在人工智能（AI）技术呈爆发式发展的当下，全球千行百业正面临着前所未有的变革与挑战。

随着“杭州六小龙”爆火引发城市反思潮，今年深圳两会上，应对AI，城市如何“接招”备受瞩目，高校自然也不例外。

作为人才汇聚枢纽与产业创新引擎，在这场AI浪潮中该怎样积极探寻应对之策？日前，南方+专访深圳理工大学计算机科学与控制工程学院教授唐继军，听听他怎么说。

专业设置：保持宽度与深度

作为与AI行业较为亲密领域的计算机专业教授，唐继军分享了一系列具有前瞻性和建设性的观点。

“专业设置是高校人才培养的基石。”唐继军指出，深圳高校在专业设置上要有清晰的战略定位，切不可盲目跟风AI。

在他看来，当下，AI专业成为热门，不少高校纷纷增设相关专业，但部分高校在师资、课程体系等尚未完备的情况下仓促上马，导致教学质量参差不齐。深圳高校应汲取经验教训，在专业设置上保持合理的宽度与深度。

“微专业”模式是唐继军支持的一种方式，这种模式在美国高校已推行多年，国内包括深圳理工大学在内的许多高校也开始采用。“微专业”允许学生在主修专业的基础上，依据自身兴趣和职业规划，进行本专业细分领域和跨学科学习。以深圳高校为例，计算机专业的学生可选择修读AI微专业，在学习计算机科学与技术核心课程的前提下，深入学习机器学习、深度学习等AI核心课程，拓宽知识领域，增强就业竞争力。同时，学生可通过选修课保证学习深度，在专业导师的指导下，对感兴趣的AI细分领域（如生物信息、计算机视觉和机器人等）进行深入研究，避免“广而不精”的学习困境。

唐继军强调，大众很多时候强调的是0到1，实际上1到100也不是一件容易事，比如DeepSeek就是实现了1到100，“这也启示高校在本科人才培养中，要兼顾基础知识教学与工程化和实践能力培养。”

他认为，本科生过早进入公司实习并非最佳选择，高校教师应发挥主导作用，带领学生参与科研和工程实践项目。

教师队伍：Science+AI或优于AI+Science

“AI时代，高校教师队伍更应当主动拥抱AI，也值得进行二次培训。”唐继军介绍，目前有一些高校开设人工智能通识课，大一学生学习只能泛泛学习，既听不懂也无法动手，如果根据不同的专业类别去开设针对性的AI课，才更能实现真正拥抱。

唐继军表示，传统的“AI+Science”模式，多是AI技术人员尝试解决科学问题，但由于对专业领域知识的欠缺，往往难以深入。而“Science+AI”鼓励专业领域的科研人员主动运用AI工具，从专业角度出发解决实际问题。

他举例，自己现在正在做生物信息研究，但很多时候是从计算机角度去解决问题，应该更多鼓励生物医学科研人员，从生物学的角度，主动用人工智能的工具去解决生命的问题，Science+AI比AI+Science更好。

在教师队伍发展上，唐继军则提到另一个角度：以DeepSeek创始人梁文锋的例子来看，大众关注其毕业院校，却鲜有人提及他的大学导师。这反映出当前高校教师评价多聚焦于论文发表、他人推荐等指标，而忽视了教师对学生的培养与影响.

“评价是一个指挥棒，无论是发表论文还是他人推荐都是参考的重要指标。”唐继军坦言，教师的影响力是多维度的，其培养学生的发展情况或也可以纳入评价体系。目前，在深圳高校的改革探索中，部分学校已开始尝试将学生的就业质量、科研成果等指标与教师评价挂钩，激励教师更加注重人才培养。

教育教学：拥抱AI也要“反”AI

在教育教学过程中，唐继军提出“反”AI的理念。这里的“反”AI并非抵制AI，而是引导学生避免过度依赖AI工具。

“在布置程序类作业时，我会设置一些特殊的限定条件，使AI无法直接给出答案或解题思路，倒逼学生主动思考。”唐继军认为这种方式有助于培养学生的创新思维和独立解决问题的能力。

他介绍，在深圳理工的课堂上，越来越多的教师开始采用类似方法，在培养学生利用AI工具提升学习效率的同时，确保学生真正掌握知识和技能，“我们希望知识能真正进入到学生的脑中，让学生有试错的空间，而不是AI直接给出学生答案。”

撰文：徐峰 王之康