| huozm32831 | 2026-05-07 15:27 |
 4月20日，一名男子在德国汉诺威工业博览会西门子展区体验VR设备。新华社发" html="true" trigger="hover focus" placement="bottom" data-toggle="tooltip">4月20日，一名男子在德国汉诺威工业博览会西门子展区体验VR设备。新华社发  参观者在2025年德国杜塞尔多夫国际医疗器械设备展上体验康复设备。新华社发" html="true" trigger="hover focus" placement="bottom" data-toggle="tooltip">参观者在2025年德国杜塞尔多夫国际医疗器械设备展上体验康复设备。新华社发  4月20日，人们在德国汉诺威工业博览会观看机械狗表演。新华社发" html="true" trigger="hover focus" placement="bottom" data-toggle="tooltip">4月20日，人们在德国汉诺威工业博览会观看机械狗表演。新华社发  一名观众在2025年德国柏林国际消费电子展上与人形机器人握手。新华社发" html="true" trigger="hover focus" placement="bottom" data-toggle="tooltip">一名观众在2025年德国柏林国际消费电子展上与人形机器人握手。新华社发 人工智能是德国提升国家科技创新能力、竞逐全球科技产业高点的关键领域。为抢抓人工智能发展机遇，破解技术研发、人才供给与产业需求脱节等难题，德国相继于2018年、2020年和2023年推出《联邦政府人工智能战略》及后续更新版本，2025年启动《高科技议程》，以国家顶层设计为牵引，构建起“战略引领、高校核心、平台支撑、协同联动”的发展体系，统筹推进人工智能教育、科技与人才一体发展，形成了具有德国特色的实践路径，为其他国家系统布局人工智能领域教育科技人才工作提供了有益借鉴。 顶层战略引领：锚定教育科技人才一体发展方向 人才是连接教育与科技的核心纽带，更是人工智能发展的第一资源。德国始终以国家战略为抓手，通过持续迭代顶层设计，明确教育、科技、人才三者的协同关系，逐步强化一体发展的战略导向，为各项实践举措提供坚实的政策支撑和资金保障。 2018年《联邦政府人工智能战略》明确将教育和人才视作确保德国人工智能研究发展的决定性因素，强调应系统扩大人工智能教育供给，在各级教育体系中普及人工智能知识和技能，使教育内容与未来社会发展需求相适应。 2020年，德国联邦政府更新人工智能战略，并将资助规模提升至50亿欧元。德国政府强调，广泛且高素质的专业人才队伍是德国跻身全球人工智能研发与应用领先阵营的根本保障，须通过高等教育、职业培训与继续教育等多渠道扩大人工智能人才储备。 2023年，面对生成式人工智能飞速发展带来的新挑战，联邦政府再度更新战略，出台《人工智能行动计划》，将人才与研究、数据、算力并列为推动人工智能发展的四大“基础要素”，并以此作为德国维护技术主权与全球领先地位的根本保障。 2025年，德国新一届政府在其首个科技创新顶层战略《高科技议程》中，进一步强化了一体发展的战略导向。该议程以人工智能等关键技术为创新突破口，将专业人才的培育与引进列为确保其成功实施的关键支撑。为落实这一战略，联邦研究、技术与航天部在2025年度预算中，专门划拨15亿欧元，支持人工智能等关键技术的研究创新与人才培养，通过对科技与人才的协同投入，提升德国在关键技术领域的竞争力。 高校核心发力：构建全链条人才培养与科研支撑体系 德国联邦政府将高等教育定位为教育、科技、人才一体发展的核心枢纽，采取一系列措施，推动人工智能全面融入高校的科研与教学，强化高校研究与育人能力。 推出“高等教育中的人工智能资助倡议”，将人工智能全面融入高等教育体系。德国联邦政府与各州政府于2020年11月共同通过了“高等教育中的人工智能资助倡议”。根据该倡议，联邦政府与州政府在2021年至2025年间以9∶1的比例共同投入约1.33亿欧元，资助高校将人工智能全面融入教学体系。资助针对两个方面，一是资助高校开发人工智能课程体系或教学模块，强化学术人才培养；二是资助人工智能技术在高校教学与管理中的应用。在资助力度上，独立申请的高校最高可获得200万欧元，联合其他高校申请的最高可获得500万欧元。该倡议最终共资助项目54个，惠及81所高校。 大规模增设人工智能教授职位，筑牢人工智能在高校的根基。2018年德国联邦政府在首版人工智能战略中提出，到2025年在全国新增至少100个人工智能领域教授职位，以此破解德国高校人工智能领域师资短缺问题，提升高校的学术研究和教学能力。这一目标已于2022年提前实现。到2023年，联邦研究、技术与航天部通过洪堡基金会、德国科学基金会、人工智能能力中心以及预聘-长聘计划等多元化支持路径，实际增设的教授职位已超过150个。这些教授职位广泛分布于德国各大综合性大学和工业大学，夯实了德国人工智能学术研究与教育的根基。 开设人工智能相关学位项目，形成从本科到博士的完整培养链条。德国高校开设了完整的人工智能专业课程，这些课程覆盖了机器学习、神经网络、自然语言处理、计算机视觉、机器人等人工智能核心领域，课程数量在欧洲位居前列。此外，德国高校高度重视人工智能的跨学科特性，将人工智能知识整合到哲学、经济学、医学、传媒、法学等传统学科中。截至2022年，计算机科学专业以外的人工智能跨学科课程数量增长五倍，总计达109门，其中多数课程采取“开放课程”模式，面向各专业学生开放。为加强人工智能硕士和博士人才培养，2022年，联邦研究、技术与航天部联合德国学术交流中心，启动了以德国计算机先驱康拉德·楚泽命名的研究生项目——“康拉德·楚泽人工智能卓越学院”。该项目以跨学科、跨领域和国际化教学为特色，汇聚学术界与产业界顶尖专家组成导师团队，为学生提供学术指导、研究课题与实践机会，并支持学生参与国际交流。三所学院分别由达姆施塔特工业大学、德累斯顿工业大学和慕尼黑工业大学牵头，联合多家科研机构与企业共同建设，围绕机器学习、可信人工智能和健康人工智能等关键方向展开教学与研究。各学院每年从联邦研究、技术与航天部获得最高300万欧元的办学资金。 打造平台载体：强化科研创新与人才培育协同效能 德国注重搭建多元化平台载体，整合高校、科研机构与产业界资源，推动科研创新与人才培育深度协同，突破人工智能发展中的算力、技术、人才瓶颈，构建起“能力中心引领、专业联盟支撑、基础设施保障”的协同发展体系，提升教育科技人才一体发展的整体效能。 建设人工智能能力中心，打造人工智能研究“国家队”和人才培养高地。德国联邦政府自2018年起在柏林工业大学、多特蒙德工业大学、德累斯顿工业大学、图宾根大学和慕尼黑大学等5所顶尖高校布局建设5个人工智能能力中心，覆盖机器学习、大数据、计算机视觉等人工智能主要研究方向和方法体系，致力于推动前沿科学突破，培养青年科技人才，打造代表国家水平的人工智能技术研发、应用与人才培养的核心平台。能力中心依托高校设立，联合科研机构共建，并与企业紧密合作，共同构成了一个资源共享、互联互通的国家级人工智能协作网络。2022年，联邦研究、技术与航天部将对能力中心的资助模式由短期项目式转为永久性的机构式资助，旨在通过持续稳定的经费支持，为其人工智能研究及人才培养提供长期保障。联邦研究、技术与航天部和各中心所在州政府按5∶5的比例共同提供长期资助，年度总额高达1亿欧元，各能力中心每年获得1500万至2500万欧元不等。 组建网络化德国机器人研究所，打造国家顶级机器人研究联盟和人才锻造工厂。机器人技术作为人工智能的关键领域，为德国创新带来重要机遇。2024年，联邦研究、技术与航天部联合14所顶尖高校和科研机构，以及20余家合作单位，成立了德国机器人研究所（RIG），在四年内提供2000万欧元资助，旨在推动顶尖机器人技术研究与教育，助力德国成为具身人工智能领域的全球引领者。RIG制定了以研究为导向、贯通从本科到博士全阶段的人才培养计划，旨在满足机器人领域日益增长的专业人才需求，具体措施包括开设机器人学导论课程，引导本科生进入机器人研究领域；提供英文授课的机器人学硕士项目，设置快速通道博士项目，以加速高层次人才培养。此外，通过行业实习与专项培训，强化学生的产业实践能力。 建设国家高校高性能计算网络，突破科研算力瓶颈。国家高校高性能计算网络（NHR）是德国联邦政府与各州政府共同资助的国家级人工智能基础设施项目，旨在整合与提升高校高性能计算资源，为高校科研人员提供具有国际竞争力的算力支持。NHR由亚琛工业大学、达姆施塔特工业大学、德累斯顿工业大学、埃尔朗根-纽伦堡大学、法兰克福大学、哥廷根大学、柏林大学联盟、卡尔斯鲁厄理工学院以及帕德博恩大学等9所高校的计算中心联合构成，覆盖德国主要科研聚集区。除了为人工智能、大数据等前沿领域研究提供关键算力支撑，NHR还高度重视人才培养，开设从基础到高级的系列培训课程，强化科研人员的方法能力，并设立NHR研究生院，每年提供最多9个博士奖学金名额。在资金方面，联邦研究、技术与航天部与各州政府每年共同为NHR投入6250万欧元，资助期限为2021年至2030年。2024年，联邦研究、技术与航天部在《德国人工智能计算基础设施行动计划》中进一步提出，将为NHR配备适配人工智能应用的处理器，以持续增强其技术支撑能力。 人工智能技术是驱动新一轮科技革命和产业变革的核心引擎，教育、科技、人才三者的深度融合是推动人工智能高质量发展的关键。德国在统筹人工智能教育科技人才一体发展方面，形成了以国家顶层战略为牵引、以高等教育为核心枢纽、以平台载体为支撑、有效联动高校、科研机构与产业界的协同发展模式，为全球各国应对人工智能发展挑战、完善相关领域布局提供了可借鉴的经验范式，也为人工智能技术的可持续发展注入了持久动力。 |
|