问题—— 当前，高校在推进教育数字化与科研范式变革过程中，普遍面临三重挑战：一是前沿科研对算力、算法与数据的需求急剧增长，传统分散式算力供给难以满足跨学科、持续性与高强度的科研计算；二是课堂教学与实验实践对智能化工具的依赖提升，但缺乏统一、安全、可复用的基础能力平台，容易造成“工具碎片化”；三是校园治理业务链条长、流程多、数据分散，管理服务效率与师生体验仍有提升空间。
如何以统一底座实现“算力供给—模型能力—场景应用”的贯通，成为高校迈向智能化转型的关键命题。
原因—— 从宏观背景看，科研活动正加速向数据驱动、模型驱动演进，生命科学、材料科学、工程计算等领域对高性能计算与智能计算的依赖显著增强，“以智能方法推动科学发现”的科研新范式正在形成。
与此同时，国产软硬件生态持续完善，为高校建设自主可控的算力基础设施提供了现实条件。
上海交大此次启用“致远一号”，既是面向国家科技自立自强的大背景下加强基础能力建设的选择，也是学校推进“边建边用”、以应用牵引平台迭代的现实路径：自2024年12月启动建设，到2025年多阶段上线与机房通电，再到平台全面落成，体现了以需求快速验证、以场景反哺优化的建设思路。
校方依托相关科教创新平台，将应用学科与计算机学科联动推进，意在通过组织与机制协同，把算力、模型、人才与场景更紧密地连接起来。
影响—— “致远一号”平台的启用，首先带来的是能力供给方式的变化：由“各自为战”的资源配置，转向“统一调度、开放共享”的算力服务。
作为校内关键算力基座，平台本地部署包含DeepSeek在内的8款主流大模型，有助于在数据安全、服务稳定与应用可控方面形成可持续保障。
在教学方面，平台深度服务“人工智能+教育教学”行动计划，围绕课程体系与教学流程提供可嵌入式能力支持。
据介绍，平台为229门课程定制AI助教，推动32门HI+AI课程改革，意味着智能工具正在从“辅助尝鲜”走向“系统融入”，有望提升课堂互动、作业反馈与个性化学习支持的效率与质量。
在科研方面，平台面向AI4S（人工智能赋能科学研究）推进10余个研究方向，覆盖理工、生医、文科等领域。
对科研团队而言，统一平台可降低大模型与算力使用门槛，缩短从算法验证到工程落地的周期，并促进跨学科团队共享工具链、数据与实验经验，从而提升“从0到1”原创突破的概率与速度。
在管理方面，平台已形成AI审批、AI一键报销等应用，指向的是高校治理从“流程驱动”向“服务驱动”的转变。
通过标准化数据接口与智能化辅助决策，行政服务可望减少重复填报与人工核验成本，提升办事效率与透明度，并为后续更复杂的治理场景积累数据基础与应用经验。
对策—— 建设智算平台只是起点，关键在于把算力优势转化为持续产出与制度能力。
下一步可从三方面发力：其一，完善“开放共享”机制，在满足安全合规前提下，推动校内外科研团队、重点实验室与企业合作项目形成可持续的算力供给与成本分担模式，提升资源利用率；其二，强化“场景牵引”的迭代路径，在教学、科研、管理三类高频场景中建立需求闭环与效果评估体系，形成可复制、可推广的应用模板，避免平台沦为“设备堆叠”；其三，加强人才与治理配套，围绕AI+X交叉人才培养优化课程体系、实践项目与科研训练，同时建立模型应用规范、数据治理规则与安全管理流程，确保平台长期稳定运行并可扩展升级。
前景—— 从趋势看，高校智算平台将从“提供算力”走向“提供科学发现与教育治理的综合能力”。
随着国产软硬件生态进一步成熟、模型能力持续迭代，平台的价值将更多体现在对科研流程的重塑：例如在材料设计、药物筛选、工程仿真等领域形成“计算—实验—验证”更紧密的闭环；在教学领域形成更精细的学习支持与教学评价；在治理领域推进数据贯通与智能服务升级。
对上海交大而言，“致远一号”若能持续保持开放共享与交叉融合的制度优势，并在关键学科方向上形成标志性成果，有望进一步提升学校在前沿科学研究与人才培养中的竞争力与影响力。
"致远一号"智算平台的建成启用，不仅是上海交通大学自身发展的重要里程碑，更是国内高校在人工智能时代主动作为、自主创新的生动体现。
通过构建自主可控的算力基础设施，学校为教学创新、科研突破和管理升级注入了新的动力。
面向未来，高校应继续加强基础设施建设，深化学科交叉融合，培养适应智能时代需要的创新人才，在推进"AI for Science"新范式中发挥更大作用，为国家科技进步和经济社会发展做出更大贡献。