问题——人工智能加速演进之下，高等教育面临“如何教、教什么、怎样培养人”的新考题。
研讨会上，多位业内人士认为，新一代技术正在重构知识获取与生产方式，传统以课堂讲授为中心的教学组织形态、以标准化考核为主的评价体系以及相对固定的专业边界，都在受到冲击。
与此同时，就业结构和产业需求快速变化，学生能力结构与岗位要求之间的落差被进一步放大，倒逼高校提升培养的适配度与前瞻性。
原因——技术浪潮与社会需求的双重驱动，使教育数字化从“工具应用”走向“系统重塑”。
马坤田在发言中援引相关数据指出，生成式技术的用户规模增长迅速，未来数年将对大量岗位产生影响，新近涌现的创新企业也呈现技术密集型特征。
在他看来，技术一方面降低了知识获取门槛，促使学习从“记忆型输入”转向“问题型探究”；另一方面也使跨学科协作、国际化交流与终身学习成为常态要求。
教育供给若仍停留在局部数字化、零散信息化层面，将难以应对快速迭代的能力需求。
影响——教学形态、教师角色与育人目标同步调整，成为高校高质量发展的关键变量。
研讨会上提出，人工智能正在把教学空间从单一物理课堂拓展为线上线下融合的学习场域，把“统一进度”扩展为更可实现的个性化学习支持，把教师从单纯授课者推向学习设计者、组织者与评价者。
马坤田认为，AI的价值不应止步于提高效率，更应服务于高阶思维与探索能力培养：通过持续的学习支持、即时反馈与资源推荐，帮助学生形成问题意识、批判性思维与创新能力；通过可视化的数据分析与课堂评价，为教学改进提供依据，推动教育治理走向精细化、科学化。
对策——以平台化、系统化思路推进“人机协同”育人，关键在于把技术能力转化为可落地的教学流程与治理机制。
围绕“AI如何与教学场景融合”，马坤田提出，应面向“备、教、学、测、评、督、管”等全流程构建一体化智慧教学体系，通过多源数据汇聚与教学资产沉淀，打通教学与管理之间的信息壁垒；通过开放组件促进校内系统融合，避免重复建设与数据割裂；在教学端，以课堂评价、虚拟课件制作、智能分析等能力增强教师教学设计与课堂组织；在学习端，以个性化学习支持、资源推荐与学习反馈提高学习效率与质量；在管理端，以数据驱动实现教学质量监测与持续改进的闭环机制。
在国际化人才培养方面，与会人士认为，多语种互译、口语对练与跨文化交流辅助等能力，有助于拓展学生视野、提升沟通能力与学术交流效率，为高校开展国际合作、吸引优质教育资源提供新工具。
与此同时，相关应用也需强化规范化建设，确保技术服务于育人目标，避免“重工具、轻课程”“重应用、轻能力”的偏差。
前景——人工智能与教育深度融合将走向纵深，核心趋势是从单点应用迈向生态重构。
研讨会上介绍，科大讯飞已面向教育场景构建专属大模型与智慧教学平台，并在多地推进应用落地，相关方案已进入规模化实践阶段。
业内人士判断，未来一段时期，高校数字化转型将从“搭平台、上系统”转向“重构课程、重塑评价、重建能力模型”，人才培养将更加突出能力导向、学科交叉与实践创新，强调面向国家战略需求和产业升级需求培养拔尖创新人才、科技领军人才与卓越工程师等。
与此同时，教育数字化也将更强调安全可控与可持续：技术路线、数据治理、伦理规范和教师数字素养提升将成为必须同步推进的基础工程。
人工智能与高等教育的深度融合已成为不可逆转的历史趋势。
这不仅是技术应用层面的创新，更是教育理念、教学方式和人才培养体系的系统性变革。
构建人机协同、数智驱动的一体化教学新生态，需要高校、企业、政府等多方协力推进。
唯有抓住这一历史机遇，主动拥抱技术变革，才能培养出适应时代需求的创新人才，为国家高质量发展提供源源不断的人才支撑。