一所大学一口气开出一百多门课，累计有超过1.3万人次学生修读，外加41个“X+AI”双学士项目，甚至试点国内头一个“学科博士+AI硕士”双学位项目，可校长偏偏说：大学最不可替代的价值，不是教学生使用AI。
这句话为什么扎人？
因为现在的现实太像一场集体冲刺。
学校忙着上AI课，学生忙着学提示词，家长忙着问“这个专业以后会不会被替代”。
所有人都怕掉队，结果最容易掉进一个坑：把会操作软件，当成真正掌握未来。
复旦大学校长金力在教育部那场发布会上，讲了个很朴素的道理。
AI变得太快了。一个模型可能几个月就大变样。
如果大学还在按“成品”的思路培养人，学生毕业那天，手里那套固定流程，可能已经过时了。
这话一点不虚。
你想想，前几年还在学某个软件怎么点、某个平台怎么跑、某种标准模板怎么套的人，现在是不是已经发现，很多东西不是升级了，是直接换赛道了。
今天刚学会的“绝招”，明天可能就成了“老年机功能”。
所以复旦没把重点放在“怎么教学生追着AI跑”。
他们琢磨的是另一件事：别培养“成品”，要培养“干细胞”。
这比喻挺狠，也挺准。
成品是什么？
就是规格明确，出厂即用，能干一类固定工作。
听起来很稳，可问题也大。一旦环境变了，成品往往最先卡壳。
“干细胞”就不一样。
它不是一上来就被焊死在某个岗位上，而是有多向分化的潜力。
说白了，学校真正该给学生的，不是一套马上过期的按钮说明书，而是一种能持续进化的底子。
这套思路，复旦不是喊口号。
他们已经搭了三层体系，工具层、范式层、使命层，一层比一层更深。
很多学校碰AI，做法像在老房子门口挂个新招牌。
复旦更像是从地基开始重做。
先看最接地气的一层，工具层。
这一层目标很直接：别让AI只是个摆设，要把它真正塞进每个学科里，让学生拿它解决专业里的真问题。
不是拍几张宣传照，不是把“人工智能”四个字写进课程名称里就完事。
而是要让AI从配菜，变成主菜。
最典型的例子，就是那门“AI考古”课。
这门课是复旦的计算与智能创新学院和文物与博物馆系一起开的。
听着是不是挺反差？
考古和AI，很多人第一反应大概是：这俩能搭上吗？
但现在它们不但搭上了，还搭得挺紧。
学生不只是坐在教室里听概念，不是“老师讲算法，我记两页笔记”那种传统路数。
他们会参与文物修复，搭建考古数据库。
也就是说，AI不是在旁边打辅助，不是课程里的“科技感滤镜”，它直接进了核心流程。
这就有意思了。
以前不少人一提AI教育，脑子里自动浮现的还是计算机、软件、自动化这些专业。
可复旦在做的事，是把这种边界硬生生拆掉。
历史、考古、中文、物理，都能和AI重新组合。
当AI开始进入文物修复和考古数据库，真正被冲击的不是某一门课，而是整个“学科分家过日子”的老习惯。
为了把这事铺开，复旦做了本研贯通的课程体系。
从通识基础，到专业核心，再到学科进阶和垂直领域应用，一级一级往里走。
前前后后一百多门课，累计超过1.3万人次修读。
这个数字摆在那儿，已经不是试水，是成规模推进了。
更猛的是41个“X+AI”双学士学位项目。
你学物理，可以叠加AI。
你学中文，也能叠加AI。
这不是让所有人都改行做程序员，而是让传统学科长出新的“第二大脑”。
很多人对大学教育的想象，还停留在“你是什么专业，就走哪条单行道”。
可现实早变了。
今天最有竞争力的，往往不是纯粹只懂一个领域的人，而是能把两个世界接起来的人。
复旦甚至还试点了国内头一个“学科博士+AI硕士”的双学位项目。
这一步，比双学士更狠。
因为它释放了一个很清楚的信号：AI不是本科阶段的点缀，不是给年轻人尝鲜的技能包，而是要一路嵌进高层次人才培养里。
但光会用工具，够吗？
显然不够。
会用AI，就像会开一辆越来越先进的车。
可你要去哪儿，走哪条路，怎么判断前方是不是断桥，这些不能靠方向盘替你思考。
所以复旦又做了第二层，范式层。
这个词听起来有点“硬”，换成大白话就是：不只是教你拿AI干活，而是连思考问题、做研究、找答案的方法，都跟着改。
他们和上海科学智能研究院一起建了“星河启智科学智能开放平台”。
这不是普通意义上的课程网站，而是一个直接给学生上手科研用的工具平台。
里面汇聚了12个不同领域的400多个科学大模型和工具链。
从怎么看文献，到怎么冒出新点子；从怎么设计实验，到怎么验证数据，整条链路都能支撑。
这对学生意味着什么？
意味着课堂和真实科研之间那堵墙，开始被拆了。
以前很多学生学科研，像在游泳池边学动作。
老师讲手怎么摆、腿怎么蹬，讲得头头是道，可你没下水，终究不知道呛不呛。
现在不一样了。
刚学完一个概念，转头就能上平台试。
理论不是锁在PPT里，而是可以立刻拉到真实场景里碰碰看。
科研门槛看起来在下降，但真正被抬高的，是学生接近前沿的速度。
这事特别重要。
因为过去大学里最常见的遗憾之一，就是学和用分家。
课上学得很满，真正轮到做题、做项目、做研究，才发现像拿着纸地图闯陌生城市，知道名词，不会走路。
而这类平台的价值，就在于把“知道”变成“能试”，再把“能试”变成“能做”。
当然，AI越强，越不能放养。
工具给得越猛，规矩越要立。
复旦发布了国内高校里头一份《生成式人工智能教育教学应用指引》。
说白了，就是提前把边界划出来：哪些能用，怎么用，哪些地方不能糊弄。
这是很关键的一步。
现在最怕的不是学生不会用AI。
最怕的是一部分人把AI当外包脑子，写作靠它，作业靠它，思考也靠它，最后自己反而越来越空。
如果大学只负责发工具，不负责建立规范，那培养出来的就不是会进化的人，而是会依赖的人。
复旦还设了“AI+师生共创专项”。
光是2025年，就立了大概150个相关课题。
这背后的意思很明白：AI进入校园，不是学生单方面学，老师也得一起试、一起改、一起被倒逼着更新。
这其实比很多人想得更难。
因为教育系统最怕惯性。
一套课讲顺了，一门教材讲熟了，一个评价办法用习惯了，谁都容易待在舒适区。
但AI来的速度，不给舒适区留太多空间。
你不主动改，就会被现实推着改。
然后到了第三层，使命层。
这一层就不是“学生会不会用AI”这么简单了。
它对准的是国家战略需求。
说得再白一点，就是让最优秀的一批学生，不是在校园的小圈子里自我感动，而是直接走到更大的平台上，去接真正硬核的任务。
复旦参与了像上海创智学院这样的重要机构建设。
一批特别优秀的学生被选拔进去，进入“阵地式”的培养体系。
这里有高性能算力支撑，有海量科研语料，学生通过科研轮转，在大模型、具身智能、科学智能这些前沿方向快速探路。
这个画面，其实很值得咂摸。
很多学生在大学里最缺的，不是聪明，也不是努力。
缺的是“被放到真正的大场面里”的机会。
平时做作业、做课程项目，像在模拟仓里练操作。
可一旦进国家级平台，面对的是实际问题、真实资源、真正的协同，人的成长速度会完全不一样。
复旦把自己一批优秀师资也作为全时导师派进去。
老师带着学生，直接把科研最前沿的战场，变成人才培养的课堂。
学生在外面摸爬滚打，成功也好，失败也好，再把经验带回学校，反过来推动学校自己的培养方式改革。
这就形成了一个很聪明的循环。
学校不是把学生关在校内反复打磨，也不是一送出去就不管了。
而是让更大平台成为练兵场，再让这些一线经验回流校园，继续改造课程、改造教学、改造人才标准。
说到底，复旦想做的，不是把学生训练成“会用最新模型的人”，而是把他们推到能够提出新问题、打破边界、承担任务的位置上。
这才是金力那句话最耐人寻味的地方。
很多人以为，人工智能时代，大学最怕的是“跟不上技术”。
其实大学更怕的是另一件事：误把追技术，当成教育本身。
今天教学生这个模型，明天教那个工具，看起来很热闹，实际上很可能是在追逐一次次短期更新。
学生学了一堆招式，没长出筋骨。
风口一变，招式全乱。
而复旦这套打法，核心其实很朴素。
工具层，是让你别掉队。
范式层，是让你学会换脑子。
使命层，是让你别只盯着个人饭碗，而是有机会进入更大的问题现场。
这也解释了为什么“最不可替代的价值，不是教会学生使用AI”这句话，听起来反常识，却越想越对。
因为教会使用，培训班也能做，平台教程也能做，视频博主也能做。
但让一个年轻人拥有持续进化的能力，拥有跨界整合的胆量，拥有在大任务中扛事的底盘，这才是大学最难也最值钱的部分。
我们现在最容易陷入一种焦虑：
怕被AI替代，怕专业不值钱，怕毕业就落伍。
这种焦虑能理解，可如果所有教育都只围着“赶紧学个不会过时的技能”转，那很可能从一开始就搞错了方向。
因为没有哪种具体操作能永远不过时。
真正不过时的，是学习能力、迁移能力、提问能力、创造能力。
这几个词说多了容易像空话，但当你看到一所大学把一百多门课、超过1.3万人次修读、41个“X+AI”双学士项目、400多个科学大模型和工具链、2025年大概150个相关课题，一层一层接起来的时候，你会发现，这不是口号，这是在给“会进化的人”修跑道。
问题来了：大学如果还只忙着教学生怎么更熟练地使用AI，而不是逼他们成为能定义问题、改写规则的人，那它和一个高级技能培训班，到底还有多大区别？
热门跟贴