引言：AI时代的教育焦虑与思考
深圳的冬天依然晴朗无云。站在2025年IDEA大会的会场，我今年最大的感受是大会现场有关「AGI焦虑」变少了，对AI落地的「颗粒度」变细了。与去年相比，人们不再讨论AGI到底什么时候到来，不再充斥着对参数规模的盲目崇拜，而是更关注如何让AI带来更多的价值。
大会的核心看点依然是IDEA研究院创院理事长、美国国家工程院外籍院士沈向洋。不同于其他大厂高管热衷画「技术路线图」，沈向洋这次给出的更像是一个「思考框架」。他没有预测下一个GPT-6何时到来，而是直接抛出了智能演进的五个维度：算法范式、智能载体、交互范式、计算架构、数据。当前，绝大多数AI创业公司只在「算法」或「应用」这两个维度上卷，而忽略了系统性看待AI上下游的重要性。
我们从这次主题演讲能够比较明显地看出沈向洋想要传递的信号是：AI的下半场不仅仅是模型参数的竞争，而是各个维度之间的协同性。
一、当70%的学生选择AI，教育如何应对「暴力式创新」？
1. AI时代的教育变革
我们进入AI时代以后，很多的教育、培养会不会跟以往有不一样的方式？
哈工大校长韩杰才指出：「AI出来以后讨论最多、担忧最大的就是大学校长，我们大学校长坐在一起谈的都是AI。AI作为新一代的工具性的东西创新更容易，但要考虑的是把创新水平放在哪个阶段？低水平创新现在不需要，AI就可以替代。这就要求我们未来培养的人要更高水平，我们学生的水平要高于智能体。」
韩校长强调：「大学有老师，有智能体、有学生，是三元结构，老师水平比智能体低就麻烦了。现在学生获取知识方面很容易，我们需要培养什么样的人才？我在大学当校长的时候，认为有两个事是必须的：一是基础性的东西，100年基本上没变的基础一定要掌握透。二是通过实践，坐在教室学习肯定是不对的，大学里全面改变了学习模式，以学习为主体。」
2. 教育改革的机遇与挑战
香港科技大学（广州）校长倪明选分享了该校的教育改革经验：「我们学校大三才选专业，选任何专业没有名额限制，现在第一批学生70%选AI，20%选大数据，10%选智能制造，学生知道智能制造重要，可是他妈妈讲你只有选AI，因为报纸上天天讲AI。教育要改很多问题。改革最大的阻力就是老师，我们学校的老师都是国外名校回来的，可是他们在国外研究成果很好、paper写很多，国外的教学和学生的素质也不一样。回到AI的时代，学生比你还聪明，AI比你用得还好，对老师的挑战是很大的。我们学校不会用AI工具的老师基本上不能通过考试。」
3. AI时代的创新模式
韩杰才校长对AI时代的创新模式有着独到见解：「我们会发现AI真正的突破很大程度上是暴力式的创新，AI显学进入暴力式的创新，需要堆很多的资源，会不会变成更多工程化、使命型的创新？暴力式创新最后形成的创新的角度我觉得不一定，有些是有原创的，不一定办出很大、很好的公司。有些没有原创反而很大，这就是原来这种状态。」
「我最近在探讨，智能时代创新什么最有生命力？文化基因最重要。为什么现在码农、硅谷印度人少了，中国人现在慢慢走在一线了。我认为要跟文化关联起来。智能时代的创新，有人说DeepSeek的思路是有文化的因素，像中文就不一样，我们写中文不写得很复杂，特别是法律方面的东西很麻烦，联想太多。」
4. 平衡学生选择的挑战
面对学生「暴力选择」AI专业的现象，倪明选校长坦言：「学校暴力不起来，几千卡都不得了，只有有些实验室才能做些暴力的东西。学校发展来讲，目前的暴力是大语言模型，应用还没做得很好，学校里做很多AI+的东西，智能体推理做得比较多。DeepSeek一出来为什么我们发现算力只有1/20、1/10，是不是有超越Transformer的东西出来？这是学校要做的，我们鼓励给他们更多的空间。」
「跟企业的关系，一般学校科研是走在企业的前面，这个领域企业走在学校前面，我们把学生送到企业界，算力的问题、数据的问题，企业和学校合作是双赢的。」
「学校没资源做暴力美学，学生已经开始暴力选择AI的时候，作为大学的校长怎么平衡学生的未来？这个周期很长，他这次暴力选了，四年以后才能证明错了，他已经没有机会纠正了。」
倪校长分享了一个令人深思的现象：「我上个礼拜四选择30个本科生到我家里来聚餐，我也跟同学说了同样的问题，不管做制造、材料、微电子都这么鼓励他们,但父母说必须选AI，现在是没办法跟父母沟通。」
二、新型科研机构的「分账」逻辑与生存法则
1. 新型研究机构的定位与评价
清华大学天津电子信息研究院院长汪玉分享道：「我还有一个身份是清华大学天津电子信息研究院的院长，某种意义上来说也是一个新型研发机构，这个机构是在2015年成立，到现在十年，政府直接给的钱力度肯定没深圳这么大，当年我们的定位想得比较简单，我们孵化一些有影响力的公司。学校这边构建整个的生态，研究院作为成果转化办公室和对外合作办公室，并没有在里面放研究人员，当时看到的问题是怎么在市场竞争这么激烈的地方吸引最好的人才，这里又给不出最高的薪水，小公司的方式让他们成长起来我们在背后推动，把电子系的成果可以放进去，影响力做大，对于学校是好事，对于天津也是好事。刚才你说的，「股东」要满意，我服务清华成果转化，还要天津给一些支持。这是最早的，第一个五年、第二个五年，我们是这么干的。」
「现在没有站得足够高，我们站在下面一层成果转化，对于一些中小 企业和大企业的需求并没有摸得特别透，我们是孵化的逻辑，中间还有中小企业的逻辑，只靠政府投入不可能长期稳定的干好一个研究院，不能只靠政府投入，三重力量要融合起来。」
香港科技大学(广州)的陈雷教授从学术角度提出了见解：「我到港科大时候倪校长是计算机系主任，我是助理教授，当时港科大拿20篇Top conference和20篇Top journal，加3个RGC就可以升职，非常清楚。我当时很害怕，我玩命的写，玩命的带学生，我申请的是50+50+3。年轻人看到我说，老师你年轻的时候就在玩命写Paper，你现在不让我写Paper什么意思？」
「我们想和工业界结合，大方向要做Impact，那基础学科怎么做？Data For AI，训练的时候怎么把数据集减小做训练，推理怎么用KV Cache，最终落到基础问题Data怎么去存，服务于训练和推理。这是一个基础问题，「既要还要」要跟工业界结合，不能自己写文章，写文章发得很嗨，每天都在写，impact在哪儿。做的过程中不能说老师我是做基础学科的，你给我5年、10年时间我给你憋个大招出来，我说行，但是5年之后你要憋不出来，我要你还是不要你，在此基础上像工业界有那么好的问题，为什么不能随地「下蛋」。我前两天和华为同学聊天，他们说在研究大模型投毒、被污染的问题，这些问题很新很有意义，在学校里面学习不到。哪怕做个专利和论文，至少看见你在做这件事情。转换赛道一定要把这个概念跟年轻人讲清楚，我们怎么去衡量，方向对了，impact也有了，积少成多，也有盼头，这是我的想法。」
2. 新型科研机构的组织模式
关于新型科研机构的组织模式，汪玉院长提出了「中台+小团队」的模式：「电子系有两个一级学科，信息与通讯工程，更多干的是大系统，包括关键的数学基础。另外是偏芯片的，电子科学与技术，在大平台上做基础的器件和芯片。AI时代我自己感受都得有一个中台，底层的大平台，底层大平台本身需要更多的支持，比如说建一条线，我们会有一条线我们叫厨房，老师们或是小团队是厨师，做出菜来，这个菜怎么卖是怎样的事儿。偏器件层面大概率还是要按这套体系，需求的来源是外部的，做菜本身的团队是自由的、小的。我感受到前面的一级学科开始往这个方向走，特别是最近Agent起来，底层还是AI和工具，上面又变成小团队。自己往后走有底层的平台，上面有一些垂直的行业，跟模拟芯片的厂商很像，跟ADI、TI很像，工艺、设计共用的部分是基础，上面一堆不同的团队做分散的产品。」
陈雷教授则分享了跨学科合作的创新模式：「虽然我是信息学院，我办公室旁边坐的人是生命科学，右边坐的是搞材料的，老师一进来是随便选办公室，大学里老师们坐得乱七八糟，找学校的老师开会都要Zoom。学生拿奖学金，老师是没有钱的，要跟学生讲，我可以带这个项目。我带了一个碳中和的项目，做碳吸附、碳存储，我就得找搞环境、碳中和、材料老师，我们组成一个team，这种跟之前完全不一样，原来是校长把钱给我，我为什么要跟你们合作，现在学生都组队了，要把学生抢过来，把钱给想做的学生，老师帮助他们去做，我觉得这种真的是在新型院校里，校长敢大胆改革。作为老师、院长我也不开心，我也没钱，只能求着学生，学生就去参加环境大赛，碳吸附、碳存储，环境大赛都拿奖，而且是一个团队，后面的老师是各领域老师，一下子就把这个方面带起来了，这是非常好可以借鉴的方法。」
3. 新型科研机构的资金支持
关于新型科研机构的资金来源，汪玉院长提出了「两份钱」的概念：「这是两份钱，第一份钱是整个机构的钱，整个机构的钱还得找有钱的帮支持，比如说当年贝尔实验室是垄断企业，深圳有钱让政府持续给也不容易，还得把深圳本地潜在有钱的吸引进来，这是最重要的，赚钱的闭环最好跟研究闭环不要太耦合，否则就扭曲了。这样的机构里有20%的人随便干，80%的人有些目标。」
陈雷教授则分享了与工业界合作的模式：「谈到钱的事，港科广是政府给钱建的学校，校董会和校长特别要求下未雨绸缪，如果政府不给你钱怎么办？我们已经开始好多相关工作，到目前为止，昨天是第19个工业和学术Joint Lab成立，明年就有30个，每个实验室的投资是1000万，资方会越来越向工业界。假设我做一个很简单的项目、横向的项目，做完了以后不work，但我有一个B，我要做实验室不怕，把B给你，联合实验室要专利给你专利，要论文给你论文，东西出来了。你想让我做A，我做A，B也不错，有专利、有论文，资方也很开心，而且他也收获了意想不到的东西，这种情况下作为高校不可能总靠政府资金，就跟工业界合作，帮工业界做点东西你总得给我钱吧，而且越来越多，五年以后有100家Joint Lab，这个学校就没有问题了，学生的项目也会做得非常开心，这是我们学校和工业界强强合作。」
谢源教授提出了「四四二」的资金分配模式：「他们谈到找钱，用钱的角度就是用灵活的资金支持动态的合作，服务于坚定的方向就可以。汪玉提到八、二分，在我这儿是四四二分，基础有40%，40%是项目相关，20%是作为侦察兵、种子，这是对应汪玉的八二。」
三、AI原生编程语言出现时，程序员都消失了吗？
1. AI友好的编程语言
中山大学王焱林教授对编程语言的未来发展有着深刻见解：「这个月GitHub出了报告，TypeScript成为Top1的编程语言，这是过去十多年编程语言格局最大的改变。我总结出最大的区别，TypeScript是静态的语言，MoonBit也是静态的，我也看好MoonBit的发展。我认同AI友好的编程语言的概念，也有一些语言特性是未来作为对AI友好编程语言一定要有的，一是类型系统是静态约束越清晰、越强越好。二是模型对机器是友好的，这也是TypeScript做得比较好的点。三是对人友好，最终的编程知识要转到人上。四是特别重要但比较被人注意到的，要对演化友好，现在coding Agent出来很震撼，给他一个指令就会做出一个游戏、网站，但是是需要迭代的，他生成很多的东西里面有很多的错误，我们迭代的时候才是最痛苦的。未来编程语言设计一定要把刚才这几个点考虑进去。」
2. AI Coding智能体的护城河
关于AI Coding智能体的竞争优势，王教授指出：「Cursor有一个很大的特点，迭代速度非常快，几个月可以迭代非常多次，背后的原因是最看重的是体验，开发者在IDE里到底体验、流畅感是怎样，也是Cursor的硬实力，硬实力会被厂商抹平，一些软实力，让一个Agent陪伴我在一个仓库里执行一些动作的时候，希望他一定是越来越懂我的，Memory也很重要，它懂我踩过哪些坑，我很难切到另一个智能体，哪怕生成准确度提高5%，我感受不到，更在意软实力是非常重要的。」
3. AI时代程序员的角色演变
对于「AI是否会取代程序员」这一争议话题，王教授给出了独到见解：「很难从数量的角度说未来程序员的数量是增加还是减少，我们中午也讨论到程序员的概念会变化，并不会像现在映射的coding概念，可能成了真正软件工程师，从一个软件的需求开发测试到后面维护都要了解，能力是增强的。我想分享一个案例，我在浙大读书，周末在酷家乐做实习生，现在是杭州六小龙，那个时候他的员工是30到50位之间，那个时候人特别少，我做的是「家风水」板块，一个人负责整个板块，我进去的岗位是开发工程师，我当时进去的时候在想，我是程序员做coding，实际上我要对「风水」，用户上传的户型图要分析户型的风水怎么样，提一些风水的改进建议，这是我知识之外的东西，我相当于要做PM产品经理，得调研户型风水的东西。创始人还带着我去杭州风水大师家里请教户型风水的知识，白天coding，晚上看《易经》，后端要设计整个系统的架构，前端还好，配了一位前端工程师，还得设计数据库的东西，测试也是我。十几年前我对程序员的概念就是全栈的概念，AI时代未来更是，单点的开发者概念被模糊了。」
4. AI编程时代的创业生态
对于国内AI编程领域的创业生态，王教授分析道：「硅谷的独角兽最多是编程，很容易达到10亿美金，反观国内做AI编程的反而是大的公司，比如说字节、阿里、快手、美团，这些大厂都在做AI编程，国内的独角兽好像没有出来，各位都是创业者，是因为我们的大模型能力没到还是因为这个领域在国内比较难？创业方面我很难给出一个趋势判断，我从高校人才培养方面谈谈创新创业我们怎么做，coding智能体要想做好，人才这块是非常稀缺的，本身要做好从编程语言、编译器方面的人才就非常稀缺，又要让它懂AI、大模型，这是非常稀缺的。我们国家的优势是人特别多、人才也特别多。」
「我有一个观察，前年是我在中大第四年教编译原理，每一届学生问的问题变化非常大，我感受非常深刻。前面两届问环境配不通，这四年也是AI迅速发展的四年，我发现今年他们会问这个词法分析算法可以做个创新，问我能不能行得通。有的同学说能不能不用C语言Python写，下面推荐MoonBit写。他们思考的方式变化让我觉得是很正面的，我们又有人才基数，又有AI带来的加持。科研能力也是大幅提升，我在微软亚研工作几年，那个时候我们发现搞好科研发论文的都是博士，少量的硕士。我去了中大以后，前两年也主要是这样，这两年我发现有非常多的本科生做科研也很好，这是大模型的加持。」
结语：AI时代的教育新范式
AI技术的迅猛发展正在深刻改变高等教育的格局和模式。从IDEA研究院沈向洋提出的智能演进五维度框架，到哈工大、港科大广州等高校的教育改革实践，再到AI原生编程语言的兴起，我们看到了AI时代教育创新的多元路径。
面对70%学生选择AI专业的「暴力式创新」，大学校长们正在积极探索教育改革的新模式，强调基础学科的重要性，同时鼓励跨学科合作和实践教学。新型科研机构则通过灵活的组织模式和多元化的资金来源，在学术研究、产业应用之间搭建起桥梁。而在软件工程领域，AI原生编程语言的兴起正在重新定义程序员的角色和能力要求。
AI时代的教育不是要取代传统教育，而是要融合AI技术，创造更加个性化、实践导向的学习体验。正如多位校长和专家所强调的，未来的教育应该更加注重培养学生的创新思维、跨学科能力和实践技能，让他们能够在AI时代保持竞争优势，同时也为社会的进步贡献力量。
在这个充满变革的时代，教育工作者、政策制定者和科技从业者需要共同努力，探索AI与教育深度融合的新路径，为培养适应未来社会需求的人才创造更好的环境和条件。
