问题——随着新一轮科技革命和产业变革深入推进，人工智能正加速融入研发设计、生产制造、经营管理和公共服务等环节。
政府工作报告首次提出“打造智能经济新形态”，释放出以智能技术重塑产业体系、优化资源配置、提升全要素生产率的明确信号。
多位教育界人士指出，智能化转型对人才结构、知识体系和能力模型提出了更高要求，而当前高校培养在学科边界、课程体系、实践平台与师资队伍等方面仍存在与产业变革不相适应之处：一方面，掌握底层原理、关键算法与工程化能力的高层次人才供给仍显不足；另一方面，既懂智能技术又懂行业场景的复合型人才缺口扩大；同时，面向一线的技术技能型人才在数量与质量上也需进一步提升。
原因——一是产业升级带来能力需求“跃迁”。
智能化应用从单点试验走向系统部署，企业对人才的要求由“会使用工具”转向“能解决复杂问题”，既需要基础研究与核心技术攻关人才，也需要懂数据、懂流程、懂管理的交叉人才，还需要具备工程实施、运维调优和质量管控能力的技能人才。
二是传统培养模式存在结构性掣肘。
部分高校专业设置调整相对滞后，课程更新周期较长，跨院系资源共享不足，导致学生知识结构与产业实际脱节。
三是实践平台与师资能力需要同步提升。
智能技术迭代快、工程门槛高，校内实践条件、真实数据与行业项目供给不足，产学研协同深度不够，影响了学生工程思维与创新能力的形成。
影响——人才供给与需求错配将直接影响智能技术落地的速度与质量，进而影响产业竞争力与区域创新能力。
对企业而言，缺少复合型人才会导致应用场景挖掘不足、数据治理与流程再造推进困难；缺少高端研究型人才则会制约关键核心技术突破与原创性创新；缺少技术技能人才又会影响系统部署、设备运维、网络与数据安全等基础工作。
对高校而言，若不能及时完成培养体系调整，将在专业竞争力、科研转化和服务地方发展方面面临新压力。
对策——全国政协委员、江苏省哲学社会科学界联合会党组书记王成斌建议，高校人才培养应围绕智能经济新形态进行“三维”重构，形成分层分类、各展所长的人才供给格局。
第一维，研究型大学要面向国家战略需求，强化底层逻辑、核心技术与原创能力培养。
重点在基础理论、算法模型、软硬件协同、系统架构与安全治理等方向布局高水平课程与科研训练，完善本硕博贯通培养机制，提升高层次研究人才和高质量师资储备，为关键技术攻关与前沿创新提供支撑。
第二维，综合性高校要突破学科壁垒，面向“人工智能+X”推进交叉融合培养。
围绕制造、医疗、交通、金融、教育、公共治理等重点领域，构建“技术能力+行业知识+伦理规范”的复合课程体系，通过跨学院联合培养、项目制教学、真实场景实训等方式，让学生既能理解数据与算法方法，也能掌握行业流程与痛点，提升把技术转化为生产力的能力。
第三维，应用型本科高校与职业院校要紧贴产业一线，突出实践导向与岗位能力。
围绕工程部署、数据标注与治理、系统集成、智能设备运维、质量检测、网络与数据安全等岗位，优化专业设置和实训体系，强化校企合作、订单式培养和双师型队伍建设，推动学生“毕业即上岗、上岗能胜任”。
王成斌同时提出，应借鉴当年计算机课程普及经验，将人工智能相关内容纳入通识教育甚至核心课程，系统提升大学生数字素养与智能思维，培养适应“人机协同”的新一代劳动者。
在课程内容上，既要重视基础概念、数据意识与工具能力，也要加强对安全、伦理、合规与社会影响的教育，引导学生在技术应用中守住底线、把握方向。
前景——业内人士认为，随着政策引导、产业投入和应用场景持续拓展，智能经济将从“点状突破”迈向“系统重塑”，对人才培养的要求将更强调复合能力、工程能力与创新能力的协同提升。
未来一段时期，高校改革的关键在于：以产业需求为牵引加快专业与课程迭代，以高水平平台和高质量项目提升实践教学含金量，以更开放的协同机制推动校企资源共享，并通过评价体系改革引导教师把更多精力投入到交叉教学与工程化训练之中。
随着分层分类培养体系逐步完善，人才供给结构有望更好匹配产业升级节奏，为我国智能经济新形态的培育壮大提供更坚实的人才支撑。
智能经济形态的构建既是技术革命，更是人才革命。
当高校人才培养的"三维"架构与产业发展同频共振，不仅能为经济转型升级提供核心支撑，更将重塑国家在数字经济时代的竞争力格局。
这场教育变革的深度与广度，或将决定我国在未来全球产业分工中的战略地位。