陆铭（上海交通大学中国发展研究院执行院长，安泰经济与管理学院讲席教授）近日中共中央办公厅、国务院办公厅印发《关于分类推进高校改革的意见》，对分类推进高校改革作出系统部署。文件提出，强化人才供需适配机制，完善以国家战略需求为牵引的学科专业设置调整机制和人才培养模式。
当前，人工智能正在深刻改变经济运行、社会分工、就业结构和大学教育，标准化、可编码技能加速被替代，理解、共情、判断和选择等综合能力愈发稀缺，大学人才培养已进入亟待改革的关键时期。改革须把重心从“传授标准技能”转向“发展综合能力”，迫切需要重构专业与通识教育，完善大类培养、模块化课程等路径；推动课堂从“讲授知识”转向“研究问题”，在扎根中国实践中生成理论；深入连接社会实践，吸纳一线经验与真实互动；并以教师转变和制度供给形成可执行的中国方案。
人工智能越是能够替代标准化、可编码的技能，记忆、背诵、演算、编程等“机能”就越容易被替代，大学教育就越要重视那些难以标准化的能力（如理解、共情、审美、沟通等“人能”）。未来真正稀缺的，不只是会使用技术的人，而是能够理解社会、发现问题、沟通需求并能用不同知识解决问题的人。大学改革不能停留在增加几门课程，而应重新回答一个根本问题：在人工智能时代，我们究竟要培养什么样的人？
人工智能正在迅速改变经济运行、社会分工和就业结构。过去，大学通常按照相对稳定的职业分工设置专业，再按照专业要求向学生传授知识和技能。AI时代这一模式正在受到挑战。凡是程序明确、流程稳定、结果可以检验的工作，都可能被人工智能部分乃至大幅替代。程序编写、数据处理、资料检索，甚至部分研究工作，都在发生变化。这并不意味着专业知识不再重要，而是意味着仅仅掌握专业知识已经远远不够。人工智能可以替代一项技能，却很难替代一个人对复杂现实的完整理解。能够发现问题、判断需求、协调利益、理解伦理规则，并在不确定情境中作出选择，这些综合能力反而会变得更加重要。
因此，人工智能带给大学的真正挑战，不是要不要多开一门人工智能课程，而是大学的人才培养体系能否从“传授标准技能”转向“发展综合能力”。
现代社会建立在高度分工之上。分工提高了效率，也使人的知识结构越来越专业化。一个学生进入大学以后，很快被划入某个专业，按照规定的培养方案修读课程。但在人工智能时代，分工越细，标准化程度越高的技能，越容易被机器掌握。一个人的技能如果只能对应某项固定任务，他原有的优势也可能迅速消失。
相反，那些看起来“不够标准”的能力，正在变得更加珍贵。比如，怎样把一个模糊的现实需求转化为可以解决的问题；怎样理解客户没有说清楚的要求；怎样在技术、制度与人的感受之间作权衡；怎样与不同专业背景的人合作；怎样判断一项技术可能产生的社会影响。这些能力很难通过一门课、一次考试来衡量，却决定着一个人能否在变化中不断创造新的价值。以程序员为例，人工智能可以越来越高效地生成代码，但还不能自动完成全部工作。目前AI虽然能承担一部分程序员的工作，但尚未完全能够把客户需求拆解成具体任务，仍然需要工程师来判断哪些问题应该交给技术，哪些问题需要通过组织、制度或沟通来解决。技术发展里的伦理、法律等问题更是不可能交给AI去判断。越到高层次，决定一个人发展空间的越不是某项孤立技能，而是文理交融的综合能力。
文科教育同样面临变化，文科所培养的理解、表达、判断和解释能力，本来具有难以标准化的特点。文科教育本应在人工智能时代在大学里大放光彩，为理工科学的综合素质提升提供基础，但如果文科教学只是重复抽象概念，脱离现实问题，不做调查研究，也不关心技术与产业正在发生什么，不仅无法为大学的通识教育做贡献，甚至自己本学科也会因脱离现实而被社会淘汰。
如果大学要培养学生面对变化的能力，就需要重新考虑专业教育的时间、强度和边界。特别是在一些理工科专业中，课程和作业负担过重，学生每天忙于完成规定任务，也缺少形成个人兴趣的空间。通识课上，部分学生忙于专业课的作业，将人文教育和通识教育作为专业教育的调剂和点缀。另外，全体理工科老师的思想也需要转变，人文社科的课程不再是上菜前的“豆腐乳”，而应当是主菜之一。
一种可行的改革方向，是进一步推进大类培养和非专业培养。低年级学生先建立较为宽广的知识基础，在对不同学科有所了解之后，再作专业选择。到了大三、大四，可以形成两条相互并行的发展路径：一部分学生进一步强化专业训练，往科研方向发展，另一部分形成复合型知识结构，面向社会就业。从事专业的学生可以有更多的专业内容学习，非专业的学生更多的涉猎通识教育。但提高通识教育的比例，不能简单理解为增加课时和学分。通识教育的关键在于拓展知识范围、建立基本的问题意识，并让学生学会在不同知识之间建立联系。学校可以按照人文、社会、自然、工程、艺术等不同类型提出基本要求，同时增加短课程、模块化课程和灵活课程，让学生自主拼接学习方案。
知识和原理仍然重要，如果缺少基本理论，学生面对复杂现象时只能停留在经验和感受层面，但原理不能代替对现实的研究。如果教师只讲一个宏大的理论框架，不关心现实发生了什么，不研究具体问题，学生得到的就只是可以复述的概念，而不是理解世界的方法。
通识课程不应只是介绍抽象结论，也不宜把现成教材从头讲到尾。不应机械进行政策讲解，以文件解读文件，而是应该研究基层治理、党的建设、公共服务、企业发展等具体实践，再通过调查走访、案例讨论和课堂辩论，分析制度是怎样运行的。中国的发展包含大量经验、故事和具体问题，这些实践往往是碎片化的，需要学者把它们整理、解释并上升为具有自主性的知识。所谓扎根中国大地，并不是先提出一个无所不包的大框架，再让现实去适应框架；而是从重大问题出发，在中国实践中寻找材料、检验理论、形成概念。在这样的课堂中，教师不只是知识的传递者，也应当是问题的提出者、材料的组织者和讨论的引导者。
一门好的课程，既要让学生知道“是什么”，也要追问“为什么”；既要讲清已经形成的知识，也要让学生看到知识是怎样从问题中产生的。课堂因此不再只是完成教学任务的场所，也可以成为科研问题和接触社会的起点。但是大学里仍然不同程度地存在科研与教学脱节的现象。大学的核心要务是培养人才，教师的研究和晋升受到论文评价的推动，却未必适合进入本科课堂，本科教学成效对人才评价和晋升的影响也不够；有些研究重视发表、重视定量分析，却不关心企业、政府和社会真正面对的问题。改变这种状况，需要把教学与研究重新连接起来，将有现实价值的研究成果带回课堂。
通识教育需要更多来自实践一线的参与。校友、企业家、政府工作人员和专业人士，都可以成为大学课程的重要内容提供者。设立名家讲堂、校友通识课，不只是请成功人士介绍个人经历，更重要的是让他们把所做的前沿事情讲清楚：问题从哪里来，需求如何发现，失败怎样发生，技术如何受到制度和伦理的约束。
在人工智能高度发展的时代，人与人的接触仍然重要，特别是具有高频、跨界和具有随机性的互动，往往能够产生新问题、新合作和新知识。这也是一些高科技企业重新回到城市中心的重要原因。城市中心人与人的互动更加频繁，大城市创造了更多人与人高频、跨界和具有随机性的互动场景，大学生们应该更珍惜机会参与到人与人的互动中。人工智能越发展，我们越需要研究互动本身，理解需求如何形成、规则如何建立、伦理边界如何确定。
课程改革最终要由教师完成，没有教师观念的转变，再完整的培养方案也可能停留在文件上。通识教育尤其需要资深教师参与，不能把通识课看成专业课之外的附属任务，也不能把它完全交给缺乏经验的年轻教师。相反，每一位教师都应当承担一定的通识教育责任，思考自己的专业知识怎样被不同专业的学生理解，怎样回应更广泛的社会问题。
对于文科教师而言，还应承担知识普及和公共表达的职责。学术研究有自己的专业语言，但通识教育要求教师转换话语，把复杂知识讲清楚。能否让非专业学生理解，并不意味着降低学术标准，恰恰反映了教师是否真正理解自己所研究的问题。
学校则需要为开课提供制度支持。新的通识课可以通过集体备课、同行讨论和学生反馈不断完善，课程质量及其社会反响也应进入教师评价。考评教师，不能只看发表了多少论文，还应看他的工作与学生、政府、企业及社会需求发生了怎样的联系。学校层面应该积极开展人工智能时代大学教育的讨论和研究，在充分讨论的基础上形成方案，讨论不能只有意见，学校和院系层面还要形成可执行的办法；改革方案再通过学报笔谈、专题研讨等方式，将经验转化为公共知识。
人工智能时代的大学教育改革，不能照搬其他国家的课程体系。不同国家的社会制度、产业结构和教育传统并不相同，中国大学必须从自身实践出发，回答自己的问题。未来的大学教育，应当既有专业的深度，也有通识的宽度；既讲基本原理，也研究现实问题；既重视技术效率，也讨论规则、伦理与人的需求；既扎根中国实践，也保持开放的世界眼光。人工智能可以提供答案，却不能代替人提出真正重要的问题，这正是人工智能时代大学教育必须承担的责任。在建设世界一流大学的过程中，中国应提出适应人工智能时代的通识教育方案。
