杜克大学陈怡然：大学培养的是初级工程师，而AI时代可能只需要资深工程师

　　5月17日，由搜狐主办的2025搜狐科技年度论坛在北京盛大开幕。多位院士、科学家与产业界人士齐聚一堂，激发智慧的深度碰撞，奔赴科技的星辰大海。

　　本届论坛线上线下结合，开启全天的思想盛宴。在上午的线上直播中，杜克大学电气与计算机工程系John Cocke 杰出教授陈怡然发表了题为《大模型对硅谷教育的影响》的演讲。

　　在人工智能迅猛发展的当下，大型语言模型（LLMs）正以前所未有的速度介入教育现场。杜克大学陈怡然教授在搜狐科技峰会的演讲中，通过多个亲身教学与科研实例，深入解析了大模型对教育结构性变革的推动力，特别是在计算机工程等技术学科中的应用潜力。

　　他指出，自ChatGPT面世以来，短短不到三年，大模型从只能生成模糊的行为描述，到可以自动完成Verilog硬件设计、理解状态机图乃至实现软硬件一体化系统，能力呈指数级增长。这种多模态（Multi-modality）的演进，不仅在工程教育中解放了基础重复劳动，更挑战了传统的教学目标与人才培养路径。

　　陈怡然也同时提出问题：在大模型智力水平迅速逼近甚至超过人类工程师的当下，初级工程岗位逐渐被模型取代，大学教育若仍以“培养初级工程师”为目标，恐将失去现实立足点。未来的教育应如何转型，是否要直接培养“能与AI协同工作”的高级人才？这成为高校必须面对的核心议题。

　　以下为演讲全文：

　　大家好，我是杜克大学陈怡然，非常高兴有这个机会接受搜狐科技峰会的邀请跟大家做分享。我今天分享的题目是“大模型对于教育的影响”。

　　大模型对于教育的影响一直是一个很有趣的问题。大家都知道，我们现在生活在一个大模型的时代。从2022年11月份开始，从Chat GPT 3.5发布到最近，也就大概两年半左右的时间，我们经历了很多代大模型的迭代，也有很多开源的大模型被release出来。这里是一些大家比较熟悉的大模型，包括最近像Deep Seek、Mini Max，在国内也都有比较大的影响力。

　　那么究竟大模型对于教育本身的影响是什么样子呢？早在大模型一开始，实大家就对这个问题有过比较深入的讨论。这是一篇2024年发表的文章，它探讨了大模型对高等教育的影响，列举了大概七个方向，比如说对创造力、解决问题能力的改进，对个性化学习的影响，包括效率的提高等等。有些方面效果很明显，比如效率的提升几乎是可以肯定的；但有些方面就比较有挑战性，比如更好地去做设计、更好地去做练习，现在的AI还可能不能完全达到大家预期的效果。

　　但无论如何，大模型对于科研或教育的讨论一直是热门话题，这当然也是我们在杜克大学正在讨论的一个重点。我这里给大家举一个简单的例子，实际上是我们课堂上的一个例子，用大模型来做硬件设计。

　　对于不熟悉的朋友，我简单介绍一下这是什么意思。我们都知道，如果我们要设计一个芯片或一个硬件，不能真的用手来画，因为规模太大了，我们需要一些工具来帮助我们自动化这个过程。

　　Verilog其实就是这样一种编程语言，它可以描述硬件的行为，甚至是设计一些非常细节的东西，让工具能够提取信息，进而实现自动化设计。

　　下面这两张图是一个常见的操作——两个矩阵相乘：A乘上B等于C。比如说，一个3×5的矩阵乘以一个3×3的矩阵，结果是一个4×5的矩阵。在这个过程中，你可以定义每一个点，比如说它是一个浮点运算、乘法、加法，例如A乘上B等于C，再加上一个D等等。这些操作我们通常用Verilog语言来描述并交给工具来设计。

　　2022年3月，我们就做了这样的尝试。那个时候虽然也是大模型，但现在看已经不算很大了。我们尝试用这个模型，训练它一些语言学、编程语言等相关知识，然后让它去生成我们想要的设计代码，比如说“A乘B等于C，再加上D”的这样的设计。

　　当时的结果就是，它基本只能给出行为描述，不能生成具体的设计代码。它告诉你，先定义3个参数，输入是A和B，输出是C，然后用浮点乘法来计算A乘以B，最后加上D等等，是一种很high-level的描述，不太可能直接用于真实的硬件设计。

　　大家记住这个时间点：2022年3月。一年之后，我们又做了一个实验，这时候已经有了GPT-3.5。

　　这大家很熟悉了，这是一个划时代的产品。我们再次让它写代码，结果就好了很多。有注释，有带宽说明，比如32bit，浮点运算定义也更清晰。它定义了两个输入A和B，也设定了输出C的宽度，整个代码看起来就已经很像样了。它描述了矩阵相乘的过程，把每一个元素拿出来做1×1的加法，最后得到结果。整个过程是比较详细的。

　　但这还不能用于真实的硬件设计，它只是一个详细的操作层面上的语言描述。

　　同年，也就是2023年，我们又尝试了一次，这时候GPT-4发布了。我们再让它写一次代码，发现它变得更加详细了。它加入了四个参数，带宽是32bit，还有时钟信息，用于同步设计；还有RESET信号，就是重置信号，如果算错了，可以归零等等。它还有for loop的结构，针对每一个元素通过index做循环。设计语言的选择也更合理了。

　　这些变化仅仅发生在一年零八个月的时间内。现在它还能做什么呢？

　　如果你能把你想要做的事情画成图，我们称之为“状态机”（state machine），它可以读懂这个图，然后用硬件语言来描述它，实现出来。

　　比如左边是一张状态机图，它就可以理解你这个时钟是怎样的、RESET信号如何触发，从一个信号到另一个信号的转换，然后把整个过程写出来。这就非常厉害了，因为它可以在一个时钟域、时间域上完成表达，实现从一个状态到另一个状态的动态设计。

　　这种能力的学名叫“Multi-modality”，也就是多模态理解。从前只有人能读这些设计图，现在大模型也能读懂，这是一个非常厉害的创新。

　　最近有一篇文章，我引用的是港科大李墨（音）老师的文章，说可以用大模型设计整个硬件系统。什么意思呢？比如说你有一些医疗数据设备、传感器，然后告诉模型你要读哪种数据、怎么处理，再怎么把它写入硬件平台，最后得到结果，整套系统现在都可以尝试用大模型去实现。

　　这就非常厉害了。也就是说，如果老板告诉你要干什么事，只要用普通语言把任务说清楚，模型就能分解成多个子任务，再用通用大模型逐步实现，最后产出一个完整的软硬件结合系统。

　　那以后做项目就很容易了——老板描述清楚，模型自动生成方案并实现它。

　　2024年4月19号，有人发表了一篇文章，在Maxim Choose上面讲说，现在的大模型在智商测试中的表现，2024年时平均智商还在90-100之间，到了2025年，很多大模型的智商已经突破了130、140。这个水平在人群中大概是前5%、2%、甚至1%的人群。

　　这就很厉害了，这意味着我们人可能都不需要参与了，只要靠大模型就能把事情做得更好。而且它是多才多艺的，只要你能把任务说清楚，它什么都能做。

　　这是我最后一张Slide，我要讲的是，大模型在计算机教育中扮演的角色越来越重要，而且发展速度非常快。

　　我们人类用了大概300万年才发展到现在的智力水平，现在的大模型几个月就从IQ 80飙升到130了，未来还会继续提升。这对教育意味着什么？我们现在还不知道。

　　现在初级计算机工程师的工作已经变得非常容易，模型基本上都能做。也就是说，我们可能只需要非常资深的工程师与AI协作工作。

　　但问题是，如果我们不培养初级工程师，那将来哪来的资深工程师？大学原来培养的是初级工程师，通过工作再逐步成长为资深工程师。现在我们发现，原来想做的事AI都能做，那我们是否应该直接培养资深人才？还是改换思路？

　　这对高等教育是一个巨大的挑战。我们如何迎接这个挑战，如何应对变革，是未来5到10年教育界必须思考和解决的问题。

　　我今天就讲这么多，谢谢大家，希望未来还有机会继续交流。