问题——生成式人工智能快速进入高校课堂与科研训练，正在改写传统“教与学”的边界。
一方面，智能工具能够以高效率调取知识、辅助写作与分析，提升学习与教学设计的效率；另一方面，工具使用的边界不清、评价标准滞后、数据与隐私风险上升等问题同步显现。
尤其在课程作业、论文写作、项目实践等环节，“是否可用、怎么用、用到什么程度”若缺乏统一规则，容易引发学术诚信争议，也可能导致教学目标被技术替代、学生能力发展失焦。
原因——这一矛盾的根源在于技术迭代快于制度更新与教学方法重构。
过去一段时间，不少高校更多停留在“开设课程、普及工具”的层面，对教学流程再造、评价体系调整、过程证据留存与风险治理的配套不足。
与此同时，生成式人工智能的训练数据来源、输出可解释性、幻觉与偏差等技术特性，使其在教育场景中天然伴随伦理与安全挑战：既要鼓励创新应用，又要避免对敏感数据的无序调用，既要提升效率，又要确保学生形成独立判断、问题意识与学术规范意识。
影响——在教学层面，智能工具正把课堂从“知识传递”推向“能力建构”，促使教师从讲授者更多转向学习组织者与引导者；在学生层面，工具的普及降低了基础性信息加工成本，但也可能放大“依赖性学习”，削弱对信息真伪、证据链条与逻辑论证的训练；在治理层面，传统以结果为主的评价方式难以准确识别学生真实贡献，教学管理也需要新的过程记录与审计机制。
若不及时建立可执行的规范与可量化的证据体系，创新与风险将同时扩散，最终影响高校人才培养质量与学术生态的稳定。
对策——为回应这一现实挑战，复旦大学在此前面向本研学生推出多门相关课程的基础上，进一步把“人工智能应用”纳入人才培养与教育治理体系，形成“指引+平台”的组合方案。
其一，发布《生成式人工智能教育教学应用指引1.0版》，不局限于某一门课或毕业论文环节，而是聚焦课堂创新、学生学习、评价反馈、教学管理、教师发展、学生科创六大场景，为各环节给出行动建议、伦理提醒与工具参考，强调以实践可操作为导向，推动从“不能做什么”走向“如何规范地做”。
其二，明确过程治理思路，提出“凡进课堂必可控、凡入评价必可溯、凡涉数据必合规”等要求，将风险治理贯穿教学全过程，通过披露机制与过程性证据替代“一刀切”的结果检测，推动教师、学生在规则明确的前提下开展“人机协同”。
与此同时，同步上线的“AI3A教育共创平台”把制度要求转化为可直接使用的教学工具与学习证据。
平台以“掌握AI—驾驭AI—共创AI”的进阶路径组织资源，既服务初学者快速上手，也支持探索者深化迭代。
平台一端提供围绕指引的表单、模板、条款与案例，降低师生从零摸索的成本；另一端开放资源共创共享通道，鼓励将课程实践、跨学科项目与创新成果沉淀为可传播、可复用的公共资源，推动优质经验在校内循环扩散。
平台上线案例显示，跨学科团队在算法软件等项目上通过平台对接科研伙伴，尝试进一步提升模型精度与应用能力，折射出“共创机制”对学生科创与产学研协作的放大效应。
前景——从更大范围看，高校推进生成式人工智能应用正从“工具引入”迈向“体系重构”。
复旦的探索指向一个关键趋势：教育数字化与智能化不能仅依靠个别课程的探索，而需要制度、平台、评价与伦理治理协同发力。
未来，随着更多学科将智能工具纳入课程设计与科研训练，教学评价可能更强调过程证据、方法论与原创贡献，教师发展也将更关注“如何设计可共创的学习任务”。
在此基础上，若能持续完善数据安全与伦理审查机制，建立跨部门协同治理与动态迭代的规则更新机制，将有望形成可复制、可推广的高校智能教育治理经验，为人才培养与创新能力提升提供更稳固的制度支撑。
教育的本质是人的发展。
在AI时代，高等教育面临的核心课题不是如何排斥AI，而是如何在充分利用AI能力的同时，保护和发展人的独特价值。
复旦大学的这一探索表明，AI和人、工具和创意、效率和思维的结合不是对立的，而是可以实现有机统一的。
通过系统的指引和平台的支撑，高校可以引导师生在规范和伦理的框架内，充分发挥AI的赋能作用，同时坚守教育的本真——培养具有批判精神、创新能力和人文情怀的新时代人才。
随着更多高校的跟进和实践的深化，AI与教育的融合必将开辟高等教育的新境界。