在智能时代的大潮中，技术迭代日新月异，大模型作为人工智能领域的璀璨明珠，正引领着新一轮的科技革命。从智慧城市到智能制造，从医疗健康到金融服务，大模型的应用无处不在，掌握这一技能，意味着拥有了开启未来世界的钥匙。驾驭大模型，不再仅仅是科研人员或技术专家的专属，它正逐渐渗透到我们生活、工作的方方面面，成为人人的必备技能。

驾驭大模型，就像我们上网、点外卖、刷视频一样，需要成为智能时代的必备技能。

互联网时代实现了全球互联，改变了信息交流模式；移动互联网时代以智能手机为核心，便捷了交流与服务；智能时代则依托AI、大数据等技术，将深刻变革生活与工作各领域，包括农业、医疗、制造业等，开启万物智联新篇章。

大模型作为智能时代最具代表性的创新之一，通过整合大数据处理、云计算资源调度、高性能芯片计算等多种技术，并实现这些技术的协同创新与深度应用，在展现强大的技术集成与创新能力的同时，实现了复杂任务的高效处理和创新应用。

以大模型为核心驱动力，各行各业正加速孵化并实践着一系列颠覆性的应用场景与商业模式变革。作为这个智能时代的积极参与者，我们应当积极探寻如何驾驭并利用大模型这一利器，不仅使其深度融入我们的日常生活和工作，带来更多便捷，更要将其转化为一种内在的个人能力，激发我们的创造力，从而不断开拓出更多前所未有的新模式与新场景，为社会的持续进步与创新发展贡献我们的力量。

如何驾驭大模型，不同岗位、不同场景，需要掌握哪些能力呢？

大模型作为新的技术，如何掌握和驾驭，不同工作场景和岗位有不同的要求，结合实际的工作情况，大致可以分为两大类，一是业务人员，使用大模型及各类大模型的工具，结合自身的工作内容使用大模型更加高效便捷的解决问题，核心是用好各种大模型成熟工具；二是专业技术人员，需要了解大模型的技术原理、开发训练方法等，基于大模型进行各类新场景、新应用的搭建，创造出新的场景和服务模式，解决客户问题的同时带来更多商业价值。

以美林数据为例，大模型的使用已经深入到了具体的解决方案、产品及各岗位人员的具体工作中，根据不同的分工和场景，对于大模型的使用模式和方法也不同。

作为工具，解决具体的业务问题，以公司的行政、市场营销、人力资源等各类具体业务人员为例，他们不懂编码、也不懂大模型的底层实现原理，但需要使用大模型工具来处理日常的具体事务；

他们需要掌握大模型基础的使用方法，了解不同大模型工具的优势和特点，在实际工作应用中可以根据具体场景、需求选择合适的大模型工具处理不同的业务问题，就像我们用Word做文档处理、Excel做表格数字处理一样。

就像使用搜索引擎检索一样，有些人总能找到优质答案，有些人就总是搜索不到，区别就在于掌握了检索提问的方法，要使用好大模型工具，就要“学会与大模型对话”，即能够准确表达自己的要求，其核心就是“提示词工程”，通过遵循清晰具体、结构化、避免歧义等要求，灵活运用分配角色、拆解复杂任务、限定输出风格/格式、提供示例等方法，从而更有效地利用大模型来生成符合预期的输出结果。

作为技术，如何将大模型融入到具体产品和解决方案中，更好的为客户创造价值，是产品经理、解决方案人员、研发技术人员需要重点研究的课题。

结合美林数据自身在数据治理、数据分析方面的技术技能和服务能力，融合工业大数据在制造企业、能源企业数字化转型的业务积累和场景需求，基于大模型创新应用场景，提升对外服务能力。

在大模型应用场景开发的过程中，需要产品/需求人员、解决方案人员、算法工程师、开发工程师、测试工程师、实施运维工程师等一系列岗位角色的紧密协作。基于具体的客户场景和需求，进行产品/解决方案的设计，并通过工程化实践落地。这一过程要求各岗位人员不仅掌握原有岗位的基础能力，还需深入了解大模型的原理和使用方法，根据具体的应用场景和模式进行定制开发与模型训练。

高校人才培养，如何培养学生驾驭大模型的能力，如何设置学习目标与课程体系呢？

聚焦高校人才培养，人工智能专业人才培养与人工智能通识教育也已经成为大家共同探索和积极实践的重要领域。课程设计是人才培养理念和目标的核心支撑，高校在智能时代的人才方案将如何调整，课程体系如何设置，结合人工智能、大模型技术的发展和应用模式，核心课程设计体系建议从通识、技能提升、创新应用三个维度展开。

第一，人工智能通识教育势在必行

《人工智能通识》课程将如同《大学计算机》课程一样，成为覆盖全学科、全专业的必修课程之一，这个已经成为各层次高校的普遍共识。无论从政策还是实践角度出发，各级教育管理部门、双一流高校都做出了积极的行动。

- 各地政策

- 高校实践（以南京大学为例）

南京大学构建“1+X+Y”课程体系，以必修课为基础，以素养课和前沿拓展课为补充，构建多层次人工智能教育体系。

由于人工智能技术本身的专业性，《人工智能通识》课程的建设，需要考虑到学校、学科等不同维度的差异，从产业人才需求和高校人才培养的大目标出发，进行个性化课程体系的设计。高校需要结合区域、学校、学科的特色，将人工智能的基础、技术体系、应用场景等通过不同的知识结构和案例应用进行整合，打造符合自身高校与学生培养的课程体系，让通识教育有特色、让学生感兴趣是课程建设的基础要求。

联系我们定制您的【人工智能通识】课程大纲。

第二，从岗位需求出发设计技能拓展课程

以“驾驭大模型”为总体目标，从各学科的人才培养根本需求出发，紧密贴合产业岗位对大模型技术的实际应用模式与能力要求，设计符合专业学科特色的课程体系。课程设计核心以“AIGC基础原理+提示词工程+特定场景应用”为支柱，旨在全方位提升学生的大模型操作能力与实战技巧。

例如：

人文社科类专业需要培养学生在自然语言处理、文本分析、情感分析等方面的能力，使他们能够利用大模型进行文献综述、政策分析和社会调查，提升研究和分析能力；

艺术创意类专业需要培养学生在图像设计、音乐创作、视频编辑等方面的能力，使他们能够运用大模型进行创意设计和多媒体内容生成，具备图像和音视频处理的基本技能；

工农医商类专业需要结合自身的专业特色和行业大模型，培养学生在数据驱动决策和优化方面的能力，使他们能够利用大模型进行生产流程优化、作物病虫害预测、医疗诊断和市场分析等，具备数据处理、模型调优和应用的能力。

通过这些专业技能课程体系的建设，不同学科的学生不仅能够掌握大模型的基本原理和使用方法，还能结合各自的专业背景，进行定制化（个性化）的应用和创新，为未来的产业发展和科学研究提供强有力的支持。

第三，以应用场景为核心深化专业学科课程体系

在智能时代，大模型技术的广泛应用对“人工智能”相关专业与学科的学生提出了更高的要求。为了培养能够胜任未来工作岗位的数智人才，不同层次的高校需要结合各自的人才培养目标和就业岗位需求，在驾驭大模型能力方面，专业人才培养需要从“理论基础+专业技术+场景应用”三个维度综合考量。

针对不同层次的高校，课程体系设置应有所侧重，以适应不同就业岗位的需求：

对于双一流高校而言，其人才培养定位通常更高远，应着重构建“理论+实践+创新”三位一体的课程体系。在理论层面，深化AI基础理论、大模型原理等课程的教学；实践环节，通过校企合作、项目驱动等方式，让学生参与到大模型研发与应用的真实项目中；创新方面，鼓励学生跨学科交流，探索大模型在前沿科技、社会治理等领域的新应用，培养领军型人才。

本科层次的高校，则需平衡理论与实践的比重，既要确保学生掌握扎实的AI基础知识，又要通过案例分析、实验实训等，提升学生的大模型应用技能。课程体系中应包含大模型基础、行业应用案例、数据科学与编程技能等模块，同时加强职业道德与法律法规的教育，培养学生的综合素养。

对于高职院校，应更加注重实用技能的培养，课程体系应紧密对接行业需求，强调“学以致用”。除了基础的理论教学外，应大量引入行业专家授课、企业实习实训等环节，让学生在学习过程中就能接触到真实的工作场景，掌握大模型在智能制造、智慧城市、医疗健康等领域的具体应用技能，缩短从校园到职场的过渡期。

不同层次的高校在培养“人工智能”相关专业学生的大模型驾驭能力时，应根据自身定位与就业岗位需求，科学设置课程体系，既注重理论基础的夯实，又强调实践技能的提升，同时融入跨学科思维与伦理法律教育，为行业输送既有深度又有广度的人工智能专业人才。

驾驭大模型，不仅是技术的掌握，更是思维的跃迁。它要求我们在理解技术原理的基础上，具备跨学科融合与应用创新的能力，将大模型的潜力转化为解决实际问题的力量。高校作为人才培养的摇篮，应紧跟时代步伐，优化课程体系，强化实践教学，为行业输送既有理论深度又有实战能力的人工智能专业人才。

技术日新月异的时代下，淘汰你的不是技术本身，而是掌握了这些新技术的人。 驾驭大模型，让我们在智能时代的征途上，更加自信、从容地前行。