人工智能领域产教融合的边界分析

嵩天

摘 要：人工智能是信息技术进一步演进的国家级战略性技术方向，其人才培养覆盖从顶尖科研人才到专业应用人才及各行业实践人才的全方位体系。在此背景下，本文首先阐述了信息技术产教融合的发展演化历程及内在经济技术驱动因素，分析了高校与企业产教融合模式的边界，概括为象牙塔模式和培训班模式，提出了产教融合边界分析模型。从技术层面，结合人工智能工具、框架、应用和理论等内容体系分析了企业及高校各自的优势空间，进一步提出了人工智能产教融合的“抛物线学习模型”，为在新工科背景下该领域产教融合的良性发展提供参考。

关键词：人工智能；高等教育；教学改革；产教融合；新工科

一、从产学研结合到产教融合

产教融合倡导产业界与教育界建立创新型合作模式共同培养面向市场需求的各层次人才，这并不是一个全新概念，具有历史发展的继承性与必然性。产教融合在信息技术相关领域最为活跃，这与该领域更迭迅速的技术周期及不断爆发的应用需求密切相关。

从企业与高校合作关系角度，产教融合相关理念最早可追溯到20世纪90年代初的“产学研结合”概念，经历“协同创新”发展至今。“产学研结合”倡导企业与高校或科研院所建立合作，企业为技术需求方，高校或科研院所为技术供给方，通过合作促进技术创新所需各生产要素的有效组合。“产学研结合”以技术创新为核心，这是20世纪90年代我国经济技术发展阶段所决定的。彼时，智力资源主体在高校及科研院所，产业研发能力有限，产学研合作能够促进产业发展，带动高校直面市场，具有重要的历史意义。

经过近20年的演进，“协同创新”延续了“产学研结合”概念，在2011年前后被广泛接受，成为“2011计划”的主要任务。“协同创新”倡导以高校为主体，突破体制壁垒，充分释放创新要素，协同高校及科研院所、企业、金融机构、政府、用户等多方资源，实现“创新资源和要素的有效汇聚”。与产学研结合不同，协同创新不再单一针对技术创新，更强调各类创新资源汇聚与整合。这个概念反映了改革开放30多年社会总体经验，即技术创新离产业成功仍有明显距离，必须整合金融、政府、用户等多方要素，才能为创新带来有效发展模式。当技术创新不再是有效创新的唯一支点，人才培养模式也必然从单一技术培养向综合培养转变。2015年，国务院发布开展“创新创业”教育改革的实施意见[1]，指出“促进高等教育与科技、经济、社会紧密结合，加快培养规模宏大、富有创新精神、勇于投入实践的创新创业人才队伍”，进一步发展了“产教融合”的概念。

“产教融合”以创新创业教育为内容，以高质量创业就业为目标，形成“教育和产业统筹融合、良性互动的发展格局”，强调创新人才的有效培养。与“产学研结合”“协同创新”不同，“产教融合”以人才培养为落脚点，通过

“双创”人才供给解决产业需求重大结构性矛盾。

从产学研结合到产教融合，概念演进源于大环境的变化，主要因素有四个方面。

第一，国家经济结构的变化。从改革开放之初依賴出口的经济结构，通过供给侧改革，逐步向健全稳定的创新驱动经济结构方向发展，与之相适应，人才培养需求发生了根本性变化。

第二，企业的成长与逐步成熟。过去40年间，我国产业界通过“引进、消化、吸收、再创新”等方式逐步形成了创新技术演化路径，具备了适应市场发展的技术能力，企业在成长中逐步成熟，如华为、百度、科大讯飞等一批企业已经具有科技创新的国际竞争力，能够有视野、有目标、有条件协助我国高校开展人才培养

改革。

第三，信息技术快速发展。以网络空间安全、大数据、人工智能等为代表的信息技术以类摩尔定律速度指数发展，知识体系演进迅速，应用驱动发展显著，大规模数据、高性能算力和适于应用的核心算法已经不由高校所掌握，产业能力在技术层面具有超越教育界供给深度的显著趋势。

第四，人才价值观念的变化。产业变革和教育内涵式发展对人才价值有了不同诠释，研究型不再是社会对人才价值的唯一衡量目标，创新型、应用型、综合型等更适应产业需求的人才价值得到关注和重视，也成为高校人才培养改革的重点。

综上，在信息技术领域，尤其是人工智能方向，产教融合协同育人不仅体现为高校人才培养的改革趋势，更源于我国经济技术发展演进的实际需求，需要教育部门给予明确引导、高校管理者高度重视和广大一线教师广泛参与。

二、产教融合的边界分析

1.象牙塔模式和培训班模式

企业和高校是产教融合的两个主体，具有不同的社会定位和价值使命。因此，它们对人才培养的认识存在显著区别，如下表所示。

第一，在人才培养总目标方面，企业受资本导向引导，更加关注资本及市场引领所带来的人才需求；我国高校以公立学校为绝对主体，更关注政府对人才培养需求的目标设定。后者决定了产教融合协同育人必须以政府导向为前提且不能过度市场化的总体原则。

第二，在人才需求方面，企业更关注与自身业务相关的培养需求，倾向于把企业技术培训拓展到入职前的教育阶段，增加首次就业人才的实用性；而高校则有更泛在的人才培养需求，表现为思政、外语、科学等全领域综合培养，以及“产业中立”的技术教育导向。

第三，在人才价值观方面，企业需要人才具有较强的市场意识，保持企业竞争力；而高校更倾向于培养学生树立高远理想，具备修身报国情怀。高校校训普遍反映了这种倾向，如北京理工大学“德以明理，学以精工”校训强调立德和敬业，并没有体现市场竞争的意识。

第四，在人才技能方面，企业更需要实战技术，倾向于以技术培训表达人才培养需求；而高校更倾向于以学科发展和专业建设方式系统地培养具有较完备知识体系的人才。同时，实践和实验往往是高校人才培养的薄弱环节。

企业和高校在人才培养方面的不同特点源于各自不同的社会定位，既无彼此相互演进的需求更无此必要。因此，产教融合协同育人过程中，需要高度关注两者不同的内在需求，合理设计，求同存异，才能建立有效的人才培养合作模式。

党的十八大以来，习近平总书记多次强调，要坚持底线思维，以底线思维定边界。产教融合协同育人也存在合作边界，可以归纳为象牙塔模式和培训班模式。

象牙塔模式以高校为产教融合的绝对主体，高校严格把控人才培养的全过程，企业则作为高校的社会实践基地，学生仅对企业文化及企业技术形成感性认识。这种模式的衡量准则是企业技术不进课堂，无必修学分考核。

培训班模式以企业为产教融合的绝对主体，企业将自身文化和技术优势贯穿人才培养的主要过程，高校则成为企业的就业培训基地，学生对企业技术有深度掌握，可以直接就业。这种模式的衡量准则是企业讲师独立进课堂，占据专业培养的较大比例学分，或企业承诺就业。

2.产教融合边界分析模型

产教融合的重点在于融合企业与高校的各自优势，提升人才培养质量。不同需求和环境将产生不同的产教融合模式。象牙塔模式和培训班模式都是产教融合模式，它们构成了产教融合的两个边界。两种模式之间形成了产教融合模式的合理区域，任何居中形式都构成一种特定的产教融合模式，如图1所示。

为了衡量不同产教融合模式价值，本文提出“产教融合边界分析模型”，给出评价产教融合模式的方法。该模型围绕企业和高校在人才培养方面的不同特点，以象牙塔模式和培训班模式为边界，从四个方面进行定性评估。

第一，导向可控性。资本与政府在人才培养中具有明确的导向差异，产教融合首先要确保导向可控，高校不能迷失在以就业为主的企业合作中，需要控制导向性风险。

第二，需求协同性。兼顾企业关注的具体需求与高校面向的泛在需求，平衡人才培养短期目标与长期目标，以课程学时、学分为衡量标准度量企业参与度，协同需求差异。

第三，价值交融性。市场意识与理想情怀都应该是高校培养学生价值观的方面，针对创新创业教育，需要让学生紧密接触市场。产教融合应该兼顾学生就业创业与理想建立的需求。

第四，内容设计性。企业在教学案例、实践技术方面具有优势，高校更侧重在理论及知识体系，产教融合内容设计需要兼顾技术与知识、实战与体系，不能用产品工具替代思维培养，也不能以理论知识代替实践，两者平衡因学校特点和定位不同需要特别注意。

应该看到，企业和高校在人才培养中存在着“对抗式合作”和“合作式对抗”等形式。更应该看到，高等教育办学主体是高校，产教融合应立足于高校人才培养目标，补充产业实践短板，需要谨慎对待新兴专业建设，不应盲目开放整个专业或大部分专业课程引入企业合作。

三、人工智能产教融合内容体系模型

1.人工智能领域的产教优势空间分析

人工智能是计算机科学中一个历史悠久的研究方向，可追溯于计算机诞生早期。得益于计算能力、数据规模及算法演进，人工智能及相关应用自2016年以来得到了快速发展，已经成为重要的国家科技发展战略之一。

在学术界，人工智能领域有一整套内容体系，从机器学习和深度学习理论，到自然语言处理、图形图像处理等应用技术。然而，从产业界来看，人工智能是一种工程资源，服务于具体应用场景，产业关注点不是理论，而是理论落地衍生出的一批框架和平台，如图2所示。

近几年人工智能领域的快速发展产生了几十个技术框架，主要来源于国外高校或科技企业。其中较为成功且广泛应用的框架都来源于科技企业，如谷歌公司的TensorFlow、Facebook公司的PyTorch、微软的CNTK等。通过技术框架的封装，工程师在开发应用时不再需要深入掌握深度学习等人工智能基础理论，只需要利用框架提供的技术开发接口结合具体应用调整参数即可。这种围绕框架进行应用开发的模式正是产业界引入创新技术的主要方式。

由于科技企业具有人力数量优势，技术框架往往具有较好的演进路线和应用预期。因此，企业在推动人工智能领域产教融合时往往倾向于直接培训其提供的技术框架，如谷歌的TensorFlow、百度的PaddlePaddle等。

从产业应用角度来看，人工智能领域的内容体系可以分成四个层面：工具、框架、应用和理论。如图3所示。

工具层表示支撑人工智能应用开发的基础性工具，如编程语言、GPU加速、硬件逻辑等；框架层指由产业构建的人工智能技术框架，几乎所有框架都采用Python语言进行扩展开发；应用层指利用技术框架开展的实际应用系统，对应于可提供实际功能的应用案例；理论层表示人工智能领域基础理论及各相关应用领域的基础理论。

结合图3所划分的四个层面，图4给出企业和高校在人工智能领域人才培养中的各自优势。

如图4所示，在人工智能领域人才培养中，高校优势空间主要有三部分：（1）基础编程语言及能力培养。主要依托高校成体系的计算机基础知识及技能培养，对应于程序设计与算法、数据结构等课程。（2）人工智能理论知识培养。从机器学习到相关应用领域，高校具有较为成熟的知识培养体系，对应于机器学习、人工智能、自然语言处理等专业课程。（3）符合认知规律的教学设计。高校在课程内容组织、教学路径规划、教学方法运用等方面具有显著优势，能够开展符合学生认知规律的内容教学。

企业优势空间主要表现在技术框架及应用需求方面。由于人工智能框架主要依托于企业开发，企业在此方面技术优势较大，开展培训的兴趣也十分显著。同时，企业直面市场，更理解应用需求，由企业提供的人工智能案例往往具有明显实用性，例如唇语翻译、车道识别等。相比而言，高校或研究机构直接提供的人工智能案例往往用来探索基础理论演进及变化，相对缺乏实用性，如智能诗词机器人等。

鉴于人工智能领域从基础到纵深的教学深度以及产业分工的日益清晰，高校已经无法建立从工具到理论全部层次的教学内容优势，通过产教融合开展教学内容改革十分迫切。

2.人工智能产教融合的“抛物线学习模型”

人工智能将是一个引领信息技术发展的大产业领域，具有从顶尖科研到专业应用再到各行业实践的全面人才需求，这决定了针对不同类型学校及不同教改活跃程度将产生不同的人才培养目标。然而，无论何种人才培养目标，都需要完整实践人工智能领域从实践到理论、从基础到纵深、从工具到应用的培养路径，区别仅在于各部分的侧重点及深入程度。

结合人工智能内容体系的四个层面，本文提出一个面向人工智能领域的“抛物线学习模型”，如图4所示。该模型给出了一个从实践到理论再到实践的整体内容学习过程。

“抛物线学习模型”起步于以实践为主的基础工程能力培养，进而通过具有企业优势的技术框架教学开展人工智能应用实践，理解智能应用的实践效果及实际问题，再深入学习相关理论，建立从实践到理论的“感性到理性”学习路径。進一步，通过理论学习，指导智能应用效果的改善以及技术框架的批判性思考及应用，最终可考虑开展从基础工具角度改进智能体系的深入教学内容教学，建立“理论指导实践”的学习路径。

“抛物线学习模型”与产教融合密切相关，其中高校优势空间适合高校开展教学，企业优势空间适合通过产学合作方式引入企业案例或由企业直接开展教学。其中，工具层和理论层必须以高校为主开展，为学生构建全面坚实的程序设计能力基础及人工智能理论基础；而框架和应用层则可以由企业参与，为学生提供真实需求并带来直面市场的可能。

人工智能课程群或专业属于高校新兴建设内容，“抛物线学习模型”可以服务于专业整体规划建设，也可以结合具体课程或课程群改革使用。该模型阐述了人工智能教学路径，能够帮助改革者思考高校和企业各自优势空间，为产教融合良性发展和新工科建设提供参考。

参考文献：

[1] 国务院办公厅. 关于深化高等学校创新创业教育改革的实施意见[J]. 中国大学教学，2015（5）.

[责任编辑：余大品]