为主动应对人工智能时代的国家战略与学校“复合型人才培养”的需求，三峡大学于2025年秋季学期面向全校约7000名本科新生与近3000名硕士新生，同步开设人工智能通识必修课程，核心在于培养学生将AI技术与自身专业相结合的创新与实践能力。
作为湖北省与水利部共建，以水利、电力为特色的综合性大学，三峡大学设有22个学院，覆盖工学、文学、医学、艺术等九大学科门类，面对专业不同、基础各异的学生群体，如何设计一门能让所有新生“学得会、用得上”的AI通识课，成为教研团队面临的核心课题。
随着2024-2025年生成式AI的全面爆发（特别是DeepSeek等国产大模型的崛起），三峡大学全面开始了人工智能教学体系的改革。当面向本科生的 AI 通识课程——《计算机与人工智能概论》在25年秋季学期正式开课时【点击此处查看本科通识课案例】，研究生院也主动提出，要为接近3000名研一新生同样开设人工智能通识课，并迅速与计算机与信息学院进行联动。
尽管已经有了本科生课程的开课经验，但面对硕士研究生与本科生完全不同的学习节奏，仅有16个学时的极度压缩课时、明显的学科导向和强烈的科研产出需求，课程教研团队依然面临着多重挑战。最终，在和鲸ModelWhale智能教学平台和海量AI实训资源的支持下，课程团队探索出了一套覆盖人文+理工的《人工智能导论》研究生通识课，成为国内高校在研究生阶段进行人工智能通识教育的先锋案例，交出了一份面向“复合型人才培养”的创新答卷。
研究生学AI通识，有什么用？
“2025年入学的研一学生，本科入学是在2021年左右，那四年里他们刚好错过了这一轮生成式AI的爆发，他们在大学四年的‘AI真空期’里几乎没有系统地接触过AI相关课程。”而在即将开始的研究生生涯中，AI工具的使用已成为他们在课题组内开展研究和未来就业时不可或缺的能力，这门课不仅是“补课”，更是“救急”。
按照学科专业，全校研一新生可以分为“理工类”与“人文社科类”两大群体。理工类（涉及23个学科点）学生尚有一定编程基础，可以适当安排代码类实训作业，而人文社科类（包括法学、公管、声乐、美术等7个学科点）学生，计算机基础则较为薄弱。因此硕士研究生新生的人工智能通识课设计相较于本科生也更多了一重挑战。不能太简单、但如果直接照搬传统的代码教学，学生要么觉得不耐烦，要么听不懂，更会产生抵触情绪：“我是学艺术的，学这个有什么用？”
课程团队中的老师很多也是研究生导师，非常理解同学们的焦虑心态：“我们会告诉他们，既然成为了研究生，就说明经过4年本科学习已经具有一定的专业背景和知识，有自主学习的能力。现在是人工智能时代，不论是研一下学期马上做开题，还是做研究，一定离不开人工智能工具和大模型的使用。”
基于此，课程团队将研究生通识课定位成“启发学生在学习科研中使用AI”。授课老师告诉我们：“对于研究生，首要任务是‘祛魅’。要让他们知道AI不是神秘的高科技，而是像Word一样辅助科研的工具。你不需要懂底层代码，但必须懂逻辑、懂如何调用、懂机器学习能够为科研做些什么，从而用在未来的研究方向中。”
人文社科+理工，16学时的OBE教学课程
不同于本科生拥有32学时相对充裕的时间，研究生AI通识课仅安排了16学时，如何在这么短的时间内，让不同基础的学生都能上手AI？
云端“黑盒”，直接调用算力进行AI实训
“如果我们花时间教学生在自己电脑上配置环境，光是版本兼容性问题就会耗尽所有课时。”通过直接使用和鲸配置的云端虚拟实验室，授课老师可以直接利用平台预置好的镜像环境，让复杂的底层硬件变成了“黑盒”。学生不需要关心显卡型号和驱动，打开网页进入课程即可直接调用算力进行实践。
老师们也曾担忧平台能否能在承载那么多同学同时上课，但面对增加近3000人的算力需求，和鲸团队也及时作出响应，对云端资源进行扩容，并根据研究生实验的强度增加了GPU算力的支持，为全校人工智能课程进行了有效保障。
2025年秋季学期，三峡大学近万名本科与硕士新生在和鲸ModelWhale智能教学平台进行AI实践
分层教学，重视应用导向
为了应对研究生更高的独立意识和更强的思辨能力，老师们选择采用OBE理念构建课程。“本科生教学更注重知识点的落地和贯穿，而研究生教学我放得更宽，先进行演示和教学，让你看到AI能做什么，然后带着你来做。”
在课程设计上，老师也特意选择了能与不同专业学生思维共鸣的案例。例如张蕊老师在课堂上为人文社科类学生设置了和鲸低代码canvas可视化模式下的全唐诗文本挖掘案例，负责为理工类研一学生授课的徐义春老师则在作业中安排了难度更高的贷款审批模型训练，虽然训练对象不同：一个是文字、一个是数据，但都能通过案例告诉同学们——为什么我们可以和模型对话，模型的分析思路是怎样的，最终能生成怎样的结果，这与他们之后可能涉及的文献采集整理和数据分析研究较为相似，真正让学生通过课程掌握了AI思维与能力。
而在期末项目中，课程团队同样选择了和本科通识课一致的图像分类模型实验，并采用分组大作业答辩的形式，鼓励学生从自己的课题或生活中寻找分类要素，让他们在低门槛下体验用AI工具解决具体问题的全流程。这一方面是老师们在本科生作业提交后积累了足够的经验，并对这项实验的教学效果非常满意，同时也是在课时紧张的情况下的灵活选择。
从“要我学”到“助科研”
让老师们感到欣喜的是，研一新生在克服了最初的畏难情绪后，基于OBE理念的实训确实调动了学生们学习的积极性，并产生了真实的教学效果转变。
有授课老师坦言：“虽然我已经在课堂上讲解和演示过案例，但在这么紧张的时间下，真的没想到这个图像分类的实验他们能够做下来。”其中有一个班级因为调课，在一周内上了两次四个学时的课程，而学生们还能在半周内迅速完成分组大作业，通过组内互助和小组协作，技术强的带动基础弱的，全班27个小组全部完成了实训项目，给老师留下了非常深刻的印象。
三峡大学的开课经验也提示了其他在考虑开设硕士研究生AI通识课的老师们：对于研究生阶段不以课程为主的教学环境下，合适的云端虚拟平台对无需深入编码的同学，提供了一个极为便捷的实践环境。在课程内容上，可以通过贴近生活的案例为导向，这对于思辨能力更强的研究生而言能极大地激发兴趣，引导他们主动进入学习情境。
课程的影响力也超出了课堂。参与授课的老师分享道：“有学生上完课后主动来联系我，询问能不能请我参与他们一些项目的搭建，用AI方法去分析他们学科的数据。” 这展示出这门硕士研究生通识课已经基本达到目标——让学生开始主动思考AI与专业的结合，启发“人工智能+”跨学科研究的可能性，这也为三峡大学继续深化“1+M+N”的人工智能教育体系开了个好头。
课程团队也准备根据一学期的教学经验进行新的课程计划，进一步深度应用和鲸平台的教学能力，加入更多结合不同学科背景开发垂直领域的深层案例，或结合商业化大模型（如OCR提取、智能体搭建）进行应用编排，让课程内容从“通识科普”向“专业深水区”迈进。
无论是本科阶段的专业深耕，还是研究生阶段的通识普及，三峡大学与和鲸科技的合作，始终围绕一个核心目标：激活每个学生身上的跨学科创新潜力。平台如同一个稳定且易用的“创新引擎”，让师生们充满创意的课程实践，反过来又成为吸引其跨学科合作研究和复合型人才培养的“火种”。
和鲸ModelWhale智能教学平台通过云端一体化环境，成功承载了近万人并发的规模化教学，确保了基础实践的“齐步走”；同时，其分层实验设计与丰富的案例资源，又能支持不同专业学生的个性化“分头探索”。这标志着，合作已从解决单一课程问题，升级为共同构建一个可扩展、可定制、可生长的智能教育生态。
2026年4月，教育部等五部门联合印发《"人工智能+教育"行动计划》，明确要求高等教育阶段"推动人工智能成为高校公共基础课"，"打造'短实新'的前沿创新课程，开设人工智能交叉融合课程"，并提出到2030年"构建起纵向贯通、横向联通的人工智能全学段教育和全社会通识教育体系"。这一顶层设计为高校AI通识教育的体系化建设按下了加速键。
作为国内首个支撑高校大规模落地AI通识教育课程的实训平台，和鲸科技致力于以丰富的跨学科低代码实训案例和一站式教学管理能力，助力高校构建“听得懂、用得上”的AI通识教育体系。通过与和鲸的深度合作，高校能有效地将人工智能通识课程，从一个孤立的教学环节，升级为一个持续激发跨学科对话、科研灵感与人才培养新范式的活跃生态。
自2025年开始，和鲸AI智能教学平台在国内多所高校得到应用，智谱大模型携手发布《AI融合高等教育：从通识到专业——学科+AI人才培养白皮书》，想要解锁更多高校的差异化AI人才培养路径，请前往和鲸官网了解白皮书全文。
经验分享（FAQ）Q1. 怎么判断我们学校有没有必要给研究生开AI通识课？现在各个学校都在搞，我们跟不跟？
A： 主要看两个信号：学生的“AI真空期”有多长，以及科研环节的“工具断层”有多明显。
三峡大学在研究生通识课筹备阶段观察到的情况很有代表性。2025年入学的研一新生，生成式AI的爆发期恰好是他们忙于备考和毕业的时间段，绝大多数本科培养方案还没来得及系统性纳入AI内容。学生进课题组后，导师默认他们会用AI辅助读文献、理数据，实际上很多人连“模型如何根据输入产生输出”的基本逻辑都不清楚。这不是学生的问题，是培养链条上出现了一段真空。
另一个判断维度来自研究生院和导师的反馈。三峡大学研究生院之所以主动找计算机学院联动开课，是因为接收到了不少课题组诉求——学生拿到实验数据不知道能用AI怎么处理，写文献综述时只会用搜索引擎关键词匹配，导师得花大量时间补基础工具训练，挤压了本该用于实质性研究指导的精力。如果贵校研究生院或导师群体也有类似声音，那就是一个明确的需求信号。
当然，开课需要基础条件，但门槛比想象的低。师资方面，可以参考山东工商学院的“集体备课、任务拆解”模式。平台方面，三峡大学本科+研究生近万人同时开课的经验证明，只要有一套能抹平环境配置差异的云端教学平台，硬件和机房的约束可以被极大弱化。
简化的判断框架： 如果你的研一新生本科期间没系统接触过AI（“真空期”假设成立），且导师普遍反映学生科研工具使用能力跟不上课题节奏（“断层”假设成立），那开一门必修AI通识课就不是“跟风”，而是“补课”。反之，如果这两个信号都不明显，可以先做小范围试点选修，观察反馈再决定是否铺开。
Q2. 研究生课时一般很紧张，没办法像本科生一样开一学期的人工智能通识课，教学节奏怎么把握？
A： 研究生们在本科阶段已经接受过一定的学术训练，自学能力、协作能力和工具使用能力都有不小的提升，因此研究生AI课的精髓不在“教”，而在给一个足够低的动手门槛，让他们自己摸出门道来。
三峡大学的教研团队对研究生课程采用了“教得更少，放得更开”的OBE理念，老师先花一节课演示平台和模型的基本知识，展示AI能干什么，剩下都可以交给学生分组动手。人文社科类的全唐诗案例，老师只搭框架，学生自己调参看意象变化；理工类的贷款预测模型，代码和数据集平台预置好，学生改特征列跑结果。期末直接上图像分类大作业，三峡大学就有一个班级因为调课，一周内连上了两次四个学时的课，结果全班27个小组照样在三天内完成了图像分类的大作业答辩。
Q3. 文科、艺术类研究生学AI，他们自己都觉得“跟我没关系”，怎么让他们别抵触、甚至主动想学？
A： 抵触的根源通常不是“对AI没兴趣”，而是没看到AI与本专业的关联，并且要面对“为了学AI被迫先学数学和编程”的恐惧感。实际上，AI在文学和艺术产业中的应用已相当广泛。从AI漫剧制作到智能文案生成，从数字艺术创作到文化遗产数字化，AI工具正成为内容产业的基础设施。山东工商学院和三峡大学的实践都指向同一个解法：绕过代码门槛，让学生第一时间在自己的专业语境里看到AI的实用价值。
依托和鲸社区覆盖人文、艺术、经管等10多个领域的海量真实产业数据与实训案例，教师可直接按专业筛选组合，实现“用产业数据反推教学案例”，让不同专业的学生都能在自己熟悉的场景里跑通AI流，例如视觉传达专业的学生在图像分类作业里上传不同画派作品，让AI认风格流派，让外语学生搭建翻译智能体等等，都是师生们共同发挥学科+AI创造力后的成功案例。
