系統探索工程智能驅動學科轉型發展的創新路徑

鄭慶華

摘要：在人工智能技術深度重構全球產業格局的背景下，工程智能作為銜接科學發現與產業實踐的核心樞紐，正推動傳統工科轉型、教學場景革新與教學模式重構的深度變革。同濟大學通過成立工程智能研究院等五大研究院、創新“師—機—生”三元協同教學體系、建設智慧校園以適應個性服務等具體舉措賦能學科轉型、創新教育模式、提升治理能力，系統探索工程智能驅動學科轉型發展的創新路徑。

關鍵詞：AI時代；工程智能；學科轉型

人工智能作為新一輪科技革命的核心驅動力，正深度滲透并重構工程領域的全生命周期流程。在工業生產場景中，基于智能協同架構的現代化工廠加速實現規模化部署，數據驅動的產線協同優化機制與資源動態調度系統已演進為行業基準配置。國際機器人聯合會（IFR）2024年度《世界機器人報告》（World Robotics Report， Report No. WR2024）數據顯示，2023年中國工業機器人安裝量達27.6萬臺，占全球總量的51%，這一數據實證了中國在智能裝備集成應用領域的全球引領地位。工業機器視覺與多模態感知技術通過實時工況監測系統及異常預警算法，顯著提升了制造系統的運行效能與質量控制水平。在生物醫藥領域，人工智能技術通過分子對接模擬與藥效團建模，實現了藥物構效關系的高效解析，其對于潛在化合物生物活性的預測精度，有效縮短了候選藥物從實驗室研發到臨床前研究的轉化周期。農業智能化領域依托“人工智能+大數據”技術平臺，無人機精準施藥系統、智能水肥一體化灌溉裝置及土壤多參數監測傳感器網絡已實現規模化應用，在提升糧食安全水平和作物遺傳改良效率方面成效顯著[1]。

當前，人工智能已成為驅動工程領域創新發展的新質生產力。其技術體系正在重塑工程創新的方法論范式：深度學習基于仿生神經網絡架構，通過特征自動提取與模式識別算法，實現了海量工程數據的智能解析；以GPT-4、DeepSeek-V3為代表的預訓練大模型技術，依托超大規模跨模態語料訓練形成的知識融合能力，為復雜工程問題求解提供了跨學科認知框架。

人工智能通過技術賦能與場景創新的雙輪驅動機制，正在加速工程領域從經驗依賴型決策模式向數據智能決策范式的結構性轉型。這種以數據閉環迭代機制、算法動態優化框架與領域知識圖譜深度融合為特征的創新范式，不僅催生了工程智能這一交叉學科領域，更通過技術鏈與價值鏈的協同重構，推動人類工程實踐向高精度建模、自主化決策與可持續創新的智能化階段演進。

工程智能的生成邏輯

1.工程智能的內涵特征

科學智能（AI for Science）致力于解決“0到1”的基礎理論突破，通過機器學習算法與推理模型處理海量數據，揭示數據內在關聯規律，其核心在于科學發現的“理論正確性驗證”。工程應用則更強調“實踐可行性優先”原則。以隧道工程為例，面對地下地質條件的高度不確定性，工程智能通過實時數據處理與動態決策機制，在施工安全與進度控制間建立平衡。這種決策模式的核心特征在于：在復雜約束條件下，優先生成可執行的工程解決方案，而非追求理論模型的絕對精確性。

本文提出的工程智能（AI for Engineering）包含雙重實現路徑：“1到N”的科學成果轉化路徑與“1到0”的實踐反哺理論路徑（如抗生素應用先于機理解析的典型案例）。該范式在智能建造、城市安防等工程場景中體現顯著的應用導向性。相較于科學智能，工程智能具有三個基本特征：第一，多約束條件下的可行性導向，需統籌成本、環境、資源等多元目標；第二，多學科技術的集成創新，依賴跨領域技術整合與系統化管理；第三，全流程可靠性保障，要求每個決策環節具備可驗證性與過程可控性（見下圖）。

2.工程智能的實踐必要性

盡管人工智能技術取得突破性進展，但其在工程領域的深度應用仍面臨系統性挑戰。首先，瓶頸體現在認知推理與可解釋性層面：現有大語言模型在復雜屬性關聯任務中易出現特征解耦失效。典型案例如圖像檢索場景中，輸入“提黑色袋穿紅衣者”的查詢指令時，模型可能產生屬性錯位響應，輸出“提紅袋穿黑衣者”的誤判結果；在“斑馬線闖紅燈行人”檢測任務中，模型對符合條件的特征關聯能力不足，導致關鍵屬性（闖紅燈）的漏檢問題。實證研究表明，DeepSeek-R1模型的幻覺發生率仍達14.5%，凸顯其證據鏈構建與溯因推理的局限性。

其次，可信性與可行性的協同困境顯著：大模型在工程方案生成時存在物理規律適配偏差。以汽車設計為例，模型輸出的三維參數化方案可能違反機械運動約束（如車門開合軌跡干涉），或破壞多視圖幾何約束（如俯視/側視投影不匹配）。這源于大模型基于概率關聯的生成機制，難以嚴格遵循工程科學的基本原理與設計規范。

最后，多目標協同與跨域整合能力不足：重大工程系統（如特高壓電網、城市地下管廊）需實現感知—傳輸—計算—控制技術鏈的閉環優化，其復雜性體現在三個方面：一是多源異構要素耦合（人機物環動態交互）；二是基礎設施網絡疊合（高速交通網與市政管網的空間競爭）；三是多物理場耦合（溫度—滲流—應力—化學場的非線性相互作用）。現有模型在應對此類跨尺度、多約束的工程優化問題時，仍缺乏可靠求解路徑。

3.國際工程智能戰略布局

2023年11月，美國國家工程院聯合國家科學基金會組建erVa聯盟，組織麻省理工學院、佐治亞理工學院等7所高校，聯合谷歌、IBM等5家科技企業及國家實驗室，開展為期兩天的閉門研討，確立工程智能領域未來十年三大核心攻關方向：工程設計智能化、制造系統自主化、運營管理協同化。會議同步形成兩項戰略共識：工程智能與人類社會發展的倫理協同框架，以及國家工程智能發展路線圖[2]。

該聯盟提出三級協同創新架構：政府主導建立多學科研究所（整合地方財政與私營資本），公共工程嵌入專項AI研發計劃，行業龍頭企業構建跨領域數據共享平臺（覆蓋設計—測試—運營全生命周期）。學術界被賦予雙重職能：通過跨學科研究機構推進理論創新，依托學位認證體系與區域創新生態培養復合型人才。特別強調政產學研深度耦合——政府統籌資源分配，學界提供理論人才支撐，產業界負責技術工程化落地。

全球頂尖高校加速推進產研融合：佐治亞理工學院人工智能中心與科學軟件工程中心（CSSE）于2024年達成戰略合作，重點突破能源、交通等領域的可擴展AI解決方案，并計劃于2025年3月正式啟動“Tech AI”工程應用計劃。該計劃構建四大實施路徑：應用導向研究、產業協同創新、AI工程化平臺、高端人才培養，通過年度“Tech AI Fest”整合三方力量，展示多學科研究成果與學生創新實踐[3]。

國際競爭格局呈現多極化態勢：歐盟2024年1月頒布全球首部《人工智能法案》（EU AI Act），建立技術應用倫理框架；中國在智能制造、生物醫藥等領域形成特色應用優勢，其中DeepSeek大模型實現技術突破，其訓練成本僅為ChatGPT的7%，但性能逼近，彰顯后發趕超態勢。

工程智能對學科發展的影響

在人工智能技術日新月異的新形勢下，高等教育已經在發生巨變，不同知識體系之間利用自身特有的研究范式和話語體系創造出學科的“高墻”正在被打破，大學不能再被排名等“指揮棒”牽著鼻子走，而是要主動求變，進行學科全面轉型和教學模式顛覆式創新。而工程智能人才培養作為當前工程教育領域的變革性趨勢，是對科技進步與產業變革浪潮和教育數字化發展趨勢的主動響應，同時契合中國式現代化建設要求，旨在實現卓越工程師高質量培養目標，是多重內外部需求合力推動的產物，具有深遠的戰略意義和實踐價值[4]。

1.工程智能推動傳統工科轉型

傳統工科教育理念過于強調專業化，在人才培養中容易造成知識面窄、人文底蘊和創新能力不足的狀況，難以適應社會對創新型復合型人才的需求。超過80%的學科/專業是前三次工業革命的產物，存在需求失配、內涵老化、名稱陳舊、能力不適等問題。需要實現傳統工科向“新工科”的轉型，秉持面向未來、育人為本、創新發展、融合聚焦的理念原則，對原有知識體系進行更新迭代，構建新的課程體系，融入多種教學方法，構建多元參與、主客觀協同的綜合評價體系等[5]，以適應人工智能時代的需要。例如，數學、物理、化學等基礎性學科向實際應用延伸，為人工智能技術攻關和創新提供支撐，或者利用人工智能打開研究思路，進行快速創新和知識發現。又如，在城市、交通、制造等工程技術應用性強的學科中，可以借助強大的人工智能技術工具或算法力量，進行自動化、智能化轉型，創造更大的戰略效應和經濟效益。建設這類學科，要在堅持其本身學科特性和知識架構的前提下，按照“以我為主，為我所用”的原則，將其中過時的知識、觀念甚至專業進行淘汰，學習人工智能技術的原理和方法，使之煥發新生，也為人工智能的創新發展提供新的場景和需求動力[6]。

2.工程智能促進教學場景創新

在“互聯網+教育”的情境中，教育場景已不再是簡單的教學地點，而是包括學生、教師、時間、空間、學習內容、技術工具，以及人與人的連接和交互方式的一個教育生態，引發教育的系統性變革——教學內容由靜態學科知識轉向動態綜合任務，教學模式從以教為中心轉為以學為主導，學習方式從人際協作拓展至人技協同，育人理念也從重知識轉變為強調“能力為重、價值為先”[7]，凸顯“人”的核心地位。而聚焦于工程智能人才培養角度，由于該領域往往涉及復雜的技術應用、系統設計以及多學科交叉的知識體系，傳統的教學模式可能難以滿足其對實踐能力和創新思維的高要求。因此，場景教學可視為工程智能人才培養中不可或缺的重要環節。一方面，場景教學有助于增強實踐能力。場景教學能為學生提供真實或虛擬的工程場景，讓他們在模擬的工作環境中運用所學知識解決實際問題。例如，在智能交通系統的學習中，通過構建城市交通流量模擬場景，學生可以直觀看到如何利用智能算法優化交通信號燈的控制，從而提升解決復雜工程問題的實戰能力。同時，工程智能項目往往涉及多學科知識的綜合運用，而場景教學能夠打破學科界限，在具體的工程場景中整合不同學科的知識和技能，實現跨學科教學。另一方面，場景教學有助于培養創新思維。與傳統的理論教學相比，場景教學更注重學生的主動探索和實踐操作，通過創造開放的、具有真實需求的創新環境，讓學生得以激發創新靈感，在實際的工程場景中不斷試錯和調整，進一步鍛煉思維能力和問題解決能力。

此外，場景教學也有助于教學與現實生活接軌，適應行業需求，從而提升人才培養質量。如今，工程智能行業的發展迅速，企業對人才的需求也更加注重實踐能力和對實際場景的理解。教育4.0由此強調學習內容與學習經驗，促進教育系統實現從傳統教育模式向適應工業4.0時代數字經濟的教育模式的轉型，幫助學生通過當前的學習來提升未來社會的適應能力[8]。場景教學契合了教育4.0的重要原則，致力于讓學生提前熟悉行業的真實工作環境和需求，培養學生的工程意識和職業素養，以更好地適應未來職業發展。例如，場景教學創設了真實的工程場景，學生可以通過參與實際的生產流程優化項目，了解企業對智能化生產的具體要求，考慮技術的可行性、成本效益、安全性等多方面因素，從而提升作為工程智能人才的職業素養和責任感，成長為社會所需的高素質人才。

目前，隨著虛擬現實（VR）、增強現實（AR）、物聯網（IoT）等技術的不斷發展，在教學實踐中構建逼真的工程智能場景成為可能。因此，探索如何運用海量教育資源、教育管理大數據、教育行為數據等數字基礎，開創游戲化學習、社交化學習、協同學習式、自主學習型、問題驅動式、項目探究型等新場景學習模式，推動場景教學與人才培養相結合，充分發揮人才效能，是目前工程智能人才培養的重要路徑。

3.工程智能加速教學模式創新

目前教學模式對知識傳遞效率、個性化需求滿足以及應對未來復雜問題的能力培養上存在局限性，目前多數學校主要提供在線課程學習平臺，學生缺乏自主學習、終身學習的智慧環境；傳統教學方式以知識傳授為主，但是面向實際工作需要的能力和素養培養不夠，同時學生學習內驅力不足；人工智能技術的發展，通過深度變革學習方式，可以實現學生學習效率大幅提升。在傳統的教育模式下，學生的知識來源單一化，但在人工智能快速發展的當下，學生獲取知識的渠道豐富多樣。為此，教師教學的內容不應局限于具體的知識點，而應該引導學生學會合理利用人工智能進行自主學習，因此未來教師是“認知架構師”與“思維引導者”，未來學生是“知識建構者”與“創新實踐者”，智能體則是“知識儲存庫”和“能力增強器”，未來學習，是突出智能體、知識圖譜等新興教育要素，展現“師—機—生”三元模式，圍繞人類共性問題開展探索學習，面向前沿問題啟發深度思考，即教師負責引導學生形成系統的思維方式，智能體提供知識支持和技術輔助，學生則在教師和智能體的幫助下進行自主學習和創新實踐。

工程智能驅動學科轉型的同濟實踐

同濟大學瞄準國家重大戰略，對標國際科學前沿，依托優勢顯著的工程學科，發揮新興智能科學技術學科和其他相關學科的優勢，制定并發布《人工智能賦能學科創新發展行動計劃（2024—2027）》，系統性推進人工智能賦能學科創新發展，賦能人才培養、學科建設、科技創新、師資建設、大學管理等各方面，推動教育教學全方位改革創新，為加快發展新質生產力提供科技與人才支撐。提出“1+N+1”的AI賦能路線，首提工程智能建設思路。“1”指推動人工智能學科的發展和提升。“N”指對既有學科和各項工作的全面賦能，促進傳統學科的整體創新和轉型升級。“1”為“N”提供人工智能理論、方法、技術、工具等支撐；“N”則為“1”提供新場景、新應用，拓展人工智能賦能范圍。圍繞“1+N+1”的整體發展思路，學校打造并入選人工智能國家產教融合創新平臺，自主智能機器人、極端環境建造入選未來學科，獲批重大基礎設施的工程互聯網、水生態環境智慧韌性系統兩個學科突破先導計劃，并研制出土木大模型CivilGPT、交通“行之”大模型、設計大模型、醫學大模型Med-Go等4個學科大模型。

1.賦能學科轉型：聚焦“工程智能”，成立五大研究院

2025年，學校圍繞“工程智能”系統布局的首批五大研究院成立，包括工程智能研究院、醫學人工智能研究院、極端環境建造研究院、自主智能機器人研究院、航空運輸與低空經濟研究院，聚力推動人工智能賦能工程相關領域科技創新、產業發展的創新探索。工程智能研究院是基礎，構建面向工程智能時空多模態大模型，以及工程智能超級智能體和工程智能底座操作系統；醫學人工智能研究院定位為全面賦能臨床診療、全面賦能醫學創新、全面賦能醫學教育、全面賦能國際標準和倫理的治理；極端環境建造研究院重點攻堅時空感知、超材料、超結構、無人建造、特災防控五個領域；自主智能機器人研究院聚焦自主智能機器人的核心技術，圍繞機器人的本體驅動、機器腦決策控制、機器人群體智能、機器人訓練場四大方向開展研究建設；航空運輸與低空經濟研究院圍繞低空飛行器、智能遙感與通信導航，低空交通與航空運輸運行管理，機場及低空經濟基礎設施，低空協同服務與作業，飛行器智能調度與協同管理，以及航空運輸與低空產業等6大方向開展科技創新和人才培養。通過五大研究院的建設，為國家打造教育科技人才產教融合的新高地，實現科學研究資源、人才培養資源的共建共享。

以極端環境建造研究院為例，圍繞極端自然環境和極端信息環境的科學前沿，通過跨越高/深地、極地、地外空間的重大基礎設施牽引，破解高海拔凍融、高寒寒帶、高壓深海、真空微重力、微流星體撞擊等極端自然與信息環境下的選址規劃、原位利用、無人建造和特異災害防控等核心科學難題。研究院整合土木、力學、材料、測繪、環境、機械、交通、建筑等多學科力量，構建從納米分子動力學至天體力學的跨17個數量級的多尺度研究體系（微觀—介觀—宏觀—宇觀），推動場景驅動的基礎理論和關鍵技術攻關、示范工程驗證、標準規范制定與超學科拔尖創新人才培養一體化發展，重點突破時空感知、超材料、超結構、無人建造、特災防控五大科技方向，形成極端環境下工程設施的“設計—建造—防災”全鏈條體系，助力我國川藏鐵路、南極科考站、月球基地等國家重大工程，并引領國際極端環境建造科學研究與人才培養，為支撐國家戰略和推進產業升級提供堅實支撐。

2.創新教育模式：圍繞智慧賦能，探索“師—機—生”三元模式

學校積極探索創新教育模式，通過AI與工程教育的深度融合，為培養具備全球視野、系統思維與創新能力的新時代人才探索一條創新路徑，為世界教育的轉型升級提供“同濟特色范式”。

一是優化專業布局，以領域培養推動學科交叉融合。同濟大學對傳統優勢工科，通過控規模、調結構面向第四次工業革命進行學科交叉和內涵建設。自2018年以來，增設智能建造、智能制造工程、新能源材料與器件、微電子科學與工程、人工智能等新專業，通過人工智能融入課程體系和實踐體系推動傳統工科專業轉型；在打破“學校—學院/系—專業教研室”的學科藩籬方面，2024年，依托上海自主智能無人科學中心，整合數學、物理、海洋、土木、建筑、規劃、交通、環境、測繪、機械、控制、計算機、材料、能源、設計、管理等多學科優勢，打造未來技術班，面向智能機器人、智能網聯車輛、工業互聯網、智慧空間、極端環境建造等五個具有廣闊發展前景的領域方向，以人工智能素養為核心，以項目制課程為主線，打造跨院系、跨學科的本研一體化貫通式培養體系。

二是建設未來課堂，探索“師—機—生”三元教學模式。推出以《人工智能科學與技術》為代表的通識精品課程，建設108門AI通識與“AI+X”融合課程，促進人工智能充分融入課程與實踐。以“培養創造智能體的卓越工程師”為目標，牽頭建設包括AI工程思維課程（Logical thinking）、AI智能基礎課程（Intelligence）、AI工程技術課程（Technologies）、AI場景工程實踐課程（Experimentation）的百門工程智能核心課程、培訓萬名教師。學校在2025世界數字教育大會上展示的“未來課堂”，以“師—機—生”三元協同教學模式為核心，依托生成式AI智能體Geekey，構建了無邊界課堂與動態評價體系，聚焦城市可持續更新等真實問題，展現了人工智能與教育深度融合的創新實踐。

以極端環境建造方向為例，通過構建“知識圖譜—能力矩陣—素養維度”三位一體的全人教育框架，依托自主研制的CivilGPT垂域大模型，形成“人機協同教學—虛實場景融合—個性化成長導航”的極端環境建造領域智慧教育范式和“師—機—生”三元共生發展生態。依托未來技術班和國家卓越工程師學院，以“項目驅動型課程鏈”為核心架構，融合“時空感知—超材料—超結構—無人建造—特災防控”五大前沿技術集群，打造跨院系、跨學科的本研一體化貫通式培養體系。本科階段采用“階梯式”培養模式：大一注重“通識基礎”培養，構建以數理化基礎課程、人工智能算法基礎等理論課程為基石，以程序設計、自主智能系統開發等項目制課程為主線的知識體系；大二強化專業基礎，通過萬物力學、通信原理、超材料學、超結構設計原理、智能感知網絡等核心課程，結合超材料結構智能設計、時空智能感知等實踐項目，夯實極端環境建造領域的專業根基；大三拓展多學科交叉深度，引入機器人學、極端災害學、智能建造技術與裝備、防災韌性結構、數字孿生系統等前沿課程，并進入無人建造與特災防控綜合實踐項目，全面提升學生解決復雜工程問題的能力；大四實行本研銜接培養，大四第一學期開始進入本研銜接課程學習和直通碩博階段研究方向的本科畢業設計/論文工作。

3.提升治理能力：建設智慧校園，適應個性服務

學校全面推進教育數字化轉型“一硬一軟十大工程”，打造智慧校園的網、云、數、算中臺，通過系列集成化、融合化、可視化平臺，實現“招生—培養—深造—就業—校友”全鏈條的系統性升級。在校內環境部署校級大模型應用低代碼開發平臺，接入DeepSeek-R1、DeepSeek-V3、通義千問2.5、LLAMA等30余種最新開源大模型，為全校師生提供各類AI應用開發的能力。開發智慧教學數智學伴——同濟小舟，嵌入多個智慧教學平臺中，確保教育環境的全方位支持和響應。

學校正在建設未來學習中心，整合教育資源與創新學習模式，探索“師—機—生”三元教學新范式，實現學生思維訓練和培養復雜問題解決能力。通過構建“‘師—機—生’通用平臺與創新實踐空間”和“垂域創新實踐空間”，提升低年級本科生的公共基礎創新能力培養，助力高年級本科生和研究生在“項目設計—信息感知—數據分析—機理解析—控制決策—工程應用”創新能力訓練全流程接觸和了解所需的實驗模塊，支撐學生進階技能和可持續發展的自適應學習、采集式學習與導航式學習，促進跨學科學習與實踐，提升學生創新思維能力，為培養適應時代需求的工程智能拔尖創新人才提供有力支撐。其中，“師—機—生”通用平臺主要打造AI深度賦能的軟件基礎，包括基于知識圖譜、數字化教材和資源的AI知識網絡與大模型，以及應用于教—學—評—管的AI智能體與教學助手，為自適應學習、采集式學習、導航式學習提供平臺支撐。通用創新實踐空間是基于AI的實體空間，探索“以學生成長為中心”的教學支持服務，打造面向基礎能力訓練、產教融合和科教融匯的AI教學硬件平臺，實現跨校區資源調配與沉浸式體驗，支撐與服務全校低年級本科生的公共基礎創新能力培養。垂域創新實踐空間將涵蓋土木、建筑、交通、設計等學科垂域方向，通過建設數字資源、智慧課程和創新場景，形成垂直領域的知識網絡和大模型，進而和通用平臺與創新實踐空間形成互動關系，主要服務高年級學生、本研貫通以及研究生階段的學習。

【作者：中國工程院院士、同濟大學黨委書記】

（原載2025年第11期《中國高等教育》雜志）

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