本期特稿｜人工智能融入高等教育：时代考察与发展进路

　　建设教育强国，龙头是高等教育。高等教育是教育强国、科技强国、人才强国三大战略的枢纽，其质量是反映国家发展水平的重要标志。当前，我国已建成世界规模最大的高等教育体系。截至2025年6月，我国高等学校总数达3167所，大学数量位列全球第三，整体实力进入世界头部方阵，但“大而不强”的问题仍然突出^[1]。《教育强国建设规划纲要（2024—2035年）》强调，全面构建“自强卓越的高等教育体系”“以教育数字化开辟发展新赛道、塑造发展新优势”“促进人工智能助力教育变革”^[2]。人工智能（Artificial Intelligence，AI）的生发伟力，为高等教育变革注入新动能。高等教育的“智慧教育元年”已然到来，机遇与挑战交织并存。　　一方面，高等教育亟待深思其支撑科技贡献力和创新引领力不足的现象。传统意义上高等教育通常是科技创新的策源点，但当前高新科技企业正全面引领全球范围内的人工智能创新，科研机构及高校成果产出相对低效。信息核爆、技术升级导致知识半衰期缩短至平均两年^[3]，大学生从入学到毕业时所学内容已更新迭代50%^[4]，四年制学位制度正陷入“毕业即落伍”的窘境。另一方面，人工智能悄然加速高等教育的优绩主义（Meritocracy）趋向。目前，世界各国高等教育普遍面临着红利期消退的压力。预计2040年前后，我国人口结构性变化也将使部分高校面临“生源荒”“关停并转”的危机^[5]。学术锦标赛制（Academic Tournament System）正成为高校争夺资源分配和话语权力的客观事实^[6]。为此，深刻认识人工智能既赋能又颠覆的双刃剑效应，成为推进高等教育强国建设的时代课题。

　　以DeepSeek、ChatGPT为代表的生成式人工智能（Generative Artificial Intelligence, GAI）引发教育深刻变革。目前，世界各国及国际组织纷纷制定政策和发布研究报告，着力探讨并应对高等教育领域中的人工智能应用趋势（见表1）。表1 高等教育领域部分代表性人工智能文件汇总

　　（一）以前瞻性视野布局人工智能战略　　世界各国与国际组织深刻认识到人工智能的强劲动能，积极推动其赋能高等教育创新。一是探讨人工智能赋能教学、学习、科研、治理等多维场景，推动高等教育全流程革新。如助力教师实现精准课程设计与动态优化、通过自适应学习系统生成学生个性化知识图谱、提升复杂数据处理与跨学科研究效能、借助智能决策系统优化高校资源配置。二是建立人工智能在高等教育中的应用规范体系。例如，联合国教科文组织推出的《高等教育中的ChatGPT和人工智能：快速入门指南》（ChatGPT and Artificial Intelligence in Higher Education: Quick Start Guide），为全球高校师生提供了全链条ChatGPT应用规范指导。三是重视人工智能时代的人才培养。例如，中国实施“AI+X”复合型人才培养计划，旨在培养适应未来就业市场需求的创新型人才，满足未来社会发展的劳动力需求。　　（二）积极应对人工智能应用的孪生风险　　人工智能融入高等教育衍生出诸多不确定性：一是学术诚信危机。当学生使用生成式人工智能创作，教师难以评估其真实水平，容易助长抄袭、作弊等学术失信行为，削弱了学术评价的公正性。二是算法偏见风险。机器学习算法基于海量数据进行自我训练，可能内嵌偏见^[16]，加上开发者的自由裁量权导致决策不透明；在资本逐利和人为干预下，容易引发算法歧视和影响教育公平。三是数据安全隐患。师生在利用生成式人工智能寻求答案时经常忽视自身信息泄露风险，部分企业过度收集和非法处理数据事件时有发生。对此，世界各国及国际组织正积极制定相关策略推动人工智能应用向善，旨在构建韧性、可持续性的高等教育生态。

　　优绩主义，是一种基于个人能力和努力来分配政治、经济资源的原则和体制^[17]。在其导向下，高等教育领域中的个人只要遵循绩效制度要求，付出足够努力争取功绩便有望抵达成功的巅峰，从而实现自身价值^[18]。优绩主义表面上营造了高等教育的“繁荣”景象，但是人工智能所“冠饰”的公平化的教育目标、个性化的教学定制、精准化的评价优势等，也有可能让高等教育在无形中跌入“虚假繁荣”的幻象泥潭。　　（一）认知降智：技术依赖堕化人才创新能力　　当前全球竞争日益加剧，国家综合国力的比拼关键在人才，而实现科技自立自强归根结底要靠高水平拔尖创新人才。想要走在世界前列，高等教育就必须在培养拔尖创新人才上下功夫。从基于推荐算法的精准单向推送，到依据用户画像的智能推荐，再到生成式人工智能的“讨好式”对话，人类借由人工智能获取知识的方式呈现出即时性、精准化和适需满足性的特征。尤其是生成式人工智能强大的自然语言生成能力、海量的训练数据库、多模态内容交互等功能，能够助力人类迅捷地完成信息检索、论文构思、数据处理、撰写文档等多项任务，以极大地压缩内容产出时间的方式，快速提升教科研工作效能。此外，人工智能实时采集与智能分析学习数据，精准识别高校师生的差异化需求，并为其推荐适配的资源与路径，构建出“千人千面”、高度精准的个性化荐学机制^[19]，这契合了社会对于高校优化学习表现与提升学习效率的普遍诉求。　　然而，优绩主义导致了效率对价值的僭越。强调“效率第一”容易使高校工作者只关注“生产了多少”而忽视“生产了什么”和“生产的好坏”。学习的本质是自我导向的认知建构，要求学习者在解决问题时进行系统调查、探究、分析和验证，并基于已有知识对学习过程进行评估、反思和总结^[20]。智能技术的“数据投喂”“精准推送”等行为，看似短期内满足了学习者的个性需求，却易使其产生“技术依赖”“思维外包”，引发“不会即问”的新型思维惰性，弱化了学习者主动探究问题和意义构建的过程。此外，现有教育大数据的采集维度往往被压缩成标准化数据点，如答题正确率、学习时长等，对学习者的深层认知特质表征不足，极易导致智能推荐的信息产生偏差，使学习者陷入“信息茧房”。长期依赖智能技术“直取答案”会使高校师生的关键认知发展环节被技术代劳，导致创新思维和独立解决问题能力逐渐退化，出现认知降智现象。　　（二）数据异化：量化评价加剧学术科研内卷　　优绩主义秉持“凡存在的东西皆可量化，凡有数量的东西皆可测量”的理念^[21]，将绩效指标数据作为衡量事物价值和质量的尺度，催生出“数据好就是教育好”的幻觉。于是，高校纷纷将教学、学术科研、社会服务等转化为具体化、外显化的数据指标，工作者则通过追求这些指标以获取身份地位。人工智能的介入强化了这一趋势，如基于自然语言、机器学习、深度学习的多模态伴随式数据采集与分析，被寄予破解教育评价难题的厚望。根据DIKW模型，即用于阐述“数据（Data）—信息（Information）—知识（Knowledge）—智慧（Wisdom）”之间层级关系的理论框架，如图1所示，数据本身无固有价值，需经有效萃取与处理才能转化为有价值的信息，进而累积形成有关联性的知识，最终为智慧决策提供有力支持^[22]。但在“数据人生”“数据成瘾”“数据霸权”的主导下，高等教育正出现制造数据、收集数据、美化数据的倾向，遮蔽了人才培养、学术科研和社会服务的复杂性。

图1 “数据—信息—知识—智慧”（DIKW）模型　　一方面，数据正成为学术晋升的“硬通货”，研究者陷入了“学术锦标赛”的竞争怪圈。为了在激烈的竞争中脱颖而出或维持领先地位以获得更多社会资源和身份，科研人员不得不陷入蜂鸟振翅的能耗模式。这也迫使高校从业者不得不采取“快学术”模式，自觉或被迫使用人工智能实现高频次、短周期的成果产出，以维持学术市场的竞争优势。这种“坍缩式”“病态化”的内耗竞争，推动学术研究步入“内卷”境地^[23]。长此以往，这种“快学术”模式将导致创新性较低的成果大量涌现，劣币淘汰良币，高等教育将陷入无实质性发展的停滞状态。另一方面，在“数据主义”支配下，高等教育滋生出精密的指标操控策略。自20世纪90年代开始，国内各大高校开始参与国际大学排行，部分高校通过定向招聘高被引学者、策略性调整师生比例、选择性披露办学数据等，构建出符合排名算法的美好数据景象。“唯排名”导致乱象丛生，中国人民大学、兰州大学和南京大学等高校相继宣布不再将国际排名作为学校发展和学科建设的重要建设目标，正是对量化评价反思的一种体现。　　（三）文科窘境：知识生产方式变革引发“消亡论”　　从专业生成内容（Professionally-Generated Content, PGC）到用户生成内容（User-Generated Content, UGC），再到人工智能辅助用户生成内容（AI-Assisted Generated Content, AGC）^[24]，知识的生产方式始终与技术进化同步演进（见表2）。而人工智能生成内容（Artificial Intelligence Generated Content, 简称AIGC）的颠覆性突破，重构了PGC、UGC、AGC等由人主导的知识生成方式，大模型崛起并成为知识创作的主体之一^[25]。大模型强大的内容生成能力使内容输出效能呈指数级跃升，如Google DeepMind的人工智能模型AlphaFold 3将过去人工需要数月或数年的蛋白质精确结构预测任务缩短至只需几分钟^[26]。表2 PGC、UGC、AGC和AIGC知识生产特征对比

　　科技领域的进步速度远超人文领域，科技快卷将人文学科推向“日薄西山”的舆论旋涡。近年来，新兴科技行业对理工科人才需求旺盛，高校为顺应数智产业升级大势，将资源倾斜于人工智能、大数据等学科建设，文科领域所获投入相对较少，甚至出现“文科大撤退”“文科倒闭潮”的现象。例如，2024年哈佛本科生学院取消至少20多个系的30门秋季课程，主要涉及人文学科；英国肯特大学逐步淘汰6个人文学科领域的课程；我国普通高校撤销的1670个各类本科专业布点中，文科占51.17%。高校正陷入“文科已死”的话题风暴眼：文科生一方面要和人工智能“抢饭碗”，另一方面还要和同行拼“性价比”，内卷之下文科发展举步维艰。然而，缺乏人文滋养的人工智能只是华丽的空壳，人文学科锻造的批判性思维、价值判断和共情能力，恰恰是智能时代稀缺的“元能力”。没有人文价值的导向，学习平台极易变成“流量狂欢”的算法共谋者，陷入“技术越发达，内容越荒诞”的怪圈。　　（四）教学异化：“技术生成”代替“智慧创生”　　在高校智慧教学场景中，一方是真实人类主体，另一方则是人类意识镜像投射构建的“技术人造物”，具体表现为智能导师、聊天机器人、数字人等数字化身。这些数字化身被赋予所谓“智慧”“思想”乃至“情感”，似乎教育智能体具有了“主观能动性”^[27]，带来教学效率的显著提升。对教师而言，数字化身具有个性化教学方案生成、智能化管理等功能，能帮助教师从烦琐的事务性工作中解放出来；对学生而言，数字化身能够适需生成、即时解答，缩短了等待反馈的时间。但是，效率的提升可能导致师生不自觉地依从技术，教师作为人类独有的情感、直觉与创造力被逐渐消解，从智慧引导者、立德树人者异化为技术执行者、流程辨析者，师生交往的人本价值意义被简化为程序化的算法交互，课堂不再是深度对话和动态生成智慧的空间^[28]。当人工智能的“算法生成”被误读为人类的“智慧创造”，本该属于人的“创意、创造、创生”权力让渡给了机器。数字化身作为“人造”客体却获得了主体特质，人工智能“重结果轻因果”的黑箱特性可能致使大学生异化为与机器无甚区别的“技术容器人”，失去其作为独立、自主、鲜活个体的本质特征。　　（五）资源不均：分配失衡致使区域发展极化　　生成式人工智能以其即时响应、多端协同、同步处理的能力，推动高等教育资源开发进入“智能云共享”新阶段，为教育资源的规模化、集约化、高效化建设提供了技术支撑^[29]。然而，当智能技术试图搭建资源共享的“数字天桥”时，优绩主义主导的竞争机制与资源分配逻辑赋予“强势学校”某种特权，形成新型的“成功世袭制”^[30]。头部高校凭借积累的学术资本形成“虹吸旋涡”，持续吸纳包括财政拨款、高端人才、科研平台等在内的优质资源。教育部于2022年公布的第二轮“双一流”高校建设名单显示，东部地区入选高校显著多于中西部地区，地区间的资源配置鸿沟正在扩大。尤其在重点实验室、大科学装置、学科平台等高端科研资源建设方面，中西部高校明显落后。科研条件不足严重制约了中西部高校在推动区域经济发展和服务国家战略中的作用^[31]。在此情境下，人工智能带来的红利，或将演变为优势群体巩固资源垄断地位的工具，而非实现高等教育公平的技术杠杆。

　　以人工智能为代表的颠覆性技术创新，正在加速推动人类社会进入数智时代。作为发展新质生产力的关键驱动力，人工智能技术渗透高等教育各要素和全流程，推动高等教育生态的转型升级与新质创生。　　（一）学科建设发展：从学科有壁垒迈向交叉融合　　学科是高等教育体系的核心支柱，是一种系统的知识体系，也是高校实施人才培养与开展科研活动的基本单元。伴随着知识生产日益专门化，学科体系逐渐成熟，但在造就学科深度的同时，知识间的割裂态势也日益凸显，每个学科变成了有壁垒的“高墙小院”。在高等教育组织结构中，学系划分以学科边界为基准，学术活动围绕学科框架展开^[32]。在持续的分门划界中，高等教育虽然实现了目标、方法及专业技能的表层细分，但也将知识体系割裂为封闭的单元式结构。　　如今，数据已跃升为与土地、劳动力、资本、技术并列的第五大生产要素。基于数据的核心资产和基于数据驱动的业务革新，正成为提升高等教育质量不可或缺的关键资源与路径^[33]。通过算法持续优化、算力迭代升级与智能感知技术的不断更新，人工智能突破了传统数据资源的物理边界与壁垒，加速了原本离散于各学科领域、存储介质和应用场景的数据资源的跨域流通，并在根本上重塑了知识生产的底层逻辑与流程。各学科间的数据边界从刚性的、僵化的转变成弹性的、互通的。智能技术支撑跨学科科研平台与科研联合创新体的搭建，促进了校际、区际及国际高校间知识共享，有助于拓展科研边界、打破学科壁垒，推动学科内及学科间的知识融合与交叉创新^[34]。此外，“AI+专业”跨学科重组，为延长冷门专业生命周期和重塑其创造力提供了新路径^[35]。　　（二）人才培养目标：从单一知识型迈向复合创新型　　新一代人工智能引发产业智能化浪潮和劳动力市场革新。由于其能代替人类完成重复性高、可数学建模的工作，大量职业面临重新洗牌和淘汰的风险。2024年，全球AI劳动力需求增长68%^[36]，高校传统专业毕业生因不符合劳动力市场需求而“滞销”，同时新型人才的供需错位又呈几何级数扩大。一方面，AI技术催生了许多新兴产业和新兴岗位，如“提示语工程师”等。另一方面，劳动力市场中掌握AI技术的人才，以及“AI+”相关领域的人才仍供不应求。智能时代，老套、标准化、同质化的培养模式难以培养出符合未来市场岗位需求的人才，高等教育的人才培养指向，亟需从知识型转变为复合型、创新型。　　拔尖创新人才是全新知识的创建者、未知领域的破壁者、技术革命的开拓者，是推动科技创新和引领产业革命的关键力量^[37]。人工智能为其培养注入了新动能，不仅能大规模因材施教，还能实现精准识别人才。多元智力理论视域下的学生发展呈多元化趋势，准确掌握学情对高等教育的人才培养尤为重要^[38]。人工智能通过伴随式采集和分析学生过程性数据，能精准识别其天赋、兴趣和特长，为选拔拔尖创新人才提供科学依据，降低人才埋没风险。同时，人工智能也进一步创新了适材评教的人才评价体系。基于人工智能的嵌入式评价能够整合多维度信息，以此提升评价的灵活度、增值性、全面性和长效性，将各类人才的标准逐层分解为机器可感知、分析、解释的细粒度指标体系，并构建其和外显数据表征之间的映射关系，有助于破解各类学科人才质量评价“一刀切”的难题。　　（三）科研范式跃迁：从数据密集型迈向AI4S　　如托马斯·库恩（Thomas S. Kuhn）所言，历次科技革命都深刻重塑着科学研究范式，教育科学研究的范式亦随之同步演进（见图2）^[39]。计算机技术出现前，科学研究从基于观察归纳的传统实验科学范式（Experimental Paradigm）过渡至基于假设推演的理论科学范式（Theoretical Paradigm），此时的科研范式多局限于在某单一学科或领域内。计算机技术问世后，科学研究迎来计算科学范式（Computational Science Paradigm）的变革，为自然科学和人文社会科学研究的方法融合开辟了新视野，激发跨学科、跨领域研究的活力。随着数据量的高速增长，数据驱动的分析方法可以揭示物理世界现象中所蕴含的科学规律，科学研究形成了数据密集型范式（Data-Intensive Paradigm），并推动从单一学科向多学科交叉、跨领域合作的发展。

图2 科学研究范式变革　　人工智能以数据、算力、算法的深度耦合并嵌入科研全过程，引发科研流程、思考逻辑和组织模式的深刻变革，实现对研究对象的表征（AI for Data）、对计算范式的革新（AI for Computation）、对研究者能力的提升（AI for Innovator），催生人工智能驱动的科学研究范式（AI for Science, 简称AI4S）。AI4S被证明有助于高效解决科学问题，为多学科领域的科研和应用带来颠覆性创新。例如，2024年诺贝尔物理学奖和化学奖均授予人工智能领域科学家，标志着人工智能在科学研究中的重要地位获得权威认可，也预示着其在科学探索和创新范式上将引领科学研究迈向全新阶段。　　（四）教学模式结构：从师生交互迈向人机协同　　人技关系（Human-Technology Relationship），是一种涉及人类和技术、环境间相互作用的复杂社会技术系统。早期的人技关系主要关注媒介对人类能力的拓展延伸，即“人媒关系说”。在计算机辅助教育兴起后，研究的重心转向人机关系（Human-Machine Relationship）。过去，高校教学中的人机关系表现为师生二元结构，机器明显表现出客体和工具属性，承担知识承载和教学交互的媒介角色，师生则以机器“为我所用”。随着人工智能持续融入教育领域，主客体的人机关系被逐渐消解，师生与智能体的关系呈现“人机交互—人机协同—人机共生”的新脉络^[40]（见图3）。

图3 人机关系的演变　　人机协同（Human-Machine Collaboration）意味着机器不再是辅助工具，其在感知智能上的进步与人类的思维方式产生联动，承担了大量基础性、重复性的教育教学活动。此时，教师作为“传道”之师，承担着教学活动的设计、实施和评估，以及聚焦核心素养培育、高阶思维发展、教育伦理建构等情感性、创造性、启发性工作；智能体作为“授业解惑”之师，发挥创设教学环境、精准适配资源、提供个性化反馈等作用；学生作为教学活动的主体，借助人机协同方式实现知识建构与能力发展。2024年初，人类成功实施了首次脑机接口芯片植入物实验，这一里程碑预示着人机正在突破“使用关系”的传统框架，向深度嵌入重构的“孪生关系”迈进，人机共生（Human-Machine Symbiosis）正在成为现实^[41]。共生意味着师生和机器之间密切联合、需求互补、共同发展、协同进化，人类和机器成为在认知层面、价值导向和行为模式日益趋同融合的共生系统。　　（五）教育场景图景：从有形封闭迈向泛在智联　　传统高等教育模式以“有形封闭”为主要特征，教学活动受限于固定物理时空，学习资源集中在有限场所，难以满足拔尖创新人才个性化、多样化的培养需求。随着人工智能、物联网等技术的渗透，高等教育环境经历了根本性变革，最直观的体现便是创设了泛在智联、数字具身的教学环境。学习时空从单一校园物理“围墙”延伸至校内外融通的泛在空间，构筑了线上线下、课内课外、虚实结合多维一体的数智新场域^[42]。　　在自主学习场景中，人工智能凭借其强大的多模态数据基础和自适应使用方式，助力高校学生自主探寻学习路径，建立专属私人图书馆和知识仓库，学习资源能够动态适配不同学生^[43]。在虚实结合场景中，人工智能拓展了虚拟人和数字生命领域，联通真实世界和虚拟世界，为师生提供跨时空、多维度、沉浸式或远程实操的具身体验。如师生可通过虚拟实验室安全、重复地进行危险或昂贵的科学实验；借助增强现实技术叠加虚拟信息至真实世界，获得沉浸式学习体验；基于混合现实技术“穿越”到历史场景中进行角色扮演和情境体验^[44]。此外，人工智能极大地拓宽了师生研训场域。例如，华南师范大学构建了面向师范生教学基本技能培养的智能实训平台，通过场景化、伴随式采集多模态数据和构建能力数字画像，动态呈现师范生技能训练过程，并借助智能诊断赋能其教学基本技能的持续精进，为“人工智能+”高等教育的实践场景创新提供了范例^[45]。

　　自从世界上第一所大学——博洛尼亚大学诞生以来，高等教育经历了工业时代学科分化与专业教育，信息时代信息化建设与教学创新，直至智能时代人工智能驱动的跃迁式发展，并始终在时代洪流中深刻重塑自我。纵观人类文明进程，技术既非洪水猛兽亦非救世神明，而是人类文明征途中的同行者。教育强国建设应当以“国运所系、未来所向”的使命自觉，致力于解决中国教育的本土问题，把握人工智能带来的重大变革契机。　　（一）以AI赋能，构建自强卓越的高等教育体系建设新格局　　《教育强国建设规划纲要（2024—2035年）》提出，要建设“自强卓越的高等教育体系”，这是我国从教育大国迈向教育强国的关键一步。一是要锚定国家重大战略需求，优化高等教育布局。以科技发展、国家战略需求为牵引，优先在理工农科、人工智能等前沿学科落子布局，打造基础学科“深蹲区”和交叉学科“跃升带”。二是优化资源配置，既“做大蛋糕”也“分好蛋糕”。利用大数据技术构建高等教育人口动态监测系统，加强发达地区及头部高校的优质资源建设，助力高等教育人口波动与区域优质资源供给的精准化、滴灌式匹配，同时将资源适度向中西部及民族地区倾斜。三是以人工智能创新评价体系，扭转优绩主义的功利化倾向。引入人工智能驱动的动态评估模型，突破“论文KPI”的路径依赖，推动高校从“标准化工厂”向“生态雨林”转型，变“金字塔”为“五指山”，构建分类发展、包容开放的多元化智慧高教评价体系。　　（二）以“AI+”跨学科融合为生长点，优化学科专业布局　　人工智能正在重塑着高校科研和知识生成模式，推动学科交叉融合和催生新的学科增长点。高等教育要以人工智能为桥梁，大力推动“单学科比拼”向“学科群落共生”发展。一是组建“互补融合”的跨学科交叉团队。由包括人工智能领域的各学科研究人员组成相互支撑、协同攻关的复合式团队，完善学科协同机制，鼓励多学科背景成员的交流合作。二是布局“AI+X”专业。深化“AI+”在新文科、新工科、新农科、新医科、新师范等领域的交叉融合，推进“AI+”人才培养。以华南师范大学跨学科微专业“教育人工智能”为例，其融合了多门学科的理论、方法和技术，旨在培养教育人工智能领域“产学研用”一体化复合创新型人才，并为更高层次的学科研究培养高质量的后备人才。　　（三）培养“AI+”拔尖创新人才，支撑高水平科技自立自强　　为抢占世界科技的制高点，高等教育亟待创新培养模式，提高人才自主培养水平，夯实科技自立自强的人才根基。一是利用人工智能赋能拔尖创新人才识别和培养机制，加强“大中小幼”教育有序衔接。培育拔尖创新人才是贯穿基础教育至高等教育的长期系统工程。基础教育应着重培养学生的科学兴趣、人工智能意识和基本思维能力；而高等教育则应聚焦提升专业素养、科研能力和创新思维。二是构建协同创新平台，开拓人才培养“入海口”。高校要强化与高水平科研院所和高新科技企业联动，利用人工智能技术共建高水平人才高地和吸引汇聚人才平台。三是超常布局各类拔尖创新人才培养。建设“高精尖缺特”人才培养专区，强化国家急需急缺人才自主培养机制，汇聚优质资源培养“AI+”人才。　　（四）用好“AI+”驱动的科研范式，推动科研创新突破　　以大模型、大数据、大算力为支撑的人工智能驱动科研范式，正在深度嵌入科研全流程，革新科研组织治理模式和大幅提升科研效能与产出质量。但这一范式要实现对传统研究范式的全面迭代，仍需攻克技术层面的数据质量和数量融通挑战，以及伦理层面的新生科研伦理问题。基于此，首先，统筹推进有组织的科研，创新人工智能与科研创新的协同机制以提升科研效率与准确性；其次，加强人工智能模型训练的科研数据库建设，建立跨领域科学数据协作机制以突破数据收集、清洗、标注等关键环节的堵点，破除数据壁垒，确保大模型训练所需专业数据的准确可靠性；最后，要防止对新范式的无条件认可和造魅崇拜，构建人本合伦的人工智能驱动型科研运用伦理框架，加强对隐私保护、数据安全与算法公平性的考量，有效防范算法歧视与偏见、数据滥用与算力误用的科研伦理风险。　　（五）以数智强师，提升高校教师群体智能教育素养　　强国必先强教，强教必先强师。未来教育是“人类智慧+人工智能”的协同互补。教师不会被人工智能“取代（Replace）”，但要持续“重置（Re-place）”角色、调整定位和转变思维，学会与人工智能协同共教、共研和共学。高校教师要成为善用人工智能的智慧型教师，不断提升自身的智能教育素养。一方面，应定期组织开展专项培训，帮助教师掌握人工智能新知。例如，引导教师利用国家高等教育智慧教育平台，及时丰富人工智能知识和能力，以开展教育教学及科研实践。另一方面，高校教师要始终坚持立德树人，树立科学的人机协同观，正视自身“人师”的主导地位，扮演好学习体验架构师、高阶思维助产士、情绪价值导航员、伦理道德示范者等角色。此外，高校可通过“学术丝路”加强国际合作与交流，借鉴全球人工智能教育的先进经验，培养具有全球视野的师资队伍。

　　随着人工智能的兴起，高等教育变革之门已然打开。教育部党组书记、部长怀进鹏强调，“2025年是教育强国建设全面布局、高位推进之年”^[46]。站在这一历史坐标上，高等教育既要警惕优绩主义对育人本质的遮蔽，更需把握技术革命创造的历史机遇，推动人工智能融合从“技术工具论”向“教育本体论”跃迁。面对人工智能的时代叩问，高等教育要型塑“创新领跑者”姿态，主动超前布局、有力应对变局、奋力开拓新局：聚焦国家战略需求，着力培养支撑科技进步的拔尖创新人才；科学把握人工智能在教育强国建设中的坐标方位和发展方向，在技术浪潮中恪守育人初心，为全球高等教育贡献既彰显技术文明高度又坚守人文价值厚度的“中国式现代化”的发展新路径。