为主动应对人工智能时代的国家战略与学校 " 复合型人才培养 " 的需求，三峡大学于 2025 年秋季学期面向全校约 7000 名本科新生与约 2500 名硕士新生，同步开设人工智能通识必修课程，核心在于培养学生将 AI 技术与自身专业相结合的创新与实践能力。

作为湖北省与水利部共建，以水利、电力为特色的综合性大学，三峡大学设有 22 个学院，覆盖工学、文学、医学、艺术等九大学科门类，面对专业不同、基础各异的学生群体，如何设计一门能让所有新生 " 学得会、用得上 " 的 AI 通识课，成为教研团队面临的核心课题。

2025 年 9 月开始，三峡大学携手和鲸科技，基于和鲸 ModelWhale 智能教学平台与和鲸社区海量 AI 实训资源 ，共同打造 AI 虚拟实验平台，全面支撑人工智能通识教育。针对本科新生，三峡大学计算机与信息学院的教研团队在其省级一流课程《大学计算机》建设基础上，以 " 提升 AI 应用能力 " 为目标，构建起一门全新的《计算机与人工智能概论》课程，将其作为学校本科生的人工智能通识必修课程。

半年的时间过去了，这堂课开得怎么样？有哪些经验可供兄弟院校参考？和鲸科技邀请到课程负责人——三峡大学计算机与信息学院副教授吴西燕老师，为我们讲讲这其中的建设考量与真实体验。

构建 "1+M+N" 进阶学习路径

为了给 AI 教育找到科学的框架，教研团队在 2025 年走访了多所先行高校，参加了各类研讨会，广泛汲取专家智慧，基于 " 四新 " 建设，并结合三峡大学自身学科特色，绘制出了三横三纵、递进式的 "1+M+N" 人工智能教育蓝图。

"1" ，就是 2025 年秋季开始面向全体新生的通识必修课。它是基石，目标是 " 扫盲 " 和 " 赋能 "，尽可能拉平不同基础学生的 AI 起跑线。

"M" ，指的是后续面向不同学科大类（新工科、新文科、新医科）开设的核心素养课，比如 《新文科 Python 智能数据分析》，这是工具深化。

"N" ，则代表了高年级的 "AI+ 专业 " 交叉融合课，比如 " 智能电网 "" 智慧水利 "，让 AI 真正在专业领域生根发芽。

作为整个体系的基石，人工智能通识课被迅速提上日程，并纳入 2025 级新生的培养目标中。有趣的是，这场变革的影响很快超出了本科课堂。在本科生开课两三周后，学校面向约 2500 名硕士一年级研究生也基于 ModelWhale 平台开设了人工智能通识课。一些在本科教学中被验证效果良好的实验案例，也被研究生课程的老师借鉴采用，成为课程改革中的意外之喜。

面对薄弱的计算机基础，如何从 0 开始？

《计算机与人工智能概论》开课的第一个学期就覆盖了 7000 位学生，涉及 30 位授课老师和 70 个班级，且课程内容涵盖原大学计算机基础的相关知识，学生数量和教学内容都十分庞杂。对首次开课的计算机学院的老师们而言，面对涵盖九大学科门类、计算机基础天差地别的七千名学生，第一学期的教学就像一场大型社会实验。

吴老师告诉我们，" 不少新生在入学时计算机基础较为薄弱，例如，有些同学反映，之前对计算机操作接触较少，学习 Office 这类的基础软件也会感到困难。同时，学校目前还没有开设人工智能专业，这堂课的筹备时间也比较紧张，因此对我们计算机学院的老师来说，从教基础课到教人工智能同样是从 0 开始，要边学边教。我们需要选择一个能降低教学门槛、有成熟案例支撑的平台，从而最大化平衡教学目标与现实难题。"

为了让同学们真正打好 AI 基础，教研团队始终坚持引入人工智能实践。三峡大学侧重培养应用型人才，AI 素养的核心在于 " 会用 "，只看视频是不够的，只有亲手 " 做 " 过，才能跨越对技术的敬畏与陌生感，真正理解 AI 如何成为服务于专业的工具，从而形成面向未来的、可迁移的 " 智能素养 "。这样的教研导向也极大影响了对课程平台的选择，吴老师也向我们分享了她的真实感受：" 实践能够明显增强学生的课堂参与感，我们三峡大学属于行业性高校，和鲸平台能够提供丰富的行业内真实案例和数据，这也是我们最终选择 ModelWhale 的核心原因。如果只希望学生看看视频和 PPT，那老师们当然轻松得多，也有大量的平台能够满足，但这和我们的目标不相符了。"

课程设计上，采用循序渐进的方式，先开展计算机基础课程的教学，使学生掌握计算机基础能力后，再进行人工智能通识授课，重点放在建立认知、激发兴趣和工具的普及。课程目标被明确为两点：一是让学生掌握人工智能的基础知识（AI 三要素、发展历程、主要应用）；二是使学生能运用 AI 工具解决学习与生活中的基本问题，例如利用大模型进行信息处理与探索。在课程考核上采用课程作业的赋分方式，共包含 5 个课程实验，其中人工智能实验占总成绩的 20%，以课后分组作业的方式进行，避免难度过高。

强实践的 AI 通识课为学生带来了什么

作为人工智能通识模块的核心环节，吴老师在实际体验后为新生们选择了低代码的 " 图像分类 " 模型训练实验，该实验要求同学们自主上传生活中的图片，并使用和鲸 Canvas 低代码拖拽模式进行数据标注、模型训练并发布模型应用。这也是少有的在大一就开展完整模型训练实验（从图片收集、分类标注、模型训练到测试发布）的课程尝试，不仅锻炼了学生们使用人工智能模型解决问题的能力，也为学校之后继续开展人工智能相关课程积累了宝贵经验。

和鲸 Canvas 模式下的图像训练模型运行界面

期末作业成果直观地反映了学生们的进步。吴老师说：" 这个实验的体验感非常强，极大地调动了同学们的积极性，很多同学在深夜、周末都还在探索，老师们也循循善诱、为大家解答问题，最终 80% 以上的小组都完成了这个实验，从‘可能连电脑都不太会’到能亲手跑通一个视觉识别任务，这是非常巨大的进步。" 老师们也充分鼓励同学们将实验与自己的专业进行结合，例如有电气专业的学生训练识别高压电塔和电线杆的分类模型，水利工程专业的学生训练识别水闸和水坝的分类模型，都获得了适当加分。

水利、电力、经管、医工等部分专业优秀小组作业案例

吴老师在课后调研中设置了一个开放性问题：" 你认为课程中最有价值的部分是什么？" 许多学生的回答指向了这个实验的过程，认为模型训练的成功给他们带来了极大的成就感。参与课程的三十多位老师也在教学和指导的过程中，加深了对人工智能模型的掌握和对平台的了解，积累了大量的一手经验，其中有不少已经成功应用在较晚开课的硕士研究生通识课程中，有效提升了教学熟练度。

支撑 7000 人的实训课程，对平台和算力都是严峻考验，再加上硕士研究生 2500 多人的实训课实验，在实训高峰期，虚拟实验室曾面临上千人瞬时并发的压力。和鲸团队通过快速的云端资源扩容，根据课程进展的不同灵活配置弹性的算力资源，保障了实验的顺利进行，体现出高效应对真实教学场景的能力。据统计，三峡大学 9500 余名师生（本科 + 硕士），在 2025 秋季学期内共消耗 CPU 算力超 50000 小时，GPU 算力近 7000 小时。

2025 年秋季学期，三峡大学 AI 虚拟实验室算力资源消耗情况

也正是基于第一学期收集到的真实课堂反馈和经验积累，教研团队已开始积极规划更具学科针对性的实验方案，例如计划在 2026 年秋季学期的课程中引入诸如 " 文本挖掘 " 等其他类型的实验，让实践内容更贴近不同专业，尤其是文科和艺术类学生的能力水平与兴趣点。

通识课的结束，是 "AI+" 的开始

随着期末作业的完成，三峡大学人工智能通识教育的 " 第一公里 " 已经跑通。其意义远不止于让一届新生接触了新技术，更在于它成功验证了在综合性大学进行大规模、跨学科 AI 基础教育的完整路径。

对三峡大学来说，人工智能通识课的价值也将在未来持续释放。以这门课为核心的 "1+M+N" 全校人工智能通识教育方案，已经成功申报并获批了一项湖北省教育厅的教学研究项目；它还为后续 "M" 系列的素养课程铺平了道路，2026 春季学期三峡大学将在平台上开展 Python 程序设计等专业课程；它积累的案例与经验，甚至反哺了研究生的教学；最终，所有这一切都将汇入 "N" 阶段的专业深水区，赋能真正意义上的 " 智慧水利 "、" 智能电网 " 和 " 智慧医疗 " 复合型人才。

三峡大学的实践提供了一个极具参考价值的范本。它证明，人工智能通识教育的关键，不拘于学生的计算机水平，不在于追逐最炫酷的技术展示，而在通过降低学习门槛、优化评价尺度、规划分层内容等一系列手段，让每一位学生，都能获得与智能时代对话的共通语言，获得平等的实践机会，这是赋予所有专业学生未来竞争力的重要起点。

通过提供即开即用的云端实验环境，和鲸 ModelWhale 平台在三峡大学的课程实践中承担了 " 技术均衡器 " 的角色，它极大简化了环境部署的复杂性，通过 Canvas 低代码组件让不同电脑配置，不同基础的学生能站在同一起跑线上专注于 AI 思维与实践本身；通过稳定支撑大规模、高并发教学实训，且能持续响应一线教学反馈的可靠平台，让教师团队掌握更多专业数据库、项目案例与实验工具，为课程创新和体系化教学提供素材。

三峡大学通识课实践证明，与一个理解教育规律、专注打磨产品、并能与师生共创的科技伙伴同行，是高校将人工智能通识教育的宏伟蓝图转化为扎实育人成果的重要助力。和鲸也将在高校伙伴们的实践中接受最真实的 " 压力测试 "，从教学现场反馈的具体问题与优化建议中吸取经验，实现 " 教学相长 "。