胡清华??王国兰??王鑫

摘 要：新一代人工智能正在全球掀起新一轮产业革命，国家战略层面大力推动人工智能技术进步与产业发展，高校面临着培养适应时代发展需求的实践能力与创新能力并重的人工智能人才的挑战。本文立足国家人才强国新战略，结合人工智能人才现状及需求，针对校企合作存在的突出问题，对国内外人工智能人才培养目标、课程体系、实践体系、师资队伍等进行调研分析。探索了校企合作深度融合的“人工智能+”复合型人才培养的有效途径，对我国“人工智能+”复合型人才培养具有一定的参考价值。

关键词：新工科;人工智能+;校企合作;产教融合;人才培养

一、时代背景

新一代人工智能正在全球掀起新一轮产业革命，全球人工智能的人才竞争成为核心，人工智能人才的培养、人才的能力对核心竞争力起到至关重要的作用。人才竞争逐步波及国家层面的产业布局及规划。全球各国制定了一系列人工智能发展规划，中美等国家在2017年前后制定了关于支持人工智能产业发展的战略规划。2016 年美国白宫科技政策办公室（OSTP）下属国家科学技术委员会（NSTC）发布了《为未来人工智能做好准备》以及《国家人工智能研究与发展战略计划》两份重要报告，明确制定美国人工智能的发展路线以及行动计划。2017年7月，我国国务院发布了《新一代人工智能发展规划》，提到我国面临的重大任务：到2030年，人工智能理论、技术与应用总体达到世界领先水平，变成世界人工智能创新中心。在政策的大力支持下，全球的人工智能产业迅猛发展起来，企业数量呈现快速增长趋势，其中中国和美国新增的AI产业进入世界第一方阵，成为全球人工智能企业领先国家。人工智能产业的发展带动人才需求迅猛增长，根据《2020年全球人工智能人才培养调研报告》调研数据显示，其中中国成为缺口最大的国家，有12 113个职位缺口，其次是美国，有7465个职位缺口。人工智能职位有大量的缺口，供需严重失衡，而且职位对人才的要求更加强调实践能力和创新能力，导致人工智能人才需求更加紧迫，加大人工智能人才培养，填补空白成了当务之急。高校是人才培养的主阵地，在人才培养体系中起到重要作用，中国将成为人工智能人才培养的主力军，如何为未来我国在人工智能领域基础研究以及经济社会发展培养智力资源成为高校的重要课题。

二、校企合作产教融合的“人工智能+”复合型人才培养必要性分析

人工智能在中国迅猛发展，政府高度重视该产业发展，并给予大力支持。社会急需大量人工智能专业人才，而我国人工智能人才储备量仅占到全球的不到5%，人才缺口相当大，人工智能人才不足问题凸显。尽管我国高校开设了相关专业，但培养学生哪些方面的能力，如何培养这些能力却没有成熟的方案。高校肩负着培养适应时代发展需求的实践能力与创新能力并重的人工智能人才的重担，亟须加强校企合作产教融合，提高学生创新能力和实践能力，满足我国人工智能产业对人才的迫切需求[1]。

1.社会发展的需要

社会发展不仅需要人工智能高端人才，而且需要人工智能与其他行业交叉的复合型人才。同时面临学生就业难和企业用工难的“两难”境地，折射出学校培养与社會需求脱节：即人才培养质量与应用不对接，学生实践能力和创新能力严重不足，如何克服这些不足来满足社会的需求成为亟须解决的问题。打破高校与企业的壁垒，让企业行业与高校联合制订人才培养目标、建设课程体系、建设实践体系、建设评价体系等成为重要任务。2017 年 12 月，国务院办公厅发布《关于深化产教融合的若干意见》，提出“校企协同、合作育人的原则和目标 ”。高校应借助企业优势，激发内生动力，克服与企业在人才培养合作过程中的短视行为，制订长远目标，明确责权关系，将校企合作、产教融合扎实落地并持续推进，形成稳定的、自觉的、良性循环的产教融合模式，培养出行业、职业、企业、产业急需的高端应用型人才。

2.新工科建设的需要

新工科建设是高等工程教育改革的重点举措，2017年2月以来，教育部积极推进新工科建设，先后形成了“复旦共识”“天大行动”和“北京指南”，新工科人才培养成为工程教育改革的主旋律。我国高校积极推进“四新”建设，打造产学研协同育人的主流模式，全力探索形成中国模式、中国经验，给全球工程教育提供范式。2017年 6 月，教育部办公厅发布《新工科研究与实践项目指南》，指出“要建立政校企等多主体协同育人模式，推进科教结合、产学融合、校企合作的协同育人体制机制改革 ”。面向新工科建设的要求，解决新工科倡导的产业升级和人才变革，培养“人工智能+”复合型新工科人才成为重点任务，而新工科人才培养需要加强校企合作产教融合，既要做到传统专业的升级改造，也要做好新专业的交叉融合，实现适应新工科建设的高端人工智能人才的培养。

3.人工智能专业建设的需要

人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能专业是为适应需求发展而新设立的一个专业，是一个新兴的交叉学科，涉及数学、计算机科学、认知科学、心理学等多个学科。中美高校是人工智能人才培养的高地。1962年斯坦福大学成立了人工智能实验室，为推动人工智能教育起到了重要的作用。1979年卡内基梅隆大学率先成立机器人学院，在机器学习领域进行研究与实践，并在全球第一个推出机器人博士项目。2018年4月，我国教育部印发的《高等学校人工智能创新行动计划》明确提出要加强人工智能领域专业建设，推进“新工科”建设，形成“人工智能+”复合专业培养新模式。在人工智能技术进步迅猛和产业发展壮大的背景下，全国多所高校设立人工智能专业，近两年教育部陆续批准了215所高校开设人工智能本科专业。作为一个新兴的交叉学科，尚未形成成熟的一级学科;作为一个新兴的工科专业，专业建设正在探索期，人才培养目标尚未明确、课程体系仍需完善、师资力量依然薄弱、实践体系不完善等问题凸显。同时人工智能技术被公认为是一项“使能”技术，必须与其他企业行业深度融合才能发挥其巨大潜力。当前推广智能技术普遍存在技术与专业脱离、难以有效推广的问题，改变这一难题的重要举措是加快校企合作，深化产教融合，大力培养“人工智能+”复合型人才，因此校企深度融合成为必由之路。

三、校企合作产教融合的“人工智能+”复合型人才培养的途径

社会对人才的巨大需求，新工科建设吹响新的号角，人工智能产业爆炸式增长，给高等教育带来了新的挑战。人工智能已进入校企合作产教融合发展的新阶段，随着产教融合理念的发展，加强校企合作已成为当前高校人工智能专业发展的重要方向。针对目前校企合作存在的突出问题，比如校企合作单一化（主要集中在实习实训环节，其他方面合作较少）、校企合作不深入（存在形式主义，比如签订框架协议的多实际深度合作的少）等问题，如何能有效解决这些问题尤为重要。校企有效联动共同培养人工智能人才，培养什么样的人（人才目标的制订）？怎么培养（课程体系的设置、实践体系的构建、师资队伍的培养等）？培养得怎么样（评价体系的建设）？下面结合这几个问题对“人工智能+”复合型人才的培养进行探索。

1.校企联动聚焦“人工智能+”复合型人才培养目标

培养目标是人才培养的具体要求。英美高校的人工智能人才培养目标提出较早，美国提出了“全方位培养多元化、有道德的AI队伍”，英国提出了“金字塔人才培养目标，培养多层次AI技能人才，其中包括AI研究型和AI研发专家、博士、硕士以及技能人才，形成重视全民STEM教育和数据技能培养的格局”。我国起步较晚，从教育改革入手，着重高校教育体系建设，强调“人工智能+”复合型人才培养，实现分层次培养AI应用型人才。

高校作为培养人才的主体，培养什么样的人是高校首要解决的问题。高校要坚持以立德树人为根本任务，确立源于产业高于产业的培养目标。要结合人工智能领域和产业需求，以新工科建设为牵引，推进人工智能人才培养与产业交叉融合，深入人工智能相关政府部门、企业、研究院、行业协会等单位，大规模调研人工智能社会需求和未来发展趋势;大范围收集、整理全球人工智能领域顶尖大学的培养目标;组织校内外专家学者、智能产业企业负责人、一线技术人员进行座谈、研讨;最终校企联合制订既符合当前产业需求又具有一定前瞻性的“人工智能+”复合型人才的培养目标。

（1）坚持立德树人。高校要坚持立德树人的培养理念，实施各类课程与思政教育的同向同行，在价值传播中注意知识含量，知识传播中注意价值引领，培养具有爱国精神、家国情怀、全球视野、创新意识、实践能力、通专融合的高素质人才，以适应人工智能领域和产业需求，适应新经济发展要求。

（2）夯实学科基础。培养学生具备一定的科学素养和数理基础，系统地掌握人工智能的基本理论、专业知识、基本方法、专业技术与应用，在人工智能领域具有较强的知识获取能力、实践能力和创新能力;打牢“人工智能+X”复合专业人才的人工智能基础，让学生成为“宽口径、厚基础、复合型”的人工智能高级专业人才。

（3）培养数据思维。培养学生具有较强的数据思维、AI思维，具有较强的算法理解能力，掌握软件开发和技术创新能力，让学生能够掌握应用开发技能，能掌握应对复杂场景的合适技能。

（4）培养创新精神。培养学生具有团队精神、协同合作能力、创新探索精神、组织沟通能力和国际视野，具备继续学习和终身学习的能力，鼓励学生继续深造硕博学位。

（5）理论实践并重。实现理论和实践知行合一，拓宽人工智能专业毕业生的发展口径，既能从事本领域的设计、研发、应用及管理等方面的工作，也能根据“人工智能+X”的复合专业培养模式，从事如智慧城市、智能无人驾驶、智能无人系统、智慧医疗、智慧司法等领域的工作。

2.校企联动构建“人工智能+”复合型人才培养课程体系

课程是人才培养的重要要素。美国高校人工智能课程体系相对较为完备，比如卡内基梅隆大学数学基础课程超过20%，注重数学基础学科的重要性，课程体系聚焦于复杂输入，如视觉、语言和海量数据库如何用于进行决策或提升人类能力;佐治亚理工学院重视数学与计算机基础，重视自顶向下的计算模型构建，注重AI与计算机不同方向的交叉;斯坦福大学基础学科中除了数学和编程，还包括力学、电磁学，设置了素质课程以及选修其他专业课程。我国高校课程设置起步较晚，开设人工智能专业的高校大多效仿外国的做法设置课程，课程体系尚不完善。

因此，面向人工智能产业发展的新要求，高校需要结合专业的人才培養目标，以立德树人为根本任务，以夯实基础为基本要求，以新工科“产业需求导向”和“从适应服务转向支撑引领”为学科建设理念，以核心技术为主线，以前沿应用为牵引，挖掘人工智能专业所需知识内涵。培养的人才要有扎实的数学基础，要有良好的计算机基础（计算、算法、程序基础），具有人工智能专业知识。可以采用“通识教育+专业教育+创新创业教育+课外实践教育”的“宽口径、厚基础、复合型”培养模式。考虑人工智能发展速度快的特点，针对人工智能关键技术如计算机视觉技术、自然语言处理技术、自主无人系统技术、智能芯片技术、跨媒体分析推理技术、智适应学习技术、脑机接口技术、群体智能技术，设置多个专业方向课程包;针对人工智能不同领域，如智慧城市、智能无人驾驶、智能无人系统、智慧医疗、智慧司法，设置多个实训课程包;也可以针对这二者进行结合，如智能系统与应用、视觉与智能无人系统等[2]。为满足社会对人工智能岗位及关键技术的需求，校企可以联立设置“通识必修+通识选修+专业必修+专业方向选修”的专业方向可迭代更新的课程体系（见表1）。该课程体系涵盖通识教育，包括思想政治理论课、专项教育课程等，为人工智能专业拓宽所需知识面打牢基础;也涵盖专业教育，包括大类基础课、专业核心课、人工智能+课程包（涵盖人工智能相关技术和领域），为学生奠定稳固的专业核心技术基础;同时涵盖创新创业教育和课外实践教育，为培养学生的人工智能系统工程实践能力和创新能力打牢根基。

（1）进行人工智能课程体系建设的顶层设计。依据《普通高等学校本科专业类教学质量国家标准》，结合国家的战略布局，积极推动人工智能和产业深度融合，紧密对接企业行业需求，对课程体系进行顶层设计。在筑牢数学与计算机基础的同时，凸显面向前沿的人工智能专业人才需求，形成夯实数理基础、强化计算机思维培养、因材施教进行分类培养的课程体系。

（2）建设面向人工智能专业的数学基础课程。人工智能专业人才需要具备坚实的数学基础，因此专业需要建设“人工智能数学基础”课程，为人工智能专业的学习打好基础。

（3）建设人工智能学科基础和专业核心课程。专业按照智能与计算大类人才培养理念，开设多门智能与计算大类学科基础课程，涵盖计算机软硬件系统基础;开设人工智能专业核心课程，结合国家战略和企业行业需求涵盖人工智能各个前沿方向，为学生奠定稳固的专业核心技术基础。

（4）建设社会需求专业特色和学科交叉专业课程群。专业紧密对接产业需求，深度调研企业需求，针对人工智能的关键技术及不同领域，联合企业行业专家，共同建设机器感知与机器学习、语音与语言处理、数据与知识工程等专业方向选修课程群。在覆盖人工智能主要领域方向的同时，根据行业企业需求动态调整专业方向，并与计算机、控制、数学等学科专业交叉融合，不断扩充跨学科“课程群”，建立“人工智能+”复合型人才培养的课程群，为学生提供学习交叉科学知识的载体，为“人工智能+”复合型人才培养筑牢根基。

（5）建设人工智能专业的实践和创新类课程。在“人工智能+”复合型人才培养中，需要注重实践和创新类课程的关键地位[3]。通过打破原有理论课程与实践课程界限，加大综合实践课程比重和渗透性，探索部分课程以实践为主线驱动、以理论为支撑的教学模式。实践类课程与企业深度融合，以校企联合设计多类型项目的形式开展实训实习，如联合设计课程实训、专业实训、实习实训、毕业设计实训、学科竞赛实训、科研项目实训、创新创业实训、学科交叉实训等，打通理论与实践的“最后一公里”。

3.校企联动构建“人工智能+”复合型人才培养实践体系

实践是教学的重要环节，理论与实践相结合可以有效提升学生实践动手能力。国家新一代人工智能发展规划对于人工智能产业发展和人才培养都提出了相应的要求，教育的关注点从强调成果到强调过程，从强调内容到强调方法，从强调理论到强调实践，从内容训练转变为技能培养。2017年，教育部发布了《教育部高等教育司关于开展新工科研究与实践的通知》，对人才的工程能力提出了更高要求。社会对学生的实践能力和创新能力要求更高，从高校自身情况出发，结合专业培养目标，充分考虑人工智能在社会经济生活各领域的普适性、迁移性和渗透性特点，打破传统教育模式，采用“产教融合+产学合作”协同育人新模式，培养学生将理论知识方法有机地衔接到产业的系统应用需求中，校企合作构建多维度多元化递进式实践能力提升和创新能力提升的“双能力培养实践体系”（见图1）。该体系包括课程实训、专业实训、实习实训、毕业设计实训、学科竞赛实训、科研项目实训、创新创业实训、学科交叉实训，学生以“必选”（教师统一安排）+“自选”（学生自行选择）的方式，实现由“点”（课程实训）到“线”（专业实训）再到“面”（实习实训、毕业设计实训）的递进式实践能力的培养与提升，实现多元化多维度的涉及学科竞赛、学科交叉、创新创业、科研项目的螺旋式的创新能力的培养和提升，从而培养学生的人工智能系统工程实践能力和创新能力。

（1）构建项目式课程实训体系。构建贯穿同一学期多门专业理论课程的综合实践项目，将理论课知识点融入一门综合实践课程中进行实践训练，校企深度融合共同研讨设计针对知识点融合的专题案例和综合项目案例，如机器学习综合实践、工程知识综合实践等。理论传授与实践训练同步进行，其中理论部分由校内老师进行授課，实践部分可聘请有经验的企业家、高级工程师进行授课，真正实现理论与实践的结合，融教、学、做于一体，保证课程内容的连贯性、真实性和前沿性，培养学生的系统工程思维、专业技能和工程实践能力。

（2）构建项目式专业实训体系。构建以“解决实际问题”为导向、融入先进技术和前沿应用领域需求、面向实际应用场景的专业实训项目。针对学生掌握的综合知识，结合“人工智能+”的专业方向（机器学习与机器感知、数据与知识工程、语音与语言处理等），设计一个“增量化+递进式”的专业实训体系，利用假期完整的时间段完成。一年级设置专业基础实训训练，二年级设置专业综合实战训练，三年级设置专业项目实战训练，双导师制完成项目的指导，让学生通过实践了解专业课程体系间的内在联系，实现学生实践能力的螺旋式提升。

（3）构建项目式的实习实训体系。高校与企业深度合作建立实习实训基地，让学生走进企业、走上岗位，进行真正意义上的实践锻炼。学校配备教师进行实习的跟踪服务、理论指导，企业导师负责手把手地教授，完成为期3～6月的实习实训，完成岗位能力与职业素养的提升与实践。同时高校也可以开拓与国际知名高校、国际知名企业的国际交流合作范围以及合作形式，与国际知名大学、知名企业共同设立学生联合培养项目，建立国际交流实践项目，通过本科生实训项目、海外名校毕设项目、公派研究生项目、双硕士培养计划等形式，适应人才培养国际化的要求，培养学生的全球视野和实践能力。

（4）构建项目式的毕业设计体系。校企合作联合建立基于真实场景的毕业体系，构建基于真实环境、真实项目的毕业设计项目，建立一套校企结合的学生指导模式，实施双导师制进行毕业设计的指导，发挥企业导师开发能力强、项目经验丰富、掌握前沿技术的优势，发挥校内教师理论基础雄厚、学术严谨的优势，实现校企无缝衔接。学生在企业真实生产环境全程参与真实项目开发，解决真实问题，让学生在企业真实环境中参与真实项目，培养学生解决实际问题的能力。

（5）构建学科竞赛实践体系。学科竞赛是培养学生创新能力的有效途径，学校除了鼓励学生参与国家级和省级的相关学科竞赛外，还通过校企联合组织各类竞赛，比如举办仿真智能小车自主驾驶、编队行驶相关赛事，从而提升学生团队合作能力和信息获取能力以及分析解决工程实际问题的能力。

（6）构建创新创业实训体系。高校和企业联合设立创新创业课程、创新创业专项基金、创新创业比赛等。企业导师负责创新创业课程的讲授;学生组队承接企业发布的创新项目，获得创新创业基金的资助，学生也可以自主设立创新创业课题，邀请企业代表、投资公司以及教师代表对创新项目进行评估指导，通过答辩审核后进行立项，获得创新创业基金的资助，评估后有一定商业前景的团队将得到学校的扶持实现商业转化，提升学生自主创业的能力;校企联合组织人工智能创新创业竞赛，除了联合指导“互联网+”大学生创新创业大赛等赛事外，针对企业难题、卡脖子问题进行赛事的组织实施，培养学生创新意识、创新能力及团队协作能力。

（7）构建项目式学科交叉实训体系。组建跨学科教学科研团队，依托人工智能研究成立一系列跨学科研究中心，建立可持续发展的学科交叉实训体系，开发多个学科交叉项目如智能医学、智能建造、智慧城市、智慧法学、智慧金融等。学生可以选择感兴趣的方向进行项目训练，并完成大作业的设计，通过项目验收后可以取得相应的微学历。这样可以提升学生多学科交流和合作能力，培养学生跨领域学习的能力，了解其他领域的新技术新方法，主动应用人工智能技术解决交叉学科问题，更好适应未来多职业发展需求[4]。

（8）构建科研项目实训体系。根据国家创新驱动发展战略中相关学科的科技前沿需求，发挥科研院所优势，依托高校承担的重点项目和校企共同研发项目，鼓励有兴趣有能力的本科生进入实验室参与科研项目。开展本科生拔尖创新计划，学生自主成立科研团队，在教师指导下进行创新项目研究，对项目给予资金支持。高校也可以为每个本科班配备一名科研能力强的老师作为班导师，为学生科研规划、学术研究方法给予指导，培养学生的科研素养和创新能力。

4.校企联动构建可持续改进的教学质量评价体系

教学质量评价是提高人才培养质量的中心环节。以全面提高人才培养质量为目标，以学生为中心，以产出为导向，形成教学质量目标标准化、教学质量过程管理信息化、教学资源配置综合化、教学质量监控全程化的“一体化”机制，构建校企联动的教学质量保障持续改进体系（见图2）。企业行业专家参与教学质量评价的全过程，对其进行检查、监督和指导，形成对培养目标、理论目标、实践目标、毕业要求的综合评价及迭代更新，为提高教学质量提供了有力保证，全面提升人才培养质量。

（1）强化教学质量意识。围绕专业建设、课程建设、主要教学环节等构建标准体系，以工程教育认证为依据，以OBE理念为指导，确立并不断强化“严谨治学、严格教学要求”的“双严”教育方针，持续强化教学质量意识。注重过程监管、结果反馈和持续改进相结合，促进人才培养的不断迭代更新，不断提升人才培养质量。

（2）构建评价标准体系。从培养目标、课程体系、实践体系、师资队伍、培养过程和学生发展等方面设置多个观测点，形成符合教学评估的一级指标、二级指标及观测点组成的量化指标体系，制定过程化、精准化、多元化的综合性标准评价流程，对教学质量目标进行标准化的评价。

（3）建立持续改进机制。校企联合建立专家库，形成对培养目标、课程目标、实践目标、毕业要求“评价—反馈—分析—持续改进”的质量评价闭环模式（见图3），对培养目标的合理性和达成度定期评价，对课程设置和课程目标定期检查，对实践体系和实践目标定期评价，对毕业要求达成度追踪调研，形成建设中期2年一评，学位授予4年一评，专业建设6年一评的闭环模式。每隔2～4年对人才培养方案中的培养目标、毕业要求和课程体系进行评估修订[5]，评估修订过程企业行业专家全程参与，适时反映产业需求变化和学术前沿动态形成持续改进机制。

（4）强化信息质量监控。建设教学数据信息管理系统，实施数据驱动的数字化、精准化、多元化，以信息技术将教学过程分解细化，教学方法和教学效果由教学指导委员会、教师和学生共同评估，定期举行讨论，形成教学过程、教学质量评价监控闭环模式。

（5）保障教学质量管理。教学指导委员会邀请企业家加入，通过教学指导委员会强化教学质量管理和教学资源配置，对教育教学全过程进行检查、监督、评价与指导。采用随机听课、抽查试卷、抽查毕业设计、抽查教学资料、抽检教学资源配置等方式加强教学质量评价与反馈，促进课程体系、实践体系的持续优化，保障教学资源配置的充足，保证各个环节持续改进良性循环。

（6）跟踪毕业学生反馈。长期跟踪毕业生的社会适应能力，了解毕业生的职业发展状况，加强与毕业生的沟通，倾听毕业生的反馈。每年对毕业生组织座谈，组织问卷调查，听取毕业生对四年学习建议，加强对毕业生的追踪，通过校友会沙龙等方式定期和不定期同本专业毕业生沟通交流，听取毕业生对教学过程的改进意见，并将意见反馈给专业负责人进行教学质量改进及质量标准的调整。

（7）社会行业企业评价。

邀请企业行业进行座谈，开展问卷调查，了解行业最新动态，了解行业最新趋势，了解企业对毕业生职业能力的要求，了解企业对毕业生的评价，调查企业对专业毕业生道德素质、专业精神、知识结构、专业技能、沟通技能等的满意度，通过企业行业的反馈，形成调研评价报告。根据反馈信息进行数据分析，形成一定的结论，对培养目标、课程体系、实践体系等进行修订，持续稳步提升人才培养质量。

参考文献：

[1]吴飞，吴超，朱强.科教融合和产教协同促进人工智能创新人才培养[J]. 中国大学教学，2022（1/2）：15-19.

[2]吴飞，杨洋，何钦铭.人工智能本科专业课程设置思考：厘清内涵、促进交叉、赋能应用[J]. 中国大学教学，2019（2）：14-19.

[3]刘江，章晓庆.面向非计算机专业的人工智能导论课程建设与探索[J]. 中国大学教学，2022（1/2）：46-51.

[4]杜圣東，杨燕.“人工智能 +”背景下的新工科教育探索与实践[J]. 计算机教育，2020（7）：106-110.

[5]马文英，杨雄，王天宝，等. 基于产出导向（OBE）的本科人才培养质量评价方案研究[J]. 高教学刊，2021（20）：1-8.

[基金项目：教育部第二批新工科研究与实践项目“校企合作产教融合的‘人工智能+复合型人才培养模式与持续改进机制”（E-RGZN20201011）]

胡清华，天津大学人工智能学院院长，教授。