崔万云
真正具备创造力和竞争力的“AI+财经”人才，必须建立在深厚的计算机科学基础之上，再将AI专业技术与财经场景有机融合，方能实现更长期的价值创造。
深层原理驱动创新，计算机基础至关重要——
随着大模型等技术发展，AI系统不再满足于表层经验归纳，而正朝着更具结构性的路径演进。只有真正理解技术原理、掌握系统方法的复合型人才，才能推动智能技术不断突破边界。
以Transformer模型为例，这一影响深远的架构成功地将语言处理从序列依赖转向全局交互，从而使得训练过程能够充分利用高并发的GPU矩阵运算。对于这一架构的理解，要求设计者具备底层算子执行原理、数据流调度、显存并发计算模式等方面的系统性知识。
AI的飞跃，从来都不是“调参”或“使用”能够完成的，而必须依赖底层机制的创新与重构。上海财经大学计算机与人工智能学院坚持构建学生扎实的技术底座，鼓励他们往“困难但正确”的方向深耕，走向原理级创新。
构建系统化智能素养，而非表层技能——
人工智能能力的培养，不仅止于工具使用或模型调用，而需构建一整套系统性的智能素养方案。上海财经大学计算机与人工智能学院的人才培养体系围绕“基础数学—核心原理—综合应用”三层架构展开，涵盖“人工智能的数学基础”“深度学习”“生成式人工智能”等课程，形成了完整的知识与能力递进路径。
同时，结合学校财经特色，引导学生将所学技术用于金融分析、风险控制、智能审计等领域。通过与阿里巴巴、蚂蚁金服等企业的产教协同，让学生在真实项目中锤炼建模、迭代与优化能力，形成“理解+实践”双轮驱动的成长路径。
展望未来，学院将从夯实技术基础、促进学科融合和强化实践能力三方面着手，培养真正具备创新思维和解决复杂问题能力的AI人才，助力中国人工智能技术更加自主、人工智能事业更可持续。
（作者为上海财经大学计算机与人工智能学院大模型与生成式人工智能教研室主任）
本文刊于2025年5月23日解放日报08版专版
