先说结论

这场论坛最硬的事实来自阿里云高校合作总经理李贝：云工开物高校计划做了三年，他口播称已有140万学生用代金券消费阿里云的AI产品（开场介绍与议程口径为「数十万学生」），而项目团队只有五六个人。算力在高校侧已经不再是稀缺资源——AI主持人的收场词把它总结为「像水电一样的基础设施」。但论坛更重要的信息是第二句：免费算力并不自动生成能力。弗若斯特沙利文王晨晖给出的数字是，63%的大学生靠线上材料自学AI，修读相关课程的比例仅17.9%，参加系统性培训或项目训练的只有5.1%，而生成机制认知题的平均得分只有4.01%（报告口径）。学生缺的不是意愿，是系统性供给。

整场论坛展示的解法可以归纳为三层：把算力嵌进老师布置的作业里（普惠），把通识课做成「内容+实验+成绩回传」的工业品（平台化），把专家经验变成可复核的量化指标（范式）——从超星尔雅83门AI课程包、广西十万大一新生，到浙大城市学院研究生沈熙晨用传送带一天采集两千片考古陶片。而全场最刺眼的反证，是王晨晖引用的港大吴延晖团队那项「AI学习惩罚」研究：把作业外包给AI的中学生，六个月后月考成绩平均下降20%，两年后中考下降24%（论文口径，现场口播略有出入）。效率与成长是两件事——这是整场论坛没有说破、却贯穿始终的底色。

（说明：本文依据直播转写整理，除标注「外部核验」「写作者推断」外，所有数据均为嘉宾现场口播或演示材料，属灰色信源；关键人名、机构、遗址与论文已做外部核验，转写存疑处已按官方议程校正并注明。）

一、「先学后用」的反人性生意：算力券不是发钱，是嵌进作业里的润滑剂

李贝的开场白很不「发布会」。他先为选了个小场子道歉：不拉五千人来填场，门口备了茶歇，想坐哪儿坐哪儿，「到了现在这个时间，我们想做的事情可能已经不是做简单的宣传了」。接着他交代了家底：项目花很多钱，但没有多少人，一个小团队五六个人，人均花掉的钱「可能是好几个亿」。

这段致辞里真正有信息量的，是他对学生学习方式的一个观察：普通人和学生学习AI的路径是相反的。普通人是「我因为要用到这件事情，我去学习」；而学生是「我不知道我现在要用它干什么，但是老师要求我先学了」。学习在校园里天然是被动的，和刷抖音的方向正好相反。所以普惠的抓手不是把免费额度发出去，而是让老师布置作业、学生完成任务的那条路径上「少一些困难、少一些阻碍」——学生第一次调用模型、第一次跑实验时，不要卡在付费门槛上。李贝把这叫作「埋种子」：这门技能可能不像刷短视频那么有趣，被迫学过之后，他日后在某个时间点用起来，会觉得自己「可以做不一样的事情」。

这里有一条清晰的机制链：算力普惠（300元学生券嵌入教学场景）→ 「先学后用」的摩擦被消除 → 高校渗透率快速抬升（140万学生）→ 启发：普惠的关键动作不是发钱，而是嵌进作业流。外部核验可以佐证这个设计的存在：阿里云云工开物官网显示，通过学生认证的高校学生每12个月可领取300元无门槛抵扣金，可直接抵扣百炼平台大模型的推理、训练与部署费用；议程简介也明确写的是「云工开物计划向全国高校持续开放免费算力与AI Token」（转写中的「云公开课」系同音误记）。李贝的另一句判断同样值得记录：蒸汽时代真正改变社会的应用用了六十年才出现，而现在「可能六个月这件事情就变了」，在这个节奏里，「所有人压住的都是年轻人」。

仪式环节里，李贝与数智猿娱乐科技集团总经理钟雅琴共同发布了「云工万象」青年AI影像计划（发布名以现场为准，议程中钟雅琴的议题为「AIGC影像未来：产业洞察与人才培养」，正片中其独立分享被压缩为发布仪式）；随后李贝为浙大城市学院副校长斯荣喜颁发阿里云「飞天青年伯乐奖」，表彰其在AI人才培养与产教融合上的长期投入——转写中的「司荣喜」按议程校正为斯荣喜。

二、懂一点AI的人在贬值：效率、惩罚与「演化≠成长」

王晨晖（弗若斯特沙利文中国区主管合伙人兼总裁，转写「王晨辉」按议程校正）的报告是全场信息密度最高的20分钟，骨架是三问三答。

第一问，AI如何改变人才培养任务？他的判断是：AI对高校的影响「已经不再只是增加一门课程或者提供一个工具，而是正在改变学习、科研、治理以及人才评价的基本方式」。学习环节从师生二元关系变成「师生+AI」的三元协同，AI已经成为学习中的认知节点；科研环节，他点名港股的AI for Science公司浪潮——转写中的「金泰科技」写作者推断为晶泰科技——并称今年中国首个营收超十亿的AI医疗制药发现公司即将登陆资本市场（嘉宾称）；治理环节，哪些任务交给AI、哪些决策必须人做、生成内容出错谁负责，这些制度边界都要进入教育设计。由此推出的新培养目标是三层：专业理解、问题定义、结果核验。他给了一句狠话：「只是懂一点AI的人，在这两年当中会大量贬值」——沙利文自己的面试流程已经开始用agent综合评估候选人的AI使用过程，而不是让你自报「会不会用」。

第二问是全场最扎心的部分：AI带来的效率提升怎么看？他引用了香港大学吴延晖教授（转写「吴岩辉」经外部核验校正）与斯德哥尔摩大学合作的追踪研究：中国中部某县26811名初高中生、30个月（2022年9月至2025年6月）的月度数据。外部核验的论文口径是：学生使用生成式AI后，作业成绩六个月内上升约18%，单份作业完成时间从64分钟降到45分钟；但六个月后月考成绩平均下降20%，两年后中考、高考成绩分别下降24%和18%；其中81%的学生属于「外包作业」型——直接让豆包、DeepSeek、千问生成答案——而把AI当辅导工具的19%基本不受影响。这项研究题为《生成式AI带来的学习惩罚：来自中国中学教育的证据》，2026年6月挂在SSRN（外部核验）。王晨晖的现场口播与论文数字略有出入（他说作业准确率提升20%、月考下降24%），本文以论文口径为准。他的结论很克制但锋利：效率增益在信息搜集和初步方案阶段非常有价值，但「思考不能被外包，主体性仍是培养结果的必要约束」；评价学生不能只看他是否多快好省地完成任务，更要看他能否理解任务、提出好问题、发现错误、解释自己的判断。这构成第二条机制链：AI学习惩罚（外包作业→长期能力损伤）→ 效率与成长分离 → 评价必须审计过程 → 启发：天问办公（转写，写作者推断为千问办公）、Work Buddy这类Agent产品对过程的记录，恰恰可以把「学生与AI协作的过程」沉淀为长期能力评估的资产。

第三问，供给跟上了吗？他给了一组结构性数据：50所典型高校中，平台与工具支持覆盖率80%、项目实训64%、联合实验室62%、课程共建与师资培训56%、产业学院34%，而能力认证只有26%——「平台与项目容易进高校，认证和组织载体才检验持续培养机制是否真正形成」，高覆盖不等于高质量闭环。课程侧，虚拟仿真实验课程中AI相关仅31门占6.2%，社会实践课程中4门占0.89%，一流本科课程中115门占1.92%；高校AI建设招投标从2024年的16项涨到2025年的69项，今年前八个月已达47项，采购重点正从算力底座延伸到教学实训与学科应用。学生侧，每周使用AI超过五天的学生已达42.3%，但55.1%认为AI输出不够准确稳定，52.6%难以判断信息与引文的可靠性——短板集中在判断、核验和深度协作。他把变化分成三个概念收尾：演化（行为结构性变化，可正可负）、改善（单项技能变好）、成长（自主判断、责任意识、人机协同向长期目标推进）——「工具使用更熟练、任务完成更快，不能单独作为能力成长的判断依据」。报告末尾，沙利文、阿里云与头豹研究院（转写「投报研究院」，写作者推断）联合发布了「高校AI人才发展灯塔计划」，用一本持续更新的「活的」跟踪报告替代「出版第一天就已死去」的传统研究报告。

三、通识课的工业化：700门课、83门课程包和十万大一新生

如果说沙利文回答了「为什么」，超星集团超星尔雅产品总监卓薇（转写「卓微/卓威」按议程校正）的回答则是「怎么干」。她的分享几乎是一份中国通识课工业化的样本：超星1993年从图书电子化起家，2010年推出尔雅品牌——国内最早的网络通识课平台和在线修学分平台（外部核验：尔雅2010年诞生、六大门类的说法与公开资料一致）——十六年积累课程超700门，覆盖六大板块。这套体系最动人的部分是「绝版课」：叶嘉莹的诗词鉴赏、戴建业的文学课，都是团队多年前在名师还在高校上课时随堂录制、今天经AI修复重新上线的——已故先生的课，现在的学生还能修学分。刘擎、许子东（转写「徐子东」校正）、曹天元《上帝掷骰子吗》都在平台上。2017年起与复旦大学战略合作，把60多门复旦通识核心课程成体系搬上线，每年上百万学生学习；两家还联办了四届全国通识教育大会，累计参会超4000人。

AI时代的部分才是重点。政策背景是真实存在的：教育部2025年5月发布了《中小学人工智能通识教育指南（2025年版）》（外部核验），高校侧AI通识课也成为必修任务——卓薇的原话是「这门课不仅是同学们的必修课，也是各个学校领导老师们的必修课」。超星的打法是课程包：83门AI通识课，分基础导论、前沿拓展（AI+X）、专业进阶三个模块，头部课程包括南京大学周志华院士的《机器学习初步》、浙江大学AI通识课ABCD四版中的大模型篇（阿里云为这门受众最广的课配置了动手实验）、北大陈斌《人工智能与信息社会》（与Python课合计选课超100万人次）、北航北理工北邮教师联合开发的AIGC工具实战课。

真正区别于「卖课」的，是与阿里云共建的动手实验模块。卓薇演示了这条流水线：学生左侧看实验手册，右侧在操作台按步骤调用AI工具完成任务，系统自动校验结果，通过后成绩回传超星平台、按教师权重合成总评，附带证书申请——「学校就不需要再单独去采购算力和工具平台」。学生背后是阿里云每年300元的算力券支持（与云工开物官网学生权益一致，外部核验）。实验内容从搭一个入门智能体、用工作流做气象灾害预警、电商穿搭生图，到图书馆借阅数据分析、农学浇水量优化，再到用自然语言直接生成网页、小程序、H5，以及把重复任务封装成可复用的「技能」。这门「动手学AI」公益课由12位名师各讲一章，2025年9月1日上线（外部核验：阿里云官网确认该课由阿里云、超星尔雅协同北大、南大、复旦、上交、浙大五校名师共同推出），已登上国家智慧教育平台和学习强国，选课高校超700所、人次超60万。

落地案例是规模的最好证明：广西2025年给全区所有本科高校建了AI通识课学习平台，十万大一新生在平台上完成学习；安徽省的平台拿了省级教学成果特等奖，用「举全省之力建一门课」的模式堆出几千分钟视频，再拆成必修核心加选修积分；南京农业大学4000名大一新生开课在即，教研室为算力发愁，卓薇称之为「及时雨」。她也没有回避问题：不同专业的深度需求不同（AI+X要分层）、最大的风险是「沦为走形式」、师资缺口真实存在——即便依托大学计算机基础的公共课教研室也难以满足开课需求。第三条机制链在这里成立：通识课平台化（名师内容规模化+实验自动校验+成绩回传）→ 开课门槛从「有没有师资」变成「要不要运营」→ 十万新生规模的强制落地 → 启发：AI通识课的瓶颈早已不是内容，而是算力、实验供给与学分制度的对接。她还在探索「积分广场课」：给学生远超必修的知识点，任选50个学完、学习行为换积分兑学分——「一门课在每个学生那里千人千面」。

四、把非标能力变成资产：志愿时长、益币与一千个数字分身

两场分享共同指向一个方向：让原本无法度量、无法交换的能力与贡献，变成可存证、可流通的资产。

中青益信创始人王跃军（转写「志愿会/中青易信」按议程校正）的视角来自公益。他引马斯克在2020年Satellite大会的判断（节目引用）：未来大学校园里，学习知识可能不是主要任务，社交与执行力才是——而社团和志愿服务正是校园社交的主载体。他的六个判断里最有意思的是第一条：AI解放了手脚和头脑之后，人类社会的价值重心会从创造生产力转向人与人之间的关心，志愿公益将从「做好事」变成生活内容本身。数据侧，志愿汇2016年上线，现在有9400万志愿者用户、62万志愿服务组织、日活超100万、覆盖1700多所高校（嘉宾称；外部核验：杭州网2020年报道其注册用户已达7923万、组织40万，六年后的量级合理）。平台的三套评价体系把志愿服务变成了可积累的资产：打卡计时的信用时长终身存证（「相伴一生的精神财富银行」）、每时长自动产生的益币（转写「E币」，外部核验官网口径为「益币」）、以及AI算法综合时长与组织评价生成的玫瑰信用分。他们还与六个省共建AI应用志愿服务项目库，把类似阿里公益在自闭症儿童筛查与疗愈上的AI应用沉淀成可复用的公益agent，「局部的点上的应用普及化」。第二课堂产品覆盖70多所高校、100多万用户，学生通过接真实的实践任务锻炼社交、执行与AI应用能力，任务数据反过来沉淀成学生画像。

国科大声称「打破学科壁垒」的他山协会会长李瑀旸（转写「李宇阳/塔山/泰山」按议程校正）把同样的逻辑推到了科研端。协会2023年成立，以AI for Science为跨学科的链接点，建了「一中心三平台」：学习中心（与物理所共建课程播放量约300万，与阿里云合作办了两届科学智能实训营，线下报名约300人、线上上千人参与）、人才链接平台、项目共创平台。课程体系本身就是科研能力的阶梯：从日常科研智能体，到科研场景的Harness（方法论），到从零训练科学基座模型，再到自驱动的端到端AI Science闭环，依托千问与Qoder（转写「Queen Work/Caulder」校正）构建。更激进的是他们号称国内最大的Agent-to-Agent科研社区：上千个科研人员的数字分身接入，联络覆盖北京所有中科院所，未来将承接数字中国科普科教赛道。成果转化侧的例子很具体：与物理所课题组做的超导材料研发AI scientist，在虚拟仿真环境里自主采集机械臂与控温数据、训练强化学习VLA完成实验；在千问办公支持下，几天内搭建出过去要数十万成本的孪生系统；科教Game Harness即将进入上海科技馆临展；还有AI设计非遗剪纸。与Qoder共同发布的18个科研skill覆盖论文调研、实验设计、数据处理、写作绘图、引用合规全流程，社区还评审了全网上千个skill并打包、按图谱组织了5000多个MCP——「一个入口调用全领域接口」。他的口号是：「让科研不再成为科学家的专属。」第四条机制链由此成立：能力存证与接口化（志愿时长三体系/科研skill与MCP栈）→ 非标能力变成可交换、可复用的资产 → 启发：当高校、企业都成为智能体，人才评价需要的是协议化的「接口标准」，而不是一纸成绩单。

五、一天两千片陶片：当「像不像」变成特征空间里的距离

压轴登场的是全场最年轻讲者、浙大城市学院计算机与计算科学学院研究生沈熙晨（转写「沈希晨」按议程校正），他汇报的项目有一个与论坛气质反差极大的名字：考古陶片快速采集装置，AI重构陶片断代研究工作流。

他的第一张照片是浙江余姚河姆渡遗址：数量以万计的陶片堆在蓝色周转箱里，堆积如山。三个痛点讲得很清楚：传统整理高度依赖人工经验，处理速度远低于出土速度，现场积压是常态；多数陶片清洗登记入库后，图像纹饰与工艺信息长期处于低利用率甚至未被利用状态；考古学家之间的标准不统一，经验难以量化、难以传承。团队的解法不是先炼大模型，而是先定标准——七条原则：对象唯一（每片只采集一次、高清原始保真）、尺度可量（影像保留标尺）、色彩可校验（每张照片带标准色卡）、过程可追溯（设备、软件、模型、配置全进元数据）、数据可复用（命名与元数据结构标准化）、安全优先。专家团队由中国科学院院士牵头（转写「阮勇兵」，写作者推断为阮勇斌院士），山西省考古研究院、四川省文物考古研究院与浙大城市学院的专家共同参与，工作地点在山西运城夏县东下冯遗址（转写「东夏县东夏峰」，外部核验：东下冯遗址确为运城市夏县，属二里头文化东下冯类型，分期与演讲中「三期文化并存」的说法呼应）。

工程实现是「土法」与严谨的奇特混合：MQTT三节点组网让设备在无互联网的野外独立作业；两千万像素工业相机加固定光位加标准色卡做无损采集；算法自动识别传送带上色卡位置、提取色块RGB值与真值比对，用最小二乘拟合3×3矩阵做色彩线性校正——解决工业相机长期运行的色漂。模型选择反而克制：横向对比ResNet-18、ConvNeXt、ViT和另一个架构（转写「慢八」，写作者推断为Mamba）后，选了参数少、跑得快、跨遗址稳定、能装进考古队现场设备的ResNet-18；更大的模型留在云端做迭代与批量推理。三项关键创新都有可验证的数字：采集端，某省考古项目人工一个月采5000片，这套传送带设备一人一天八小时、按最保守速度算至少2000片；判别端，从过去「最多判断陶片来自哪个遗址」升级为两级判别——先判遗址、再经文化区间给出分期与年代候选，由考古人员复核后采纳；分析端，把同区域不同遗址的陶片信息关联起来绘制区域文化演进地图。截至2026年8月8日，团队用一套设备在山西五处遗址采集超十万张标准化影像，模型整体准确率92%（团队自报），已上线陶片原产地检测与快速分期两个平台向合作考古机构开放，登记两项软著、一项发明专利申请中。

最有学术味道的细节是特征空间图：代表运城盐湖三家庄遗址的绿色点簇，与代表东下冯遗址的橙色点簇之间出现交融区——考古学界已确认两地同期存在两个互相交流的文化，模型独立地「看见」了这段关系。第五条机制链也在这里闭合：采集标准化（色卡+标尺+元数据）→ 专家经验变成可复核、可追溯的量化相似度 → 「像不像」变成特征空间里可计算的距离 → 启发：AI进入文科科研的第一步不是模型，而是数据采集的工业化标准；一次训练、多点复用，才是文科范式更新的杠杆。

结语：算力是水电，课程是管道，判断力是水龙头

论坛散场时的图景大致是：算力普惠解决了「用得起」（140万学生的300元券），通识课工业化解决了「学得到」（700门课、83门课程包、十万新生），而AI考古和科研skill在解决「用得深」（经验量化、能力复用）。三层叠加，才把开场那句「让AI素养成为这一代年轻人的底层能力」从口号变成工程问题。剩下的硬骨头恰恰是王晨晖报告里那条最冷的数据链：63%的学生在自学，认知题均分4.01，能力认证覆盖率26%——供给的最后一公里不在GPU，在课程、评价和判断力本身。李贝在颁奖环节对AI主持人的一句吐槽，或许可以当作全场的注脚：「AI代替不了人——它没有一个眼睛能知道现场在发生什么。」转写与核验的局限也需说明：本文数据以现场口播为准、未经审计；「AI学习惩罚」研究对象是心智未成熟的初高中生，外推到大学生须谨慎；陶片识别92%准确率为团队自报；个别产品名（如「云工万象」「秒悟」「零笔科研工作台」）与机构名（头豹研究院）仍以转写为准，标注「转写疑似」处请以官方后续披露为准。