合肥工大姜元春：推进AI赋能高校科技成果转化-中国教育和科研计算机网CERNET

信息服务

合肥工大姜元春：推进AI赋能高校科技成果转化

2026-07-03 中国教育网络

　　基于“人工智能就绪（AI Ready）”理念进行能力构建

　　人工智能对高等教育的变革不是单点突破，而是系统性变革。因此，“人工智能+教育”绝非简单的技术叠加。当前，高校信息化工作拥抱AI，最紧迫的任务既非单一的“建平台”，也非孤立的“促应用”或“转观念”，而是基于“人工智能就绪（AI Ready）”理念，进行全方位的系统性能力构建与推进。

　　对此，合肥工业大学的核心思路是：以与AI时代和学校发展目标相适配的愿景使命为牵引，从战略、数据、技术、人才、文化、治理到应用各层面协同发力，使学校整体具备随时接纳、有效驾驭AI的内生能力与组织韧性。

　　基于这一认识，我校围绕建设“特色鲜明的世界一流大学”目标，系统规划信息化工作，提出了信息化建设的GD？SMART理念。

　　在实践中，我们着力打造数据中台与AI中台的“双中台”体系，筑牢智能基座；建设教师数据专员和学生数据助理两支队伍，形成师生共治的数据工作体系；成立“智汇星”先锋队，发起人工智能创新应用大赛，激发师生基于真实场景的共创活力，并以校级制度体系加强治理保障。

　　我们坚信，唯有将“人工智能+教育”作为一项系统工程整体推进，AI应用创新才不会偏离育人主航道。

　　以素养、数据与场景破局

　　在推进AI赋能教学科研的实践中，我们遇到的阻力主要来自三个方面，并形成了相应的应对思路。

　　一是师生素养。AI的有效应用以师生具备一定的认知和技能为基础。若师生不了解AI的能力边界，或缺乏基本的数智思维，潜在场景将难以发现，技术工具也难以落地。

　　我们的应对是出台“数字化赋能教师发展行动方案”，坚持“点面结合、全程赋能、部门协同、实践导向”原则，立足工科特色，系统性提升师生数智素养。

　　二是数据质量。高质量数据是高质量AI应用的前提。当前，高校数据标准不统一、历史数据治理等深层问题依然存在，跨校的高等教育数据空间建设更是未来的关键挑战。

　　对此，我们将数据工作思路从“汇聚”转向“质量提升”，结合质量监测、数字人事等具体业务场景，构建“数据赋能业务、应用反馈驱动数据质量提升”的闭环，并积极思考探索高等教育数据空间的建设路径。

　　三是场景发现。AI的价值必须在高价值场景中体现，否则易沦为“面子工程”。但高校业务多元且专业，为AI落地带来挑战。

　　对此，我们通过举办“AI工创纪”等系列活动，围绕财务、招采、纪检等业务打造智能体矩阵，并鼓励师生共创研发学科大模型、专业引擎，充分调动师生主动挖掘、定义场景的积极性。

　　发挥工科特色，推进AI赋能高校科技成果转化

　　展望未来2～3年，结合合肥工业大学的工科特色，我认为最应优先投入探索的方向之一是AI赋能科技成果转化。

　　从国家需求看，提升高校科技成果转化效能是当务之急。从当前短板看，高校对成果转化的数智化支持较为薄弱。成果转化要求懂科技、懂产业、懂资本、懂市场、懂管理，这对高校教师是不切实际的苛求，而AI恰能提供关键辅助。

　　大模型的语义理解、智能匹配、数字孪生等技术，可以有效应用于自动生成科研能力画像、精准匹配企业技术需求、模拟转化路径等环节。

　　以合肥工业大学为例，我们通过建设科研画像系统，摸清科技成果与团队的“家底”，并正探索AI驱动的成果转化辅助平台，旨在帮助教师从“不敢转、不会转”转向“精准转、高效转”。这既是工科院校回应国家期待的创新路径，也是“人工智能+”行动在教育、科技、人才一体化发展中最具价值的实践场景之一。

　　来源：《中国教育网络》2026年5月刊

　　作者：姜元春（合肥工业大学信息化建设与管理办公室主任）

　　特别声明：本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者在两周内速来电或来函联系。