“AI未必会淘汰你，但懂AI的人会。”近日，南京大学2026年春季人工智能创新创业课启动选课，迅速吸引了全校不同专业研究生的关注。
这门首次不限学科背景的AI公共选修课，已连续两年以“校园爆款”的姿态出现在选课系统。去年春季，它吸引了来自全校20多个学院、30多个不同专业的近500名学生参与。其中主动旁听课程的学生超过300名。
这并非一门传统意义上的人工智能科普课程，而是一场由南京大学研究生院、人工智能学院联合新科技校友会及校外产业力量共同发起的教育创新的探索，是南京大学落实“奋进行动”，打造“最具创新能力的研究生教育”品牌的具体实践。2024年11月，学校启动“研究生AI+创新能力提升行动计划”，计划包含了四大板块，该课程正是其中“AI+创新创业能力提升”板块的重要一环，其命题在于以一场教育创新实验，点燃一条连接教育、科技与产业的创新“热链”。为支撑该计划，南京大学副校长、中国科学院院士周志华还专门募集了校友资金与业界算力资源。
课堂成孵化器， 35个项目加速“出圈”
作为一名曾对代码“敬而远之”的文科生，南京大学社会医学与卫生事业管理专业研究生张碧洋还记得自己第一次走进课堂时的心情，“心里直打鼓”。
“但这门课魅力就在这，上来就干，期末考核是路演。”他回忆道，“这种压力逼着你从零开始，硬着头皮也要把想法变成能拿出手的东西。”
他没想到，自己独立构思开发的AI聊天伙伴“HexTalk”，一个融合了《易经》哲学、说话犀利的“数字哲学顾问”，后来竟一路“出圈”，在南京首场AI黑客松大赛和苏州人工智能重点实验室主办的比赛中接连获奖，并吸引了数百名早期用户。
和张碧洋一样，在刚刚过去的这个学期，一批从这门“校园爆款”课走出的学生项目，正从课堂作业演变为获得市场初步认可的创新成果，有的在AI大赛中斩获奖项，有的与企业、社会组织展开合作，有的则注册成立了公司，迈开了创业第一步。
这些项目充满年轻人独特的想象力与关怀。环境学院硕士生姚圣涛为负责人的8人跨学科团队，受组内爱宠同学的启发，开发了狗语翻译软件——宠伴。该软件试图通过AI识别“毛孩子”的表情与声音，破解“狗语”背后的“人话”。“最大的挑战是如何获取高质量犬类多媒介数据，以及如何相对科学地评价‘狗语’翻译的对不对。”姚圣涛说。尽管面临数据瓶颈，团队已基于仅有的开源数据成功开发出能初步进行多模态翻译的App原型。
化学化工学院与鼓楼医院联合培养的博士生陈亚伟，则和同伴们将课堂上的构想推向了更专业的领域。他们开发的“肿瘤患者AI运动康复助手”，从网页版Demo迭代成了一款手机App，并于去年底注册成立了“乐橙智康”公司。这款应用能根据肿瘤患者的具体情况，生成个性化、可调整的运动方案。“它要解决的不是一个单纯的技术问题，而是患者在康复期‘不敢动、不知如何动’的真实困境。”陈亚伟说。
AI成催化剂，不同学科实现“跨界反应”
谈起这门“爆款”课的诞生，南京大学新科技校友会理事兼执行秘书长严格还是觉得很意外，坦言“没想到真的开起来了，这门课”。最初，它只是一次会议中偶然提及的构想，而南大开放创新的土壤，最终让这个打破常规的想法落了地。
“这门课的设计，本身就是打破常规的。”严格介绍，课程采用了PBL（项目式学习）教学法，好处是让同学们不论是否相识都可以组队，极大促进了跨学院的横向交流。5名企业背景的老师会分别进入各个小组，提供“伴随式”辅导，遇到难题时还会发起“会诊”。
“这更像是一场加长版的‘黑客松’！”张碧洋说。黑客马拉松是在48小时左右的限定时间内协作完成软件开发项目，而这门课让时间拉长到了3个月。课堂本身就成了一个独特的“反应容器”，而AI技术则成了其中最关键的“催化剂”。
催化剂的第一重作用，是将前沿AI技术，迅速催化为攻克专业难题的“新质生产力”。现代工程与应用科学学院博士生范亚强带着一个具体的“硬骨头”走进课堂，他所在的团队已研制出国产“精准光子集成芯片”，却在信号高速解调这一关键环节遭遇瓶颈。在老师们的帮助与启发下，团队小伙伴们一起查阅文献，从多重技术视角筛选出可能的技术路径。“AI从一个‘高不可攀’的概念，变成了可以‘拿来就用’的趁手工具。”范亚强说。
在“边造枪边打仗”的节奏下，他将深度学习模型“嫁接”到光子集成芯片FBG传感监测中，初步构建了新的智能技术框架。课程虽已结束，但攻关才真正开始：他和团队正将课堂模型持续优化，尝试嵌入边缘设备（Edge Device），使用AI技术赋能，大幅提高产品性能，将高效优质的监测方案拓展到多个工业领域，助力我国尖端科技产业发展。
催化剂的第二重反应，则在跨学科团队的融合中迸发。在姚圣涛的“宠物情绪翻译助手”项目组里，软件、金融、城乡规划等背景的成员最初常常“鸡同鸭讲”。“搞软件的同学执着于算法优化，而我们关注的是‘宠物主人会不会用’‘这个功能他们是不是需要’。”姚圣涛说，矛盾迫使团队学习“翻译”彼此的语言。技术同学开始深入理解用户场景，而非技术同学也努力弄懂数据标注的基本逻辑，最终让产品原型同时具备了技术可行性和市场洞察力。
类似地，化学化工学院的博士生陈亚伟在开发“肿瘤康复助手”时，医学的严谨、工程的逻辑与产品思维不断交融，从课程中学到的创新思维方法，使得团队更深刻地理解了市场需求驱动的产品创新逻辑，最终推动项目从产品原型到注册公司，开始真正走向市场。
对于这些正在发生的“化学反应”，周志华有着精到的观察。“人工智能技术能做什么，我们了解，”他说，“但年轻人会用它们来想象什么，我们未必知道。”他特别指出，“不少绝妙的创意恰恰来自文科同学。他们的想象力能为技术打开全新的应用空间，而理工科同学的严谨则确保了创意的可行性。”
人才成聚合体，融合优势创造无限可能
随着2026年春季选课再次启动，新一轮的“跨界反应”已在南大校园里悄然酝酿。
南京大学研究生院院长王孝磊发现，这条始于校园的“热链”，其更深远的回响，在于它重塑了人工智能时代创新人才的培养范式。课程不再只是知识的单向传授，而是将最前沿的产业需求、市场逻辑与真实压力，系统性地引入并贯穿人才培养的全过程，构建了一个由教育界与产业界深度耦合的“培养闭环”。
这个独特的“培养闭环”，正在催生一批面向未来、定义未来的人才聚合体。
如今的张碧洋，最快30分钟就能将一个创意转化为AI产品原型。“这门课彻底改变了我的认知边界，”他说，“AI不是理科生的专利，它是我们文科生思维的‘放大器’。”能力的“解锁”推动他走向更广阔的实践——他不仅开发了服务于社科研究的“SSCI Lab”平台，更与同伴创立了“空载AI社区”，致力于构建一个“零门槛”的创新生态。
在期末路演中，姚圣涛接收到来自谢肖瑜老师等行业专家“刀刀见血”的反馈。“比如我们的APP界面太复杂，应该像早期的iPod一样，聚焦核心功能，做到极致简洁。”姚圣涛回忆，还有专家反复强调数据标注的重要性，这让我们对技术落地的难点有了更清醒的认识。如今，关注AI新模型、追踪国内外创新项目，已成为姚圣涛的习惯，“未来，无论是科研还是创业，我的目标是将这套创新逻辑，应用于‘双碳’等国家战略领域。”
在期末路演中，姚圣涛收到来自谢肖瑜、何亮老师等行业专家“刀刀见血”的反馈。“比如目前宠伴APP界面太复杂，应聚焦核心功能，做到简洁易用；12份用户内测调研问卷太少，至少需要300份以上，凭此弄清楚他们愿意的付费点到底是什么。”姚圣涛回忆，还有专家反复强调数据对于宠伴开发的重要性，这让他们对技术落地的难点有了更清醒的认知。如今，关注AI模型变化、追踪国内外创业项目等，已成为姚圣涛的新习惯，“通过在南大课程中习得的这套宝典，我觉得在未来也许同样能应用于自己的专业中，比如‘双碳’等国家战略领域。”
而对于主攻肿瘤免疫的博士生陈亚伟而言，这门课则为他打通了从实验室到市场的价值转化通道。产业导师引入的实战思维，让他跳出了“细胞、动物、论文”的固有路径。“它让我坚信，医学研究的价值不仅在于发表论文，更在于能否转化为解决真实临床痛点的方案。”
作为课程的主讲人，产业导师严格对此有着冷静的观察。“AI发展很快，为了确保课程的前沿性与实用性，今年的课程内容我有80%以上都做了更新调整。”他强调，这个“培养闭环”的生命力在于持续的动态迭代，其目的并非鼓励所有学生都选择创业，而是确保他们掌握一套能随时代进化、面向真实世界的创新方法，助力于他们日后的科研、工作、创业等各种场景。
这种校内外联动教学模式的辐射效应已然显现。课程结束后，授课教师们保持了与学生们的交流，发现仍有近三分之一的学生在持续迭代项目或寻找新的创新点。2025年10月份，授课教师们藉返校之机临时召集同学们举办了一次线下茶话会，竟吸引了30多名已结课的学生踊跃参与。“他们愿意来，说明创新的兴趣与热情被真正点燃了。”严格说。
【记者手记：AI时代学习如何“进化”？】
103天的课程周期，一段从“零基础”到“敢创造”的共同奔赴，最终沉淀下35个覆盖十多个领域的创新项目。这场教育实验的成败，从不在于商业计划书或注册公司的数量。
这门课更深层的启示，在于它回应了一个时代的核心焦虑：在一个技术、需求与范式都在飞速迭代的世界里，学习本身应如何进化？
这门课给出的答案清晰坚定：让学习发生在真实且动态的前线。它没有提供关于AI的静态知识包，而是构建了一个与产业前沿共振的“反应场”。在这里，学习的内容与方式都处于高速更新之中，迫使师生共同面对“确定性知识”的快速折旧，转而锤炼一种更关键的能力，在不确定性与持续变化中，提出构想、整合资源并创造新解。
从文科硕士生借助“自然语言”驾驭AI完成开发，到工科博士生为“卡脖子”难题筛选适配模型，他们演练的，正是这种面向未来的发展技能。正如采访中张碧洋的感慨，这门课赋予他的，是“一种超越单一技能的元能力：用AI思维解决问题的能力，以及将想法转化为现实的勇气。”
这门课的探索，其意义也超越了“AI+产品”的教学方法，而是为人工智能时代的高等教育，探索一条可行路径：如何通过系统性设计，让高校真正成为科技创新策源地、人才培养高地与产业创新引擎。这条产学研“热链”的价值，正蕴藏于这条愈发清晰的路径当中。（杨频萍）