（问题）当前，高校人工智能与交叉学科研究中对算力的需求快速增长，尤其在太赫兹技术、嵌入式智能、智能光电感知等方向，研究常常需要大规模数据处理与模型训练。算力不足或获取成本偏高，容易拉长科研周期、降低实验迭代效率，也会影响教学中对真实训练流程和工程化工具链的覆盖深度。如何在安全合规的前提下，让科研人员和学生更便捷地获得稳定、可持续的算力支持，已成为不少应用研究型高校提升科研组织能力与人才培养质量的现实课题。 （原因）一上——人工智能技术更新快——模型规模与实验复杂度持续上升，传统自建机房设备更新、运维保障和峰值资源利用率等压力加大；另一上，学科交叉加速推进，“AI+光电”“AI+仪器”“AI+生物医学”等研究对算力、算法与工程平台提出一体化要求，单靠学院或课题组分散投入，难以形成规模效应与统一规范。同时，产业端对复合型工程人才需求旺盛，人才培养需要从“课程学习”更多转向“项目牵引”的实践体系，这也要求高校与企业平台、项目与导师资源上更紧密协同。 （影响）鉴于此，上海理工大学与九章云极开展校企合作，拟以智算资源与全栈能力对接学校优势学科与科研教学场景，推动产教融合从“对接合作”继续走向“共同建设”。上海理工大学作为上海市属重点应用研究型大学，长期服务行业发展，在光学工程、能源动力、仪器仪表、机械工程等领域积累较深；其光电信息与计算机工程学院在有关方向承担多项国家级重大课题并获得省部级以上奖励，对高质量算力资源与工程化训练支持需求突出。对企业而言，高校既是基础研究的重要阵地，也是人才供给的关键来源；面向科研与教学的算力服务模式，也具备在更广泛场景复制推广的可能。双方合作有望形成“科研需求牵引—平台能力供给—成果转化与人才输出”的闭环，提升区域创新体系的协同效率。 （对策）根据协议，双方将围绕多项目标推进合作：一是共建云端实验室，面向AI for Science等方向开展关键技术攻关，增强科研任务的计算支撑能力与训练效率；二是共建实践基地，开放真实产业项目场景，为学生提供实习实践、课程研究与项目训练机会，推动学习内容与产业需求对接；三是通过平台共建、组织算法竞赛等方式，促进学生在数据处理、模型训练、工程部署与应用验证等环节的综合能力提升。企业上将输出训练流程优化、资源调度与实践经验，帮助使用者更高效地开展训练，并探索更适合高校科研与教学的算力服务路径。值得关注的是，企业还向学院捐赠资金设立专项教育基金，用于算力技术课程建设、创新竞赛与实习实践活动，提升合作的可持续性与覆盖面。 （前景）从趋势看，随着科研范式加速向数据与计算驱动演进，算力将逐步从“稀缺资源”走向“基础设施”，并与学科平台和科研组织方式更深度耦合。此次合作若能资源供给机制、教学科研协同流程、成果评估以及安全合规管理等上形成可复制经验，有望为更多地方高校推进产教融合提供参考。下一步，双方可围绕关键场景形成示范应用：例如面向光电感知、工业检测、智能仪器等领域打造可落地的模型与系统方案；在人才培养上，以项目制、竞赛制与联合指导为牵引，推动学生从“掌握方法”走向“解决问题”；在科研组织上，通过共享平台与规范化工具链提升跨团队协作效率，加快成果从实验室走向产业应用。
在创新驱动发展持续推进的背景下，高校与科技企业的协同正从“可选项”变为“必选项”。上海理工大学此次合作带来的启示是：突破关键技术瓶颈，既需要打通学科边界，也离不开产学研各方在平台、项目与机制上的深度协作。当高校的科研创新与产业一线的工程经验形成合力，往往能更快推动技术落地与人才成长。这样的融合探索，也为高等教育与产业协同育人提供了新的实践样本。