AI时代,做敢想、敢做、敢出发的管院人

程邓康

2024级本科生

过去这几年，我们几乎在和AI一起上大学。从GPT-4、DeepSeek到Manus、Openclaw，Agent时代已然来临。它们一边让人兴奋，一边也让人不安：当AI越来越像“数字员工”，我们这代年轻人的比较优势究竟在哪？

对我而言，探索的第一步是寻找真痛点。某次凌晨落地上海，我需要最省钱省事的返校方式。AI除了常规的打车地铁，还推荐了填补信息差的空港巴士。这件小事印证了JTBD理论：用户想要的从来不是“打开软件”，而是“高效、低成本、少折腾地解决问题”。

既然如此，为何不利用LMM模型打造专属的消费端Agent？它不提供繁琐的按钮，而是完全站在用户立场代办任务。未来，“用户-平台-商家”的互联网生态，或将演变为“用户Agent”与“商家Agent”的直接博弈与匹配。届时，烦人的牛皮癣广告将成为历史，取而代之的是Agent针对用户需求的高效检索、精准命中与快速响应。

诚然，受限于平台壁垒与商业现实，打造这款Agent并非本科生当下能轻易落地的项目。但这场推演让我触及了商业的内核：痛点的表象是效率与技术，底层却关乎人的情绪与体验。

这种思考，也让我更认真地看待“情感陪伴”需求。过去两年，我在流动儿童支教中累计投入了300多个小时，和团队一起服务了500多名随迁子女。我强烈感受到：面对积分落户、频繁转学与自信受挫，他们也许缺资源和机会，但更缺一种稳定的情感回应——一种“有人真的在听我说话”的感觉。

后来我发现，一线城市的成年人同样渴求被理解。但当下的“陪伴产品”多停留在冷冰冰的对话框，只能被动响应，无法真正融入生活。

因此，我的第二步是敢做。我们团队启动了“爱无止境”项目，致力于打造下一代情感陪伴OS，并将其IP命名为“Anima”（拉丁语意为“灵魂”）。我们想做的绝非单纯回复消息的程序，而是可看、可触、可拥抱的情感载体。我坚信，在Agent时代，纯软件壁垒会越来越薄。凌晨三点，人们真正需要的未必是更聪明的回答，而是37度的真实拥抱。技术再强，也替代不了“我不是一个人”的在场感。

在AI狂热追求“更快、更强”的当下，我想追问：技术能否更温暖？我理解的青年科创，不应止于盲目追热点，而是要兼顾效率与温度、创新与责任，在真实的人文关怀中探寻商业价值。我想，这正是管院青年的底色——不仅问“技术能做什么”，更要追问“技术该为谁而做”。

曹御含

2023级本科生

在接触创新创业项目之前，我的大学前两年一直在不断探索。无论是社会实践和志愿服务，还是领导力与科创论坛，都让我逐渐意识到，创新并不是遥不可及的概念，它可以成为解决社会问题的一种方式。正是这些经历，让我开始思考：能不能用科创的力量去回应现实中的社会痛点。

而真正让我坚定将创新落地到创业的，是一次交换经历。在海外交流时，我看到许多同龄人在进入大学前就已经拥有创业计划，并在大学期间逐步落地。这让我意识到，创新不应只是停留在想法层面，而应该成为一种“知行合一”的实践。

在管院，我开始寻找真正属于自己的创新项目。印象很深的是两门课程：管理学课上，陈星汶老师要求我们以创业者的视角解决初创公司会遇到的种种问题；运筹学课上，周明龙老师带我们探索了特种兵旅行等算法上的最优解。这些经历塑造了我对科技创新最初的想象。

后来，我在管院双选会上关注到了《智轨同行》项目，这是一个利用AI优化城市轨道交通调度的团队。第一次申请时，我被拒绝了，理由是对创赛经验不足。但我没有放弃。那一年，我通过实习夯实商业能力，也参加创赛培训提升认知。第二年，我带着更充分的准备再次申请，终于成为项目组的一员。

在我看来，一个优秀的创新项目，本质上是朴素的，就是一群厉害的人，去做一件真正有价值的事。

《智轨同行》最初源于团队在课程中的研究：利用AI调控复杂网络。经过市场调研，我们发现轨交系统是最适合的应用场景。于是，团队走进轨交指挥中心，深入站点实地调研，与行业伙伴不断沟通，真正挖掘出了市场痛点。

后来，项目入驻复虹青创汇，开始推动商业化落地。申通成为我们的首个合作方，为项目提供真实数据支持。基于这些数据，我们在上海地铁2号线和18号线开展试点，最终形成了集突变预警、实时响应和智能调度于一体的解决方案，帮助运营方降低决策成本，提高调度效率。

项目取得阶段性成果后，我们也开始思考下一步。轨道交通的应用空间终究有限，那么我们的技术还能服务哪些领域？

站在AI发展的风口，我们注意到，算力背后的电力调控正成为新的关键议题。地铁面临的是人流激增，电网面临的是电力负荷激增，两者在预测逻辑上高度相似。因此，我们开始把技术延伸到算力园区、科技楼宇等电力调控场景，希望找到新的增长空间。

站在现在的节点来总结我过去的经验与成长，我意识到，商科学生在科技创业中的价值，绝不只是做一份PPT、算几个财务指标。行研分析、财务测算、战略规划是我们的专业基石，而在创新与商业的交叉地带更是适合管院同学们成长的土壤。

而这些能力，很难仅仅通过课堂和实习获得，只有在真实的创业世界里，才能被不断锤炼。

这段经历带给我的，不只是履历上的一笔，更是一群可以彼此信任、并肩作战的伙伴。它让我获得了商业方案设计、财务测算等硬实力，也培养了我面对真实业务时的判断力、沟通力和企业家精神。

最后我想说，无论你因为什么走进创新创业的世界，它都会给你一种特别的力量：向外，你有机会真正做成一件影响社会的事；向内，它会赋予你跨界的勇气，走出舒适区，并重新定义自己的未来。

程坦

2023级博士生

本科期间，我写的第一个深度学习算法，是用来做手写字符识别的。那个时候，我们对AI的理解很直接，它更像一种专用工具，解决的是一个明确的输入映射到输出的问题。无论是识别车牌、人脸识别，还是销量预测，本质上都是如此。所以那时我们最关心的是：“这个算法的准确率还能不能再提高一点？”“这个模型还能不能再跑快一点？”

但今天，情况发生了变化。尤其是自ChatGPT发布以来，我们第一次如此明显地感受到：AI不只是识别，它开始真正生成了。随着大模型能力不断跃迁，AI不再只是完成单点任务，而是开始具备理解上下文、组织语言、执行复杂任务的能力。过去我们讨论的是“模型准不准”，现在讨论的是：AI能不能像一个实习生一样协助工作，甚至成为真正意义上的Agent。

但AI能力越来越强，并不意味着一切都会自动变好。进入复旦管院后，老师们一直强调，研究不能只停留在模型和论文里，而要真正从企业中发现问题。在学院“科创战略”的支持下，以及张成洪老师和陈刚师兄的指导下，我们有机会进入企业一线，也因此看到技术落地中的很多真实困难。

比如，大模型会产生“幻觉”，一本正经地胡说八道；很多企业投入大量资源建设知识库，却发现知识无法真正进入业务流程。这些问题驱使着我开始从单一的关注方法本身转向如何用技术手段回应管理学问题。

我们每个人或多或少都在主动或者被动地使用推荐系统——刷短视频、逛电商、听音乐时，我们看到的大量内容，都是被“推荐”出来的。但我一直有一个疑惑：为什么很多推荐系统已经足够“精准”，用户却仍然觉得“它不懂我”？

后来我们发现，问题在于很多推荐系统默认用户需求是明确的，它会直接给出某个商品、某条内容。但现实中，很多人的需求其实是模糊的。比如“我今天想看点轻松的东西”，或者“我想买点运动相关的产品”，这并不是一个明确目标。

所以我们提出了“混合粒度推荐”的思路：AI应该帮助用户从模糊需求逐渐收敛到具体选择。在这个过程中，我们引入了管理学中的信息探索和利用视角：当需求模糊时，用户更需要探索；当目标逐渐清晰时，又需要更精准的推荐。换句话说，我们希望算法能够模拟人“慢慢想清楚自己要什么”的过程。

这其实也是AI与人协同的关键：很多时候，我们真正需要的，可能不是一个现成答案，而是一个帮助自己理解问题、组织思路、形成判断的过程。回到今天的主题——“从工具到伙伴”。我理解的“伙伴”，并不是AI替代人，而是我们学会如何与AI协同：什么时候应该相信它，什么时候应该怀疑它；什么时候它适合作为辅助工具，什么时候必须由人来做最终判断。

对于青年学生而言，大模型时代带来的，不只是工具变化，更是学习方式、研究方式和思考方式的变化。AI可以帮助我们更快获取信息、整理材料、汇总信息，但它不能替代我们提出真正有价值的问题，也不能替代我们对现实世界的理解。

未来，我也希望能够继续在管院的学习和研究中，既保持对技术的好奇，也保持对真实问题的关注，用更加扎实的研究，回应人工智能时代提出的新问题。

▲ 管院人节现场合影

文字 | 仲蕊

编辑 | 徐玉茹

责编 | 傅文婧