“AI+低代碼”推動高等教育變革：騰訊雲攜手同濟大學共探數字化

　　近年來，數字化轉型已成為各行各業提高運營效率和生産力的重要手段。而對于高校來說，轉型已成為建設高質量教育體系的重要策略。但相較于邁出較早一步的企業群體，本身缺乏技術基因和運營成本的學校在數字化的轉型上還較為滞後。

　　如何改變這一現狀?AI與低代碼的融合将成為數字化轉型的兩大助力。通過智能化的流程、應用和決策，可實現數字化轉型降本增效。加上低代碼帶來的加速開發、降低技能門檻等優勢，可助推高校數字化轉型盡早實現。

　　基于此，12月15日，騰訊雲TVP “AI+低代碼 驅動高等教育數字化進程”活動走進了同濟大學。作為國内高校，同濟大學如何通過數字化轉型建設世界?“AI+低代碼”怎樣推進高校數字化轉型建設?騰訊與同濟大學的合作，完成了哪些創新實踐?

　　來自同濟大學信息化辦公室主任、騰訊雲TVP許維勝，中國信通院低代碼委員會顧問、騰訊雲TVP沈欣，騰訊微搭教育行業負責人李萍，騰訊雲智能教育行業負責人賈鶴，騰訊會議AI教育行業負責人施徐國等五位演講嘉賓，以及中山大學網絡與信息中心架構師王旭，騰訊微搭副總經理林楠及許維勝等三位圓桌對話嘉賓，将帶來對上述問題的深度解讀和熱烈探讨。

　　會議伊始，同濟大學副校長婁永琪和騰訊雲高等教育及基礎教育總經理饒臻進行了開場緻辭。

　　從到世界，數字化轉型是重要抓手和内涵

　　“我們的‘AI+低代碼驅動高等教育數字化進程’活動是同濟大學和騰訊公司長期合作、互相認同、同舟共濟的結果。當下，同濟大學是國内外高校，而如何從走向世界，數字化轉型是重要的抓手和内涵。尤其是我們校長到任後，将進一步推動教育範式場景技術的系統性創新。”

　　據婁永琪介紹，加上今年新當選的兩位院士，同濟大學總計有四名中國工程院信息學部院士。基于人才優勢，同濟大學同時作為國家和上海市的科學研究中心，未來将繼續攜手騰訊，将人工智能全面賦能，在智慧教育領域做出的創新。

　　從數字化助手到助力高校培養數字化人才

　　緻辭中，饒臻首先強調了騰訊在教育領域的“數字化助手”角色：“在我們25年的發展曆程中，有20年都參與到了教育賽道中。2003年，教育精品課程上線，這在互聯網企業中是非常早期的。直到騰訊整合了内部的六大事業群和二十多個教育産品，正式發布了騰訊教育品牌。”

　　此次騰訊雲TVP和騰訊教育一起走進同濟大學，并攜手推出TVP行業教育大使獎項，旨在助力高校培養更多的數字化人才，共同為我國的智慧教育事業做出更多貢獻。

　　開辟教育新賽道，塑造發展新優勢

　　在《教育數字化轉型的體制機制探讨》的主題演講中，同濟大學信息化辦公室主任、騰訊雲TVP許維勝老師首先介紹了學研界在數字化轉型上的發展情況：“目前，各教育管理部門都已參與到相關技術的落地和調研中，包括教育管理部門的管理、決策咨詢機構的決策，校領導的協調、信息化部門的技術實現和協作，以及業務部門傳達用戶的具體需求。”

　　随後，關于高校如何做好數字化問題，在許維勝老師看來需要達成以下幾點共識：

　　· 一把手工程，一把手要充分重視;

　　· 跨部門、跨業務領域的協調和協同;

　　· 總結推廣可操作的計劃、組織、設計、推進的系統化方法;

　　· 适度超前的場景構思;

　　· IT隊伍建設和師生數字素養提升(數字化不僅是硬件建設，關鍵是人的事);

　　· 用戶體驗和師生滿意度;

　　· 提升信息化部門的地位。

　　談及新背景下的高校數字校園建設組織模式，許維勝老師認為重點在于如何落地。“組織既是一個名詞也是一個動詞，學校的信息化組織一般就是網絡信息中心(或者信息辦);而如果說到工作怎麼開展，則是一個動詞。在組織方面，目前一般高校都是中心化的IT組織，相對比較集中。”

　　但在實際推進業務數字化轉型的過程中，集中的、中心化的IT組織，并不太給力。原因主要在于數字化轉型的需求主要是在業務側，業務與數字技術的融合存在屏障。“所以，IT組織必須要下沉到業務，職能部門、院系(業務)與IT組成一體化團隊，基于統一的數字平台，共同開展數字化轉型工作。”

　　最後，許維勝老師總結到，統籌數字校園的核心系統，既要運營好校園網(5G)、超算中心、數據中心(雲計算)，各類軟件系統(雲原生微服務)、消防系統(物聯網、邊緣計算)、安防系統(物聯網、邊緣計算)、智慧園區管理系統(物聯網、雲計算)，以及教育資源建設和共享(雲計算)等，守牢“中宮”，同時還要四面張揚，關注新技術的創新應用。

　　數智化運作的本質基于精細的模型架構

　　“在做數字化的過程中，經常有人問某個項目應該如何投資，我的回答是數據的價值不是人決定的，而是它帶來的客觀價值決定的。”在《AI+低代碼技術及數字化實踐》主題演講中，中國信通院 低代碼委員會顧問、騰訊雲TVP沈欣老師首先明确了數據的價值是數字化轉型的重要衡量。

　　具體來說，數據在以下幾個方面産生價值：

　　· 精細化操作減少成本;

　　· 新的機會增加收入;

　　· 減少不确定性、輔助決策;

　　· 連接帶來更高效的反應速度。

　　在數據、信息和知識的概念演進上，沈欣老師認為，數據是信息的表現形式和載體，信息則是數據的内涵。“比如，我們在空間中看到很多點，這是數據;但當點足夠多，發現其是一片樹葉之後，就成為了信息。而如果在信息的基礎上進行更加的抽象，則成為了知識。”

　　所以說，數據隻是過渡，知識才代表價值，未來一定是知識的年代。

　　那麼，基于知識的數智化究竟能夠做什麼?在沈欣看來，主要在于解決數字意義的問題，了解數字背後的工作和任務出現了什麼情況，其中的難點在于數學建模。“通過精細化的模型架構，從而适用于不同的應用場景，是數智化運作的本質。”

　　“從IT，到數智化，再到AGI ，未來是人工智能時代。智能化時代是一個Agents的過程，對開發代碼的要求會越來越高，效率要求也會越來越高，就要考慮怎麼引入低代碼和無代碼的平台幫助我們工作。”

　　沈欣老師表示，未來AI對低代碼将有巨大的颠覆作用，AIGC将會是低代碼的終局性機遇。首先，AIGC提供了從無到有的内容生成能力，突破了人類生産内容的特權。與此同時，它也可以做到已有知識的跨界創新，服務于0%~80%的創新，是一項巨大變革。

　　此外，據沈欣老師預判，未來三年之内初級程序員可能會消失。原因在于編程是信息化時代的産物，傳統的軟件包括數據、算法、流程，再加上UI，通過代碼構建、軟件執行，加上控制即可實現。“但到了AI+低代碼的時代，很多東西都可以更高效的自動執行。”

　　未來，在算力和功耗可以持續突破的前提下，業務數據庫将直接存放大量的非結構性數據，同時會變成GPT的私有訓練環境，持續疊代，最終實現數據自動進入、自動校驗，以及自動根據自然語言要求，甚至能做到自動找到實踐進行輸出指導業務。

　　微搭：開放與自由的敏捷定制PaaS中台

　　在《千企百校如何借助微搭解鎖創新新潛力》的主題演講中，騰訊微搭教育行業負責人 李萍老師先對微搭團隊的職能進行了簡要介紹：“微信雲開發是微信團隊聯合騰訊雲推出的專業小程序開發服務團隊，我們團隊會從開發角度做低代碼。”

　　截至目前，微搭完成了從快速構建到快速托管的應用産品矩陣。在低代碼方面的建設主要包括微搭低代碼、雲開發，以及微信網關。

　　“我們希望搭建的低代碼架構是一個PaaS中台，将雲開發的一系列經驗和能力賦能給微搭，從而方便開發者在構建組件的過程中更加開放和自由。為此，我們結合了很多騰訊側的能力，比如視頻号、企業微信、教育基座，以及數字工廠之類。”

　　除了賦能開發者，微搭也開始走向行業，産品應用在教育、零售，以及工業領域的輕應用和小程序開發平台。對此，李萍老師以協同同濟大學合作構建的櫻花節應用為例：“服務商可以直接對接系統的數據中心和用戶中心，從而隻需關注當下要實現的業務，同時起到了規範低代碼業務水平的作用。”

　　此外，微搭也實現了在流程開放平台中的應用，打破了扁平化的業務流程，從而構建了立體化的生态。而在營銷活動場景中，不僅完成了百分之百的UI還原，通過Serverless雲函數可支持高并發(10萬QPS)，同時也實現了微信私密鍊路的安全防護。

　　最後，李萍老師談及微搭和AI的關系。在她看來，AIGC可以解決學習成本高企的問題，進行快速培訓，讓更多開發者迅速學習微搭的開發内容。同時，她也覺得AIGC後續可以快速喚醒應用模塊和生成應用組件，生成代碼等遞進演變。

　　理解大模型、擁抱時代浪潮

　　騰訊雲智能教育行業負責人 賈鶴老師帶來《重塑智能時代生産力的應用實踐分享》主題演講。

　　賈鶴老師的分享主要分為兩個部分，首先他站在AI從業者的角度，談及如何理解當下的大模型，其次是從技術到工程，再到産品市場的視角，如何将對應的技術進行産品體系的豐富，進而賦能客戶和行業應用，帶來的思考和實踐。

　　首先，該如何理解大模型，他認為這是一種新範式：

　　· 從大模型熱的現象到背後的實現

　　2023年是AI從業者的高光時刻。與以往不同的智能化體驗、C端用戶的快速增長，以及迅速的ToB産品和市場策略，ChatGPT及各種gpt大模型掀起一輪又一輪浪潮。

　　· 關鍵技術組件，海量的高質量訓練語料，“足夠大”的模型基座

　　從GPT1到GPT2，再到GPT3，訓練語料呈現出成百倍的增長。OpenAI所堅持的模型思路是隻要模型“足夠大”就可以應對更多任務和場景，因而全球典型的科研機構和廠商都會參考類似的路徑。

　　此外，還包括高性能算力、高速通信、Prompt Engineering以及系列Infra的組合，才可能出現這樣的一個“工程奇迹”。

　　· 對趨勢的一些思考

　　信息化程度越高的行業，用戶容忍度更高的場景，以及複雜度更低的任務，大模型更容易結合和落地。未來行業也會更冷靜，加速實戰落地。同時國内，一段時間内，很可能是行業/領域大模型和通用大模型并存，一邊服務B端客戶“生産”需求，另一邊服務C端用戶“大衆”需求。其次，應該如何擁抱AIGC的時代浪潮? 泛化性更強、通用性更強、實用性更強，是大模型時代的三個典型特征。在金融、傳媒、教育、政務、能源等多個行業頭部企業和機構已經開啟落地實踐。

　　· TI平台工具鍊升級，覆蓋大模型開發、應用全生命周期

　　面向大模型訓練精調場景，從數據、訓練、推理到加速 等能力，進行一套TI平台的工具鍊進行升級。

　　· 全面接入主流開源模型，提供更豐富的模型選擇

　　接入和更新主流開源模型，加速能力升級，支持更多模型，實現更高加速比，幫助AI開發者和生産商降低訓練和推理成本。

　　“基于以上分析來看，我們的混元大模型有四大核心能力，一是實現多輪對話，更理解上下文意圖;二是知識能力增強;三是構建邏輯推理能力，準确理解用戶意圖，基于輸入數據或信息進行推理、分析;四是内容創作，提高生産力。這是我們四個維度上的創新和發力。”賈鶴老師介紹說。

　　此外，賈鶴老師也帶來了更多落地實踐的分享，MaaS助力智能應用升級，更加豐富了教育場景實踐，目前這些實踐主要包括高教場景Whole Picture、重塑PaaS/SaaS産品等，落地于招生咨詢助手、備課輔助、知識問答助教、口語助教、AI for Science、科研助手、行政問答助手、陪伴&心理咨詢助手、生涯助手等九大場景中。

　　面向高校信息化或者數字化建設，同時騰訊雲智能也做了更多更為具體的落地實踐：

　　· 在科研場景探索，聯合某頭部醫學機構，共建醫療行業大模型，為居民提供連續、綜合、有效、精準的一體化智能問答健康服務，後續進一步拓展到智能影像識别，臨床試驗等科研創新場景。

　　· 在教學場景探索，某省級公共教學資源平台的智能教學問答應用升級，旨在幫助師生提升教研教學資源利用率和用戶體驗。

　　· 在管理場景探索，“虛拟輔導員“助力高校學生及時、精準和高效地獲取生活或思政資訊。

　　騰訊會議：AI能力深度融合教學實踐，讓“教”與“學”更智慧!

　　“大模型對整個行業有非常大的影響和撬動，基于這項混元大模型的能力，我們在智能轉寫、AI小助手等多個功能上做了很多升級。”在題為《騰訊會議AI能力的創新應用實踐》演講中，騰訊會議教育行業負責人 施徐國老師強調說。

　　具體落地到騰訊會議智慧教室Rooms教學解決方案上，分别從學校、教師、學生不同層面給予價值展現——

　　線上線下、校内校外靈活連接：AI時代，學校管理更科學

　　融入AI技術的騰訊會議，可以豐富學校數字化創新建設，将傳統單一内容沉澱，轉型為面向師生的“個性化、多模态”内容知識平台。而在學校精準培養的實施落地過程中，通過對課中、課後過程，進行大數據分析，業務平台反饋用戶體驗，發現學生的優點特長，促進個性發展。此外，提供面向跨校區、跨學校、跨國家的超低延時面對面的通訊系統，無縫對接海外主流通訊平台，豐富對外合作能力，進一步延伸學校對外影響。

　　兼顧實時互動教學與課程制作回放：AI時代，老師教學更輕松

　　騰訊會議的AI能力，可以幫助老師記錄授課内容，自動生成多語種文字，形成課程章節，方便老師導出，編寫個人專屬教材，沉澱教師個人知識資産。此外，可以通過生成式的内容回顧，方便學生基于多模态進行個性化學習，并可通過權限控制管理授課内容的可見範圍，分擔教師教學輔導壓力。而數據分析加強了課程設計，“因材施教”幫助教師了解學生關注點、困難點，實現教師備課内容的科學性化的教，提升教學成就感。

　　智能錄制與高效互動：AI時代，學生學習更個性

　　在學生的學習環節，AI技術的融入可以幫助學生實現個性化學習——通過AI生成的教學知識内容平台，方便每個學生根據自己的學習進度，完成個性化學習，如内容切片與檢索等。通過簡單易用的互動工具，實現筆記、簽到、彈幕、搶答、分組，提升教學氣氛，提升學生教學參與積極性。

　　圓桌對話：

　　通過AI解決低水平重複建設，改進管理模式

　　彭愛華：今天的主題是“AI+低代碼”，我們請許老師分享一下，AI和低代碼在高等教育數字化的流程中起到了什麼樣的決定性作用?

　　許維勝：從同濟大學的實際情況來看，AI對高校的影響大概分為三個部分：

　　一是對專業教學内容的影響。我們學校每一個專業都在和AI相結合，比如說建築設計、土木工程、智能建造、AI輔助的創意設計等等，這是對專業教學内容的影響。

　　二是對教和學的過程影響。比如，老師的教學方法和學生的學習方法，以及教與學的模式可以如何通過AI來優化，這也是一個方面。

　　三是對校園管理和治理的影響。包括各種輔助決策、數據分析和業務系統的架構，期間都有AI的參與，但目前還在探索和起步階段，離我們期望的目标相距甚遠。

　　此外，還有兩個場景是騰訊和信通院可以幫助我們實現的：學校的應用系統存在低水平重複建設問題，可以通過AI+低代碼技術改善;管理模式的改進，包括減少試錯成本，從而進行更多的嘗試，通過技術的方式不斷走出桎梏。

　　AI技術賦能日常，教學場景更加高效

　　彭愛華：感謝許老師的真知灼見，接下來想問一下王老師，您是同濟大學的校友，這次也帶着中山大學多年的信息化積累回到了母校，一定會有非常多的感觸，可以談談您對數字化領域的經驗積累和思考感受。

　　王旭：感謝主持人。相較于時刻緊盯技術變革的企業來說，我們中山大學的技術并非先進，但還是有一些落地應用。比如，我們通過定位和人臉識别完成了一款新生報道的小程序，确保學生在校園内的定位功能是網絡與信息中心使用騰訊的LBS服務自行研發的，雖然不是很複雜的技術，但确實在很大程度上減輕了數千名學生一起報道的擁堵現場。

　　另一項分享是我們近期和微搭團隊合作了新一代師生服務平台，其中有一個流程是橫向科研蓋章。在完成這個項目之前，中山大學的此項流程是完全線下化的。老師們需要跑多個部門才能辦完，可能還需要跨城市辦理，非常浪費時間和精力。基于微搭的線上連通能力，就把蓋章的流程和其他系統結合起來打通，完成了線上化。

　　我們上學的時代計算機還不是生産力工具，現在的電腦可以說是老師和學生最重要的生産工具，怎麼用好這個工具就非常關鍵。通過電腦獲取知識更加方便，大大提高了學習效率毋庸置疑，但對學生來說，在處理大量信息的過程中可能力不從心，很難在有限的時間完成高效的知識提取，這是一個比較大的挑戰。不過，我們也從技術的跨越發展中走出了新的一步，AIGC就可以幫助老師和學生解決提煉和處理知識的問題，這是非常好的方向。但新的方向也會帶來新的問題，然後會有新的技術進一步解決，我相信技術在輔助人的認知方面還是可以形成良性閉環。

　　讓學生更好地匹配科技發展和産業升級

　　彭愛華：确實還是需要厘清技術和教育之間可能存在的矛盾關系。下一個問題想請教林楠老師。您從企業管理者的角度，是如何看待教育适應科技的發展，以及提升産業升級的能力?有哪些經驗思考?

　　林楠：先回答您第一個問題。教育的本質還是育人，所以談教育适應科技的發展和産業的升級，更重要的是如何培養學生，讓他們更好地匹配科技的發展和産業生産。具體到實踐中，我認為主要基于以下四個方面：

　　· 保持好奇的心态，這點特别重要。在科技發展和行業升級上，會不斷有新的技術湧現和疊代，要時刻保持好奇心。

　　· 培養動手能力。新技術出現後，人們總是看得多，動手做得少，但事情隻有動手實踐才能更有積累和體會。

　　· 提升跨學科素質。以往單一學科可以解決很多問題，但現在随着産業發展越來越深入，非常需要跨學科的能力。

　　· 持續學習的習慣。技術一直在疊代，我們需要保持持續學習的心态和習慣，才能跟得上未來的發展浪潮。

　　技術與應用場景融合發展，AI未來加持低代碼

　　彭愛華：感謝林老師的分享。接下來我們進入到觀點衆議的環節，基于之前搜集的三個具有代表性問題，分别邀請三位嘉賓來進行回答。

　　問題一：對于未來幾年的技術發展前景，哪一些趨勢和創新值得我們關注?

　　問題二：就您所了解的先進技術，在當前數字化應用領域有哪些潛力可以挖掘?

　　問題三：AI是否會取代程序員，以及和低代碼之間的技術關系是怎樣的?

　　許維勝：在教育行業，數字化轉型解決的問題主要是需求側的高質量個性化發展，這是從學生角度來說。作為供給方，學校如何将所存資源給到形形色色的每一位學生也是一個關鍵問題。這裡涉及到三個模型，我們稱之為學習者模型、教學模型和知識模型。

　　學習者模型最重要在于數據打通;教學模型比較像物流系統，将老師提供給學生的知識進行搬運;知識模型主要在于知識的表現可能會運用到元宇宙的一些技術。此外，未來教育行業會發展出很多和場景關聯的技術，技術與應用場景的融合将是一大趨勢。

　　彭愛華：确實，未來的高等教育可能不在高校圍牆裡面，也可以通過數字化無時無刻、随時随地的存在。下面請王旭老師再談談您的看法。

　　王旭：從自然語言處理到CNN，再到深層神經網絡的自然語言處理，技術的發展是日新月異的。如果讓預測明年會出現什麼新技術，我确實沒有這個能力。但是，我可以暢想未來有可以在元宇宙中進行學習，生活，可以将包括ChatGPT，語音轉文字，圖像處理等機器學習應用在元宇宙之中，讓其更加真實。

　　關于AIGC的能力和低代碼的結合，我認為還是比較完美的。包括ChatGPT在内的AIGC基本上通過了圖靈測試，可以理解人類的語言，那和低代碼結合起來就非常方便。

　　但是以目前的AI能力，在細節的把控上是不足夠的，想要完全代替程序員還是不可能的。通過和AI的交流，可能完成百分之七八十的任務，但是對業務深入理解性的功能還是需要初級甚至程序員來完成。

　　彭愛華：接下來有請林老師站在騰訊的視角，您是如何看待這三個問題的?

　　林楠：人類的智慧實在太強大了，可以創新的技術非常多，但從我個人關注的場景來說，還是對大模型和虛拟現實最感興趣。

　　大模型對現有産品的重構已經影響到我們日常生活的方方面面，比如新能源智能汽車通過引入AIGC可以進行人車交互。再比如，騰訊利用自研混元大模型進行趨勢預測，從而提升廣告效率，也是一種預判趨勢和輔助決策的能力。

　　此外，回到今天的主題，我認為AI在未來會加持低代碼，首先是改變代碼的形态和交互方式，原來通過拖、拉、拽來實現一個應用，現在用自然語言就可以完成交互。雖然在生成複雜代碼上還有相當的難度，但是在低代碼集成大模型的能力之後，可以實現更加個性化的應用調整。微搭聯合騰訊大模型混元也在這方面積極地做一些嘗試，相信不久會有機會給到大家使用體驗。

　　結語

　　數字化轉型道阻且長，對于當下的高校來說，可能依然處于深度挖掘轉型場景的初級階段。而在挖掘的基礎上，需要不斷思考如何通過技術工具賦能，讓轉型路徑更加平穩順暢，AI+低代碼無疑是驅動這一進程的重要催化劑。

　　而無論産、學、研，科技界的不同領域都是騰訊雲TVP踐行“用科技影響世界”的寶藏之地。未來，我們仍将秉持審慎而樂觀的理性态度，帶來更多業界實踐。