［摘要］随着教育数字化战略的推进，人工智能技术正快速改变高校的教育模式和生态。南京航空航天大学实施“人工智能+教育”行动，利用AI技术优化教学和管理，解决发展难题，提升教育服务的精准度、便捷性和智能化水平。学校利用算力平台，构建了集成化的校园AI中台，并将AI技术应用于教学管理、人才培养、校园安全和生活服务，开展AI辅助教学、智能答疑等示范项目，推动学校深化改革，实现高质量发展，并创新育人模式。

　　［关键词］教育数字化；人工智能（AI）；人才培养

　　0引言

　　2025年1月，国产“DeepSeekV3”的大语言模型引发全球轰动，引起了人工智能技术和大模型在教育教学、人才培养领域的探讨[1]。2023年，美国高等教育信息化协会（EDUCAUSE）在其教学版地平线报告中强调了AI作为关键趋势，指出AI正在教育的多个方面产生影响，从智能辅导到自动化评估[2]。2024年，教育部部长怀进鹏在世界数字教育大会上提出，教育数字化将重点发展集成化、智能化、国际化，以汇集优质数字教育资源，创建新的学习空间，并提供公益性学习服务，以满足学习者的个性化需求[3]。2024年7月，教育部副部长吴岩在人工智能大会上强调，利用人工智能优化专业建设，调整人才培养方案，完善知识和能力图谱，提升教育质量[4]。“人工智能+教育”必将成为“十五五”期间高等教育数字化转型的必由之路。

　　1现状与发展需求

　　国内高校如南京航空航天大学已实现校区间高速网络互联，提高了沟通效率和管理的统一性，推动了科研教学发展。然而，人工智能时代的到来，包括物联网、大数据、云计算等技术的普及，正在改变我们的工作和思维方式。国家教育评价和督导体制改革要求更精准的评价体系，期待人工智能技术在数字校园中发挥更大作用[5]。作为教育信息化的先锋，高校迅速探索AI应用。数据显示，美国斯坦福大学、麻省理工学院和英国开放大学等利用AI技术提供在线课程、个性化学习和职业规划服务[6]。国内高校如清华大学、北京大学、浙江大学、上海交通大学、华中师范大学等，正利用AI技术辅助教学，开发智能学伴和知识引擎，尝试个性化学习路径推荐和智能答疑[7]。在科研方面，西资源的优化配置，为学校转型发展和高质量人才培养提供技术支撑。安交通大学开发的“交小智”平台，结合深度学习和代码理解技术，实现了多项科研助手功能，特别是在论文解读方面，大幅提升了查找和检索效率[8]。华东理工大学集成大数据与AI方法，创建了AI plus Polymers研发平台，助力高分子材料设计和产品升级。西安建筑科技大学通过集成大模型OA系统，显著减少了公文拟稿时间，并提高了合同文档智能比对及法务审核的效率。北京理工大学创新设计了AI中台，建立多智能体平台，便于师生获取个性化信息服务[9]。

　　但随之而来，AI在部署上面临挑战。国外高校AI应用侧重于辅助教学和自动化评估，常采用局部部署、边缘计算和公有云部署。国内高校AI建设因“烟囱式开发”和独立部署导致资源浪费，例如，10个部门开发近20个用户画像模型，特征工程重复率高达75%。为解决这些问题，许多高校开始探索AI中台建设，通过微服务架构封装算法、算力和数据，实现按需配置和输出。

　　2总体部署

　　高校各部门自主部署AI应用面临软硬件投入大、人员素质要求高、维护成本高等难点。通过分析AI中台和离散式AI方案（表1）及案例，可以发现，如果某个机构年度AI项目多于15个、开发运行模型多于50个、数据源系统多于10个、模型月均迭代超过2次、算力成本年增幅超40%，这些条件中达成3项及以上，应考虑建设AI中台。南京航空航天大学信息化程度比较高，积累了丰厚的信息化基础设施资源和算力资源，设置了人工智能专业，有相关的专业人才，并把智能化应用作为学校数字化转型的战略核心，通过构建校级统一的AI中台，可以使AI真正成为推进智慧校园建设的基础设施，并逐步覆盖核心的业务领域。

　　2024年，学校与企业合作建立了AI数据中台项目，包括AI应用服务平台、大模型知识引擎和数智人等，包含丰富的算法库，支持教学、学习、科研、管理和服务五大领域（图1）。学校高性能计算中心建立了AI深度学习平台，配备16台4卡V100GPU节点，满足机器学习、神经网络训练和大模型微调等计算需求。随着AI应用服务的增长，基础算力已不足以支持其运行。因此，采用AI中台混合部署，可将大型模型部署在公有云，特色和私有数据集则部署在本地。

　　3 AI应用案例

　　3.1知识图谱

　　教学是高校AI赋能的主阵地[10]，本项目把AI技术与课程资源相结合，以大学物理等课程为试点构建知识图谱。通过关联课程知识点与不同维度，进行标注和推荐，利用AI中台图谱引擎支持师生构建个性化专业知识图谱。通过规则识别和机器学习算法，可视化展现知识点关联，打通专业课程群知识，推荐学习资源，形成专业课程知识体系。学生可利用智能搜索和推荐功能，快速找到合适的学习资源，提升学习效率。

　　3.2字幕转写与学情分析

　　直播课程是学校数字资源的关键部分。项目中，飞天云课堂直播系统利用AI语音识别服务接口，将教室声音采集设备采集的声音实时转化为文字，支持多语种、方言和民族语言。这有助于学生理解教学内容，编辑课堂纪要，生成课堂索引、分类标签，便于课后回顾。学情分析系统（图2）通过分析教室内视频、图像，实现多维度数据分析，如到勤率、抬头率等，并将分析结果输出到教学督导评价系统，为教学管理提供数据支持。

　　3.3智能答疑

　　本项目重点实施“招生小天马”和“AI迎新向导”智能助手，提供全天候咨询服务，提升学校信息服务智能化，满足考生及家长的信息需求。AI智能助手知识库涵盖校内官方网站、公众号、招生手册、校规校纪、教学安排等各渠道信息，采用爬虫技术高效抓取海量文档与网站信息。其核心能力包括多模态能力、内容回复能力、代码能力、语言理解能力、推理能力和插件能力等。AI招生小天马大模型为考生和家长提供个性化的报考指导，减轻招生人员压力，提升报考体验。AI迎新向导在高峰期提供全天候答疑，缓解人工服务负担，提高新生满意度。

　　3.4人脸识别

　　学校三个校区的宿舍、实验室门禁和监控摄像头均配备人脸识别功能，使用了多家厂商的设备和算法。校园卡消费也采用人脸识别进行验证。此外，校园安全管理需要分析视频以追踪师生行为。为此，学校利用AI中台建立了统一的人脸管理系统，实现全校人脸识别应用的统一管理和授权，开放统一的人脸识别接口。系统集中收集和存储人员人脸特征信息，形成算法超市。管理平台统一注册算法，业务系统根据需求申请，经管理中心审核后提供安全接口供调用。

　　4结束语

　　本项目成功实施了数字人、知网研学文献助手、陆空一体无人巡防、数智视觉中台等AI应用，赢得2024年智慧高校AI大模型创新卓越奖。学校将继续利用AI技术优化教育模式，与国家智慧教育公共服务平台紧密对接，强调精准导向，将AI技术全面融入教育教学。学校通过特征标签分析、行为指数分析、机器学习等AI核心算法，构建领导驾驶舱、学生画像、学生综合能力评价、学生行为预警等四大应用场景，形成综合评价体系。同时，学校将关注AI技术对决策系统的支持，利用统计归纳算法和大规模算力，进行趋势研判、风险防范和预警，以及信息审查过滤，以提升师生体验，实现学校治理现代化。

主要参考文献

　　［1］何曼.在DeepSeek浪潮下，寻找教育的坐标［J］.在线学习，2025（3）：46-51，80.

　　［2］项阳.Educause发布《2023地平线报告》人工智能为高等教育带来何种机遇和挑战？［J］.中国教育网络，2023（6）：49-50.

　　［3］怀进鹏.携手推动数字教育应用共享与创新［J］.中国教育网络，2024（1）：1-3.

　　［4］吴岩.深度挖掘数据宝藏推动教育提质增效［J］.中国教育网络，2024（6）：1.

　　［5］胡钦太，伍文燕，冯广，等.人工智能时代高等教育教学评价的关键技术与实践［J］.开放教育研究，2021，27（5）：15-23.

　　［6］〔作者不详〕.国外教育人工智能发展与应用［J］.中国教育网络，2024（6）：79-80.

　　［7］袁婧，翟雪松，吴飞，等.基于虚拟教研室的高校人工智能专业（AI+X方向）建设：以浙江大学为例［J］.现代教育技术，2024（5）：123-133.

　　［8］锁志海，董洋，徐墨，等.数字化转型助力高校教育治理现代化：以西安交通大学为例［J］.中国有线电视，2023（12）：5-8.

　　［9］李*强，贺大庆，崔睿，等.AI如何赋能北理工数字化转型［J］.中国教育网络，2024（9）：51-53.

　　［10］朱瑞，李游山，陈海萍.人工智能融入高等教育教学模式的创新与实践［J］.中国信息化，2024（6）：83-84.