人工智能赋能经管，和鲸助力同济大学打造教研训一体化实践

今年以来，从教育部发布 4 项行动助推人工智能赋能教育，到各大高校纷纷开设人工智能通识课程，“人工智能+”被予以高度关注。然而在实际落地层面，关于学生怎么教、课程怎么上，当下却还没有标准答案。学校和老师们都处于摸索前行的阶段，如同摸着石头过河，但所遇到的问题大多是类似的，比如素材匮乏、师资短缺、工具欠缺、资源不足等等。

世界人工智能大会“人工智能与教育论坛”上，近 20 名专家从产、学、研、用等角度深入探讨了人工智能背景下教育面临的机遇与挑战。同济大学校长、中国工程院院士郑庆华以《打造“人工智能+教育”新模式》为题发表报告，重点介绍了同济大学的《人工智能赋能学科创新发展行动计划》。

自 2021 年起，同济大学经济与管理学院携手和鲸科技持续探索交叉融合的“经济管理+人工智能”学科建设模式，为学院师生构建了一套承载教学和科研的人工智能基础设施与实践环境，取得了诸多成效。

同济的一些举措或许具有参考和借鉴价值。

“AI”融合，传统课程的创新求变

近期高校所关注的人工智能通识课程大多面向本科生，但同济在几年前便已针对 MBA 学员展开了相关尝试。

数字化转型的进程中，企业于人工智能、机器学习、云服务、数据分析以及商业智能等诸多领域大幅增加投入，拥有数据思维和意识的人才往往更具竞争优势。具有职场经验的 MBA 学员便是对这一趋势最为敏锐的群体。

在近两年的 MBA 课程里，与人工智能技术相关的课程皆成为了热门之选，除了新增设的课程以外，传统的必修课程也在积极探索如何与 AI 相融合。

“AI+”课程的落地困境

对于“新商科”“新文科”这类学科，郑庆华院士曾提出，应引导学生关注新现象、新问题，着力培养学生无法被人工智能取代的创新能力，诸如场景创新能力、复杂系统的建模能力以及问题的深度逻辑推理能力等等。

在课程的具体落地实施过程中，同济的老师们察觉到，相较于纯粹的技术教学，“AI+” 反倒成为了难点所在。

其一难在学生方面。MBA 项目的学生相较于本科生，其背景更为复杂多样，其中许多人几乎未曾接触过 Python/R 等编程语言（这与当下的文科学生、商科学生情形颇为相似），并且他们在企业中大多处于数据应用层级的业务方角色，因而并不需要深入研习人工智能技术的原理，然而却需要具备能够应用人工智能技术的思维和素养。

其二难在老师方面。“AI+” 更为注重的是融合，涵盖了 AI 技术与学科的融合、与领域的融合以及与产业的融合。这对老师提出了更高的要求，需要授课的老师具备复合型背景。同济作为双一流高校，在师资方面虽然不存在太大问题，但老师仍需花费大量时间重新精心设计课程，将 AI 知识与学科核心内容进行有机结合。

其三难在资源方面。“AI+” 课程体系尚不完善，老师在备课之时往往会发现备课参考资料以及实践案例不够充分。倘若与真实的产业场景相脱节，那么便失去了课程创新本身的意义。

破局：产教融合，以练带学

《数据、模型与决策》是 MBA 的一门专业学位必修课，主要教授学生如何在生产实践中发现、提出、分析问题，并基于定性与定量相结合的方法，对实际问题进行数学建模与模型求解，以探寻最优的解决方案。

为了拓展教学内容，让学生能够接触并了解到人工智能应用的前沿动态，课程的总负责人张建同教授多次邀请和鲸科技产品专家作为企业导师进入课堂。企业走进课堂这一模式并不仅仅适用于 MBA，在本科教学中也逐渐常见。今年以来，和鲸陆续为四川大学公共管理学院、山东大学数字人文实验室、暨南大学经济管理实验教学中心等十几家高校的课堂提供了支持，受到了老师和同学们的一致认可。

针对上述提及的三大难点，和鲸协同张教授将课程划分为理论和实践两个部分。

在理论部分，课程从 “公民数据科学家” 这一概念切入，学生首先明确自身定位以及对应所需掌握的能力，接着跟随导师从宏观视角探究如何将 ModelOps 模型全生命周期管理的思路应用于企业运营当中，将业务场景与数据以及人工智能技术的应用相互串联起来。产教融合确保了学生在听课过程中不会觉得课程内容是需要凭空臆想的事物，反而切实与自身的工作经历紧密相关。

实践部分，为了保证没有编程能力与经验的学生也能快速上手，课程使用了和鲸自主研发的 Canvas 低代码拖拉拽开发工具。Canvas 主要基于可视化理念与低代码范式，能让不懂代码、不懂编程的人通过可视化图形连接的“拖拉拽”操作完成数据分析流程与相关应用模型的搭建，在“新文科”、“新商科”有着比较广泛的使用。

课堂实践的案例是电商数据分析，学生可以自主调整参数修改预置组件与流程，完成真实电商订单数据挂载、脏数据去除、RMF 值计算、用户分群等诸多操作。大多数同学在成功实现 RMF 散点图的可视化，并与其他同学分享从图表中获取的业务真知后，都消除了课程初期对于“数据分析”感性上的畏难情绪，收获了相当大的成就感。

还有一些本身就有编程功底的同学，觉得仅完成一个低代码分析案例尚不过瘾，便在课堂上自主组成小组，在和鲸社区内搜索更多电商数据分析的项目案例，并使用和鲸平台的 Notebook 环境，完成了包括用户分类、转化率分析等更多的实践。和鲸社区内丰富的活动与学习资源覆盖了 AI、经管、医学、气象、地理等众多学科领域，无论是对于老师的第一课堂案例式教学，还是学生的课下自主实践学习，都能起到辅助作用。

张建同教授也对课程效果表达了赞赏：“统计学与运筹学更重理论逻辑，若把握不到位很容易使学生产生枯燥感。《数据、模型、决策》课程是面向 MBA 学生的一次比较成功的尝试，和鲸的工具和社区资源很受同学们的欢迎，相信在本科生培养过程中也能发挥重要作用。”

拥抱科研新范式，算力数据平台加速创新

教学与科研往往相互促进，学院对人工智能技术在科学研究领域所发挥的作用同样极为重视。

自 2021 年起，和鲸便全力协助同济大学经济与管理学院持续推进平台与实验室的建设工作，为院内师生的科研创新提供支持。

挑战：资源导向型日渐明显

在过去 20 年，实证研究（Empirical research）的数量大幅增加，同时，数据可得性的增强也使得复杂的数据处理需求越来越多，相较于过往使用 SPSS、Stata 就能完成处理的结构化数据，经管研究者现在将需要越来越多地使用 Python/R 等编程语言来处理文本、图片、视频等多模态的数据。

人工智能将成为科学研究的利器，这毋庸置疑。在经管领域，它可以弥补传统研究所存在的一些短板，比如能从海量、多模态数据中提取有用信息，大样本数据能识别新颖、稳健、具有预测性和相对可解释性的模式，构建的理论也具有较强的泛化能力等。但目前人工智能在我国经管研究中的应用仍处于初级阶段，尽管目前很少有文献系统地梳理新范式带来的挑战，但基础设施方面的共性问题可能是其中之一。

科研范式的转变引发了科研组织模式的变革。深度学习等方法能够助力解决更多的核心科学问题，同时也促使科学研究从传统的 “作坊模式” 逐步转向 “平台模式”。当下，管理科学的诸多研究都需要以高科技设备作为基础才能开展，尤其是在大数据分析以及复杂模型训练方面，数据和算力资源的配置已然成为制约师生科研效率的主要瓶颈。

院级开放算力数据平台，打通人工智能三要素

为了使学院的师生能够更为便捷、高效地开展数据驱动的经济与管理研究，在历经两年的公有云环境使用之后，2023 年学院正式对和鲸 ModelWhale 平台实施了私有化部署，为人工智能的三大关键要素 —— 数据、算力、算法提供一体化的支撑保障。该平台面向全院老师以及研究生同学开放，目前已有近两百名成员加入并投入使用。

数据方面，大数据已成为经管领域的研究热点。伴随社交媒体的持续发展，UGC（用户创造数据）作为互联网上常见的内容形式，已成为重要的数据来源之一，并具有海量和多模态的显著特点。

平台打造的科研数据沙箱能够通过多种方式接入数据，并实现数据隔离和数据不落地分析。借助多层权限管理，师生能够在充分保护数据隐私和数据版权的基础上，开展在线分析与建模训练，最大程度地提升数据利用率。这也为科研工作者间的协作提供了便利，比如当老师带领课题组的同学在平台上做项目时，就可以将平台作为媒介，将数据共享给学生，为团队共同攻克科研难题创造了有利条件。

算力方面，经管科研对 GPU 的运用日益频繁。此前学院仅有八张 GPU 卡，面临着资源相对紧张的问题，于是后来又增添了一台高性能 GPU 服务器，并将其集成至和鲸平台集中调度管理。平台具备灵活的扩容拓展功能，可以实现对 GPU 卡进行虚拟化分割，提升资源利用率，有限的算力便能提供给更多师生使用。在这样的支持下，无论是大规模数据的分析处理，还是复杂模型的训练与优化，都能够顺利开展。

算力分配的灵活性上至团队，下至个人，管理员老师告诉我们，之前有位同学在计算过程中需要建立很大的矩阵，他便利用平台灵活配置算力和内存大小的能力，将分配给他的资源临时调大，待需求完成后再调回至原状。截至目前，平台已累计提供了 1000 小时的 CPU 算力主要用于教学（如上文的 MBA 课程），以及 5500 小时的 GPU 算力用于科研。“自己电脑跑不了就上和鲸平台跑”，已经成为了师生的科研日常。

算法方面，经管学科在深度学习研究以及大模型探索领域的热度持续攀升。平台以项目作为基本单元，实现了算法、算力、数据以及环境的集成。开箱即用是基础，效果是师生能够在统一环境中流畅地完成模型从算法开发到部署应用，再到监控调试以及更新迭代的完整流程，并能便捷地对项目的各个版本进行管理，不仅自身的研究成果可以高效复现，对国内外经典临床研究论文进行复现也能更加便捷。

基础设施的完善也使得学生的自主探索欲愈发强烈，每当模型库中的内置模型更新时，都有很多学生踊跃地尝试调用，尝试新的工具和方法。另外，对于那些需要耗费较长时间运行的计算任务，平台也能够使用离线任务托管去跑。管理科学与工程系的胡维老师曾给予评价称，这样不仅解决了他对计算资源的需求，更帮助他并行地处理多项科研工作。

人工智能已经打破传统意义上的学科边界，或正在延伸至几乎所有学科。

人工智能时代教育变革到底将走向何方，没有一个明确的标准和答案，但技术总是应该为人服务。我们应该让技术赋予人更多自由——自主学习、自由科研，人工智能时代最重要的能力还是人+人工智能的能力。

和鲸科技于 2024 年 5 月全新发起“101 数智领航计划”，通过产教融合、科教融汇双循环，整合和鲸社区近十年积累的多学科实践资源、ModelWhale 教研训一体化平台和智谱 AI 大模型，打造 AI 创新虚拟实验室，帮助高校解决“学科+人工智能”的落地难题，培养创新型高质量人才，推动创新成果产出。