如果有一天，一位哲学家走进会议室，坐在他对面的不是另一位哲学家，而是一组拥有不同思想传统的AI——康德、黑格尔、维特根斯坦、罗尔斯、功利主义者……它们围绕同一个问题不断追问、反驳、修正观点，并完整记录每一步推理过程，你会觉得这是科幻，还是未来？2026年，这样的场景已经成为现实。复旦大学哲学学院孙向晨教授、微软OPE项目实习生贾子菡以及Microsoft AI Asia总裁张祺博士团队合作完成的论文《哲学AI：探索一种“哲学与AI共生”的工作样态》，构建了Philosopher's AI Assistant（哲学家AI助手）平台。它没有让AI替代哲学家，而是让多个AI Agent分别扮演不同哲学立场，在受控规则下持续论辩，把哲学讨论从一个结论变成多条可以追溯、复现和不断优化的论证路径。这项研究真正值得关注的，不是AI会不会思考，而是它提出了一个更重要的问题：当AI已经能够参与知识生产，大学究竟应该培养什么样的人？过去，人们进入大学，是为了掌握一门专业知识；今天，当越来越多专业能力正在被AI重构，大学培养人才的逻辑也在发生变化。从复旦提出“哲学AI”的研究范式，到MIT推动本科教育改革，再到清华大学无穹书院探索AI+X人才培养模式，以及我国多地推进“人工智能+教育”改革，一个共同的趋势越来越清晰：大学需要培养的，不再只是掌握知识的人，而是能够连接知识、提出问题并作出判断的人。PART.01AI真正改变了什么？大语言模型最直观的能力，是写文章、写代码、做翻译；真正的变化，则发生在知识生产（knowledge production）的过程中。过去，一项研究需要研究者完成文献检索、资料整理、理论建构和论文写作等多个环节；如今，AI已经能够参与其中的大部分工作。从文献比较到框架搭建，从优化表达到生成假设，它正在进入知识生产的整个工作流，而不仅仅是回答问题。复旦团队提出的“哲学AI”，正是这种变化的缩影。长期以来，哲学更多是在技术之外讨论AI是否拥有意识、是否具有道德主体资格等问题；而这篇论文提出，哲学不仅研究AI，AI也在参与哲学的建构。论文提出“哲学AI（Philosophical AI）”这一概念，希望把哲学的问题意识、概念分析和论证方式嵌入智能系统，同时借助AI的计算、推理和记忆能力，重塑哲学研究的工作方式。这是一种双向塑造，而不是单向应用。
为此，研究团队构建了“哲学家AI助手”平台，并引入多智能体链式论辩机制（Chain of Debate，CoD）。它不追求尽快生成一个答案，而是让多个具有不同理论立场的AI Agent在统一规则下持续论辩：有人提出观点，有人负责质疑，有人寻找隐含前提，有人综合不同立场，最终形成多条可追溯的论证路径。在这里，争论不再只是观点冲突，而成为知识生成的重要机制。它能够暴露概念的模糊之处，检验论证是否自洽，并在不同思想之间催生新的概念，让哲学研究第一次呈现出一种近似实验科学的形态——可运行、可复现、可迭代。论文还展示了另一项变化：科研组织方式。在微软持续推动的OPE（One Person Entrepreneur）理念下，“一个研究者+多个智能体”开始成为新的科研单元。研究者可以把不同智能体视为“认知同事”：有人负责文献检索，有人提出反方意见，有人优化表达，还有人沉淀提示词和工作流程。过去依赖大型团队完成的复杂研究，如今小团队也能够快速完成知识整合、方案验证和系统迭代。知识生产正从依赖个人能力，转向人与智能体协同。这也意味着，大学培养目标必须重新调整：当AI可以承担越来越多标准化工作，真正具有长期价值的能力将不再只是获取知识，而是提出问题、连接知识和作出判断。PART.02为什么世界名校开始重新定义本科教育？这种变化已经开始影响大学培养体系。2026年，麻省理工学院本科教育改革工作组（TFUAP）公布新一轮本科教育改革方案。文件指出，未来世界面临的问题越来越具有全球性、复杂性和跨学科特征，而当前本科课程仍然存在明显的“单学科”（mono-disciplinary）倾向。如果继续沿用传统培养模式，学生将越来越难以应对真实世界的问题。围绕这一判断，MIT对本科培养体系进行了系统调整。一方面，将计算能力提升到新的基础素养地位，明确提出本科教育必须包含计算相关训练；另一方面，新增Moral and Civic Perspectives（道德与公民视角）要求，并更加重视UROP（本科生科研计划）等真实科研实践，希望学生不仅掌握技术，也能够理解技术背后的社会责任与公共价值。这些改革释放出一个鲜明信号：AI并没有让大学更加重视单一技术，相反，它促使大学重新思考，一个优秀的工程师、科学家或研究者，除了专业知识，还需要具备哪些能力。MIT的答案是：跨学科理解、实践能力，以及面对复杂问题时的综合判断能力。几乎同一时期，中国高校也开始沿着相似方向探索。清华大学无穹书院就是一个典型案例。
夜雨聆风
