“AI+低代码”推动高等教育变革：腾讯云携手同济大学共探数智化

近年来，数字化转型已成为各行各业提高运营效率和生产力的重要手段。而对于高校来说，转型已成为建设高质量教育体系的重要策略。但相较于迈出较早一步的企业群体，本身缺乏技术基因和运营成本的学校在数字化的转型上还较为滞后。

如何改变这一现状？AI 与低代码的融合将成为数字化转型的两大助力。通过智能化的流程、应用和决策，可实现数字化转型降本增效。加上低代码带来的加速开发、降低技能门槛等优势，可助推高校数字化转型尽早实现。

基于此，12 月 15 日，腾讯云 TVP “AI+低代码 驱动高等教育数字化进程”活动走进了同济大学。作为国内领先高校，同济大学如何通过数字化转型建设世界一流？“AI+低代码”怎样推进高校数字化转型建设？腾讯与同济大学的合作，完成了哪些创新实践？

来自同济大学信息化办公室主任、腾讯云 TVP 许维胜老师，中国信通院低代码委员会顾问、腾讯云 TVP 沈欣老师，腾讯微搭教育行业负责人 李萍老师，腾讯云智能教育行业负责人 贾鹤老师，腾讯会议教育行业负责人 施徐国老师等五位演讲嘉宾，以及中山大学网络与信息中心架构师 王旭老师，腾讯微搭副总经理 林楠老师及许维胜老师等三位圆桌对话嘉宾，将带来对上述问题的深度解读和热烈探讨。

会议伊始，同济大学副校长 娄永琪和腾讯云高等教育及基础教育总经理 饶臻进行了开场致辞。

据娄永琪校长介绍，加上今年新当选的两位院士，同济大学总计有四名中国工程院信息学部院士。基于人才优势，同济大学同时作为国家和上海市的科学研究中心，未来将继续携手腾讯，将人工智能全面赋能，在智慧教育领域做出世界级的创新。

此次腾讯云 TVP 和腾讯教育一起走进同济大学，并携手推出 TVP 行业教育大使奖项，旨在助力高校培养更多的数字化人才，共同为我国的智慧教育事业做出更多贡献。

随后，关于高校如何做好数字化问题，在许维胜老师看来需要达成以下几点共识：

● 一把手工程，一把手要充分重视；

● 跨部门、跨业务领域的协调和协同；

● 总结推广可操作的计划、组织、设计、推进的系统化方法；

● 适度超前的场景构思；

● IT 队伍建设和师生数字素养提升（数字化不仅是硬件建设，关键是人的事）；

● 用户体验和师生满意度；

● 提升信息化部门的地位。

谈及新背景下的高校数字校园建设组织模式，许维胜老师认为重点在于如何落地。“组织既是一个名词也是一个动词，学校的信息化组织一般就是网络信息中心（或者信息办）；而如果说到工作怎么开展，则是一个动词。在组织方面，目前一般高校都是中心化的 IT 组织，相对比较集中。”

但在实际推进业务数字化转型的过程中，集中的、中心化的 IT 组织，并不太给力。原因主要在于数字化转型的需求主要是在业务侧，业务与数字技术的融合存在屏障。“所以，IT 组织必须要下沉到业务，职能部门、院系（业务）与 IT 组成一体化团队，基于统一的数字平台，共同开展数字化转型工作。”

最后，许维胜老师总结到，统筹数字校园的核心系统，既要运营好校园网（5G）、超算中心、数据中心（云计算），各类软件系统（云原生微服务）、消防系统（物联网、边缘计算）、安防系统（物联网、边缘计算）、智慧园区管理系统（物联网、云计算），以及教育资源建设和共享（云计算）等，守牢“中宫”，同时还要四面张扬，关注新技术的创新应用。

具体来说，数据在以下几个方面产生价值：

● 精细化操作减少成本；

● 新的机会增加收入；

● 减少不确定性、辅助决策；

● 连接带来更高效的反应速度。

在数据、信息和知识的概念演进上，沈欣老师认为，数据是信息的表现形式和载体，信息则是数据的内涵。“比如，我们在空间中看到很多点，这是数据；但当点足够多，发现其是一片树叶之后，就成为了信息。而如果在信息的基础上进行更加高级的抽象，则成为了知识。”

所以说，数据只是过渡，知识才代表价值，未来一定是知识的年代。

那么，基于知识的数智化究竟能够做什么？在沈欣看来，主要在于解决数字意义的问题，了解数字背后的工作和任务出现了什么情况，其中的难点在于数学建模。“通过精细化的模型架构，从而适用于不同的应用场景，是数智化运作的本质。”

“从 IT，到数智化，再到 AGI ，未来是人工智能时代。智能化时代是一个 Agents 的过程，对开发代码的要求会越来越高，效率要求也会越来越高，就要考虑怎么引入低代码和无代码的平台帮助我们工作。”

沈欣老师表示，未来 AI 对低代码将有巨大的颠覆作用，AIGC 将会是低代码的终局性机遇。首先，AIGC 提供了从无到有的内容生成能力，突破了人类生产内容的特权。与此同时，它也可以做到已有知识的跨界创新，服务于 0%~80% 的创新，是一项巨大变革。

此外，据沈欣老师预判，未来三年之内初级程序员可能会消失。原因在于编程是信息化时代的产物，传统的软件包括数据、算法、流程，再加上 UI，通过代码构建、软件执行，加上控制即可实现。“但到了 AI+低代码的时代，很多东西都可以更高效地自动执行。”

未来，在算力和功耗可以持续突破的前提下，业务数据库将直接存放大量的非结构性数据，同时会变成 GPT 的私有训练环境，持续迭代，最终实现数据自动进入、自动校验，以及自动根据自然语言要求，甚至能做到自动找到最佳实践进行输出指导业务。

截至目前，微搭完成了从快速构建到快速托管的应用产品矩阵。在低代码方面的建设主要包括微搭低代码、云开发，以及微信网关。

“我们希望搭建的低代码架构是一个 PaaS 中台，将云开发的一系列经验和能力赋能给微搭，从而方便开发者在构建组件的过程中更加开放和自由。为此，我们结合了很多腾讯侧的能力，比如视频号、企业微信、教育基座，以及数字工厂之类。”

除了赋能开发者，微搭也开始走向行业，产品应用在教育、零售，以及工业领域的轻应用和小程序开发平台。对此，李萍老师以协同同济大学合作构建的樱花节应用为例：“服务商可以直接对接系统的数据中心和用户中心，从而只需关注当下要实现的业务，同时起到了规范低代码业务水平的作用。”

此外，微搭也实现了在流程开放平台中的应用，打破了扁平化的业务流程，从而构建了立体化的生态。而在营销活动场景中，不仅完成了百分之百的 UI 还原，通过 Serverless 云函数可支持高并发（10 万 QPS)，同时也实现了微信私密链路的安全防护。

最后，李萍老师谈及微搭和 AI 的关系。在她看来，AIGC 可以解决学习成本高企的问题，进行快速培训，让更多开发者迅速学习微搭的开发内容。同时，她也觉得 AIGC 后续可以快速唤醒应用模块和生成应用组件，生成代码等递进演变。

贾鹤老师的分享主要分为两个部分，首先他站在 AI 从业者的角度，谈及如何理解当下的大模型，其次是从技术到工程，再到产品市场的视角，如何将对应的技术进行产品体系的丰富，进而赋能客户和行业应用，带来的思考和实践。

首先，该如何理解大模型，他认为这是一种新范式：

● 从大模型热的现象到背后的实现

2023 年是 AI 从业者的高光时刻。与以往不同的智能化体验、C 端用户的快速增长，以及迅速的 ToB 产品和市场策略，ChatGPT 及各种 gpt 大模型掀起一轮又一轮浪潮。

● 关键技术组件，海量的高质量训练语料，“足够大”的模型基座

从 GPT1 到 GPT2，再到 GPT3，训练语料呈现出成百倍的增长。OpenAI 所坚持的模型思路是只要模型“足够大”就可以应对更多任务和场景，因而全球典型的科研机构和厂商都会参考类似的路径。

此外，还包括高性能算力、高速通信、Prompt Engineering 以及系列 Infra 的组合，才可能出现这样的一个“工程奇迹”。

● 对趋势的一些思考

信息化程度越高的行业，用户容忍度更高的场景，以及复杂度更低的任务，大模型更容易结合和落地。未来行业也会更冷静，加速实战落地。同时国内，一段时间内，很可能是行业/领域大模型和通用大模型并存，一边服务 B 端客户“生产”需求，另一边服务 C 端用户“大众”需求。其次，应该如何拥抱 AIGC 的时代浪潮？ 泛化性更强、通用性更强、实用性更强，是大模型时代的三个典型特征。在金融、传媒、教育、政务、能源等多个行业头部企业和机构已经开启落地实践。

● TI 平台工具链升级，覆盖大模型开发、应用全生命周期

面向大模型训练精调场景，从数据、训练、推理到加速 等能力，进行一套 TI 平台的工具链进行升级。

● 全面接入主流开源模型，提供更丰富的模型选择

接入和更新主流开源模型，加速能力升级，支持更多模型，实现更高加速比，帮助 AI 开发者和生产商降低训练和推理成本。

“基于以上分析来看，我们的混元大模型有四大核心能力，一是实现多轮对话，更理解上下文意图；二是知识能力增强；三是构建逻辑推理能力，准确理解用户意图，基于输入数据或信息进行推理、分析；四是内容创作，提高生产力。这是我们四个维度上的创新和发力。”贾鹤老师介绍说。

此外，贾鹤老师也带来了更多落地实践的分享，MaaS 助力智能应用升级，更加丰富了教育场景实践，目前这些实践主要包括高教场景 Whole Picture、重塑 PaaS/SaaS 产品等，落地于招生咨询助手、备课辅助、知识问答助教、口语助教、AI for Science、科研助手、行政问答助手、陪伴&心理咨询助手、生涯助手等九大场景中。

面向高校信息化或者数字化建设，同时腾讯云智能也做了更多更为具体的落地实践：

● 在科研场景探索，联合某头部医学机构，共建医疗行业大模型，为居民提供连续、综合、有效、精准的一体化智能问答健康服务，后续进一步拓展到智能影像识别，临床试验等科研创新场景。

● 在教学场景探索，某省级公共教学资源平台的智能教学问答应用升级，旨在帮助师生提升教研教学资源利用率和用户体验。

● 在管理场景探索，“虚拟辅导员“助力高校学生及时、精准和高效地获取生活或思政资讯。

具体落地到腾讯会议智慧教室 Rooms 教学解决方案上，分别从学校、教师、学生不同层面给予价值展现：

● 线上线下、校内校外灵活连接：AI 时代，学校管理更科学

融入 AI 技术的腾讯会议，可以丰富学校数字化创新建设，将传统单一内容沉淀，转型为面向师生的“个性化、多模态”内容知识平台。而在学校精准培养的实施落地过程中，通过对课中、课后过程，进行大数据分析，业务平台反馈用户体验，发现学生的优点特长，促进个性发展。此外，提供面向跨校区、跨学校、跨国家的超低延时面对面的通讯系统，无缝对接海外主流通讯平台，丰富对外合作能力，进一步延伸学校对外影响。

● 兼顾实时互动教学与课程制作回放：AI 时代，老师教学更轻松

腾讯会议的 AI 能力，可以帮助老师记录授课内容，自动生成多语种文字，形成课程章节，方便老师导出，编写个人专属教材，沉淀教师个人知识资产。此外，可以通过生成式的内容回顾，方便学生基于多模态进行个性化学习，并可通过权限控制管理授课内容的可见范围，分担教师教学辅导压力。而数据分析加强了课程设计，“因材施教”帮助教师了解学生关注点、困难点，实现教师备课内容的科学性，提升教学成就感。

● 智能录制与高效互动：AI 时代，学生学习更个性

在学生的学习环节，AI 技术的融入可以帮助学生实现个性化学习——通过 AI 生成的教学知识内容平台，方便每个学生根据自己的学习进度，完成个性化学习，如内容切片与检索等。通过简单易用的互动工具，实现笔记、签到、弹幕、抢答、分组，提升教学气氛，提升学生教学参与积极性。

许维胜老师：从同济大学的实际情况来看，AI 对高校的影响大概分为三个部分：

首先是对专业教学内容的影响。我们学校每一个专业都在和 AI 相结合，比如说建筑设计、土木工程、智能建造、AI 辅助的创意设计等等，这是对专业教学内容的影响。

其次是对教和学的过程影响。比如，老师的教学方法和学生的学习方法，以及教与学的模式可以如何通过 AI 来优化，这也是一个方面。

最后是对校园管理和治理的影响。包括各种辅助决策、数据分析和业务系统的架构，期间都有 AI 的参与，但目前还在探索和起步阶段，离我们期望的目标相距甚远。

此外，还有两个场景是腾讯和信通院可以帮助我们实现的：学校的应用系统存在低水平重复建设问题，可以通过 AI+低代码技术改善；管理模式的改进，包括减少试错成本，从而进行更多的尝试，通过技术的方式不断走出桎梏。

王旭老师：相较于时刻紧盯技术变革的企业来说，我们中山大学的技术并非先进，但还是有一些落地应用。比如，我们通过定位和人脸识别完成了一款新生报到的小程序，确保学生在校园内的定位功能是网络与信息中心使用腾讯的 LBS 服务自行研发的，虽然不是很复杂的技术，但确实在很大程度上减轻了数千名学生一起报到的拥堵现场。

另一项分享是我们近期和微搭团队合作了新一代师生服务平台，其中有一个流程是横向科研盖章。在完成这个项目之前，中山大学的此项流程是完全线下化的。老师们需要跑多个部门才能办完，可能还需要跨城市办理，非常浪费时间和精力。基于微搭的线上连通能力，就把盖章的流程和其他系统结合起来打通，完成了线上化。

我们上学的时代计算机还不是生产力工具，现在的电脑可以说是老师和学生最重要的生产工具，怎么用好这个工具就非常关键。通过电脑获取知识更加方便，大大提高了学习效率毋庸置疑，但对学生来说，在处理大量信息的过程中可能力不从心，很难在有限的时间完成高效的知识提取，这是一个比较大的挑战。不过，我们也从技术的跨越发展中走出了新的一步，AIGC 就可以帮助老师和学生解决提炼和处理知识的问题，这是非常好的方向。但新的方向也会带来新的问题，然后会有新的技术进一步解决，我相信技术在辅助人的认知方面还是可以形成良性闭环。

林楠老师：先回答您第一个问题。教育的本质还是育人，所以谈教育适应科技的发展和产业的升级，更重要的是如何培养学生，让他们更好地匹配科技的发展和产业生产。具体到实践中，我认为主要基于以下四个方面：

● 保持好奇的心态，这点特别重要。在科技发展和行业升级上，会不断有新的技术涌现和迭代，要时刻保持好奇心。

● 培养动手能力。新技术出现后，人们总是看得多，动手做得少，但事情只有动手实践才能更有积累和体会。

● 提升跨学科素质。以往单一学科可以解决很多问题，但现在随着产业发展越来越深入，非常需要跨学科的能力。

问题一：对于未来几年的技术发展前景，哪一些趋势和创新值得我们关注？

问题二：就您所了解的先进技术，在当前数字化应用领域有哪些潜力可以挖掘？

问题三：AI 是否会取代程序员，以及和低代码之间的技术关系是怎样的？

许维胜老师：在教育行业，数字化转型解决的问题主要是需求侧的高质量个性化发展，这是从学生角度来说。作为供给方，学校如何将所存资源给到形形色色的每一位学生也是一个关键问题。这里涉及到三个模型，我们称之为学习者模型、教学模型和知识模型。

学习者模型最重要在于数据打通；教学模型比较像物流系统，将老师提供给学生的知识进行搬运；知识模型主要在于知识的表现可能会运用到元宇宙的一些技术。此外，未来教育行业会发展出很多和场景关联的技术，技术与应用场景的融合将是一大趋势。

彭爱华老师：确实，未来的高等教育可能不在高校围墙里面，也可以通过数字化无时无刻、随时随地的存在。下面请王旭老师再谈谈您的看法。

关于 AIGC 的能力和低代码的结合，我认为还是比较完美的。包括 ChatGPT 在内的 AIGC 基本上通过了图灵测试，可以理解人类的语言，那和低代码结合起来就非常方便。

但是以目前的 AI 能力，在细节的把控上是不足够的，想要完全代替程序员还是不可能的。通过和 AI 的交流，可能完成百分之七八十的任务，但是对业务深入理解性的功能还是需要初级甚至资深程序员来完成。

彭爱华老师：接下来有请林老师站在腾讯的视角，您是如何看待这三个问题的？

大模型对现有产品的重构已经影响到我们日常生活的方方面面，比如新能源智能汽车通过引入 AIGC 可以进行人车交互。再比如，腾讯利用自研混元大模型进行趋势预测，从而提升广告效率，也是一种预判趋势和辅助决策的能力。

此外，回到今天的主题，我认为 AI 在未来会加持低代码，首先是改变代码的形态和交互方式，原来通过拖、拉、拽来实现一个应用，现在用自然语言就可以完成交互。虽然在生成复杂代码上还有相当的难度，但是在低代码集成大模型的能力之后，可以实现更加个性化的应用调整。微搭联合腾讯大模型混元也在这方面积极地做一些尝试，相信不久会有机会给到大家使用体验。

数字化转型道阻且长，对于当下的高校来说，可能依然处于深度挖掘转型场景的初级阶段。而在挖掘的基础上，需要不断思考如何通过技术工具赋能，让转型路径更加平稳顺畅，AI+低代码无疑是驱动这一进程的重要催化剂。

而无论产、学、研，科技界的不同领域都是腾讯云 TVP 践行“用科技影响世界”的宝藏之地。未来，我们仍将秉持审慎而乐观的理性态度，带来更多业界实践。

左右滑动查看更多

欢迎关注「腾讯云TVP」，期待你的「在看」～👇