系统探索工程智能驱动学科转型发展的创新路径

郑庆华

摘要：在人工智能技术深度重构全球产业格局的背景下，工程智能作为衔接科学发现与产业实践的核心枢纽，正推动传统工科转型、教学场景革新与教学模式重构的深度变革。同济大学通过成立工程智能研究院等五大研究院、创新“师—机—生”三元协同教学体系、建设智慧校园以适应个性服务等具体举措赋能学科转型、创新教育模式、提升治理能力，系统探索工程智能驱动学科转型发展的创新路径。

关键词：AI时代；工程智能；学科转型

人工智能作为新一轮科技革命的核心驱动力，正深度渗透并重构工程领域的全生命周期流程。在工业生产场景中，基于智能协同架构的现代化工厂加速实现规模化部署，数据驱动的产线协同优化机制与资源动态调度系统已演进为行业基准配置。国际机器人联合会（IFR）2024年度《世界机器人报告》（World Robotics Report， Report No. WR2024）数据显示，2023年中国工业机器人安装量达27.6万台，占全球总量的51%，这一数据实证了中国在智能装备集成应用领域的全球引领地位。工业机器视觉与多模态感知技术通过实时工况监测系统及异常预警算法，显著提升了制造系统的运行效能与质量控制水平。在生物医药领域，人工智能技术通过分子对接模拟与药效团建模，实现了药物构效关系的高效解析，其对于潜在化合物生物活性的预测精度，有效缩短了候选药物从实验室研发到临床前研究的转化周期。农业智能化领域依托“人工智能+大数据”技术平台，无人机精准施药系统、智能水肥一体化灌溉装置及土壤多参数监测传感器网络已实现规模化应用，在提升粮食安全水平和作物遗传改良效率方面成效显著[1]。

当前，人工智能已成为驱动工程领域创新发展的新质生产力。其技术体系正在重塑工程创新的方法论范式：深度学习基于仿生神经网络架构，通过特征自动提取与模式识别算法，实现了海量工程数据的智能解析；以GPT-4、DeepSeek-V3为代表的预训练大模型技术，依托超大规模跨模态语料训练形成的知识融合能力，为复杂工程问题求解提供了跨学科认知框架。

人工智能通过技术赋能与场景创新的双轮驱动机制，正在加速工程领域从经验依赖型决策模式向数据智能决策范式的结构性转型。这种以数据闭环迭代机制、算法动态优化框架与领域知识图谱深度融合为特征的创新范式，不仅催生了工程智能这一交叉学科领域，更通过技术链与价值链的协同重构，推动人类工程实践向高精度建模、自主化决策与可持续创新的智能化阶段演进。

工程智能的生成逻辑

1.工程智能的内涵特征

科学智能（AI for Science）致力于解决“0到1”的基础理论突破，通过机器学习算法与推理模型处理海量数据，揭示数据内在关联规律，其核心在于科学发现的“理论正确性验证”。工程应用则更强调“实践可行性优先”原则。以隧道工程为例，面对地下地质条件的高度不确定性，工程智能通过实时数据处理与动态决策机制，在施工安全与进度控制间建立平衡。这种决策模式的核心特征在于：在复杂约束条件下，优先生成可执行的工程解决方案，而非追求理论模型的绝对精确性。

本文提出的工程智能（AI for Engineering）包含双重实现路径：“1到N”的科学成果转化路径与“1到0”的实践反哺理论路径（如抗生素应用先于机理解析的典型案例）。该范式在智能建造、城市安防等工程场景中体现显著的应用导向性。相较于科学智能，工程智能具有三个基本特征：第一，多约束条件下的可行性导向，需统筹成本、环境、资源等多元目标；第二，多学科技术的集成创新，依赖跨领域技术整合与系统化管理；第三，全流程可靠性保障，要求每个决策环节具备可验证性与过程可控性（见下图）。

2.工程智能的实践必要性

尽管人工智能技术取得突破性进展，但其在工程领域的深度应用仍面临系统性挑战。首先，瓶颈体现在认知推理与可解释性层面：现有大语言模型在复杂属性关联任务中易出现特征解耦失效。典型案例如图像检索场景中，输入“提黑色袋穿红衣者”的查询指令时，模型可能产生属性错位响应，输出“提红袋穿黑衣者”的误判结果；在“斑马线闯红灯行人”检测任务中，模型对符合条件的特征关联能力不足，导致关键属性（闯红灯）的漏检问题。实证研究表明，DeepSeek-R1模型的幻觉发生率仍达14.5%，凸显其证据链构建与溯因推理的局限性。

其次，可信性与可行性的协同困境显著：大模型在工程方案生成时存在物理规律适配偏差。以汽车设计为例，模型输出的三维参数化方案可能违反机械运动约束（如车门开合轨迹干涉），或破坏多视图几何约束（如俯视/侧视投影不匹配）。这源于大模型基于概率关联的生成机制，难以严格遵循工程科学的基本原理与设计规范。

最后，多目标协同与跨域整合能力不足：重大工程系统（如特高压电网、城市地下管廊）需实现感知—传输—计算—控制技术链的闭环优化，其复杂性体现在三个方面：一是多源异构要素耦合（人机物环动态交互）；二是基础设施网络叠合（高速交通网与市政管网的空间竞争）；三是多物理场耦合（温度—渗流—应力—化学场的非线性相互作用）。现有模型在应对此类跨尺度、多约束的工程优化问题时，仍缺乏可靠求解路径。

3.国际工程智能战略布局

2023年11月，美国国家工程院联合国家科学基金会组建erVa联盟，组织麻省理工学院、佐治亚理工学院等7所高校，联合谷歌、IBM等5家科技企业及国家实验室，开展为期两天的闭门研讨，确立工程智能领域未来十年三大核心攻关方向：工程设计智能化、制造系统自主化、运营管理协同化。会议同步形成两项战略共识：工程智能与人类社会发展的伦理协同框架，以及国家工程智能发展路线图[2]。

该联盟提出三级协同创新架构：政府主导建立多学科研究所（整合地方财政与私营资本），公共工程嵌入专项AI研发计划，行业龙头企业构建跨领域数据共享平台（覆盖设计—测试—运营全生命周期）。学术界被赋予双重职能：通过跨学科研究机构推进理论创新，依托学位认证体系与区域创新生态培养复合型人才。特别强调政产学研深度耦合——政府统筹资源分配，学界提供理论人才支撑，产业界负责技术工程化落地。

全球顶尖高校加速推进产研融合：佐治亚理工学院人工智能中心与科学软件工程中心（CSSE）于2024年达成战略合作，重点突破能源、交通等领域的可扩展AI解决方案，并计划于2025年3月正式启动“Tech AI”工程应用计划。该计划构建四大实施路径：应用导向研究、产业协同创新、AI工程化平台、高端人才培养，通过年度“Tech AI Fest”整合三方力量，展示多学科研究成果与学生创新实践[3]。

国际竞争格局呈现多极化态势：欧盟2024年1月颁布全球首部《人工智能法案》（EU AI Act），建立技术应用伦理框架；中国在智能制造、生物医药等领域形成特色应用优势，其中DeepSeek大模型实现技术突破，其训练成本仅为ChatGPT的7%，但性能逼近，彰显后发赶超态势。

工程智能对学科发展的影响

在人工智能技术日新月异的新形势下，高等教育已经在发生巨变，不同知识体系之间利用自身特有的研究范式和话语体系创造出学科的“高墙”正在被打破，大学不能再被排名等“指挥棒”牵着鼻子走，而是要主动求变，进行学科全面转型和教学模式颠覆式创新。而工程智能人才培养作为当前工程教育领域的变革性趋势，是对科技进步与产业变革浪潮和教育数字化发展趋势的主动响应，同时契合中国式现代化建设要求，旨在实现卓越工程师高质量培养目标，是多重内外部需求合力推动的产物，具有深远的战略意义和实践价值[4]。

1.工程智能推动传统工科转型

传统工科教育理念过于强调专业化，在人才培养中容易造成知识面窄、人文底蕴和创新能力不足的状况，难以适应社会对创新型复合型人才的需求。超过80%的学科/专业是前三次工业革命的产物，存在需求失配、内涵老化、名称陈旧、能力不适等问题。需要实现传统工科向“新工科”的转型，秉持面向未来、育人为本、创新发展、融合聚焦的理念原则，对原有知识体系进行更新迭代，构建新的课程体系，融入多种教学方法，构建多元参与、主客观协同的综合评价体系等[5]，以适应人工智能时代的需要。例如，数学、物理、化学等基础性学科向实际应用延伸，为人工智能技术攻关和创新提供支撑，或者利用人工智能打开研究思路，进行快速创新和知识发现。又如，在城市、交通、制造等工程技术应用性强的学科中，可以借助强大的人工智能技术工具或算法力量，进行自动化、智能化转型，创造更大的战略效应和经济效益。建设这类学科，要在坚持其本身学科特性和知识架构的前提下，按照“以我为主，为我所用”的原则，将其中过时的知识、观念甚至专业进行淘汰，学习人工智能技术的原理和方法，使之焕发新生，也为人工智能的创新发展提供新的场景和需求动力[6]。

2.工程智能促进教学场景创新

在“互联网+教育”的情境中，教育场景已不再是简单的教学地点，而是包括学生、教师、时间、空间、学习内容、技术工具，以及人与人的连接和交互方式的一个教育生态，引发教育的系统性变革——教学内容由静态学科知识转向动态综合任务，教学模式从以教为中心转为以学为主导，学习方式从人际协作拓展至人技协同，育人理念也从重知识转变为强调“能力为重、价值为先”[7]，凸显“人”的核心地位。而聚焦于工程智能人才培养角度，由于该领域往往涉及复杂的技术应用、系统设计以及多学科交叉的知识体系，传统的教学模式可能难以满足其对实践能力和创新思维的高要求。因此，场景教学可视为工程智能人才培养中不可或缺的重要环节。一方面，场景教学有助于增强实践能力。场景教学能为学生提供真实或虚拟的工程场景，让他们在模拟的工作环境中运用所学知识解决实际问题。例如，在智能交通系统的学习中，通过构建城市交通流量模拟场景，学生可以直观看到如何利用智能算法优化交通信号灯的控制，从而提升解决复杂工程问题的实战能力。同时，工程智能项目往往涉及多学科知识的综合运用，而场景教学能够打破学科界限，在具体的工程场景中整合不同学科的知识和技能，实现跨学科教学。另一方面，场景教学有助于培养创新思维。与传统的理论教学相比，场景教学更注重学生的主动探索和实践操作，通过创造开放的、具有真实需求的创新环境，让学生得以激发创新灵感，在实际的工程场景中不断试错和调整，进一步锻炼思维能力和问题解决能力。

此外，场景教学也有助于教学与现实生活接轨，适应行业需求，从而提升人才培养质量。如今，工程智能行业的发展迅速，企业对人才的需求也更加注重实践能力和对实际场景的理解。教育4.0由此强调学习内容与学习经验，促进教育系统实现从传统教育模式向适应工业4.0时代数字经济的教育模式的转型，帮助学生通过当前的学习来提升未来社会的适应能力[8]。场景教学契合了教育4.0的重要原则，致力于让学生提前熟悉行业的真实工作环境和需求，培养学生的工程意识和职业素养，以更好地适应未来职业发展。例如，场景教学创设了真实的工程场景，学生可以通过参与实际的生产流程优化项目，了解企业对智能化生产的具体要求，考虑技术的可行性、成本效益、安全性等多方面因素，从而提升作为工程智能人才的职业素养和责任感，成长为社会所需的高素质人才。

目前，随着虚拟现实（VR）、增强现实（AR）、物联网（IoT）等技术的不断发展，在教学实践中构建逼真的工程智能场景成为可能。因此，探索如何运用海量教育资源、教育管理大数据、教育行为数据等数字基础，开创游戏化学习、社交化学习、协同学习式、自主学习型、问题驱动式、项目探究型等新场景学习模式，推动场景教学与人才培养相结合，充分发挥人才效能，是目前工程智能人才培养的重要路径。

3.工程智能加速教学模式创新

目前教学模式对知识传递效率、个性化需求满足以及应对未来复杂问题的能力培养上存在局限性，目前多数学校主要提供在线课程学习平台，学生缺乏自主学习、终身学习的智慧环境；传统教学方式以知识传授为主，但是面向实际工作需要的能力和素养培养不够，同时学生学习内驱力不足；人工智能技术的发展，通过深度变革学习方式，可以实现学生学习效率大幅提升。在传统的教育模式下，学生的知识来源单一化，但在人工智能快速发展的当下，学生获取知识的渠道丰富多样。为此，教师教学的内容不应局限于具体的知识点，而应该引导学生学会合理利用人工智能进行自主学习，因此未来教师是“认知架构师”与“思维引导者”，未来学生是“知识建构者”与“创新实践者”，智能体则是“知识储存库”和“能力增强器”，未来学习，是突出智能体、知识图谱等新兴教育要素，展现“师—机—生”三元模式，围绕人类共性问题开展探索学习，面向前沿问题启发深度思考，即教师负责引导学生形成系统的思维方式，智能体提供知识支持和技术辅助，学生则在教师和智能体的帮助下进行自主学习和创新实践。

工程智能驱动学科转型的同济实践

同济大学瞄准国家重大战略，对标国际科学前沿，依托优势显著的工程学科，发挥新兴智能科学技术学科和其他相关学科的优势，制定并发布《人工智能赋能学科创新发展行动计划（2024—2027）》，系统性推进人工智能赋能学科创新发展，赋能人才培养、学科建设、科技创新、师资建设、大学管理等各方面，推动教育教学全方位改革创新，为加快发展新质生产力提供科技与人才支撑。提出“1+N+1”的AI赋能路线，首提工程智能建设思路。“1”指推动人工智能学科的发展和提升。“N”指对既有学科和各项工作的全面赋能，促进传统学科的整体创新和转型升级。“1”为“N”提供人工智能理论、方法、技术、工具等支撑；“N”则为“1”提供新场景、新应用，拓展人工智能赋能范围。围绕“1+N+1”的整体发展思路，学校打造并入选人工智能国家产教融合创新平台，自主智能机器人、极端环境建造入选未来学科，获批重大基础设施的工程互联网、水生态环境智慧韧性系统两个学科突破先导计划，并研制出土木大模型CivilGPT、交通“行之”大模型、设计大模型、医学大模型Med-Go等4个学科大模型。

1.赋能学科转型：聚焦“工程智能”，成立五大研究院

2025年，学校围绕“工程智能”系统布局的首批五大研究院成立，包括工程智能研究院、医学人工智能研究院、极端环境建造研究院、自主智能机器人研究院、航空运输与低空经济研究院，聚力推动人工智能赋能工程相关领域科技创新、产业发展的创新探索。工程智能研究院是基础，构建面向工程智能时空多模态大模型，以及工程智能超级智能体和工程智能底座操作系统；医学人工智能研究院定位为全面赋能临床诊疗、全面赋能医学创新、全面赋能医学教育、全面赋能国际标准和伦理的治理；极端环境建造研究院重点攻坚时空感知、超材料、超结构、无人建造、特灾防控五个领域；自主智能机器人研究院聚焦自主智能机器人的核心技术，围绕机器人的本体驱动、机器脑决策控制、机器人群体智能、机器人训练场四大方向开展研究建设；航空运输与低空经济研究院围绕低空飞行器、智能遥感与通信导航，低空交通与航空运输运行管理，机场及低空经济基础设施，低空协同服务与作业，飞行器智能调度与协同管理，以及航空运输与低空产业等6大方向开展科技创新和人才培养。通过五大研究院的建设，为国家打造教育科技人才产教融合的新高地，实现科学研究资源、人才培养资源的共建共享。

以极端环境建造研究院为例，围绕极端自然环境和极端信息环境的科学前沿，通过跨越高/深地、极地、地外空间的重大基础设施牵引，破解高海拔冻融、高寒寒带、高压深海、真空微重力、微流星体撞击等极端自然与信息环境下的选址规划、原位利用、无人建造和特异灾害防控等核心科学难题。研究院整合土木、力学、材料、测绘、环境、机械、交通、建筑等多学科力量，构建从纳米分子动力学至天体力学的跨17个数量级的多尺度研究体系（微观—介观—宏观—宇观），推动场景驱动的基础理论和关键技术攻关、示范工程验证、标准规范制定与超学科拔尖创新人才培养一体化发展，重点突破时空感知、超材料、超结构、无人建造、特灾防控五大科技方向，形成极端环境下工程设施的“设计—建造—防灾”全链条体系，助力我国川藏铁路、南极科考站、月球基地等国家重大工程，并引领国际极端环境建造科学研究与人才培养，为支撑国家战略和推进产业升级提供坚实支撑。

2.创新教育模式：围绕智慧赋能，探索“师—机—生”三元模式

学校积极探索创新教育模式，通过AI与工程教育的深度融合，为培养具备全球视野、系统思维与创新能力的新时代人才探索一条创新路径，为世界教育的转型升级提供“同济特色范式”。

一是优化专业布局，以领域培养推动学科交叉融合。同济大学对传统优势工科，通过控规模、调结构面向第四次工业革命进行学科交叉和内涵建设。自2018年以来，增设智能建造、智能制造工程、新能源材料与器件、微电子科学与工程、人工智能等新专业，通过人工智能融入课程体系和实践体系推动传统工科专业转型；在打破“学校—学院/系—专业教研室”的学科藩篱方面，2024年，依托上海自主智能无人科学中心，整合数学、物理、海洋、土木、建筑、规划、交通、环境、测绘、机械、控制、计算机、材料、能源、设计、管理等多学科优势，打造未来技术班，面向智能机器人、智能网联车辆、工业互联网、智慧空间、极端环境建造等五个具有广阔发展前景的领域方向，以人工智能素养为核心，以项目制课程为主线，打造跨院系、跨学科的本研一体化贯通式培养体系。

二是建设未来课堂，探索“师—机—生”三元教学模式。推出以《人工智能科学与技术》为代表的通识精品课程，建设108门AI通识与“AI+X”融合课程，促进人工智能充分融入课程与实践。以“培养创造智能体的卓越工程师”为目标，牵头建设包括AI工程思维课程（Logical thinking）、AI智能基础课程（Intelligence）、AI工程技术课程（Technologies）、AI场景工程实践课程（Experimentation）的百门工程智能核心课程、培训万名教师。学校在2025世界数字教育大会上展示的“未来课堂”，以“师—机—生”三元协同教学模式为核心，依托生成式AI智能体Geekey，构建了无边界课堂与动态评价体系，聚焦城市可持续更新等真实问题，展现了人工智能与教育深度融合的创新实践。

以极端环境建造方向为例，通过构建“知识图谱—能力矩阵—素养维度”三位一体的全人教育框架，依托自主研制的CivilGPT垂域大模型，形成“人机协同教学—虚实场景融合—个性化成长导航”的极端环境建造领域智慧教育范式和“师—机—生”三元共生发展生态。依托未来技术班和国家卓越工程师学院，以“项目驱动型课程链”为核心架构，融合“时空感知—超材料—超结构—无人建造—特灾防控”五大前沿技术集群，打造跨院系、跨学科的本研一体化贯通式培养体系。本科阶段采用“阶梯式”培养模式：大一注重“通识基础”培养，构建以数理化基础课程、人工智能算法基础等理论课程为基石，以程序设计、自主智能系统开发等项目制课程为主线的知识体系；大二强化专业基础，通过万物力学、通信原理、超材料学、超结构设计原理、智能感知网络等核心课程，结合超材料结构智能设计、时空智能感知等实践项目，夯实极端环境建造领域的专业根基；大三拓展多学科交叉深度，引入机器人学、极端灾害学、智能建造技术与装备、防灾韧性结构、数字孪生系统等前沿课程，并进入无人建造与特灾防控综合实践项目，全面提升学生解决复杂工程问题的能力；大四实行本研衔接培养，大四第一学期开始进入本研衔接课程学习和直通硕博阶段研究方向的本科毕业设计/论文工作。

3.提升治理能力：建设智慧校园，适应个性服务

学校全面推进教育数字化转型“一硬一软十大工程”，打造智慧校园的网、云、数、算中台，通过系列集成化、融合化、可视化平台，实现“招生—培养—深造—就业—校友”全链条的系统性升级。在校内环境部署校级大模型应用低代码开发平台，接入DeepSeek-R1、DeepSeek-V3、通义千问2.5、LLAMA等30余种最新开源大模型，为全校师生提供各类AI应用开发的能力。开发智慧教学数智学伴——同济小舟，嵌入多个智慧教学平台中，确保教育环境的全方位支持和响应。

学校正在建设未来学习中心，整合教育资源与创新学习模式，探索“师—机—生”三元教学新范式，实现学生思维训练和培养复杂问题解决能力。通过构建“‘师—机—生’通用平台与创新实践空间”和“垂域创新实践空间”，提升低年级本科生的公共基础创新能力培养，助力高年级本科生和研究生在“项目设计—信息感知—数据分析—机理解析—控制决策—工程应用”创新能力训练全流程接触和了解所需的实验模块，支撑学生进阶技能和可持续发展的自适应学习、采集式学习与导航式学习，促进跨学科学习与实践，提升学生创新思维能力，为培养适应时代需求的工程智能拔尖创新人才提供有力支撑。其中，“师—机—生”通用平台主要打造AI深度赋能的软件基础，包括基于知识图谱、数字化教材和资源的AI知识网络与大模型，以及应用于教—学—评—管的AI智能体与教学助手，为自适应学习、采集式学习、导航式学习提供平台支撑。通用创新实践空间是基于AI的实体空间，探索“以学生成长为中心”的教学支持服务，打造面向基础能力训练、产教融合和科教融汇的AI教学硬件平台，实现跨校区资源调配与沉浸式体验，支撑与服务全校低年级本科生的公共基础创新能力培养。垂域创新实践空间将涵盖土木、建筑、交通、设计等学科垂域方向，通过建设数字资源、智慧课程和创新场景，形成垂直领域的知识网络和大模型，进而和通用平台与创新实践空间形成互动关系，主要服务高年级学生、本研贯通以及研究生阶段的学习。

【作者：中国工程院院士、同济大学党委书记】

（原载2025年第11期《中国高等教育》杂志）

链接：https://mp.weixin.qq.com/s/q5SGNw8QrBILo4e-MHB-EQ