电子科技大学成都学院应用型AI人才培养创新模式解析

当前，人工智能技术更新的节奏快得让人目不暇接，大模型、智能体这些概念早已不再是实验室里的新鲜词，而是实实在在地进入了产业端。面对这种变化，电子科技大学成都学院计算机学院的选择是：从自身办学定位和学生实际出发，不断调整人才培养方案，在产教融合上下功夫，摸索一条有自己特色的应用型AI人才之路。

紧跟产业变化，优化人才培养

智能体技术的快速发展，正在重塑企业的用人需求。学院在走访企业时发现了一个明显的趋势：普通开发岗位的需求在收索，而智能体开发这类新岗位正在快速兴起。

学院的做法很直接：与时俱进，优化专业和课程建设。早在2022级，人工智能专业就已经把大模型相关课程纳入了教学计划。到了2023级，项目式学习中又引入了智能体开发实践。与此同时，学院选择和百度合作建设课程，引入阿里、腾讯等企业的协同育人项目，并面向全校开设了人工智能辅修学位和通识课。更值得关注的是，围绕大模型应用开发、智能体开发、AIGC图像生成等前沿技术，学院针对文、艺、理工科分别设计了差异化的教学案例——采用“案例引导+任务实践”的方式，帮助学生真正把AI用起来。

在实践能力培养上，学院建成了省内领先的AIGC与元宇宙综合性实验室，配备了高性能计算设备和专业算力中心，能够支撑复杂的3D建模、软件开发和AI模型训练。这个实验室已经成为应用型AI人才培养的重要平台。

计算机学院党委书记彭光辉提到一个现实矛盾：大模型技术迭代太快，而教学大纲需要相对稳定。怎么解？学院在教学中一方面注重夯实基础，利用自研的元学在线平台，对标产业需求开展个性化学习，引导学生主动追踪前沿动态；另一方面，在人才培养方案中设置了大量实践任务，鼓励学生关注GitHub等平台上的优秀开源项目，以赛促学、以项目促学。同时，部分传统课程如软件工程、离散数学等，推荐学生通过网络资源自主学习。这种“课堂引导+课外深挖”的模式，在有限学时内兼顾了稳定性与前沿性。

“为强化学生的实践应用能力，学院与阿里合作举办大语言模型应用及AI编程训练营，为每位学生发放阿里云算力券。训练营包含视频课程和配套实验，涵盖AI编程、智能体开发、算法题助手、性格测试小程序等内容，受到学生广泛好评。”彭光辉说。

在他看来，参加真实项目是对学生最好的锻炼。“学院正在推进的数智监督系统项目中，科研教师和高年级拔尖学生负责核心模型与底层规则攻关，低年级学生承担数据清洗、前端适配、功能测试等任务。这一机制既保障了项目质量，也让不同层次的学生在真实工程环境中获得实战经验。”

培养“AI指挥官”，而非“代码搬运工”

彭光辉对学院的人才培养目标有一个很清晰的定位：希望学生毕业后不再只是“最新模型的使用者”，而是能够“定义复杂问题、评估系统方案、组织人机协作”的人才。

围绕这一目标，学院通过教学改革重点培养学生的三种能力。首先是跨语言与跨角色的沟通协作能力——既能在人类团队中沟通，又能为AI设定任务语境。其次是问题拆解与转化能力——把模糊的现实需求转化为可计算的子问题。再次是判断与评估能力——对AI结果的正确性、安全性、公平性进行批判性审视。

彭光辉指出，随着AI代码生成工具日益强大，学生真正的短板不再是语法细节，而是对业务场景的深度理解力，以及将其转化为工程逻辑的抽象拆解能力。“判断学生是否具备成熟使用AI工具的能力，主要看能否将模糊需求转化为精确指令，同时，在AI生成结果后能否进行逻辑验证而非盲目复制。”

课堂上，教师引导学生不再纠结语法细节，而是更多讨论业务逻辑闭环。课堂重心从传统的“代码语法导向”转向“逻辑架构导向”，重点训练“意图驱动”的编程思维，培养将模糊规则精准转化为机器可执行指令的能力。

这种转变带来了学生的思维方式质变。以往是线性地写代码处理数据，现在学生开始像“指挥官”一样，设计多个智能体分工协作，把更多精力放在工作流设计上，而不是纠结具体函数。同时，为了更精准地描述需求，学生还会主动补充跨学科知识。这种从“怎么做”向“做什么”和“如何协作”的跃升，正是人才培养要达到的目标。

面向未来，培养具身智能与多智能体协同人才

彭光辉将AI人才培养的演进划分为三个阶段。小模型阶段主要培养算法工程师，应用场景如扫地机器人、人脸识别等；大模型阶段以GPT、DeepSeek等为代表，具备强大的推理与多模态能力；而正在到来的通用人工智能雏形阶段，要求人才培养做出更根本的调整。

“我们不做塔尖的通用模型，而是扎根应用层，培养适配未来生活与工作场景的新质生产力工程师。”彭光辉这样定义学院AI人才的培养——核心聚焦智能体的开发、协同与管理。

未来，随着智能体大规模使用，如何协调它们高效完成任务，将成为新的学术命题和产业刚需。这正是计算机学院成立“多智能体研发中心”的原因。

彭光辉介绍，为跟上人工智能的发展，今年学院新增了“具身智能”专业。“具身智能装上不同的智能体软件就能实现不同功能。学院要培养的，正是能够为大模型时代的硬件平台开发各类智能体、并实现多智能体协同的工程师。”

全球几十亿人，每个人可能需要多个个性化智能体，开发需求巨大。在人才结构上，顶层由少数研究型大学培养通用大模型的塔尖人才，而主体则需要大量应用型院校来承担。

“我们不争塔尖，我们扎根应用。”这是电子科技大学成都学院计算机学院的选择，也是他们在人工智能教育变革中锚定的方向。