AI时代如何跨&#&#&#托管20AI教育316;业帮39064;库36828;程学科探索构建自己的竞争力
？

　　近日，清华大学苏世民书院常务副院长、探索教授潘庆中的构建新书《关键要素：领导力锻造之道》发布会在清华举行 。因此契机
，自己争力远程澎湃新闻围绕AI时代的时代教育、跨学科经历的何跨重要性与跨学科能力培养 、普通人如何培养领导力等话题 ，学科专访了潘庆中
。探索

　　新书发布会现场，潘庆中（右一）在台上作分享。自己争力澎湃新闻记者 程婷 图

　　从数学 、时代计算机到经济学，何跨从工程师到CEO，学科再到清华大学苏世民书院常务副院长，潘庆中的多元经历塑造了他对领导力、对人才培养的独特见解。

　　当下
，AI正以前所未有的速度重塑教育生态 ，学生使用AI完成作业已成为普遍现象。潘庆中表示，苏世民书院对此没有选择禁止，而是鼓励学生提交两份作业（一份由AI生成  ，一份自己撰写），通过对比分析激发学生的批判性思维和元认知能力。

　　他认为 ，完全禁止既难检测也易激化猫鼠游戏，不如把“作弊风险”转化为“教学契机”、把“写作课”升级为“决策领导力课” 。

　　谈及AI时代教师的核心价值，潘庆中认为，“教师+AI”不是“AI替代教师”，而是把教师从“知识搬运工”升级为“学习生态的设计师”。人是目的，不是工具，教师是“育人”的终极守门人，是“容错空间”的缔造者，也是“群体动力”的点火者。这也是AI时代教师的核心价值所在
。

　　提起自身的跨学科经历时 ，潘庆中说，“这种独特的组合
 ，让我在做研究时既能像数学家一样严谨地推导逻辑，又能像计算机科学家一样处理大规模数据，最后用经济学的语言去解释人类的行为动机 
。”

　　青年学生与学者该如何跨学科探索构建自己的竞争力？“先扎深一根桩，再搭宽一座桥；用问题拉着自己跨界，而不是为了跨界而跨界；把每一次跨界都沉淀成可迁移的‘产品’；最后，学会在不同世界之间做翻译与整合
 。”潘庆中说 。

　　他不仅给出了建议 ，题库甚至还给出了一套可执行的清单
，清单第一条是，遵循先 “深” 后 “宽”的原则，本科/早期研究生可以打基础并选一个主方向深耕 ，之后再用主方向的方法去解决其他领域的问题。

　　他指出，跨学科的经历能培养“迁移学习能力”，而这种“可迁移能力”是应对未来不确定性的唯一护城河 。

　　未来的领导者应是“人机生态的架构师”

　　澎湃新闻：您曾主讲“卓越领导力”课程，近日还出版了《关键要素：领导力锻造之道》一书。在您看来 ，如果普通人在日常生活中也需要领导力的话 ，应该重点培养哪几项能力？

　　潘庆中
：我在书中总结了领导力三个核心要素（远见、激情  、执行力）和五个支撑要素（愿景 、责任、伦理 、韧性、沟通）。不论是在工作中还是日常生活中 ，都需要重点培养的是三个核心要素中的能力
，简而言之，就是需要有远见 、激情与执行力 。

　　远见可以通过自我学习，或是与他人交流
、向他人学习得来
。激情意味着要有乐观的心态 、旺盛的精力 。同时
，树立明确的 、能够达成的目标 ，有利于保持激情 。行动力意味着既要行动力强，也要不怕失败 、永不言弃。

　　澎湃新闻：AI时代，领导力的内涵是否发生了改变 ？未来的全球领导者须具备哪些核心素养？

　　潘庆中
：AI时代 ，领导力的内涵确实发生了深刻转变：从“经验拍板”走向“人机共决” ，从“命令控制”变为“赋能协同”。未来的全球领导者必须在保留战略远见、沟通激励等传统能力的基础上，新增六个与AI共处、驾驭数字技术的核心素养 。

　　这六个核心素养是：技术理解力 ，不追求成为程序员  ，但应能判断AI建议的可行性、风险与伦理边界，实现“懂行”而非“被忽悠”；人机协同设计力 ，即能把任务场景拆解为“人擅长—AI擅长”矩阵
，制定清晰的作业帮协作流程与接口；伦理与责任领导力
，面对算法偏见
、隐私泄露等风险
，要能守住企业与社会底线；模糊适应与持续学习力 ，即在多重不确定下，能快速调整战略与组织节奏 ，同时打造“学习型组织”形成集体进化机制；跨界整合力
，即要能把技术
、商业 、法律、人文
、舆论等多维视角整合到同一决策框架
，解决AI带来的复合型问题（如算法公关危机 、跨境数据合规），成为“通才型枢纽”；情感与信任建构力 ，即要在远程—混合—数字人共存的职场里，用高阶共情 、透明沟通与心理安全感，缓解员工对“被替代”的焦虑，把AI从威胁转化为“队友” ，激发创造力与归属感。

　　总的来说，未来领导者不再只是“拍板的人” ，而是“人机生态的架构师” ，既要懂技术 ，更要懂人性，在算法与心灵之间搭建桥梁 ，引领组织穿越持续迭代的数字洪流 。

　　领导力是在解决真问题的“战场”上“打”出来的

　　澎湃新闻
：您拥有十年的企业实战经验，从工程师做到CEO。这段经历如何从根本上塑造了您对“真问题”的识别能力 ？

　　潘庆中：这十年的企业经历，对我来说是一场关于“生存逻辑”与“系统思维”的洗礼。它改变了我定义问题的方式。

　　这段经历让我完成了从“线性推导”向“非线性的系统洞察”的思维转变 ，并让我明白 ，“真问题”往往不是浮在表面的症状 ，而是系统内部的结构性矛盾。

　　同时，我学会了在信息不全 、环境动荡的VUCA（英文单词缩写，分别指易变、不确定、复杂、模糊）状态下 ，快速抓住核心矛盾并果断行动，从“追求完美”转向“在不确定性中寻找确定性”。

　　此外，我意识到 ：技术只是工具，人才是目的  ，而价值是方向 。这使我由“技术视角”转向“人的视角”与“价值视角”看问题。我在识别“真问题”时  ，托管会始终把“人的需求”“社会的福祉”和“组织的价值观”放在核心位置 。这也正是苏世民书院强调“领导力”与“人文社科”的根本原因。

　　澎湃新闻 ：苏世民书院的使命是培养能够在全球范围内应对复杂挑战的未来领导者。在人才培养中，您如何确保教育内容与未来全球产业发展、国家战略需求的“真问题”同步 ，甚至前瞻？

　　潘庆中：为此我们构建了一套“动态感知 + 沉浸式体验 + 跨界重构”的培养体系。

　　我们建立了“全球智库级”的课程动态调整机制，不把课程看作静态的教材，而是看作“对全球趋势的实时解读”。课程内容会紧跟全球产业变革和国家战略需求 。同时，我们推行“沉浸式”的中国体验 ，会把学生带到中国的一线城市、制造业基地，甚至偏远的乡村 ，让学生在田野中发现真问题 。

　　此外，为了培养学生的前瞻力，我们还设计了“全球胜任力挑战项目” ，比如未来 5-10 年可能爆发的全球性议题，引领学生用未来的视角解决当下的难题 。

　　我认为，领导力不是在课堂上“听”出来的 ，而是在解决真问题的“战场”上“打”出来的
。因此，苏世民书院要做的就是为这些未来的领导者提供最真实的“战场”，让他们练就一身过硬的本领。

　　潘庆中。受访者 供图

　　跨文化 、全球化书院教育面临的机遇与挑战

　　澎湃新闻 ：在当前国际形势下和AI快速发展背景下，清华苏世民书院这种跨文化、全球化的书院教育模式面临着哪些新的机遇或挑战？

　　潘庆中：当前背景下 ，苏世民书院“立足中国、面向世界”的培养范式既迎来机遇，也面临前所未有的挑战 。

　　新机遇包括 
：反向留学潮带来的生源红利，书院2026级录取数据显示，美国顶尖高校申请者同比增长两成；生成式AI可以把“中国社会调查”实地行程实时转化为多语种、多模态案例库；全球校友网络的“人机叠加”效应 ：书院的1200多名校友分布在99国
，我们正试点把历届校友项目报告、政策建议训练成专属大模型
，新生输入“如何在中东做光伏扶贫”即可秒得学长图谱与引荐路径 ，形成“永不毕业的全球导师池”。

　　挑战方面，比如 ，AI伦理与跨文化价值观存在冲突
。对此 
，书院需在课程中前置“伦理红蓝军”机制 ，让不同文化背景的AI伦理框架在同一案例里对冲、共建，AI教育而非“一言堂” 。

　　又如
，技术迭代对传统“师徒制”也带来冲击
。书院强调“师生同吃同住”的浸润式领导力传承，但生成式AI已能7×24小时给出政策建议 、谈判策略 ，学生从“向老师学”转向“向模型学”
。如何重新定义“书院导师”的价值是组织变革的核心。

　　面对AI时代的机遇与挑战，苏世民书院需要努力将技术红利转化为跨文化信任 。

　　“让学生站在AI肩上，看得更远并决定下一步方向”

　　澎湃新闻：您曾提到，面对学生使用AI写论文的现象，苏世民书院的应对是鼓励学生进行对比。这背后的逻辑或考虑是什么？

　　潘庆中：鼓励学生把 AI 文本与自己的文本进行对比 ，这种做法正在多所高校落地。其底层逻辑与“个性化领袖人才”培养高度同构：把 AI 从“代写者”变成“参照系” ，让学生在持续对比与决策中强化元认知 、批判性与创造性，而不是被动接受现成答案。

　　为何选择“对比”而非“禁止”？我们的考虑是，完全禁止既难检测也易激化猫鼠游戏，不如把“作弊风险”转化为“教学契机”、把“写作课”升级为“决策领导力课” 。同时 ，我们希望用“即时反差”激活元认知 ，因为当学生同时面对“自己草稿”和“AI 润色稿”时，会立刻意识到自身知识缺口与表达风格差异，从而触发自我调控式学习。实验表明，这种“对比-反思-再写作”循环可显著提升文本逻辑流畅度与论证深度。

　　澎湃新闻：AI技术能在多大程度上以及通过何种方式，帮助实现更具个性化的领袖人才培养
？

　　潘庆中 ：关于以AI 实现“个性化领袖培养”，我觉得有四条落地路径 。

　　一是借助智能诊断来绘就个性化知识地图，实现真正的“一人一策”，向学生个性化动态推送资源。

　　二是让AI 当“陪练”、导师当“教练” ，双角色协同 ，教师的更多时间用于个性化指导。

　　三是通过项目式“对比沙盒”，例如在课堂探讨 、问题解决中分“人脑组/AI组”进行对比，让学生在“自我-他人（AI）”双重文本间不断做差异分析 ，在真实风险中练决策 ，促进批判性 、创造性与元认知同步成长 。

　　四是把“学术诚信”变成过程性评价 ，让伦理与责任内置。例如，将“AI 使用声明”纳入成绩评定，将诚信教育从“结果审查”转为“能力评估”，强化未来领导者的规则意识与透明度素养。

　　因此 ，我认为 ，“先对比 、后决策、再创造”不仅是应对AI代写的权宜之计 ，更是借助AI实现个性化 、高阶化 、领袖型人才培养的系统方案；其关键不是“让学生远离AI” ，而是“让学生站在AI肩上，看得更远并决定下一步方向” 。

　　教师要从“知识搬运工”升级为“学习生态的设计师”

　　澎湃新闻 ：您曾说“AI对教师的挑战前所未有”。在“教师+AI”的协同模式下
，您认为教师的不可替代的核心价值究竟是什么？

　　潘庆中：AI确实在很多方面已经做得比人更好，但“教师+AI”并不是“AI替代教师”，而是把教师从“知识搬运工”升级为“学习生态的设计师”。

　　我认为教师不可替代的核心价值可以浓缩成三句话。一是，人是目的 ，不是工具 ，教师是“育人”的终极守门人。因为教师与学生互动中的眼神、语气、故事和共情，是AI给不了、替代不了的。

　　二是，错误是礼物，不是漏洞，而教师是“容错空间”的缔造者。AI遇到错误就标记 、扣分、推送同类题，教师却能把错误转化为认知冲突、情感体验和团队议题。

　　三是 ，社会性即成长性 ，教师是“群体动力”的点火者。学习本质上是一种社会文化参与，AI再智能 ，也复制不了“同学因为看到我举手而鼓起勇气”这种微妙场域 。

　　澎湃新闻：教师应如何重新定位自己的角色？

　　潘庆中 ：教师要从“站在讲台上的权威”到“学习策展人”。对老师来说 ，重要的不再是给答案，而是给“好问题” ，甚至可以用AI生成10个学生可能感兴趣的项目式问题，再亲自挑那个最可能触发认知冲突的，成为“问题策展人”。又比如，教师可以成为数据翻译官，把AI输出的内容用“人话”讲给学生听
。

　　同时，教师要当伦理守门人和“情感算法调校师”。当AI检测到学生最近答题速度下降 、错误类型情绪化，教师可以及时给予情感关怀帮助。

　　总的来说
，未来的优秀教师
，一定是能同时打开“AI仪表盘”和“学生心门”的人。若AI把“教书”做到了极致，教师要把“育人”做到极致；AI负责效率
，教师负责意义；AI优化路径 ，教师点燃动机 。

　　教学与评价应从“知识本位”转向 “能力与素养本位”

　　澎湃新闻 ：您认为  
，在AI辅助（或替代）部分人类思考的背景下，高等教育的教学 、评价体系应如何进行根本性的改革？

　　潘庆中 ：AI时代 ，教学与评价体系确实需要进行系统性重塑。其根本方向是从“知识本位”转向“能力与素养本位”。

　　在教学体系改革方面 ，我认为，课程上需要构建“全覆盖 、分层次”的AI融合课程体系，教学上要从“教师中心”转向“人机协同的师生共创” ，生态建设上要为变革提供技术
、空间和师资保障。

　　评价体系方面 ，我认为应进行五个关键转向：理念上，从注重甄别、筛选 、划分等级的模式，转向AI赋能的新模式
，更加注重追踪关注个体能力动态成长与增值；主体上，由传统的教师主导，转向人机共生共同体——教师、学生 、AI智能体共同参与；内容上 ，由传统的单一知识点考核转向综合素养评估 ，更加看重批判性思维 、合作 、创新等高阶能力；方法上 ，从传统的标准化笔试为主 ，转向多元方法协作 ，如人机协作的对话式评价、表现性评价、过程性评价；结果上
，由传统的静态分数与排名
，转向个性化发展轨迹与反馈，比如生成动态能力画像与个性化改进指南 。

　　实践上 ，这依赖于构建校级学生能力图谱
，通过汇聚课堂互动、项目实践、在线学习等全场景数据，为学生绘制动态的“基础能力—高阶思维—未来素养”画像
 ，从而提供精准的学习建议和成长导航。

　　总而言之 ，我认为未来的高等教育将是一个“能力图谱”驱动的、人机协同共生的新型生态系统 。其成功与否 ，取决于我们能否在理念 、课程
、教学和评价等所有环节 ，坚定地拥抱这场从“塑造知识容器”到“点亮智慧心智”的深刻变革。

　　“可迁移能力”是应对未来不确定性的唯一护城河

　　澎湃新闻：您的学术路径从数学
、计算机到经济学博士，这种跨学科的背景对您后来研究经济史 、公司治理乃至设计领导力课程，产生了哪些影响？

　　潘庆中 ：从数学 、计算机再到经济学，这条路看起来像是在不断“重启”，但对我而言，这其实是一条寻找更复杂问题答案的自然延伸之路 。

　　这种背景对我后来的工作确实产生了一些影响 
。比如，让我在做研究时既能像数学家一样严谨地推导逻辑 ，又能像计算机科学家一样处理大规模数据 ，最后用经济学的语言去解释人类的行为动机 。

　　同时
，这种背景对我设计领导力课程也至关重要——重塑了领导力课程的设计逻辑：从“艺术”走向“科学 + 艺术”。传统的领导力往往被视为一种“艺术”或天赋，但我的背景让我坚信，领导力的底层逻辑是可以被拆解、被算法化、被训练的。我在课程中引入了“计算思维”，教导学生如何将复杂的管理问题分解、模式识别并抽象化。

　　澎湃新闻：培养学生跨学科视角或者经历 ，在当下的教育中为何越来越重要？

　　潘庆中 ：我认为主要有三个原因
。

　　一是因为现实世界的问题是“液态”的 ，而到目前为止学科划分是“固态”的
。如果学生只懂单一学科，他们就像是拿着一把锤子 ，看什么都像钉子 。跨学科教育就是要给学生配备一个“工具箱”，让他们能针对复杂问题选择合适的工具。

　　二是因为应对VUCA时代的不确定性，单一技能的半衰期正在急剧缩短
。跨学科的经历能培养“迁移学习能力” 。比如，当你掌握了数学的逻辑 、计算机的效率和人文的同理心 ，你就拥有了在不同领域快速适应和重新学习的底层操作系统。这种“可迁移能力”才是应对未来不确定性的唯一护城河。

　　三是因为创新往往发生在“学科的交叉点” 。历史上最伟大的创新，往往不是发生在一个学科的内部 ，而是发生在两个学科的交界处。对于学生而言  ，拥有跨学科视角，意味着他们拥有了“组合创新”的能力 ，能把A领域的成熟技术应用到B领域，以“降维打击”产生颠覆性的价值  。

　　总结来说 ，我的跨学科路径让我明白，世界的本质是复杂的
，因此我们的思维也必须是复杂的 。教育的目的 ，不再是培养某一个狭窄领域的“专才”，而是培养能够驾驭复杂系统、连接不同领域知识的“T 型人才”或“π型人才”  。

　　“跨学科的终极竞争力是‘整合力’”

　　澎湃新闻 ：对于今天同样有志于在多个学科或领域间探索、构建自己独特竞争力的年轻学者或学生 ，您基于自身历程，会给出哪些重要建议？

　　潘庆中 ：我的建议是：先扎深一根桩，再搭宽一座桥；用问题拉着自己跨界，而不是为了跨界而跨界；把每一次跨界都沉淀成可迁移的“产品”；最后 ，学会在不同世界之间做翻译与整合。

　　这里，我再给出一套更可执行的清单（含优先级与避坑）
 ：

　　一是先“深”后“宽”。要避免跨界变成泛泛而谈，要至少在一个领域做到“能被同行认可”的深度。对于高校学生来说
，就是要先打基础 ，再选一个主方向深耕，之后用主方向的方法去解决其他领域的问题 。这也是最稳的跨界方式 。

　　二是用“问题”驱动跨界
：选一个足够硬 、足够长期的问题
。跨学科最有效的起点不是“我想学A+B+C”，而是：“我想搞清楚/解决X，而X需要A+B+C。”这样 ，知识结构会自然长成“围绕X的网状结构”，而不是拼盘。

　　三是建立“可迁移的工具箱”：让跨界不是换赛道
，而是升级能力。因为真正构成独特竞争力的 ，是你在跨界中沉淀出的通用能力
，例如量化与数据能力 、建模与抽象能力、系统思维 
、写作与表达能力、项目管理能力等
。建议青年学生给自己做一个“能力雷达图”，每学期只重点补1–2 项，并通过真实项目来补。

　　四是把跨界成果 “产品化”，论文、报告或软件案例都可以
。跨学科的竞争力最终要靠“可展示 、可复用
 、可被引用”的东西证明。因此最好每一次跨界都要留下一个“可被别人使用”的产出，而不是停留在经历。

　　五是学会“做翻译” ：跨学科的核心竞争力往往是“边界跨越能力”
。因为跨学科团队最缺的不是专家，而是能在不同语言体系之间翻译的人 。比如，把业务问题翻译成可研究的问题。

　　六是主动构建“异质化网络” 。因为你的竞争力很大程度来自你认识谁。所以，你可以刻意结识与你互补的人 ，或者参与交叉学科社群/实验室/项目等。

　　七是管理“身份焦虑”与评价体系差异  。因为跨学科天然更难被立刻认可，你可能会被单一领域的人认为“不够纯” ，也可能被应用方认为“不够落地”。

　　如何应对？我的策略是
，选一个主评价体系先站稳（例如顶刊或核心项目），同时用第二轨道积累影响力（行业报告等），并用“长期主义”对抗“短期评价压力” 。跨学科优势通常在3–8年间才会完全显现 。

　　另外，我再谈谈避坑问题
。最常见的三种失败模式 
：“拼盘式跨界”——学了很多但没有一个能拿得出手的成果，解决方案是“用问题驱动 + 产出导向”；“只做加法不做乘法”——把A和B放在一起
，但没有产生新方法/新洞见/新数据，解决方案是明确你的 “独特组合” 是什么；合作依赖度过高——离开某个人/某个平台就做不出东西，解决方案是确保每个项目你都掌握一个关键环节。

　　最后，我想强调一句：跨学科的终极竞争力是“整合力”
。你不需要成为所有领域的专家
，但你需要能把不同领域的人、方法、数据、价值判断整合到同一个框架里，并给出可执行的结论。

　　来源：澎湃新闻

最新评论