问题——人工智能技术快速演进，正深刻改变学术生产与知识服务方式。但在实际使用中，师生普遍存在从“会用工具”到“用得规范、用得可靠”的差距：一上，云端大模型接入便捷、上手快，但数据安全、成本和可控性等问题引发关注；另一方面，本地部署与知识库构建能提升自主掌控，却对算力投入、工程能力和治理规范提出更高要求。如何在效率与合规、便利与自主之间取得平衡，成为高校科研与教学面临的现实课题。 原因——从技术层面看，大模型应用正从“尝鲜”走向“嵌入流程”，文献阅读、知识抽取、研究综述、报告撰写等环节都在被重塑；从治理层面看，学术诚信、数据合规、成果可追溯等要求趋严，亟需系统化的素养教育与可落地的方法；从资源层面看——高校间能力差异客观存在——单个机构难以在短期内覆盖技术、应用与规范的全链条教学，跨校协作、共享师资与课程资源成为提升供给效率的可行路径。 影响——“AI+素养・同城共学”系列课堂以课程化方式推动师生从“掌握技巧”走向“形成方法”。按课程安排，3月24日的第三讲将围绕大语言模型的两条应用路径展开：从API调用入手，展示文献智能提取等实践，并延伸至本地部署、RAG知识库构建与参数调优等关键环节，对比云端与本地在成本、隐私与性能上的差异，帮助学习者理解“快速接入”与“深度掌控”的取舍。3月26日的第四讲将聚焦科研通用智能体在科研流程中的应用，涵盖热点捕捉、专题研报、文献检索与全景综述等内容，探讨以自然语言交互提升信息获取与写作效率的实现方式。两场课程均以线上直播形式向师生开放，以更低门槛扩大覆盖面。 对策——业内人士认为，高校推进人工智能赋能科研与教学，既要“用得起来”，也要“用得稳、用得准”。一是加强分层分类培训：面向入门群体突出工具理解与规范使用，面向科研骨干强化数据治理、模型评估与可复现流程；二是明确使用边界与学术规范：细化数据上传、引用标注、生成内容核验等要求，建立可追溯记录与质量控制机制；三是推动校际资源共享与协同创新：依托图书情报系统与高校联合授课，贯通信息素养、数据素养与智能素养，形成可复制的课程体系与案例库；四是鼓励从真实科研问题出发开展“场景化教学”，将模型调用、本地部署、知识库建设与写作辅助嵌入具体任务，提升迁移与问题解决能力。 前景——随着大模型能力持续迭代，学术生态将继续走向“人机协作”：基础信息处理与初稿整理将更多由工具完成，而研究问题凝练、方法选择、证据链构建与学术判断的重要性将更加突出。此次沪上高校联动推出系列课堂，有望在同城范围内形成覆盖更广、更新更快的素养教育供给，推动从“零散工具培训”向“体系化能力建设”升级，并为高校在创新与治理之间实现动态平衡提供可借鉴的实践样本。
在技术快速变化的背景下，教育机构主动引导师生适应新的技术环境，有助于提升科研与教学质量。这种面向真实需求的培养方式，不仅能增强个体的综合能力，也将为社会发展输送更多具备创新能力的复合型人才。随着技术持续演进，类似的教育实践有望在更大范围内推广，为人才培养带来新的动能。