问题——新技术快速迭代正重塑人才需求结构。近年来，从面向公众展示的智能机器人，到不断涌现的开源硬件和应用实践，人工智能涉及的技术更频繁地进入生产生活。随之而来的是，传统以标准答案为导向的选拔与训练方式，难以充分应对开放环境中的复杂问题。刘铁岩在论坛发言中提出担忧：如果人才培养节奏跟不上技术演进，未来产业升级和社会发展所需的高水平人才供给可能出现结构性缺口。 原因——能力画像发生变化，单一学科与“刷题式”路径的边际效应下降。与会观点认为，人工智能时代的领军型人才往往具备一些共同特点：以解决真实问题为牵引，拥有工程化与产业化经验，能够组织跨学科团队，把算法、系统、数据、场景与产品化流程打通。相较于以“更快更准找到标准答案”为核心的训练方式，开放性难题更看重提出问题的质量、方案的可行性以及落地执行力。这个变化推动教育供给从“知识传授”转向“能力生成”。 影响——教育、科技与人才相互嵌套，构成创新生态的重要闭环。刘铁岩用“飞轮效应”解释这一逻辑：教育为科技创新提供人才储备与知识基础；科技进步又反过来推动课程内容、教学工具和研究范式更新；人才则是连接教育与科技协同演进的关键载体。当项目、平台与机制形成可持续循环，就有机会从“点状突破”走向“系统性提升”，并在更大范围内转化为新质生产力。 对策——把课堂延伸到实验室与产业一线，在真实项目中培养“定义问题”的能力。多位与会人士认为，人工智能时代的教育不应止于校内课程，而要将真实科研任务、产业场景需求与人才培养更紧密地绑定。一上，需要完善面向交叉学科的课程体系与训练路径，引导学生规范使用智能工具，提升数据意识、系统思维与工程能力；另一方面，可通过联合课题、产业实训、开源协作等方式，让学生在不确定约束条件下完成从需求洞察、方案设计到迭代验证的全流程训练。刘铁岩介绍，中关村学院正在探索以科研项目为牵引的培养方式，并搭建产学研与成果转化衔接的平台，缩短从研究到应用的距离，提升创新效率和社会价值转化能力。 前景——“原生一代”加速成长，人才效能释放有望成倍放大。刘铁岩观察到，在一些科研项目实践中，年轻学生更敢于质疑，也更善于借助新工具自学与协作，部分中学生在项目中的表现不逊于大学生。这反映出技术普及正在改变学习方式：获取知识的门槛在降低，但提出好问题、组织资源并推动方案落地的门槛反而更高。面向未来，与会观点认为，应在制度设计上更推进科教融合、产教融合：以重大任务牵引人才培养，引入企业与科研机构共同参与提升训练质量，以多元评价体系鼓励原创性与实践性成果，进而形成更具韧性的创新人才供给链。
人工智能带来的不仅是技术跃迁，也在重塑人才培养逻辑。把教育放到创新链与产业链中审视，把课堂延伸到项目与工程现场，推动教育、科技、人才同向发力，才能在不确定性中培养确定的能力，在开放世界中塑造面向未来的竞争优势，为高质量发展提供持续稳定的人才支撑。