四月中旬，第三届香港世界青年科学大会暨香江诺贝论坛、2026国际院士香江论坛（The 2026 International Academicians Forum）相继重磅启幕，分别以“与世界协创未来”、“人工智能与高等教育创新”为主题，旨在链接海内外学术交流、推动科技协同发展，深入探讨科技创新与人才培育未来。
北京中关村学院院长、中关村人工智能研究院理事长刘铁岩教授受邀出席两场重磅论坛，与诺贝尔奖得主、图灵奖得主、海内外院士及顶尖青年科学家等学界翘楚齐聚香江。论坛上，刘铁岩教授发表《重新定义人工智能时代的人才培养》主旨演讲，立足人工智能产业发展与教育变革趋势，分享指出：“应对未来的最好方式，不是预测未来，而是培养能够适应、创造并引领未来的人。”
圆桌对话环节，刘铁岩教授以“厚积薄发，常怀准备”为寄语，与现场参会师生、学者共勉：坚守求知初心，深耕学术沃土，潜心培育新一代青年学子，让更多科研创新成果走出实验室、走向产业应用，真正惠及世界每一个角落。
以下为刘铁岩院长《重新定义人工智能时代的人才培养》演讲实录：
大家可以看到，我本次的演讲题目特意选用了“重新定义”一词，而非“改进”或“更新”，因为我相信，人工智能带来的并非渐进式变革，而是颠覆性的重塑。它从根本上撼动了人工智能与教育领域的底层逻辑，深刻影响着我们如何发现、培养并评价人的潜能。
毫无疑问，人工智能正在进入原本只属于人类顶尖人才的领域。例如在博士级难度的GPQA Diamond基准测试中，人类专家以往得分约65%，而Gemini3.1 Pro等前沿模型可达到94%-95%的优异分数。在2025年国际数学奥林匹克竞赛中，ChatGPT、Google Gemini和DeepSeek等前沿模型均取得同等高分，达到金牌水平——这对普通人来说，绝非易事。不仅体现在基准测试上，如今AI模型在真实任务执行中也展现出非凡能力。AI智能体已能自主完成以往需要人类专家耗费十多个小时甚至更长时间的编程工作，AI模型的强大实力，由此可见一斑。
这表明，如今AI不仅越来越聪明，更能胜任非常复杂的任务。但问题不仅在于AI变得越来越智能，更在于其发展速度之快、迭代之迅速。例如，今年2月，十余款前沿AI模型密集发布，展现出令人惊叹的迭代速度。与此同时，人工智能的推理成本亦呈现出显著下降趋势。在早期发展阶段，AI系统的部署与使用成本高昂，基本仅限于大型企业才能触及。然而，在当前阶段，即便是一名仅配备便携式计算机设备的中学生，也能够在日常学习、生活与工作中便捷地调用AI能力。换言之，人工智能不仅在技术能力上持续演进，更变得人人可及，真正走进了大众的生活。然而反观现有的教育体系，其变革步伐仍维持传统节奏，难以有效承担起为人工智能时代培养所需人才的重任。
问题随之而来：在人工智能时代，我们真正需要的，究竟是什么样的人才？在此，我举几个例子。Demis Hassabis想必在座各位都不陌生，他是DeepMind的联合创始人，主导了AlphaGo、AlphaFold等一系列AI原始创新。Demis本质上是一位横跨多学科的基础研究者，他带领团队取得的成果，正被世界各地的人们广泛应用，用以改变世界。此外，在这一时代，我们也看到其他典型案例，例如Cursor团队——一个仅由四人组成的初创公司，他们深谙Z世代乃至Alpha世代的真实需求，因为他们自身便来自这一代际。这些成员平均年龄仅23岁，却已打造出估值超过300亿美元的成功企业。另一个例子是Peter Steinberger，他发明了OpenClaw。我猜想在座许多人日常工作和生活中，都曾使用过OpenClaw。Peter Steinberger只是捕捉到了自身的真实需求：尽管市面上存在众多AI工具，他仍然缺乏一个真正个性化的AI助手来管理自己的计算机、处理个人生活与工作事务。于是，他借助AI搭建了这样一个助手，整个过程中无需自己编写大量代码。而OpenClaw也因此成为软件史上最成功的开源项目之一。通过观察这些人工智能领域领军人才的共同点，他们并没有遵循传统的学术路径，他们是跨界者、是敢于冒险的开拓者，他们用AI为AI创造工具，进而改变了整个AI领域的格局。
我认为，这些人正是AI领域乃至整个时代所亟需的人才。然而当前的教育体系，尚未为培养此类AI人才提供足够坚实的根基。传统教育体系侧重选拔精准记忆、模式匹配、稳定执行等能力——这些都是为应对标准化考试或竞赛而设计的。而这些，恰恰是AI在平均水平上已明显超越人类的方面。AI时代，人类真正具备独特价值的，是好奇心、审美判断力、批判性思维、快速原型设计与迭代的勇气，以及应对不确定问题与挑战的能力。
传统教育体系强调的是所谓“I型人才”的培养——在单一维度上深挖，而AI时代呼唤的是“T型人才”：既要有广度的跨领域视野，也要有能力为真实且充满不确定性的问题，找到可行方案。
简而言之，传统教育体系培养的是能够完美解决过去既定问题的人；而在人工智能时代，我们需要的是能够定义新问题、定义未来开放性问题的人。这之间存在一条巨大的鸿沟。顺着以上对于传统教育体系的审视，我认为以下三个方面值得关注：
第一，课程体系的更新周期。传统大学的课程内容，通常每三至五年更新一次。然而，人工智能领域的进步速度远超这一周期，每隔三至六个月便会发生一次重大技术跃迁。以近期发展为例：去年年初，学术界与产业界的焦点仍集中在大语言模型的预训练阶段；至去年夏季，关注点已转向后训练时代；随后，全球范围内的讨论热点，迅速迁移至智能体技术。即便在AI这一技术范式内部，其进展速度与焦点迁移之快，亦显而易见。
第二，评价机制的局限性。现行培养体系对学生的评价，通常依赖同行评审机制：撰写论文、提交至学术社区、接受同行评审、完成闭环。然而，在AI技术快速迭代的背景下，论文本身已难以充分反映研究的真实价值。在此，我想向大家介绍北京中关村学院一项名为“Auto-SOTA”的研究项目。在该项目中，师生共同构建了一个科研智能体，该智能体能够平均在一周内完成对顶会论文算法的复现、实现自主改进，并以10%的性能优势超越原算法，随后将生成的源代码自动开源。Auto-SOTA项目旨在向全球研究者传递一个明确信息：撰写一篇论文并达到SOTA水平，已不足以证明研究的独特价值，我们亟需将更多注意力，投向真实世界的问题。这些问题或许未必能写成论文，但它们能够推动产业实现重大突破，创造显著的经济价值与生产力提升——这是我们认为更具意义的评价维度。
第三，学科结构的壁垒。我认为，传统大学中院系之间的边界依然高耸。学生的训练往往被限定在相对狭窄的学科范畴内。尽管跨学科研究已被倡导多年，但现实情况是，绝大多数学生仍然在单一学科框架内接受训练。反观Demis Hassabis等人物，他们具备典型的“T型思维”：既拥有广博的知识视野，又在某一特定领域具备深厚的专业造诣，同时掌握跨学科协作的“共同语言”。正是这种能力，让他们能够跨越边界，实现真正意义上的协同创新。
基于上述对传统教育体系的审视，我们亟需构建一种全新的教育体系，以有效应对这些挑战，将人才培养提升至新的高度。在此，不妨再举几个真实案例，进一步与大家探讨：回看ChatGPT、AlphaFold等重大突破，无一来自传统学术界，均诞生于产业界——OpenAI创造了ChatGPT，DeepMind创造了AlphaFold。原因不难理解：传统学术界看重论文发表与引用，我们通常会用H指数之类的标准来彰显自身的学术影响力，而产业界则更注重实用价值与现实影响力。更重要的是，这些突破均出自OpenAI、DeepMind这类创业公司，他们足够勇敢，敢于构建新事物、新方向、新范式，无所畏惧，所以他们能完成很多从0到1的原始创新工作。
然而，当我们将发表论文作为核心导向，并以此训练学生时，无形中便传递出一种暗示：渐进式优化是一条“捷径”——因为它能以较低的成本，产出大量可发表的成果。若学生长期沿着这条路径发展，最好的结果也不过是成为一名出色的执行者；而要想实现从0到1的原创性突破，成长为真正的创新引领者，则将面临极大的困难。凡此种种，无不昭示着教育体系亟需一场深刻的变革。
于是，在北京中关村学院，我们做了一些非常大胆的探索，树立三大核心使命：培养下一代人工智能领军人才、开展颠覆性的人工智能研究，以及赋能产业的人工智能革命。我们不只是一所学校、一个实验室、也不只是一个孵化器。我们将北京中关村学院打造为一个集人才培养、前沿研究和产业转化融为一体的综合性平台。
在创立学院的过程中，我们首先思考的问题是：如何选拔出能够快速适应AI时代的人才？因此，我们不局限于传统大学的选拔方式，而是主动寻找新的能力信号。我们通过笔试、编程测试和面试综合评估学生，同时也关注创业经历、跨学科能力、开源贡献与问题定义能力等新维度。
选拔环节中，每个学生都要参加两项非常有趣且特殊的活动：“12小时AI实战赛”与“12小时AI黑客松”。在为期12小时的开放挑战中，学生需要面对难度极高的产业级问题，这些问题均源于真实场景。要解决此类问题，学生需全面理解设计流程的机制和含义，以及相应的计算与优化方法。多数学生在初始阶段并不具备相关知识储备。然而，我们为每位学生配备了一台联网的笔记本电脑，并可访问一个GPU集群，他们需在12小时内完成从知识学习、开源代码检索、AI模型辅助调用，到在GPU集群上运行代码与程序的全过程——所有学习、实践与迭代，均须在此时间窗口内完成。
另一项活动为“AI黑客马拉松”。在此环节中，学生需在12小时内完成从团队组建、创意构思、AI原型开发、商业计划书撰写，到最终演讲展示的全流程。上述测试的核心目的，在于考查学生在问题领域陌生、时间紧迫、失败成为可能选项的情境下，如何做出应对。我们所希望识别的，是那些具备应对不确定性能力的学生，而非那些仅能将既定问题解答至满分的应试型人才。
人才选拔之后，更关键便在于对他们进行创新培养，其中知识的前沿性至关重要。任何重大AI突破出现后的3-6个月内，相关内容就会通过“前沿微课程”纳入教学体系。我们坚信，学生需要通过“干中学”来培养能力，因此全面推行“项目制”培养，学院和导师为学生提供不同类型的项目选择，同时也鼓励学生自主提出研究课题。
同时，我们认为人工智能的价值最终体现在产业赋能上。因此我们高度重视成果转化与创新创业，为学生搭建了集AI孵化器、产业基金、AI商学院等支持平台。我们定期评估各研究项目的商业潜力，并在概念验证阶段就提供市场化支持。我们还尝试做出大胆设想：创办一家具备合理融资与营收能力的公司，或许可以作为传统毕业标准（如发表论文）的替代选项之一。
尽管这所全新学院成立仅一年多，我们已取得不少令人振奋的重要进展。虽然学院并不刻意强调论文发表，但学生们依然成果丰硕。过去一年，他们累计发表150余篇高质量论文，其中7篇发表在《Nature》《Science》系列顶级期刊上。此外，他们还斩获多项国际竞赛奖项与最佳论文奖，其中若干研究成果尤为引人注目。例如，研究团队成功构建了目前全球规模最大的密度泛函理论（DFT）计算工具，能够对包含多达十万个原子的非规则分子系统，进行能量与原子间作用力的精准计算。在这一工具问世之前，此类计算几乎无法实现——传统DFT工具的计算能力通常仅能处理约一千个原子规模的系统。除此之外，团队还取得了若干项类似水平的研究进展。这些项目有一个共同特征：科学研究的目标并非追求论文发表，而是致力于使所开发的工具，真正服务于现实应用。
但这并非我们对学生的全部期待。我们希望他们去做更多有真实价值、有深远影响力的事。令我们感到鼓舞的是，学生们不仅发表论文，还成功创办、或参与初创了学院的孵化公司。目前，我们孵化的多家初创企业，累计融资超3亿元，投后估值超20亿元。此外，一批优质的产品知识产权与技术转让项目也在稳步推进之中。以“AI肿瘤免疫药物自主设计平台”研发的Z212为例，这是一种用于肿瘤治疗的候选药物，在临床前候选化合物（PCC）阶段展现出极为优异的性能。目前，已有数家企业主动联系我们，表达了购买该IP的强烈意向。
更重要的是，在这些成果背后，我们真切看到了学生的成长：他们不再是传统意义上的专才，经过学院的培养，他们变得更加勇敢、充满想象力、好奇心与行动力，更展现出强大的领导力——能够与团队协作，完成只靠一个人无法单独达成的目标。
我们通过实践证明：应对不可预知未来的最好方式，不是预测未来，而是培养能够适应、创造并引领未来的人。AI的发展速度已然改写规则，我们必须加快追赶的步伐。这正是我们创立北京中关村学院的初衷。学院还很年轻，成立仅一年多，一切都在不断演进、迭代与完善，我们也仍在不断学习、不断进步。而值得欣慰的是，我们前进的速度非常快。
北京中关村学院期待与大家共探合作、共话未来。我们坚信，人工智能与教育的未来绝非单一机构所能成就，而需要我们携手共建，共同前行。