生能够在保持专业纵深的同时，有充足机会扩展能力边界。
由此，复旦大学的“X＋AI”项目集群形成了“双学士学位（入口）—博硕双学位（纵深）—微专业（补充）”三位一体的培养制度生态，使AI－BEST课程体系成为本研融通培养路径上的可调度资源，完成了从课程供给到培养机制的有效链接。
四、支撑与共享生态：算力基座、质保体系与育人生态构建
若缺乏生态层的支撑，顶层设计和实操体系仍难以转化为可持续的人才培养实效。复旦大学AI大课的生态层由智能算力底座、闭环质量保障体系、开放共享育人生态共同构成，确保课程矩阵与培养项目得以常态化运转。
（一）构筑AI教育教学算力底座
复旦大学于2023年6月建成在中国高校中规模较大的云上科研智能计算平台（Computing For the Future at Fudan，以下简称CFFF），包括“切问”一号科学智能计算集群、“近思”一号高性能计算集群与跨校区大数据网络系统。自上线以来，CFFF已服务上海市科研人员逾8000位、支撑科研团队800余个。自2024年秋季学期起，CFFF全面支持AI大课，把原本主要用于科研团队的高端算力为全校AI课程提供算力保障，同时组织AI算力使用能力培训，累计开展1.2万余人次AI能力培训实训，完成200余名教师及其助教团队的专业培训。在统筹CFFF算力为AI大课提供支撑的同时，学校还积极探索“校—地—企”合作共建模式，与阿里云、北京并行科技、昌吉州国有资产投资经营集团等合作开展AI教育教学算力支持计划，开发AI教育教学算力调度平台，进一步把分散的算力资源整合为可统一调度的教育算力网络，为AI大课提供充足算力保障。
（二）构建质量保障闭环体系
AI大课实施成败的关键在于质量保障。复旦大学建立AI－BEST课程准入标准，严格遴选课程，高质量稳步推进课程建设；开课过程中，组织教学督导组专家开展专项听课，加强对学生评教的分析与应用；开展课程建设中期与结项检查，对不符合要求的课程实行撤销处理。
AI大课的课程质量与教师的教学能力密不可分。复旦大学由教师教学发展中心牵头建设“智教AI”教师教学发展体系，研制了智慧课程质量标准，组织智慧课程研修班、AI赋能教学研修班等培训交流活动，每年吸引超过3000人次校内外教师参加，持续提升教师AI教学实践能力。学校还加强对AI大课的助教资源投入，每学期单列近百名助教名额用于支持AI大课，明确把“养用结合培养助教队伍和后备师资”作为AI课程建设及人才培养的重要环节，研究生助教不仅承担辅导与答疑职责，更深度参与课程设计、案例开发、平台运维与教学研究，在“教—学—研”循环中实现自我提升。
在组织保障方面，复旦大学新设立足本校、辐射上海的校级人工智能教育教学创新中心，形成由中心统筹、教务部门支撑、计算与智能创新学院等核心院系赋能、全校院系协同的推进与保障机制，有效把控和提升AI大课的实施质量。
（三）完善开放共享育人生态
复旦大学实施AI大课的初衷，不仅在于推动本校AI赋能人才培养改革，同时承担着服务全市高校AI教育与产业垂域需求的使命。因此，构建开放共享的育人生态成为学校的重要举措。2024年起，复旦大学邀请同济大学时任校长郑庆华教授领衔复旦AI大课国际战略咨询委员会，并与同济大学广泛开展AI课程共建共享，双方各精选10门AI课程供学生互选互认学分。同时，复旦大学以AI大课支撑上海创智学院建设，探索资源共享、优势互补的AI人才培养新模式。
复旦大学还进一步将AI课程及培养项目等优质资源向长三角地区辐射。2025年，复旦大学牵头的“数据智能与商业决策”微专业面向部分高校学生开放，让更多学生共享复旦AI大课优质资源。由复旦大学牵头发起的长三角高校教师教学发展联盟，汇聚48所成员高校，举办的AI赋能教学研讨及培训活动单次最高观看量达12万人次。复旦大学也因此入选2025年度全国高校教师教学发展工作人工智能类典型案例。
五、总结与展望
复旦大学AI大课实施以来，在课程体系设计、课程资源供给、培养项目创建、支撑生态等方面均取得阶段性成效。面对AI技术的加速演进，复旦大学在数智赋能人才培养改革及教育教学数字化转型方面仍滞后于技术发展，主要表现在：一是教师数智能力仍有欠缺，教师角色转型推进迟缓；二是课堂教学模式仍显固化，交叉融合与多元评价机制不健全；三是学习范式与载体建设仍显滞后，资源整合支撑能力不足；四是育人生态协同性仍较薄弱，跨界联动开放性不足。
2025年5月，教育部在2025年世界数字教育大会上发布《中国智慧教育白皮书》，提出未来教师、未来课堂、未来学校、未来学习中心的“四个未来”构想。复旦大学将以“四个未来”建设为引领，以AI大课的阶段性实施成效为起点，以培育AI时代拔尖创新人才为核心目标，坚持以人为本、能力导向、融合创新、数智赋能的原则，从未来教师培育、未来课堂改革、未来学习中心创设、未来学校构建四个维度发力，推动高等教育教学体系的数字化、智能化、跨域化转型，打造适配AI时代的拔尖创新人才培养新范式，用复旦大学的探索实践回应“数智时代，大学何为”这一命题，为国家“人工智能＋教育”战略贡献结构化的学理样本与可借鉴的实践路径。
（大学与学科 2026年6月 第7卷第2期 先梦涵，复旦大学研究生院副院长；云永旺，复旦大学生物医学工程与技术创新学院党委副书记，人工智能教育教学创新中心副主任；陈焱，复旦大学校长助理，研究生院常务副院长，物理学系谢希德讲席教授，本文通信作者。）
