人工智能大模型驱动的工科类跨学科实践教学平台构建研究

引言

人工智能大模型的爆发式发展正深刻重构传统生产流程与技术范式。从工业故障预测到智能建造设计，从通信网络优化到新材料研发，大模型凭借其强大的泛化与生成能力，已渗透至机械、电子、土木、通信等工科核心领域。这一技术革命推动工程人才培养体系加速变革。从业人员不仅需精通本专业知识，更须具备运用 AI 工具解决跨领域复杂问题的能力。然而当前工科教育仍面临显著短板，例如传统教学平台多聚焦单一专业场景，缺乏支撑多学科协作的实践载体，导致学生难以应对系统性工程挑战等。为破解跨学科融合不足与实践深度缺失的双重困境，本文对构建融合CDIO 工程教育模式的大模型驱动型实践平台进行研究。

一、构建通专融合、分层递进的跨学科课程体系

在人工智能大模型驱动下，工科类跨学科实践教学平台构建需要系统性重构课程框架，建立三层能力培养阶梯。在通识层，教师面向全校工科专业开设人工智能大模型基础实践必修模块，重点设计覆盖 Transformer架构解析、Prompt 工程优化、模型伦理安全等核心内容的实验任务[1]。例如，通过可视化工具动态演示注意力机制原理，引导学生编写能源调度、结构应力分析等领域的 Prompt 模板，使非计算机专业学生快速掌握大模型交互逻辑。

进入专业层，教师应联合企业工程师开发垂直领域微调案例库，针对不同工科专业需求定制实践场景。包括为机械专业设计基于振动信号的设备故障诊断微调项目，指导学生利用 LoRA 技术适配预训练模型；为通信工程专业构建网络流量预测任务，要求学生在 PyTorch 框架下完成时序数据预处理与模型轻量化部署。

在交叉层，教师需组织跨学科项目组，设计融合多领域知识的复杂工程问题。例如，在智能建造综合实训中，计算机专业学生负责开发 BIM模型生成接口，土木专业学生提供结构力学参数，机械专业学生优化施工机械控制算法，三方协同完成从建筑图纸智能解析到施工方案优化的全流程实践，切实提升复杂系统协同求解能力。

二、创新CDIO 循环、项目贯穿的实践教学模式

教师还应以工程全生命周期为主线，重塑实践教学流程。构思阶段，联合威士讯、中兴通讯等合作企业发布真实产业课题任务书。例如，针对电力设备运维需求，设计基于 RAG 检索增强的故障知识库构建项目，要求学生分析变电站巡检报告、设备手册等非结构化文本，明确知识图谱构建目标与技术约束。

设计阶段，教师混编计算机、电子、自动化专业学生形成跨学科团队，指导其完成技术方案评审。以通信网络优化项目为例，计算机组设计分布式推理架构，电子组负责传感器数据采集模块，自动化组开发控制策略，三方协同输出包含模型微调方案、边缘计算节点部署图、能耗控制算法的综合设计文档。

实施阶段，教师依托云边协同实验平台提供技术支持，部署集成PyTorch 与 HuggingFace 的容器化开发环境，配置 边缘计算套件。例如在机械臂智能控制项目中，指导学生使用 QLoRA 技术微调CodeLlama 模型生成控制指令，通过 Modbus 协议实现与 PLC 的实时通信，完成从仿真验证到物理系统联调的完整开发流程。

运作阶段，教师衔接三峡集团等实践基地开展成果转化，组织学生参与智能系统部署与效能评估。例如，将土木工程专业开发的边坡监测模型部署至工地物联网终端，持续收集位移传感器数据并生成稳定性报告，通过对比传统人工巡检数据验证模型可靠性，最终形成产学研联动的闭环验证机制。

三、建设三层架构、持续演进的技术支撑平台

人工智能大模型驱动的工科类跨学科实践教学平台构建还需教师主导构建适配大模型特性的基础设施体系。在基础层，整合昇腾 910、NVIDIAAl00 等异构算力资源，通过 Kubernetes 容器化技术实现 GPU 资源池化调度 [2]。教师具体应配置弹性计算策略，例如为通信专业的时序预测实验预留高吞吐集群，为土木图像识别任务分配大显存节点，满足不同工科专业对大模型训练与推理的差异化需求。服务层建设中，教师需联合企业工程师封装领域知识工具链。针对机械故障诊断场景，将轴承振动频谱库、设备维修手册等非结构化数据向量化处理，构建可嵌入大模型的检索增强知识库。在此基础上，指导学生建立知识索引机制，如利用 FAISS 优化相似度检索效率，确保电子专业学生在开发电路缺陷检测系统时快速调用封装好的元器件知识库。

在应用层，教师应开发低代码交互门户降低跨学科使用门槛。通过拖拽式工作流设计器，引导机械专业学生组合视觉检测与振动分析模块，生成复合故障诊断模型；为材料专业配置参数化模板，使其通过调整温度、应力等变量快速构建材料性能预测大模型，无需深入编码即可完成专业场景的 AI 应用开发。

四、深化校企共育、动态反馈的协同育人机制

教师应建立产学研联动的闭环培养体系。师资共建方面，邀请威士讯人工智能工程师驻校开设微调技术工作坊，系统传授 LoRA、QLoRA 等轻量化适配方法。例如在通信网络优化项目中，企业导师指导学生将 5G 基站日志注入大模型，通过P-Tuning 技术优化流量预测准确率；计算机专业教师则配合讲解分布式训练框架优化策略，形成双师协同指导模式。

资源互通环节，将企业技术需求转化为教学案例。例如对接三峡集团智能建造需求，指导学生利用 RAG 技术融合 BIM 设计规范与施工安全条例，开发可解释的决策支持系统。此外，还需建立动态案例迭代机制，每学期根据行业技术演进更新 30% 实训项目。

能力认证层面，需引入华为 ModelArts 认证标准设计分级考核体系。例如在土木专业边坡监测项目验收时，联合勘察设计院专家评估模型预警准确率与误报率，形成岗位胜任力导向的评价报告。教师还需跟踪毕业生AI 应用能力数据，通过企业反馈持续优化课程权重，确保培养方案与产业需求同步演进。

结语

综上所述，通过构建通专融合分层课程体系、CDIO 循环实践教学模式、三层架构技术支撑平台及校企共育动态反馈机制，有效整合 Transformer架构微调技术、RAG 增强知识库、LoRA 轻量化适配及云边协同部署方案，进而构建人工智能大模型驱动的工科类跨学科实践教学平台。实证表明，该平台显著提升多专业学生在 Prompt 工程优化、领域模型微调、跨场景迁移推理方面的工程实践效能。未来，亟需突破轻量化推理引擎优化、联邦学习隐私保护等关键技术，进一步强化平台在智能制造、智能建造等复杂工业场景中的跨学科迁移能力与自适应演进机制。

参考文献

[1] 温广辉 , 付俊杰 , 万颖 , 等 . 多学科交叉类课程思政教育探索与实践——以系统科学与人工智能课程建设为例[J]. 控制工程,2024,31(9):1661-1668.

[2] 邱杰 , 吕洁 .“人工智能 + 新工科”背景下计算机类专业人才培养模式探讨 [J]. 中文科技期刊数据库（文摘版）教育 ,2024(7):0001-0004.

基金项目：本文受教育部产学合作协同育人项目《以通专结合为导向的工科类专业人工智能大模型通用实践平台建设》（2025）资助。