人工智能正加速重塑科技创新与产业创新。当生成式AI随时可以答疑、生成教学材料、辅助编程，大学课程究竟该重点教什么、怎么教？“习近平总书记2025年3月指出，AI时代‘能力培养有变化’，教学须变革，要聚焦人类能动性和自学能力，聚焦创造力培养。”国家级教学名师、电子科技大学黄廷祝教授说。
数学是人工智能的基石，但“数学到底在AI中扮演什么样的底层角色”，却是不少大学生的心头困惑。为向学校ECE领军计划学生开出“导引式、项目式”课程“人工智能数学基础与实验”，黄廷祝把课程定位为“既是核心基础课，又是前沿创新课”，并带领团队青年教授赵熙乐、李良，以及蒋太翔（西南财大）、郑玉棒（西南交大）撰写创新教材《人工智能中的数学：基础与实验》。“要写就写一部富有教改思想与教改举措的教材。”
2026年5月，创新教材《人工智能中的数学：基础与实验》获2026亚太人工智能教育优秀教材一等奖
教材以大学科教育理念融通多个数学分支，打破领域壁垒，把人工智能的核心问题与前沿应用有机结合。2026年2月，教材由高等教育出版社出版；5月获2026亚太人工智能教育优秀教材一等奖（全国仅3部）；截至10月底，全国已有42所高校采用为开课教材或参考书。如今，赵熙乐、李良、邓良剑三位教授已为ECE领军计划首批学生开出这门课，学生通过体系化的挑战性项目大作业得到了科研训练。
AI越强，越要读懂背后的数学原理
教学一线，三位青年教授捕捉到学生的普遍困境。李良观察到学生存在过于乐观和陷入悲观两种心态，“两种情绪的根源，都是没能看懂AI背后的运行逻辑。只有读懂底层数学原理，才能看清技术的能力边界。”
学生在课堂答辩中
邓良剑则看到传统教学与真实需求的脱节：“学生都知道‘数学是AI的底座’，但很少真正清楚‘为什么是底座’。全连接神经网络涉及线性代数的向量空间映射、微积分的链式求导、优化算法的损失函数求解，这些知识分散在不同课程里，学生难以形成统一视角。”
传统数学课程按学科分支组织教学，强调知识体系自身的完整性。但面对人工智能这样的综合交叉领域，缺少围绕实际问题开展的知识整合与应用训练，学生容易学用脱节。此时，学校“ECE领军计划”拔尖人才培养方案正在制定，黄廷祝提出：要做一门全新的核心基础与前沿课，不能走“把现有数学知识拼凑在一起”的老路，“按照通常那样学数学课程的方法，也学不会这门课”。
“工具层出不穷，几天就迭代一次。如果只停留在使用层面，学生永远疲于追赶。真正稳定而稀缺的能力，是透过技术表象把握底层逻辑的能力。数学就是贯通数据表示、模型运行、计算推演的通用底层语言，原理不变，我们的教育就要守住这个根。”黄廷祝说。
打破壁垒，以“表示、计算、度量”建立认知主线
市面上人工智能数学相关教材并不少见，但多为不同课程知识的拼接与案例截取。团队从一开始就跳出这个框架——不从数学学科目录出发，而是从人工智能的真实问题倒推所需基础，凝练出“表示、计算、度量”三条主线：数据怎样表示，模型怎样计算，结果怎样评价；并构建起“数学基础—模型构建—智能求解—前沿案例实验”的学习链条。
“人工智能中的数学：基础与实验”课程上线MOOC截图
“这不是某一个人的灵光一现，是整个团队科研与教学经验的集体沉淀。”赵熙乐打了个比方：矩阵、函数这些抽象概念，本身就是AI运行的底层语言，只是之前被领域边界隔开了。“当下最热门的大语言模型，以Transformer为基础的计算瓶颈就是矩阵计算，这与团队研究了几十年的大规模科学工程计算，底层逻辑完全相通。”
内容尺度同样考验团队智慧。面向大一第二学期学生、仅32学时，教材既要纳入深度神经网络、大模型微调等前沿内容，还要适应不同高校的差异——ECE领军计划大一第二学期即开课，其他学校可在高年级开设，学时亦可弹性安排。团队最终采取“导引式、项目式”设计，“不追求面面俱到，重点是帮学生建立认知框架、点燃探索兴趣，让他们知道‘前沿离自己并不远’。”
撰写中，团队也曾走过“追求大而全”的弯路，初稿偏深、偏前沿，对学生不够“友好”。黄廷祝专门组织调整，强化可读性与入门性：“要先让学生能走进来，再谈走得远。”这让教材既能支撑拔尖学生拓展深度，也为不同基础、不同学时的高校预留弹性。
李良以矩阵分解章节举例：“讲奇异值分解，我们不堆定理证明，而是讲清核心原理后，立刻对接图像压缩、去噪的直观案例。”课程再联系推荐系统、大模型微调等前沿应用。“复杂的工业场景我们会‘抽丝剥茧’，提取核心数学问题放进课堂。学生刚觉得理论枯燥，马上就看到它的真实价值。”
从“纸上解题”到“项目攻关”，让前沿离自己并不远
“这门课还有一个不一样的地方，就是从教材层面就做成了项目式学习。老师只要采用教材开课，自然而然就在做教学改革。”这是黄廷祝对于这本教材最核心的自信，也是它区别于传统数学教材最鲜明的特质。
团队设计了“基础测试—基础实验—挑战科研项目”三级递进的实践体系，彻底告别“求极限、求导、求积分”的习题模式：入门测试检查基本理解，基础实验引导学生实现方法、观察结果，挑战性项目则鼓励他们综合运用所学知识探索更复杂的科研前沿问题。“大一学生做完研究性的挑战项目，已经摸到了真正科研的门槛。”
教学中的变化比设计更令人惊喜。李良的课上，有学生将小样本学习方法用于青铜器金文识别，也有学生围绕尖端放电仿真问题，主动调研算法、尝试提出改进思路。“我们不可能要求成熟的科研成果，重点是让他们完整走一遍‘提出问题—调研前沿—尝试解决’的过程，这比做对多少道习题都有价值。”
赵熙乐的课上，一道常规的风格迁移作业，被学生延伸出“中国山水画风格迁移”的方向。学生最初想靠AI直接生成，效果却不达要求，于是主动查阅文献、优化算法，最终这份作业已具备向国际顶会投稿科研论文的基础。“从课程作业到科研成果，中间只隔了‘主动思考’这一步。”
邓良剑最直观的感受，是学生提问的改变：“以前学生追着问‘这个知识点考不考’，现在他们会问‘如果模型的约束条件变了，这个结论还成立吗’。有学生提出，能不能在正交约束下实现奇异值分解的神经网络化，解决传统奇异值分解的计算瓶颈——这个问题我之前都没想过。”
针对AI工具的使用，团队划出清晰边界：基础训练阶段要求学生手算、推导掌握原理，避免依赖AI；项目创新阶段则鼓励“氛围编程”，借助大模型减少繁琐的代码记忆，把精力聚焦到问题分析、算法设计与科研探索。“要让学生知道哪些事不能依赖AI，又要培养在AI协作下的创造能力。”黄廷祝说，“基础训练偷不得懒；到了创新创造环节，就要借工具的力量做更有价值的事。”
与之配套的是评价方式的革新。课程采用“挑战性大作业与结课项目成果+答辩汇报”考核，更关注学生是否理解所用方法的数学原理、能否解释算法设计的依据。张家伟、景兰轶、丁一恒等首批ECE领军计划学生的心得印证了变化：有的尝试从第一性原理推导公式，有的把数学方法迁移到脑机接口项目中，有的从畏惧复杂公式转为主动钻研前沿论文。学生评教那句“除了难度有点大，几乎没缺点”，也成为团队改进教学的一份反馈。
一脉相承的育人理念与文化传承
教材快速落地、广泛影响的背后，是一支特殊的团队：成员来自电子科技大学、西南财经大学、西南交通大学，硕博期间都师从黄廷祝教授，成为一脉相承的科研与教学共同体，也自然形成了这门课的“三校联合课程组”。团队的文化很朴素：“做有意义、有价值、有创新且能做成的事。”
黄廷祝教授在报告会上讲解“人工智能中的数学：基础与实验”课程的创新理念
黄廷祝曾担任学校教务处处长十年，“基于项目的学习”和独创的“新生新工程教育”等理念，他已践行了若干年。
这种长期的教育沉淀，潜移默化地影响着每一位团队成员，最终汇聚成教材与课程的核心灵魂。日常教学中，团队在微信群里同步进度、复盘作业难度；每位老师都把自己的科研问题与素材主动融入课堂。“科研和教学从来不是两张皮，我们正在做的研究，就是最好的教学素材。”邓良剑说。
除赵熙乐、李良、邓良剑三位成为为学校ECE领军计划首批学生开设该课程的青年教授外，团队还吸引了黄捷、李小平、李厚彪等青年教授加入课程组，在一脉相承的育人理念下，形成了良好的团队文化传承。
为AI时代基础课改革提供成电方案
在黄廷祝看来，该教材与课程的核心竞争力在于三方面：“一是知识体系的重构，不是零散拼凑，而是成体系的有机融合；二是先进的教改理念；三是要有使理念落地的具体办法——教师只要依托这本教材组织教学，就可以开展项目式教学。”
为适应不同学情、年级和学时数，团队在设计之初便预留了灵活空间。黄廷祝透露，正在修订出版第2版：与生成式AI密切相关的概率论内容以星号标注，各校可结合实际自主选择；32学时即可完成基础教学闭环，增加学时则可进一步拓展前沿专题。
教育部高等学校大学数学课程教学指导委员会主任、中国科学院院士徐宗本和中国工程院院士邓龙江分别为教材作序，徐宗本院士还专门对书名提出了建议。这也让团队更加坚定了“导引式、项目式”的创新方向。谈及未来，团队规划清晰而务实：优化教材弹性设计，细化答辩式考核评价标准，同步更新前沿案例与实验资源。
“所有课程都应面对和破解AI带来的挑战这个时代命题，都应重新思考‘教什么、怎么教’。”黄廷祝说，“技术一直在变，但教育的核心永远是人。当工具越来越强大，教育的真正价值，就是让学生找到那个‘以不变应万变’的自己——用扎实的底层能力、主动的思考习惯和持续的创新精神，接住奔涌的技术浪潮带来的挑战。”
