校园动态

当前位置: 首页 > 校园动态

校园动态

【AI潮起 重工智领⑯】当“智装”遇上AI:课堂、专业、产线重排了一遍

发布时间:2026-11-18

一台设备出了故障,学生掏出手机问一句AI,几秒钟就能拿到若干条排查建议。这算学会了,还是绕过去了?

如果把AI给出的答案原样抄进报告,却说不清为什么,这门课到底有没有上成?

专业重组之后,七个专业实现物理上的归并,仅仅把师生集中在同一空间,就能够自然生成交叉融合的工程能力吗?

这些问题,重庆工程学院智能制造与智能装备学院在二级学院重组之后,反复问了自己好几遍。人工智能加速融入工业生产,智能制造的技术体系、生产方式和人才需求都在变,应用型本科高校的教学改革绕不开一个追问:数智技术怎样才能变成学生手上的工程能力,而不是课堂上多出来的一个PPT?

学院的回答是:以重组为契机,对接重庆市“33618”现代制造业集群体系建设需求,坚持“装备为体、软件贯通、数据赋能”,从教学工具应用、专业技术融合、人才培养模式创新三个层次推进AI转型,让转型从课堂开始,向专业建设、产教融合和实践育人逐步深化。

图1 学院AI转型的总体思路图

 

AI进了课堂,学生是省了力气,还是长了本事?

教学工具的智能化,是学院推进AI转型的起点,也是最容易被误解的一步。学院推进“人工智能+”课程建设,把AI嵌入教学准备、课堂组织、学习支持和评价反馈的全过程,想从“老师讲、学生记”转向自主探究、智能辅助与工程问题解决相结合的教学方式。但问题随之而来:工具一上手,学生会用,老师也用,课就改成了吗?

学校首批校级“人工智能+”重点建设课程《传感器与检测技术(A)》是个观察窗口。课程团队依托超星学习通、课程知识图谱和豆包等平台工具,把课前自主学习、课中项目研学、课后实践拓展和全过程评价串成一条线。针对以往理论知识与工程应用贴不紧的老毛病,课程以真实检测情境切入,按“提出问题—初步判断—AI辅助—查证讨论—修正解释”五步组织教学。

顺序很关键。学生要先用已有知识分析问题、提出初步方案,之后才借助AI理解传感器原理、比较元器件性能、分析测量电路;AI给出的每条结论,还要回到教材、技术手册、独立计算和必要的实验里去核一遍。老师的位置也随之移动:从单向传授者,变成学习活动的组织者、工程问题的引导者和专业结论的把关者。

换句话说,这套流程里最要紧的一环,恰恰是AI之后的那一步。教材要翻,手册要查,数要算,实验要做——一样都省不掉。会向AI提问并不难,难的是问完之后,还敢不敢自己再算一遍、验一遍。这也正是改革的核心:不是让AI替学生思考,而是让学生从“会用AI”,走到“会借AI解决专业问题”。

图2 《传感器与检测技术(A)》课程建设总体设计思路图

 

七个专业拧成一股绳,靠什么黏起来?

物理上的归并,不等于能力上的融合。学院重组把七个专业的师生聚到了一处,但交叉融合的工程能力不会因此自动生成。所以这一步不只是组织架构的调整,更是一次把专业资源重新整合、让专业之间真正交叉的机会。围绕智能制造与智能装备产业需求,学院以“设备、控制、通信、数据、软件、运维”为共同技术基础,统筹电子信息工程、通信工程、自动化、机器人工程、智能制造工程、电气工程及其自动化、智能电网信息工程七个专业,推动专业建设从各自为战转向能力协同。

黏合剂是三个集群。结合各专业特点,学院提出智能装备、智能制造、智慧能源三大专业集群的建设思路,把AI技术与各专业的核心知识、工程场景接上,重点围绕机器视觉、智能检测、智能控制、工业数据分析等方向做跨专业协同育人。智能装备方向突出智能感知、设备互联与电子产品测试;智能制造方向聚焦工业控制、机器人工作站、数字化产线与视觉检测;智慧能源方向面向能源监测、电气装备智能运维与故障分析。

学电气自动化的学生,还需不需要看得懂机器视觉给出的检测结论?做机器人工作站的,还需不需要读得懂产线上跑出来的工业数据?放到真实产线上,这类问题没有标准答案,却需要学生自己把答案拼出来。学院因此把专业建设的关注点从“开设什么课程”,挪到“学生能完成什么项目、具备什么能力、胜任什么岗位”,也让AI应用能力从单一工具使用,向专业技术应用和工程问题解决延伸。

图3 AI拓展专业建设布局图

 

企业任务搬进课堂,学生接得住吗?

把企业真实的检测任务搬进课堂,学生接得住吗?这是学院在实践育人上一直想弄明白的事。

依托产学研中心,学院坚持以产业需求为牵引、以就业为导向、以校企联合项目为载体,推进真实工程项目驱动的岗位制教学改革。校企联合科研项目的价值,不只在成果,更在过程:企业需求、技术问题、工程实施,都可以转化成教学任务。学生借助AI做资料检索、方案比较、设备运行数据分析和故障原因研判,再用工程计算、实验测试和技术验证去检查AI的输出,形成“AI辅助分析—专业技术验证—工程方案优化”的学习闭环。

以学校联合赛旺检测技术(重庆)有限公司承担的重庆市科技局企业科技攻关联合行动计划项目“面向国标的储水式电热水器安规—性能一体化智能检测系统与装备研究”为例,课程团队把储水式电热水器智能检测中的温度测量、传感器选型、接口计算、检测电路分析和误差核验,拆成了一项项教学任务。学生在教师指导下先用AI辅助分析检测方案,再靠专业知识、技术资料和必要的计算去验证关键结论,完整走过从需求分析、方案设计到测量验证、结果评价的工程过程。

课堂里做对一遍,到了产线上能不能做对第二遍?这正是“企业需求进入教学、工程项目进入课堂、岗位能力融入评价”这条路径想要回答的。它逼着学生从单项知识应用,走向综合工程问题的解决——而综合,恰恰是最难教、也最需要真场景的那部分能力。

 

AI越来越强,人的位置在哪里?

如果AI什么都能答,那学校还要培养学生什么?这个问题,可能是这一轮教学改革里最不好回答、也最值得回答的一个。

学院的思路是“小切口、真场景、强交付”。不追求把AI讲得多玄,而是从设备接入、传感器检测、控制联调、视觉识别、数据分析这些具体任务入手,让学生拿出能运行、能展示、能解释、能复盘的工程成果。四个“能”,缺一个都不算完成:跑不起来是空谈,说不清原理是侥幸,复不了盘就学不到下一次。

评价标准也随之调整。学院把AI应用能力与专业工程能力放在一起看:既看学生会不会合理使用智能工具分析问题,也看他能不能完成设备接入、参数计算、系统调试、数据分析和结果验证。工具用得勤,不等于能力强;问得漂亮,不等于答得对。这一点如果不守住,AI越方便,教学就越容易空转。

从AI辅助教学,到AI专业技术应用,再到真实项目教学与岗位能力培养,学院想做的,是把重组后的专业资源优势,转化成教育教学的数智化转型优势,形成“AI工具支持教学、AI技术融入专业、AI应用驱动育人改革”的协同路径。面向未来,学院将继续深化“装备为体、软件贯通、数据赋能”的建设思路,培养更多“能调试、会接入、懂分析、善运维、可交付”的高素质应用型人才。

 

文/图供稿 智能制造与智能装备学院 蒋云国

编辑/党委宣传部