人工智能驱动的教育数智化转型,可理解为教育信息化的“版本升级”,亦有人称之为教育信息化的3.0阶段。
作为新一代信息技术的代表,人工智能对社会的影响是革命性的。深层原因在于,生产力是推动社会发展最活跃的动力,而人工智能正直接作用于生产力的三要素—劳动者、劳动资料和劳动对象。
例如,具身机器人可参与实际劳动,大模型成为新型劳动工具,数据等新型生产要素不仅作为劳动资料,也构成新的劳动对象。因此,人工智能能够催生新质生产力,不仅推动社会进步与生产关系的变革,也驱动社会组织的转型。这一转型过程,即当前常被提及的“数智化转型”,可视为数字化转型在人工智能时代的新形态。
教育本身也是一种生产活动。人工智能所形成的新质生产力,对教育发展的赋能是深层且本源性的。由于人工智能属于信息技术的范畴,其驱动的教育数智化转型,可理解为教育信息化的“版本升级”,亦有人称之为教育信息化的3.0阶段。
人工智能推动教育数智化转型的形式
人工智能推动教育数智化转型,最直接的形式是作为一种新型信息技术,直接催生新设施、新工具、新平台与新数据,深度融入高校办学全过程。
例如,在算力平台上部署的大模型,以及基于大模型构建的各类AI助教、AI辅导员、AI校长助理、AI科研助手、智能学伴等,均以自然语言交互的智能体形态,满足教学、管理、科研等多场景需求。尤其以OpenClaw为代表的智能体,更展现出强大的自动化任务执行能力。
这种方式与传统信息化系统存在本质区别:智能体并非仅作为辅助工具,而是能够参与教师或管理人员的部分工作环节,成为其在数字空间的“分身”。若将这一变革置于教育信息化发展脉络中审视,可将其视为一次深刻的“版本升级”。
人工智能推动教育数智化转型的另一种重要方式,是深度融入现有信息化平台与系统,显著提升其智能化与自动化水平。
传统的信息化功能在AI赋能下得以重塑:静态的FAQ升级为支持多轮对话的智能问答体;运维巡检实现7×24小时不间断智能监控,可实时感知设备状态与网络流量,精准识别拥堵、故障及异常波动,以往难以发现的“零日”漏洞在AI审计下也无处遁形;以往依赖大量人力的高校内控工作,因AI的引入而变得清晰、精确。
简言之,人工智能的深度应用,为部分长期存在的信息化痛点提供了新的解决路径。例如,“一网通办”曾受限于跨部门业务协同的复杂性,而AI能够实现流程自动流转、数据同步更新与事件联动处置——若能规划大量智能体间的协同机制,其实现效率将远高于传统的系统开发模式。
又如,数据治理一直是信息化建设的难点,AI凭借强大的异构数据处理能力,可统一不同系统的数据结构和格式,完成校验、清洗、纠错与去冗余,并通过智能适配中间层提供“数据网关”功能,最终实现跨库、跨业务的动态数据互通。
人工智能推动教育数智化转型的第三种方式是推动信息化系统的技术体系结构变革。作为一种新兴信息技术,人工智能赖以运行的体系结构与传统信息化系统存在根本差异。其三大组成部分—AI算力、模型与数据,分别对应于传统业务系统中的通用算力、底层平台和结构化数据,却在技术架构与运行逻辑上显著不同。
例如,大模型所具备的推理能力,与传统应用系统中各类预设规则引擎在机制上截然不同;大模型训练所依赖的数据集、以及RAG智能体所使用的知识库,在形态和处理方式上也与传统业务系统的结构化数据库迥异。
此外,智能体的生成过程不同于传统应用开发:它可通过零代码方式快速构建,也能基于用户提供的API文档或操作逻辑,像某些开放平台(如OpenClaw)所展示的那样,动态更新功能、开发新“技能”,甚至自主编写代码、部署并投入运行。因此,信息化管理部门在推进新系统建设时,必须充分考虑并主动适应这一体系性变革。
人工智能推动教育数智化转型的第四种方式是推动信息化部门的工作模式变革。由于人工智能可承接部分重复性、机械性的基础工作,故信息化工作人员可从繁琐运维中解放出来,将工作重心转向智能体的治理、场景创新,通过AI赋能实现服务的提质增效。
如果将高校比作一所驾驶学校,高校教师如同驾驶教练,学生如同驾驶学员,信息化平台相当于教练车,信息化工作人员便是教练车的维护人员。而人工智能的引入,就好比为教练车赋予了自动驾驶功能。此时,由于教练车本身的结构与功能已发生根本变化,教练、学员以及维护人员的工作模式与工作内容,也应当随之进行相应的调整与转变。
人工智能推动教育数智化转型的目标
对于教育系统不同的部门,数智化转型的具体目标可能不同,但底层逻辑相似。例如,华南理工大学在“十五五”期间将通过人工智能形成新的生产力,实现决策、教学、科研和服务的数智化转型。
首先是推进数智决策转型,以支撑学校综合改革,实现学校发展决策精准分析,提高决策科学化、智能化水平。具体工作包括建立动态管理的指标体系;通过数据驾驶舱多维度了解学校办学状态、资源投入产出情况和指标达成情况;支撑学科布局、资源分配的推演,支持学校对资产资源的科学配置;引入AI问数、AI搜索、AI辅助决策等,提高决策智能化等。
其次是实现数智教学转型,支撑面向教师、学生、智能体三者新关系的教学模式改革,建设新型教学和学习空间;支撑多模态教学资源的建设和个性化,提升学生创新、思辨能力,助力学校实现“为未来而学”的教学目标;建设未来课室、未来学习中心等。沿用前文的驾校比喻,若自动驾驶成为汽车的标配,教练便需要综合人工驾驶、自动驾驶的多种方式修订教授和实训内容及其方式。
三是实现数智科研转型,支撑基于人工智能的科研新范式,包括学科群知识库的构建,学科垂直大模型的微调、训练和部署,科研数据集的采集和共享;组建若干AI for Science和AI for Engineering平台,支撑科研新范式。未来,因OpenClaw等可自动执行任务的智能体能执行科研研究的部分内容,信息化部门应能支撑这类智能体的生长和运行环境,为师生提供养“小龙虾”的安全环境。
四是数智服务转型,通过构建基于数据赋能、流程优化、人工智能的高效率、个性化服务体系,释放教师和学生的发展动能,如构建高质量、多模态、新形态的数据资产;通过数智基座(数据枢纽、物联枢纽、业务枢纽和AI枢纽)能力优化业务流程,提高办公效率,打造培养人工智能思维和能力的生态;提高一张表的覆盖范围和效能,结合智能填表减少教师重复填表工作量;构建一体化、智能化、个性化的门户和构建融合各种业务能力,全校统一智能体和知识库,实现AI填表、AI办事。
人工智能推动教育数智化转型的生态建设
当我们谈论人工智能推动教育数智化转型,实质上是将人工智能视为一种核心驱动力。这种驱动力需要一套有效的“传动系统”,才能将动能传递至全体师生,最终转化为推动学校高质量发展的整体力量。这正涉及教育数智化转型所需的系统性建设,或者说,是赋能生态的构建。
从人工智能的组成看,自下而上包括数据中心、算力平台、大模型、数据、AI能力中心、知识库、智能体等,因此,人工智能要赋能其他领域,本身就需要一个完整的体系或生态环境作为支撑。一般而言,人工智能的建设往往遵循“底座先行”的路径。
以华南理工大学为例,其底层基础设施并非在人工智能热潮兴起后才仓促启动,而是历经多年规划、部署与积累的结果。
例如,“十三五”期间,学校在广州国际校区建成了面积达12,800平方米的数据中心,可容纳800个机柜;“十四五”期间,又完成了“开物”“成务”科学计算平台建设,系统理论峰值达7.3P,其中AI算力为94.2P,存储裸容量达34.45PB,并完成了各主流大模型与AI能力中心的部署。
当然,对于不同高校而言,并非所有设施都需自建。算力、模型、数据集等完全可以通过采购社会或行业云服务来获取。对选择采购而非自建的学校来说,建设重点可优先放在AI能力中心、知识库及智能体等上层应用与能力平台,从而快速形成校本化的数智赋能体系。
而为了方便全校师生使用AI,建设统一的AI中台尤为重要。通过AI中台,可以整合各类算法模型、智能工具与知识资源,构建公共知识库与AI能力中心,形成面向全校共享的智能服务能力底座。
对于二级单位或者开发团队,AI能力中心可通过API网关统一输出调用推理能力的接口;而对于广大的师生,AI能力中心可以通过IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等云服务方式提供各个层面的AI能力,使普通的师生以零代码方式生成知识库和智能体,从而培养师生人工智能的思维模式和应用能力。
这种能力还可通过联盟的方式形成共享,例如华南理工通过广东省教科网向全省73所高校提供的算力、模型和AI能力中心的共享服务。
在此基础上,可进一步沉淀模型管理、训练调优、推理服务与效果评估等核心能力,支持AI能力的持续迭代与优化。通过构建统一的知识库体系,整合校内制度、业务知识与历史数据,提升智能应用的准确性与可解释性,支撑智能客服、智能审批、智能推荐等典型场景落地。
最后,应强调AI应用的统一规划、安全与治理机制,规范数据使用与模型输出,防范算法风险。在整体架构上推动AI能力与数据、业务的深度融合,实现从“信息化支撑”向“智能化赋能”的升级,全面提升数智校园的智能化水平。
总的来说,教育数智化转型是目标,打造人工智能赋能生态是手段,也是过程。生态好了,人工智能才能形成强大的新质生产力,教育数智化转型这种变革型的发展才容易获得内生的动能,这样,信息化的“版本升级”在良性迭代中便顺理成章了。
来源:《中国教育网络》2026年5月刊
作者:陆以勤(华南理工大学副CIO、网络安全和信息化领导小组办公室主任)