问题：人工智能应用加速落地，人才能力结构面临重塑。随着大模型及其衍生工具进入研发、运维、产品等环节，“能问会用”的门槛持续降低，而“能定义任务、能组织流程、能把结果落到系统与业务”的要求明显提高。对高校工科学生而言，如何从“对话式获取信息”走向“面向任务的行动与交付”，正成为新阶段的学习重点。 原因：技术路径从通用工具转向可协作、可执行的“智能体”。在浙江工商大学信电楼举行的讲座中，产业教授张海泳从一线研发的变化谈起，指出辅助编程正在从“生成建议”升级为“能自主拆解任务、调用工具并执行流程”。围绕两类代表性工具的对比，他将业界探索概括为两条路线：一条强调安全边界、权限控制与可审计，适用于对合规与风险更敏感的场景；另一条强调任务编排与自主执行效率，适用于追求快速迭代的研发环境。张海泳认为，两条路线的共同目标，是让工具不再停留在“回答问题”，而是真正进入团队协作链条，承担“执行角色”。 影响：产业生态更趋成熟，工程实践成为竞争分水岭。张海泳结合行业观察指出，国际企业在底层模型、工具链和生态布局上起步更早、体系更完整；国内企业和机构正加速追赶，应用侧迭代尤为活跃。随着数据治理、算力供给、开发平台、插件与接口等基础设施逐步完善，“智能体”正从概念走向可部署、可管理、可评估，未来有望在软件研发、网络与通信、客户服务、运营管理等领域更广泛落地。此外，工程岗位的评价标准也在变化：不只看写代码速度，更看需求理解、系统设计、测试与上线、质量与安全，以及跨工具协作能力。“未来已来，只是分布不均。”张海泳的判断引发在场师生共鸣——差距往往会先出现在敢用、会用、用得规范的人群中。 对策：把工具用起来，更要把基础立住、把规范建起来。在互动环节，张海泳建议学生主动接触主流工具，在真实任务中建立“提示—验证—改进”的闭环，并根据项目类型、数据敏感程度和交付要求选择合适方案。他强调，工具越强大，越要避免“只会调用不会判断”：要持续训练代码基本功、算法与数据结构、软件工程流程与文档习惯，学会做单元测试、做代码审查、做安全与隐私评估，把工具当作能力加速器，而不是替代品。多名学生表示，讲座帮助他们理清了技术演进逻辑与学习路径，也意识到拥抱新工具并不意味着更容易，而是对工程能力提出了更高要求。 前景：产教融合持续深化，复合型人才培养将更强调“可交付”。据校方介绍，邀请企业一线技术专家走进课堂，是学校产业教授制度的重要内容之一，目的在于打通产业前沿与教学实践，让学生更早接触真实问题、真实约束与真实标准。业内人士认为，面向“智能体”时代，高校人才培养将更突出项目牵引与跨学科协同：一上夯实计算机与工程基础，另一方面补齐产品思维、数据治理、安全合规与团队协作等能力模块，推动学生从“完成作业”走向“完成交付”，从“掌握知识点”走向“掌握方法论”。
当前，AI技术正处在从理论突破走向规模化应用的关键阶段；高校作为人才培养的重要环节，需要跟上技术演进：既要让学生学会使用新工具，也要培养他们适应变化、持续学习与创新的能力。浙江工商大学通过产业教授制度，将企业实战经验引入课堂，为学生提供更贴近产业需求的学习路径。这个探索表明，只有高等教育与产业发展形成更紧密的互动，才能培养出适应时代需求、具备竞争力的人才。面向AI智能体时代，更多高校可继续深化产教融合，引导学生在掌握前沿技术的同时打牢基础素养，为科技进步与经济发展提供稳定的人才支撑。