2026年1月20日，深圳。一场持续近三个半小时的闭门思辨，在第三届CCF岭南论坛大会的最后一天下午掀起高潮。由CCF主办、CCF YOCSEF深圳与CCF YOCSEF苏州分论坛联合组织的“具身智能何以成人——具身智能产教融合人才培养的核心课程体系探索”专题论坛，汇聚了来自北京大学、哈尔滨工业大学（深圳）、西交利物浦大学、昆山杜克大学、深圳技术大学、西南科技大学、深圳职业技术大学等高校学者，以及智平方、乐聚、优必选、腾讯等产业界代表，共同探讨这个刚刚被教育部纳入本科专业目录的新兴领域，究竟该如何培养人、培养什么样的人。

一、新专业已来，课程体系怎么建？

2025年11月，教育部正式公布首批7所高校开设“具身智能”专业，标志着这一融合人工智能、机器人学、自动控制等多学科的新领域迈入系统化人才培养阶段。然而，一个新专业的诞生，必然伴随着困惑与争议。论坛的第一个核心议题直指痛点：课程体系是依托现有学科进行整合优化，还是彻底打破边界进行体系化重构？

哈尔滨工业大学（深圳）智能学部主任楼云江教授率先抛出框架。他指出，具身智能涉及感知、决策、本体、行动、环境五大环节，传统的机械、电子、计算机等单一学科都无法覆盖。他主张围绕“物理智能体”这一核心对象，构建系统化的融合课程，同时强调实践环节要从大一抓起。

北京大学计算机学院副院长郭耀教授则从操作系统视角切入。他透露，北大正由梅宏院士牵头推进“具身智能系统软件”教育部突破计划，目标是建立一套从底层硬件到上层算法的标准化接口。“就像通用操作系统的出现统一了计算机应用，具身智能也需要系统化的抽象与重构。”

然而，理想落地面临现实阻力。深圳技术大学计算机系主任李蒙指出，高校内部存在固有的学科壁垒和行政条块分割，“不同学院的课程难以打通，老师也没有动力去改”。西交利物浦大学李华康则补充了一个现实约束：教育部对学生总学分有上限要求，“你不能无限制地往里加课”。

深圳职业技术大学王雪的观点更具颠覆性。她认为，在AI时代，“知识可以传授，但智慧只有体验才能开悟”。她主张打破条块制的行政体系，成立专门的小班，让学生到企业拿真问题回来解决。“老师教不了学生了，只能陪伴，你需要什么资源，老师帮你去找。”

昆山杜克大学张璐瑶则提出一个折中方案：“基于社区的服务式学习”——在现有课程中嵌入创新专项，让学生走进企业或社群发现真问题，将其设计到期末项目中，既服务于企业，也服务于联合国可持续发展目标。

经过激烈辩论，一个共识逐渐浮现： 具身智能的课程体系应是“系统化框架下的项目制实践”——在顶层设计上确立以“感知-决策-行动”闭环为核心的学科骨架，在执行层面引入真实产业项目作为血肉。

二、培养目标之争：学术精英还是产业工匠？

第二个议题聚焦于人才培养的出口：我们究竟要培养能够探索技术无人区的学术精英，还是适配产业岗位的技能型人才？

来自产业界的声音给出了最直接的答案：两者都要。智平方副总裁莫磊直言：“企业既需要有前瞻研究能力的人才来保证‘留在牌桌上’，也需要大量能做技术转化、产业落地的应用型人才。”他举例说，自己招人只看一个指标——“给你一个topic，两个小时能不能解决？不管你用什么方法，包括AI。”

乐聚教育负责人赵安进一步细化了企业的人才画像：既需要能在无人区探索的技术创新人才（如强化学习算法专家），也需要大量交付性人才（如机器人部署、售后），未来随着机器人生态成熟，还会催生大量开发机器人APP的“智能体”人才。

优必选教育负责人则从就业数据出发，指出随着企业在全国布局“数据采集中心”，仅安装、维护、装调一类的基础岗位就存在数千人的缺口。“公司今年可能还要建8到10个基地，整个人力需求大概6000到7000人，单纯从社会招聘不可行。”

面对企业的“既要又要”，高校必须认清自身定位。哈尔滨工业大学（深圳）教师指出，头部研究型大学应承担起引领和前瞻的责任，“在仿真平台、触觉交互等前沿领域进行布局性研究”。他透露，目前全国能用强化学习训练人形机器人的专业人才“不超过200个”，而他的课题组每年大概贡献3到5人。

西南科技大学黄晓芳则提出了一个尖锐问题：企业在提出人才需求时，往往带有为本企业“定制”的倾向。高校如何在服务企业与坚守“培养学生终身学习能力”的底线之间取得平衡？她分享的经验是，高校应主动组织企业进行“需求众筹”，通过多轮投票筛选出共性的岗位和能力，再以此为基础反推课程设置。

腾讯汪文俊分享了一个案例：与宇树科技合作举办的比赛中，最终脱颖而出的选手甚至有只学过强化学习、完全不懂机器人的学生。“凭借扎实的算法基础和强大的迁移能力，他们快速掌握了新的工具和场景。”

与会者普遍认为，在技术迭代加速的背景下，“学习如何学习”的能力才是人才的核心竞争力。 李华康的观点得到广泛认同：“教育不是去掐尖，也不是去托底，而是让中间大部分的学生具备能力。”

三、核心课程之核：具身智能不可替代的是什么？

最后一个议题直指根本：具身智能专业的核心课程到底是什么？它与人工智能、机器人工程、自动化的本质区别在哪里？

与会专家从学科分工角度剖析：人工智能偏“大脑”（算法、决策），机器人工程偏“躯体”（结构、驱动），自动化起“承上启下”的桥梁作用（控制、嵌入式）。而具身智能的核心在于“物理闭环”——算法必须作用于物理世界，物理世界的反馈又必须实时修正算法。培养一个能统揽全局的‘系统架构师’，是具身智能专业不可替代的价值所在。必须有一门贯穿大学四年的“综合实践课”，让学生完整经历从感知、决策到行动的全流程。

其他参会学者则从更宏大的视角提出问题：具身智能是“物理的AI”，它将倒逼环境科学、材料科学甚至伦理学与之融合。有学者提问：在做学科特色和培养路径时，跨学科合作的边界是什么？深圳技术大学李蒙回应了这一追问：具身智能的英文Embodied Intelligence，核心在于软硬件结合——人工智能偏软，机器人和自动化偏硬，具身智能正是两者的融合。

经过充分讨论，与会专家对核心课程模块形成了初步共识：

基础理论模块：除传统数学和编程基础外，应加强物理、化学、生物等科学知识的融入，提升算法的可解释性；

核心算法模块：深度学习、强化学习（特别是面向机器人控制）、多模态大模型；

本体与交互模块：机器人运动学/动力学、机器人操作系统、嵌入式系统、硬件结构设计；

感知与决策模块：计算机视觉、空间智能、触觉与力觉等多模态感知融合；

集成与系统模块：具身智能系统软件、物理仿真平台、贯穿全程的综合实践；

此外，机器人伦理学、人机交互心理学等人文社科课程也应被纳入考量。

四、结语：探索才刚刚开始

三个半小时的思辨结束时，在场仍有近30人。作为整个第三届CCF岭南论坛大会的最后一个活动，这场讨论的热度超出了许多人的预期。

执行主席李蒙在总结中表示，具身智能专业的建设无法一蹴而就，需要在探索中不断迭代。他提议围绕北大、哈工大等头部高校形成定期的讨论机制，“短平快地把问题总结出来，定点去演进”。

郭耀在最后的发言中勾勒了一个务实的路线图：不同层次的学校有不同的需求，研究型大学侧重于前沿探索，应用型本科和职业院校则精准对接产业岗位。“核心的五门课——AI算法、躯体运动控制、感知交互、决策强化学习、集成实践——任何开设具身智能专业的学校都应该有。”

具身智能“何以成人”？这场论坛给出的答案是：没有标准答案，但必须在实践中寻找答案。 当技术的浪潮滚滚而来，如何塑造能驾驭这些技术的人，是每一所高校、每一家企业、每一位教育者都必须面对的课题。这场探索，才刚刚开始。

文字|李蒙 范明凯

编辑|王晶晶

审核|漆舒汉