问题——随着人工智能技术快速迭代，尤其是大模型教学、科研、管理和产业场景中的加速落地，高校人才培养遇到新课题：一上，学生需要具备基本的人工智能素养和工具使用能力；另一方面，如何避免“只会用工具、不懂原理与边界”，以及不同层次高校在师资、平台和经费上的差异，成为“人工智能+教育”继续推进的现实难点。 原因——产业侧需求变化是最直接的驱动。当前从先进制造到现代农业、从电子信息到政务服务，不少岗位已将数据思维、模型应用和人机协作纳入基础能力要求。此外，高校内部推进也面临结构性问题：其一，四川高校类型多样，研究型大学、应用型本科、高职高专在科研积累、课程体系和实验平台上的基础不同，导致人工智能课程建设水平不一；其二，跨学科融合不足，对应的课程往往集中在少数工科专业，非工科学生“想学学不到、学到不系统”；其三，师资和课程资源供给偏紧，课程更新难跟上技术迭代，容易出现教材与案例滞后的情况。 影响——通识层面不足，会让学生入职后的“数字化适应期”变长，企业再培训成本上升，人才供给与产业升级之间摩擦加大；如果只在少数高校或少数专业推进，校际差距可能进一步拉大，影响区域创新生态的均衡。反过来，若以系统课程和配套机制推动人工智能素养普及，将提升毕业生跨行业的可迁移能力，提高科研成果与产业需求对接效率，也能为地方特色产业提供更稳定的人才供给。 对策——在四川省政协十三届四次会议“委员通道”集体采访活动中，长期从事高校教学与人工智能研究的省政协委员、成都信息工程大学原党委书记周激流提出，应在全省层面协调人工智能通识教育，重点从教学体系和保障机制两端同步发力。 在教学体系上，可探索“1+N”课程结构：“1”面向全省高校所有专业学生开设大模型应用必修课程，突出基础概念、方法框架与应用能力，帮助学生建立必要的人工智能思维和工具素养；“N”围绕四川具备优势的产业方向设置若干选修课程，把产业场景、地方案例和真实问题引入课堂，增强课程与就业以及产业升级的关联度。通过“通识打底+专业拓展”，既避免人工智能教育被收窄为少数专业的“专门技能”，也减少课程与产业需求脱节，提高学习成果的可用性和转化率。 在保障机制上，建议建立“政府投入+组织协调+多元参与”的支撑体系：由主管部门形成联合推进机制，在课程标准、师资培训、资源共享平台建设等统一规划；经费以政府投入为主，同时引入高校、行业企业和社会力量共建，通过共建课程资源库、共享算力与实验平台、联合开发案例等方式，减少重复投入，提高资源配置效率。对基础薄弱高校，可通过省级统筹的在线精品课程、远程教学与实践平台支持，缩小起步差距，尽量避免“有课无师”“有师无平台”等问题叠加。 前景——业内普遍认为，未来一段时期，“人工智能+教育”将从侧重工具使用转向体系重构：课程内容会更强调数据治理、模型边界、伦理规范与安全意识；教学方式将更多采用“项目制+场景化+跨学科协作”；人才培养评价也将从“知识点掌握”延伸到“解决真实问题的能力”。在此趋势下，四川若以通识必修课程构建覆盖不同层次高校的统一底座，并以产业选修课程强化本地场景优势，有望在人才培养、科技创新与产业升级之间形成更紧密的循环，为新质生产力发展提供更有力的人才支撑。
人工智能教育的推进不应由某所高校或某个部门单独承担，而需要学校、政府、企业和社会多方参与、联合推进；四川既是教育大省，也是产业大省，具备推动改革的基础条件。通过建立更清晰的教学体系和可持续的保障机制，让人工智能知识与思维方式成为大学生的基本素养，既能提升人才培养质量，也能更好支撑四川经济社会发展。对应的建议若落地，将深入促进高等教育与新兴产业衔接，为区域创新发展增添动力。