科研范式加速演进、产业智能化持续深入的背景下，高校科研与教学对高质量算力的需求，正从“可选项”变为“基础设施”；对应用研究型高校而言，如何让算力、算法与学科优势更好耦合，让科研成果更顺畅地走向产业应用，同时使人才培养与真实需求同向发力，成为产教融合面临的现实课题。上海理工大学与九章云极此次签约，正是围绕这个关键问题，探索更制度化、常态化的协同路径。 从问题层面看，一上，先进模型训练与科学计算对算力规模、稳定性和调度效率提出更高要求，传统实验室设备往往难以支撑多学科、多团队并行的计算需求；另一方面，课程教学与工程实践之间仍存在“场景不足、项目不真、迭代不快”等短板，学生在校期间接触产业级数据、工程流程和算力平台的机会有限，影响复合型人才培养质量。尤其在太赫兹技术、嵌入式智能、智能光电感知等方向，研发周期长、实验与计算并重，对算力与工程化能力的依赖更为突出。 造成上述问题的原因，既有技术迭代带来的客观压力，也受资源配置与协同机制制约。其一，科研正在从单点计算走向“数据—模型—算力—工具链”的一体化协作，算力不仅是硬件供给，还涉及训练流程优化、任务编排、资源调度与成本控制；其二，高校与企业在目标与节奏上存在差异，高校侧重基础研究与人才培养，企业强调工程落地与效率回报，需要用可持续的合作机制把双方优势转化为共同成果；其三，区域产业集聚对“人才—技术—场景”的快速循环提出更高要求，单一主体难以独立完成从科研探索到应用验证的闭环。 此次合作的影响，预计将体现在科研创新与人才培养两条主线上并行推进。科研层面，双方拟共建云端实验室，围绕AI for Science等方向开展关键技术攻关，有望在科学计算、智能感知、跨学科建模等领域形成更高效的研究支撑，使科研团队以更稳定、更便捷的方式获取算力资源，并提升训练与实验的组织效率。教学与育人层面，通过共建实践基地、开放真实产业项目场景，提供实习实践与课程研究机会，并组织算法竞赛等，可推动课程内容与产业前沿同步更新，让学生在项目制环境中理解工程流程、数据治理与模型训练方法，提升从“会用工具”到“能解决问题”的能力。企业设立专项教育基金，将为课程建设、竞赛组织与实践活动提供支持，有利于形成持续投入与滚动优化的机制。 在对策层面，合作协议提出的“平台共建+项目牵引+人才共育”路径，具备较强可操作性。关键在于将算力供给从单纯资源租用，升级为面向高校科研教学服务体系：既覆盖基础算力与工具链支持，也包括训练流程优化、资源调度策略与实践经验沉淀，推动“能训练、训得好、训得稳”。同时，通过常态化互动机制，将真实产业需求拆解为可教学、可研究、可验证的任务包，形成“课程—项目—竞赛—实习—课题”贯通的培养链路，避免合作停留在一次性签约或阶段性活动上。 展望前景，随着新质生产力培育与科技创新体系建设持续推进，校企协同将更强调“共同定义问题、共同组织资源、共同验收成果”的深度合作。以应用研究型高校的学科优势为支点，以企业智算平台与工程化能力为支撑，将算力基础设施、科研攻关与产业场景对接成闭环，有望提升科研成果转化效率，并为区域产业生态提供更稳定的人才与技术供给。若双方在项目选择、知识产权管理、人才评价与成果转化机制上深入细化配套，合作的示范效应将更为突出。
当前，产教融合已成为推动高等教育改革和产业升级的重要路径。上海理工大学与九章云极的合作，说明了高校与企业在新形势下的务实联动。将先进算力资源引入高校科研与教学，既有助于加速科学发现和技术创新，也有助于培养更贴近产业需求的人才。随着此类合作模式深入推广，有望推动形成更紧密的产学研用协同生态，为我国科技创新与经济高质量发展提供支撑。