美国那份医学类排名榜单一出来，简直把整个医学生择校的逻辑给掀翻了。

复旦医学院压过长期被神坛供着的北大医学部，成都的华西医学院强势冲到全国第4。哪个考生不懵？哪个家长不炸？原本指望着“老牌”“985”这套选校公式能保底避坑，现在直接被打脸。

被这份排名暴击的，不只是学校，还有一票正准备志愿填报的准医学生。

有家长直接在咨询时一句话问懵我：“麦叔，这下是听美国人排序，还是按国内那一套来？”

说实话，我也抓着桌角冷静了好几秒。

这次榜单不玩以往那种”科研发paper、师资多少博士点”那一套，而是直接按临床技能能力（35%）、国际化程度（25%）、科研转化成果（20%）和就业竞争力（20%）来打分。

也就是说：谁让学生真刀真枪练过、谁有海外交流通道、谁能培育出顶得起市场的医生，谁才是真正的“在路上”。

那种端着架子、靠情怀刷存在感的老大哥，反而容易被淘汰。

所以复旦上来，华西暴涨，北医掉队，一点都不奇怪。

重点来了。

很多学生和家长愿意相信这套美国排名，是因为它“看起来”理性、国际、实用，但你真以为这套标准放进中国土壤就能无缝长出好果子？

先别急着跪服国际标准，这中间水深得让人发晕。

比如临床技能这块，中国医学教育的实际模式是“5+3”、八年制等多线并行，学生实习安排、医患环境、教学医院配比全都不一样。

那你怎么比？地处长三角、京津冀的教学医院资源天然顶着光环，西部高校靠什么翻盘？看上去华西能冲到第4固然值得点赞，但别忘了它背后可是连年投入、教学改革+国际合作硬拉出来的成果。

不是谁破防了，是谁真改了命。

但最让我想抓狂的，是还有一堆人把排名当购房地图一样用，想着“哪里排名高，我孩子就去哪”，仿佛选一所医学院就像抢一套网红盘。

醒一醒！

医学院的排名，不是你未来进ICU抢救人的能力通行证。

在中国，能不能成为好医生，绝对不是看这校排第几，而是看你在实习阶段跟到什么样的带教医生，是不是有实操的机会，是不是打碎了20只骨头、缝够了100针、值过20次夜班。

不是打打理论考试，刷几篇文章就跑出头的。

更别说，有些“国际化”的排名标准，直接忽略了中国的执业医师考试、住院规培等基础设置——看着很科学，其实很多时候是只拿你申请材料来评分，压根没时间理你吃没吃过120的苦。

我知道，很多人确实是被这个排名搅晕了。

常年规划中我看到的最典型场景：分数卡着复旦和北医之间，爸妈更相信老北医，学生偏爱复旦环境，结果这排名一出，两边都开始怀疑是不是该重新盘算盘算。

我只能说：选医学院这事，真没法儿靠排名拍板。别被数字牵着鼻子跑。

你应该问的，是这些问题：

你不问这些，每年光靠“谁排第几”做决定，那跟盲抽福袋有什么区别？

别忘了，中国医学教育的最大特点是区域依赖性强、医教研合一程度差异大、就业路径复杂。你读完书能不能找到像样医院进，很多时候拼的是实习地资源去美国读医学本科，复旦医学院超越北大医学部上热搜！美国排名颠覆认知，医学生选校逻辑要重写，而不是排名前几后几这点虚头巴脑的项目。

说白了，中国医学教育目前处在一个巨型矛盾里：

要国际化，但又不能完全照搬；

要重实践，但又不敢脱离书本；

要改革规培制度，但又怕医闹和考核双重压力……

我们眼下看到的这份由外部机构主导的排行榜，只是打破了表面平衡，真正的改革和质量变化，远没到达终点。

这时候，甩出“高排名=好学校”这句老话，和拿着英语四六级去当外企敲门砖一样——听起来熟，实际上早过时了。

所以别再一惊一乍地问“复旦医学是不是要逆天了”“北医是不是不能去了”这类傻问题了。

你应该做的去美国读医学本科，是起码看懂这个评价体系划的重点，用它来逼自己和学校都长点本事，而不是装点门面、刷一波热搜就当现实真的变了。

至于还有没有其他路可走？当然有啊。

走合作办学项目出国、读硕士临床QS100名校留学，或者先读国内本科、后走国际路径，都是选项，关键是别把自己困死在“某某排第几”的假象里。

别被排名割了理智，别让焦虑主导选择。

选医学院，是场慢冷的战役，不是场热搜比赛。

我是麦高，一个用专业温暖对抗冰冷数据的升学规划师。如果你也在迷途中找不到方向，欢迎来找我聊聊。

我做的是付费的【深度升学路径规划】，讲底层逻辑、匹配长线发展，而不是速成鸡汤。

我喜欢和那些——

愿意花时间了解自己

想搞清楚专业、学校、未来路径的人

一起探讨和设计方向。

不闲聊，不玄学，不搞人海战术。

麦高不全知，但擅长把混乱的信息变成清晰的选择。愿意为孩子未来认真思考的家长，我欢迎你。

加麦叔V:，添加时务必备注：评校粉丝。会优先通过。

麦叔团队项目

↓↓↓↓

美国本科机构，【中国能源报整版】交大专家学者谈“能源与智能”

2024年政府工作报告首次提出开展“人工智能+”行动，明确加快形成以人工智能为引擎的新质生产力。作为当前全球创新最活跃的领域之一，人工智能正在持续赋能千行百业，深刻影响着人们的生活和生产。

具体到能源领域，生成式人工智能的应用场景正在逐渐丰富。包括能源资源的监控和预测、能源消耗的优化和控制、能源传输的智能化管理、能源资源的交易和市场机制建设，以及碳排放的监测和交易都离不开人工智能的赋能。

当下，我们正在经历算力与能源的双重革命。主导未来发展方向的，不仅是算法的精妙比拼，更是掌控能量技术的终极较量。唯有将技术创新与驾驭能源的智慧融合，才能在人类社会可持续发展的航路上行稳致远。《中国能源报》特开设“能源与智能”栏目，本期专版聚焦西安交通大学专家学者关于能源与智能的观点。

西安交通大学党委常委、副校长洪军：关注人工智能背后的“人才”力量

中国人工智能企业深度求索（）在全球科技界掀起的讨论、应用及接入热潮仍在延续。

成功绝非偶然，的“走红”彰显中国教育优势。数据显示，中国每年科学、技术、工程、数学专业毕业生数量超500万人，全球领先；中国高校培养的顶尖人工智能（AI）研究人员全球占比约50%，世界第一。

教育是筑牢生态产业的“根基”，更是持续构建产业竞争力的强大引擎。如何培育出更多这样极具颠覆性创造力的企业？怎样通过教育壮大人工智能产业的中国实力？反过来，人工智能又将如何赋能教育未来？带着这些问题，《中国能源报》记者近日专访了西安交通大学党委常委、副校长洪军，分享他对人工智能人才培养的思考。

创造允许失败的宽容氛围

中国能源报：公开信息显示，员工平均年龄28岁，90后占比超75%。如何看待青年人才的颠覆性创造力？

洪军：当代青年，特别“90后”是互联网和信息技术时代的“原住民”，关于AI、大数据、互联网等技术的思维方式和认知理解有天然优势，自然也有利于数字技术的运用和开发。

的成功为我国青年树立了目标榜样，鼓舞了信心。同时，我们也要看到， V3本身是站在很多前人已有工作基础上的调整，并非一蹴而就。对青年学生来说，打好专业基础、提高自身能力依然是关键。我们要鼓励青年人创新，并且创造允许失败的宽容氛围，让真正的创新者没有后顾之忧。

我国高等教育在重视数理基础的前提下，也越来越重视培养学生的创新能力，通过产学合作协同育人、本研贯通式培养、创新创业教育和项目竞赛训练等培养模式的实施，帮助学生掌握整合知识、创新创造和解决问题的能力。

中国能源报：高校人才培养，能为这样极具创造力和影响力的人工智能企业提供哪些助力？

洪军：教育是筑牢生态产业的“根基”。高校一方面需要加强拔尖创新人才的培养，完善和创新人才培养模式，注重因材施教、个性成长、学科交叉、产教融合，强化实践实训和创新创业环节，让学生提前接触科技前沿，提早开展科研训练和项目实践，培养其解决复杂实际问题的实战能力，为这样的企业孵化提供有力的人才智力支撑。

另一方面要进一步深化产教融合，聚焦现代化产业体系建设的重点领域，开展原创性、引领性的科技攻关，并让更多科技成果尽快转化，增强协同、搭建平台，打通创新链、融合产业链、引入资金链、共享人才链，建设校企深度融合创新联合体，转化孵化科技型企业。

“报考热”和人才短缺矛盾突出

中国能源报：目前，中国在人工智能领域的实力究竟如何？如何看待中美在人工智能领域的关系？

洪军：整体来看，中美两国在人工智能领域都走在世界前列。我国各种类型的人工智能应用丰富繁多，但是原创性研究和产品与美国相比还存在一定差距。两者既有竞争，也有合作。在世界级的人工智能研究机构、大学和高端人才数量上，我国还处于劣势，但此次的成功，也从另一侧面反映，我国除了继续长期的国策引导与支持、加大培养力度外，也要充分信任、挖掘、利用好本土人才。

中国能源报：人工智能是近年高考的热门专业。如何看待人工智能“报考热”和人才短缺的矛盾现象？具体而言，人工智能发展亟需哪方面的人才支撑？

洪军：人才培养具有滞后性，从本科入学到研究生毕业需要7年左右的时间，获得博士学位的高层次人才数量有限。高校人才培养与行业企业存在一定程度脱节，部分毕业生实战经验和解决问题能力不足，与企业需求不匹配，因此产生人才短缺现象。值得注意的是，人工智能时代，所有专业学生都应具备人工智能素养，而理工农医文专业人工智能素养的培养尚未引起足够重视，也导致AI应用型人才相对短缺。

人工智能发展需要多类型人才支持，包括研发类算法工程师、数据工程师；应用型机器人工程师；“AI+X”跨学科交叉复合型人才，如AI+制造、AI+医疗、AI+金融等；基础设备人才，如AI硬件工程师、芯片构架师等；AI伦理和政策专家；运营管理人才，如AI项目经理、AI产品经理等。

中国能源报：我国高校在人工智能人才培养方面的现状如何？面临哪些挑战？

洪军：我国高度重视人工智能领域人才的培养。截至2024年，我国有537所高校获批人工智能本科专业，设置46个人工智能学科，此外一系列与人工智能相关的交叉专业数量持续增加，本硕博多层次培养体系持续健全，人工智能领域人才培养规模不断提高。随着新工科建设、人工智能领域教材建设计划、国家产教融合创新平台等教育改革工作的持续推进，产教融合、科教融汇、本研贯通等教学理念在培养环节逐步落地，人才培养质量在不断提升。

整体来看，人工智能人才培养方面的挑战表现为：人工智能技术发展日新月异，课程内容、教学方法、培养模式存在滞后；教学资源、实践平台、硬件条件存在不足；教师队伍规模和质量不足美国本科机构，尤其是不同专业的教师AI能力和素养也参差不齐；产教融合和学科交叉程度不够，企业参与程度不足，学科壁垒尚未打破等。

产学研深度融合

中国能源报：面对人工智能未来技术和产业发展新趋势和新要求，西安交大如何探索人才培养新模式、新路径？

洪军：西安交通大学深刻认识到产学研深度融合培养拔尖创新人才的重要性，持续推进“校地企一体”联动，在创新港积极探索由企业主导的“一中心、一孵化、两围绕、一共享”产学研深度融合的“产教融合、协同育人”新模式。目前，学校已与近200家头部、领军企业共建企业主导、共同管理运行的创新联合体，其中与76家企业实现深度融合。围绕产业关键核心技术和前沿共性问题，组建“科学家+工程师”团队开展有组织科研，打通从实验室“最先一公里”到成果转化、市场应用“最后一公里”，在科技创新实践中培养创新型人才，加快培育和发展新质生产力。

中国能源报：人工智能如何应用在教学场景？西安交大在这方面有哪些创新举措？

洪军：为积极推动人工智能赋能教育教学改革创新，学校主动拥抱人工智能给高等教育带来的机遇和挑战，按照“顺势而为、谋定后动、系统部署、分类实施”总体思路，整合校内外教学科研资源、凝聚各部门学院合力，顶层规划并统筹实施AI+专业、课程、教学、学习、评价、资源、平台七大改革工程，从教育理念、教学方法和培养模式等全流程、全链条开展探索与实践，旨在培养适应未来社会发展所需要的拔尖创新人才。

具体而言，学校构建了“1+3+4+N”的“AI+专业”体系和“1+1+X”的AI课程体系；按照6个改革方向组织立项87门“智课”项目，并推出AI咨询助手——“仙交小i”，试点AI助教伴学、“师—生—机”互动问答、学习路径智能建议、人机自主训练等课堂教学应用实践；牵头实施教育部人工智能领域教材计划，建设系列核心课程知识图谱资源和配套数字教材；组建人工智能教改虚拟教研室，邀请国家名师、企业专家作为顾问，促进课程间、学院间、部门间、校企间交流合作；在12个优势专业率先探索建设教育领域垂直大模型，建设涵盖71门专业核心课程的语料库；率先开展人工智能赋能课程思政探索，建设大思政云平台和智能体“云小宝”；搭建支持个性化成长的采集式学习智慧平台和教学质量实时监测数智平台，着力打造“专业建AI、课堂融AI、人人学AI”的人才培养体系，探索具有交大特色的人工智能赋能本科教育教学改革新范式。

人工智能助推能源产业高“智”发展

相关测试显示，用较低的成本达到全球人工智能领军企业旗下主流产品的性能。这一进展不仅破解了全球人工智能产业长期以来“堆算力”的路径依赖QS200名校留学，更在资本市场和社会应用层面引发多重震荡。能源行业高质量发展进程中，将与人工智能碰撞出怎样的火花？

实现全民级AI科普

此次引起热议的是深度求索先后推出两款大模型产品： V3和 R1，V3为其自研MoE模型，应用场景包括聊天、编码、多语言自动翻译、图像生成和AI绘画等，其性能与世界顶尖模型GPT-4o不相上下；R1作为面向复杂推理任务的大模型，全球首次复现 o1模型且性能对比不分伯仲。两款模型是开源模型性能达到世界顶尖闭源模型的首例。

简单来说，像是一个聪明又懂你的生活助手，不光能回答问题，还能撰写文章、整理资料，甚至做一些复杂的推算。

“以惊艳的产品体验完成了全民级AI科普。”360集团创始人周鸿祎向《中国能源报》记者介绍，R1通过展示完整的思维链条增强用户信任，其推理过程呈现出类似人的逻辑缜密性与自然交互特性，极大降低了用户的使用门槛。不同于传统指令型模型，R1通过主动理解用户意图实现了需求响应的智能化突破，让用户真切感受到AI的技术变革。

应用的背后是算法和数据支持。大数据算法与分析技术国家工程实验室大数据算法测试与示范应用中心主任、西安交通大学计算机科学与技术学院教授田锋向《中国能源报》记者指出美国本科机构，【中国能源报整版】交大专家学者谈“能源与智能”，实现硬件约束下的大模型高效优化，成本相对低且保持同时代大模型的性能，打破了当前大模型研制必须由大数据、大算力、大能耗、大资金支撑的研发范式，更打破外界认为“中国新一代人工智能技术落后第一梯队的美国半年甚至1年以上”的不实观点，给中国人工智能行业注入了一剂强心针，在世界范围产生一定引领作用和重要影响。近期，美国亚马逊、微软等公司都复刻并将其纳入到自己的产品中。

周鸿祎指出，实现了技术范式的重大突破，其核心是从预训练范式转向强化学习范式的推理模型，能够对复杂问题和任务进行逻辑拆解与规划，具备归纳总结和反思改进能力。R1基于强化学习技术减少了对人类数据和算力的依赖，为发展真正超越人类的AGI（通用人工智能）带来了可能性。

加速渗透至各行各业

值得一提的是，不仅实现了高性能与低成本的完美结合，更在于其选择了一条与截然不同的路径——开源。的开发者在公开模型代码的同时，还通过论文详细阐释其技术原理。这意味着任何人都可以自由使用，并通过更改底层代码来改变其工作方式。

首席执行官萨姆·奥特曼（Sam ）称，在开源AI软件方面“一直站在历史的错误一边”。技术开源不但对全世界广泛的人工智能研究、应用起到鼓励技术创新与协作的正向推动作用，同时降低了各方的开发成本。

田锋指出，为资金有限、高端硬件不足的国家和地区、机构、研究者提供免费开源、高效能的基础大模型，从而使他们也可以享受新一代人工智能带来的各种机遇，打破了由美国资本堆积、科技宣传建立起来的“要用高端人工智能产品，必须向美国购买才能享用”的旧有思维。

“开创了商业模式的创新路径，以开源免费模式提供顶尖性能模型，打破了闭源垄断的市场格局，倒逼行业巨头转向开源生态。”周鸿祎指出，人工智能不仅是新一轮科技革命和产业变革的重要驱动力量，更是我国赢得全球科技竞争主动权的重要战略抓手。通过全栈开放，引发了开源社区、云平台、芯片企业、AI应用开发者纷纷转向，证明开源模式能快速突破国际技术封锁，降低行业壁垒，形成技术扩散的“蒲公英效应”。开源实践展示出一条“以开放破封锁、以协作促创新”的中国AI发展路径。

人工智能正以前所未有的速度渗透至各行各业。周鸿祎进一步指出，一方面优质的开源模型将吸引大量开发者与企业迁移至技术栈，重构AI应用市场格局，推动AI解决方案的爆发式创新；另一方面低门槛的开源模型促进私有化部署的普及，使AI能力真正渗透至企业与科研机构，产生更深远的社会影响。

能源行业配上“智慧大脑”

在能源领域会有怎样的应用？

中国科学院院士、西安交通大学电子与信息学部主任管晓宏向《中国能源报》记者指出，人工智能技术早已在智慧能源、智慧矿山、油气勘测等领域开展应用，人工智能是进行新能源预测最有力的工具，可以推动能源生产与管理优化、效率提升，为能源行业转型升级带来智力支持。

管晓宏认为，智能化将为能源行业带来深刻变革，但其规模应用仍面临一系列挑战。能源行业的AI应用需要结合具体领域，开发定制化的垂直大模型，对技术团队的要求较高。能源系统的运行需要实时监控和响应，这对AI算法的计算效率和延迟提出了更高要求。许多能源场景需要边缘计算支持，模型需在计算能力和存储资源有限的条件下具备本地部署能力，面临技术复杂性问题。

能源行业事关国家安全和民生保障，对AI系统的可靠性和安全性要求极高，如何在数据共享和隐私保护之间找到平衡是一大难题。目前，能源行业AI应用还缺乏统一标准和规范，技术推广和应用效果参差不齐。初期投入高、回报周期长，新技术引入验证和评估周期长等问题都有待解决。

管晓宏认为，人工智能的发展离不开强大的算力支撑，而算力和数据基础设施的运行呈现高耗能，“双碳”目标下，如何实现绿色计算和绿色算力面临巨大挑战。展示了应用更“聪明”的算法和代码训练AI模型的巨大前景，同其他大模型相比，计算效率大大提高，更加绿色，通过针对行业的进一步开发和演进，更具分布式和实用性部署的优势。

管晓宏建议，尽快推进数字基础设施低碳化转型，算力电力协同发展，逐步解决绿电对算力中心的直供问题，大力推动零碳、低碳算力和数据中心的建设。尽快制定绿色能源直接应用政策，特别是电网与绿色算力配合的政策，积极开展算力网综合碳效的评估与碳排放治理工作。一方面应该充分利用区域资源优势，实现绿电在本地算力中心的有效利用；另一方面充分考虑算力基础设施区域性、结构性布局，围绕分布式绿色能源系统，尽快制定风、光、氢等绿能建设的规划。

原文刊载于2025年2月17日《中国能源报》第2版

原文链接：

西安交通大学党委常委、副校长洪军：关注人工智能背后的“人才”力量：

人工智能助推能源产业高“智”发展：