高校接入DeepSeek：AI重塑高等教育的探索之旅

国内多所高校接入DeepSeek并完成本地化部署展开，阐述高校如何拥抱技术红利、AI给大学传统教学带来的挑战、高校抢占AI高地的课程重构、教学模式变革、知识储备与考试的重新定义以及如何批判性使用AI等多方面内容，探讨AI重塑高等教育的诸多问题。

近期，国内不少高校都官宣接入DeepSeek并完成本地化部署，这使得AI重塑高等教育的话题再度成为热点。众多大学生就此踏入了前所未有的“AI教育”试验场，当代年轻人的学习与成长模式正发生着巨大的颠覆。在大模型普及时代，如何教育这个时代的年轻人，高等教育在这场技术风暴中的定位是什么呢？这就像是一场没有标准答案的“开卷考试”，所有高校都要找到应对之策。

积极拥抱技术红利，培育更多创新人才。“DeepSeek让普通中国人真正能够使用到了博士生水平的人工智能大模型。”清华大学的沈阳教授认为，该模型在国内的普及是其带来的最大惊喜。面对这一惊喜，很多高校迅速做出反应，积极拥抱这一技术成果，纷纷将其本地化部署，并且制定了各种各样的使用计划。

例如，浙江大学不仅为自己的“浙大先生”深度融合智能体部署了DeepSeek大模型，还向CARSI联盟的800多所高校开放共享；东南大学在本校的全国产云智算一体化平台部署该模型后，具备了支持复杂逻辑推理与长文本深度交互以及支持私有知识库融合的能力；北京师范大学利用本校的高质量语料，为不同学历层次课程定制情境化智能助教；北京交通大学向教师开放“深度思考模式”助力老师解决复杂问题等。

高校为何如此急切地拥抱呢？东南大学副校长孙立涛表示，一方面是希望构建自主可控的AI创新生态，实现从芯片到框架再到模型的全栈技术链自主可控，为国产化关键核心技术提供高校范例。另一方面，也是为了强化技术赋能，推动教育科研范式革新。孙立涛还提到，希望推动人工智能大模型在交叉学科间快速迁移应用，促进交叉学科融合与科研创新，为培养复合型人才提供技术支撑，为师生提供“零门槛”算力资源，激发校内科研团队的技术原创力。

在浙江大学本科生院院长吴飞看来，DeepSeek激发了年轻人在开源领域的创新热情。2月17日晚，浙江大学DeepSeek系列专题公开课在微信视频号开播，吴飞的第一课，仅约一个小时的直播观看人次就超过28万，点赞数超86万个。吴飞表示，大学拥抱前沿的AI生态，就像给学生提供了成长的肥沃土壤，或许能培育出更多像DeepSeek创始人梁文锋那样的人才。

AI冲击课堂“含金量”，大学核心价值面临转变。高校虽已开启AI之旅，但前行路线仍在规划中。有网友调侃，DeepSeek出现后，一些大学老师压力很大，“不想开学”。因为传统的教学场景，如上课、作业、考试等都面临诸多疑问：大模型能给出解题步骤的内容老师还有必要讲吗？大模型能直接出答案的作业还需要学生写吗？大模型能解决的问题还需要考吗？

西交利物浦大学执行校长席酉民认为，首先要正视AI对教育的颠覆性冲击，高等教育的管理、教学到评价都需要进行系统性的AI重塑，大学正处于被“唤醒”的过程。沈阳也直言，大模型快速发展产生了技术创新与教学实践机制滞后的新矛盾。

某知名高校法律专业的大学生李琪表示，自己想要练就不会被AI取代的、能体现现代价值的“看家本领”，听说AI公务员上岗后，她更期待大学提高教育的“含金量”。吴飞也在思考，传统教育以专业学科为导向传递和积累知识，如今大模型就能完成这些，那老师在课堂上该教什么呢？教育者们都在探寻，对于人工智能大模型时代的年轻人来说，到底什么才是“看家本领”。席酉民提出，大学的核心价值需要从根本上转变，由知识传授转变为促进人的全面发展。沈阳认为，大模型的出现意味着创新和思维的工业化，在AIGC不断涌现的背景下，当前教育的目标价值在于促进学习者的认知发展、情感成熟和社会适应，激发创新思维和批判性思考，以及培养终身学习的能力和良好的道德品质，最终促进个人自我实现与社会的进步繁荣。

高校抢占AI高地，探索课程重构关键点。全国政协常委、东南大学副校长金石认为，当前“知识更新速度滞后于AI迭代”和“标准化考核难以评估人机协作能力”这两大挑战最为紧迫，即学什么、怎么学、怎么考都需要改变。高等教育急需对核心课程进行模块化重构，探索跨学科项目制学习，建立科学多元评价体系。

近年来，大学课程体系的AI化重构已经逐步开展，不少大学开设了人工智能通识课、“AI +”微专业课等。清华大学计算机科学与技术系教授王宏宁在AI赋能医学教育交流会上提到，清华自2023年启动首批8门人工智能试点课程以来，目前相关AI课程已达113门。吴飞表示，浙大将人工智能通识课分为计算机、理工农医、社会科学、人文艺术四大类，今年覆盖全校60个班的3000多名学生，由计算机专业老师先对其他专业老师进行轮训，再由其他专业老师教授学生。金石介绍，东南大学建设了覆盖所有专业的“AI - MUST”课程体系，将人工智能新进展与专业知识紧密结合，全面修订教学大纲，增设体现人工智能素养与技术支撑的课程目标。

然而，也有学生反馈部分AI改造课程效果不好。某知名高校自动化专业的王星星表示，身边同学觉得“AI预制课 + 老师讲课”的学习体验不佳，AI没有发挥不可或缺的作用，有“为了AI而AI”的感觉。学法律的李琪同学提出，特别是人文社科类专业，大模型的幻觉问题突出，比如会编造法条和案例，所以目前觉得课堂上要求人机协同思考“挺鸡肋的”。复旦大学计算机科学技术学院教授张军平认为，学透AI需要扎实的数理基础，应针对不同基础和需求的学生制定合理的培养计划和目标，如何培养各类学生的AI素养还需进一步找准着力点。

“给每人发一个AI孔子”，个性化教育有望大规模实现。谈到教学模式变革，北京邮电大学教育数字化特聘专家徐童与金石观点一致，推崇项目制学习。徐童近年来带领学生团队开发教育大模型应用系统以推动北邮教育革新。该校2022级本科生高德润是团队核心成员，他们原本计划开发编程论坛，ChatGPT出现后，他们开始研究国产闭源大模型，开发出“码上”平台和“初发”平台，最近又忙着接入DeepSeek。高德润感到这种边做项目边学习的模式受到越来越多同学认可，他们创立的“马上出发创新社”已有约1800名同学参加。

项目制学习并非新事物，只是过去难以大规模开展。徐童表示，教育界长期面临大规模普及教育和个性化优质教育难以兼顾的难题。主流授课式教学效率高，但学生被动接受知识，而项目制学习虽能激发学生主动性，却因需要大量优秀教师提供个性化指导而难以普及。现在，大模型技术或许能破解此困局，其强大且低成本的特性，可代替教师为每个学生提供实时、个性化、启发式辅导，就像“给每人发一个AI孔子”，有望实现因材施教，使大规模个性化教育成为可能。东南大学已经开始探索大规模项目制教学，在新一轮培养方案修订中，要求所有专业至少建设一门大学分、跨学期的项目驱动式课程，融入“提问与猜想”模块或环节，鼓励学生开展原创性科研创新，包容失败、允许试错。例如未来技术学院的“未来机器人”专业以问题为牵引，实施项目驱动，整合7门核心课程并融入实践环节，设置了一门18个学分的统一机器人学跨学期大课。

知识储备依然重要，考试需重新定义。席酉民为西交利物浦大学的人工智能系统取名“君谋”，他认为AI再伟大也只是工具，AI与人的互动结果取决于人的水平。在大模型能快速提供答案的时代，驾驭AI的人应具备何种素养，又该如何评估呢？过去学生盼着老师“划重点”，现在记忆这些重点还有意义吗？主流观点认为，在大模型面前，提问能力、批判性思维和构建能力尤为重要，所以受访者都表示AI时代学生仍需体系化知识储备。吴飞解释，如果对问题涉及的知识没有体系化了解，可能就找不到问题所在，也无法整合人工智能工具解决问题，更不能辨别人工智能给出的答案。但吴飞强调，考察知识掌握程度不能再只靠“一场闭卷定胜负”，考试需要重新定义。沈阳认为，大模型就像人人都有的“外脑”，为考察人机协作能力，建议高校设计允许使用AI工具的考试，比如至少有一门课允许所有人使用AI考试，或者在若干门课里有几道题允许学生用AI解答，在这种情况下，考试题目的难度要相应提高，因为是靠人脑加AI“外脑”竞争。席酉民还提出，考试应更注重考查学生利用人工智能解决实际问题的能力，不仅要看结果，更要看使用AI工具解决问题的思维和互动过程。

批判性使用AI是必须的，教师要转型为“认知架构师”。北邮大模型教育应用开发团队的技术主力本科生邱天泽和彭开源相信，大模型时代的年轻人掌握AI工具会像过去学习使用计算机一样自然。但目前学生用AI一键完成作业等现象引发担忧，如何正确认识和使用大模型仍需探索。金石表示，一方面技术带来学习红利，学生可从被动接受知识转向“人机协同”的主动探索；另一方面，便利也易滋生懒惰，学生可能过度依赖AI导致思维惰性，如直接用AI写论文而缺乏独立思考，所以引导措施非常必要。金石建议，首先要帮助学生树立正确价值导向，明确学术伦理规范，比如在学生规范中加入AI使用的学术规范要求，制定人工智能使用指南；其次，要设计相关课程或增加教学环节，如开设“AI工具批判性使用”必修课，或在学术写作、实验设计等课程中嵌入AI伦理案例讨论，让学生直面技术便利与学术规范的冲突。徐童在搭建大模型教育应用实践中体会到，通用大模型用于教育场景时，应在技术层面根据教育规律调整，让大模型掌握教师思维，保留教学中循序渐进的启发过程，避免直接给出结果使学生产生思维惰性。吴飞补充说，作为大模型时代的年轻人，自己也要转变观念，把作业直接交给AI看似轻松，长远看只会耽误自己。“大模型时代的原住民怎么教？”记者最后询问DeepSeek，它回答，在大模型时代，教育应重构为“AI增强型学习生态”：以人机协作为核心，将知识传授转变为思维锻造。教师应转型为“认知架构师”，指导学生掌握精准定义问题（设计AI提示词）、交叉验证结果（识别模型幻觉）、重组创新方案（人机互补共创）三大核心能力。课堂形态可迭代为“双轨制”：基础技能由AI个性辅导，高阶课程专注人类独有能力培养，如价值判断、复杂系统分析和伦理推演。真正的教育不是对抗技术洪流，而是教会学生驾驭浪潮。教育者需率先实践：把每次技术颠覆都变为活教材，让课堂始终比AI快半步。

本文总结了国内高校接入DeepSeek后的一系列现象，包括高校积极拥抱技术带来的红利，如构建创新生态、推动教育科研范式革新等。同时也探讨了AI给传统教学带来的挑战，像课堂“含金量”受冲击、大学核心价值的转变等。此外还阐述了高校在课程重构、教学模式变革、知识储备与考试重新定义、批判性使用AI以及教师角色转型等方面的探索与思考，展现了AI重塑高等教育过程中的多方面问题与应对方向。