一所顶尖商学院，为什么要收集 1000 个 AI 场景？

AI 发展到今天，一个变化越来越明显：

大家开始不那么关心模型又大了多少、参数又多了多少，而是越来越关心另一个更现实的问题——

AI 到底能不能进工厂、进企业、进业务流程，真正把活干了？

技术突破之后，产业落地正在成为 AI 的新赛场。

也正因为如此，最近上海交通大学做的一件事，值得关注。

8 月 16 日，上海交大安泰经管学院联合上海交大人工智能学院，上海市人工智能行业协会、上海市人工智能研究院，共同发起成立了一个 "AI 时代商科人才培养联盟 "。

同时，交大安泰 MBA 启动了一个颇有野心的计划：

用十年时间，联合各行各业，共创 1000 个 AI 真实应用场景。

一个 MBA 项目，为什么要花十年时间去找 1000 个 AI 场景？

答案可能指向一个正在发生的变化：

AI 不仅在改变企业，也开始倒逼 MBA 重新定义 " 管理人才 "。

过去几年，一提到 AI 人才，人们首先想到的往往是算法工程师、程序员和科学家。

这当然没错。

但当 AI 真正进入企业，问题很快就会变得复杂起来。

比如，一家制造企业想用 AI 优化排产。

模型能不能做出来，只是第一步。

哪些数据可以用？原来的生产流程要不要改？不同部门谁来配合？投入之后能不能降低成本？一套方案如何从试点走向几十条生产线？

这些问题，已经不只是算法问题。

它们同时是技术问题、管理问题、组织问题和商业问题。

换句话说，AI 从实验室走向产业，中间缺的不只是技术，更缺一批能把技术 " 翻译 " 成业务结果的人。

这也是为什么，MBA 教育会在这个时间点进入 AI 产业化的核心地带。

上海交大安泰经管学院院长陈方若在论坛上提出，智能时代的商科教育，必须紧扣产业真实痛点，重新迭代培养目标、课程体系和实训模式。

中国科学院院士、上海交大人工智能学院首席顾问鄂维南谈到 AI 时代的人才时，也提到几个关键词：

基本原理思维、工程实践能力，以及对社会真实需求的洞察。

这些能力放到企业里，其实指向的是同一类人：

既不能只懂管理，也不能只懂技术。

他要知道 AI 能做什么，也要知道企业为什么要做；既能和工程师沟通，又能理解客户、流程和商业模式；既能提出问题，也能把方案推到生产和经营一线。

交大安泰 MBA 把这类人才概括为五个维度：

懂商业、通技术、谙产业、善运营、有格局。

这也是其此次交大安泰 MBA 推出 " 智能时代五链人才 " 培养体系的底层逻辑。

理解了这一点，再来看那 "1000 个 AI 场景 "，就会发现它并不是一个简单的数量目标。

它真正要解决的问题是：

MBA 怎么获得产业最真实的问题？

传统商科教育最经典的教学工具之一，是案例。

学生研究一家企业过去发生了什么，再讨论当时应该怎么决策。

这种方式当然仍然重要。

但 AI 时代有个麻烦：

技术变化太快了。

一个两三年前还很典型的数字化案例，放到大模型、智能体快速演进的今天，问题本身可能已经变了。

于是，交大安泰 MBA 给出的办法，是直接把课堂往产业一线推。

此次启动的 " 百业千企 10 × 100AI 场景共创计划 "，计划在十年时间里，与各行业联合打造 1000 项 AI 实景课题，并将这些课题持续充实到 "AI+X" 系列实践课程中。

这里最值得关注的，其实是 " 实景 " 两个字。

不是老师替企业设计一道题。

而是企业把正在面对的问题拿出来。

可能是研发，可能是生产，可能是运营，也可能是决策。

MBA 学生面对的不再只是一个已经有标准答案的案例，而是真实企业里还没有完全解决的问题。

为了获得这些问题，上海交大又往前走了一步——成立 AI 时代商科人才培养联盟。

联盟把高校院所、人工智能机构、产业平台、企业和校友网络连接起来，共建课程资源、AI 实训场景、产业实践项目和人才评价标准。

说得更直白一些：

过去，是学校设计课程，再寻找企业来配合教学；现在，是企业先把真实需求送进来，交大安泰 MBA 围绕真实需求组织教学。

这两种模式看似只换了一个顺序，背后的逻辑却完全不同。

按照规划，交大安泰 MBA 后续还将依托长三角不同地区的特色产业，布局区域共创分中心，承接当地 AI 场景征集、学员实训和科创项目孵化。

产业课题进课堂，行业高管上讲台，学员项目进企业。

MBA 课堂和产业之间原本清晰的边界，开始变得越来越模糊。

当然，只把企业项目搬进 MBA 课堂，还不够。

如果培养机制本身不变，再多产业项目也可能只是传统课程之外的 " 附加题 "。

所以，这次交大安泰 MBA 同步动了培养体系。

而且调整得并不小。

从 2027 级开始，安泰 MBA 将正式推行 40 — 50 学分的弹性学分制，学制调整为 2 年，课堂教学采用纯周末授课模式；CLGO 项目则采用每月 4 — 5 天集中授课。

更重要的是，实践课程的比重大幅提高。

按照此次公布的改革方案，以产业落地为导向的实践课程，未来将占到总课时的四分之一以上。

这意味着什么？

MBA 过去最稀缺的资源，可能是名师、案例和知识。

但在 AI 时代，越来越稀缺的资源变成了另外一些东西：

真实企业、真实数据、真实问题，以及真正做过产业落地的人。

所以此次交大安泰 MBA 改革设计了 " 链接智能、链接科创、链接产业、链接世界、链接交大 " 五条链。

学习场景也不再只发生在 MBA 教室，而是向产业一线、科创园区、AI 研发基地、重点实验室乃至全球商业市场延伸。

"AI+X" 孵化营、科创加速营、产业移动课堂、出海商业实训、重点实验室研学，都被纳入新的实践体系。

其中还出现了几个过去在传统 MBA 培养中并不常见的能力关键词：

AI4O 产业运营、FDE 工程落地、OPC 全栈经营。

名称看起来很 " 技术 "，但它们共同指向的其实是一个非常现实的要求：

未来的管理者，不能只站在会议室里 " 提需求 "。

他必须越来越懂一项技术是怎么进入组织、进入业务、最终产生经营结果的。

从这个角度看，学制缩短、弹性学分制和实践课程增加，其实是一套相互关联的 MBA 敏捷培养改革。

目的不是简单地让 MBA" 读得更快 "，而是把更多学习资源从传统课堂释放出来，放到真实产业环境中。

还有一个细节很有意思。

今年 8 月，上海交大工程馆启动升级改造。

这座由邬达克设计的历史建筑，见证了交大深厚的工科传统。钱学森、张光斗等著名校友，都曾在这里学习。

改造完成后，它将被用于 MBA 授课、实践课程实训和跨学科研讨。

一座承载百年工科历史的建筑，未来要成为 MBA、AI 与产业交叉的新教学空间。

这多少有一点象征意味。

过去很长时间里，大学的学科边界十分清楚。

工程师解决技术问题，商学院研究经营管理。

但 AI 正在快速打破这条边界。

企业真正需要解决的问题，越来越不会按照大学里的院系设置出现。

一台机器的智能化改造，背后可能同时牵涉算法、制造、供应链、组织管理和投资回报；

一个 AI 产品进入市场，也可能同时涉及工程能力、行业理解、用户需求和商业模式。

产业的问题天然是交叉的。

人才培养最终也只能走向交叉。

所以，上海交大这次 MBA 培养改革真正值得观察的，并不是 " 增加了几门 AI 课程 "。

恰恰相反。

如果只是给传统 MBA 增加几门 AI 课，这场改革的意义反而没那么大。

更值得注意的是，交大安泰 MBA 正在尝试重新回答三个问题：

老师从哪里来？

课程从哪里来？

MBA 学生到底在哪里学习？

它给出的答案是：

老师不只来自学校，还来自产业；

课程不只来自教材，还来自企业正在发生的问题；

学习也不只发生在课堂，而要发生在工厂、实验室、科创园区和真实商业环境里。

1000 个 AI 场景，本质上就是 1000 道来自真实产业的题。

如果这些题能够持续进入 MBA 课堂、被学生解决，再回到企业验证，最终形成新的项目、产品乃至创业机会，那么 MBA 项目与产业之间，就不再只是传统意义上的 " 校企合作 "。

它更像是在尝试形成一个持续运转的人才培养共同体。

AI 时代有一个越来越清楚的趋势：

技术越强，管理反而越重要。

因为技术解决的是 " 能不能做 "，而企业最终还必须回答另外几个问题：

为什么做？

在哪里做？

谁来做？

怎么规模化？

最后能不能创造价值？

这些问题，没有一个可以单纯交给算法。

这也是为什么，AI 时代真正稀缺的可能不只是会写代码的人，也不是只会看财务报表的人。

而是能够站在技术与产业之间，把两套语言连接起来的人。

深圳教学场地

从这个角度看，交大安泰 MBA 收集 1000 个 AI 场景，表面上是在改革 MBA。

往深处看，其实是在做一件更大的事：

把中国庞大的产业现场，变成 AI 时代 MBA 管理人才的课堂。

过去，商学院把企业写进案例。

未来，或许会有越来越多的 MBA 项目，直接走进企业解决问题。

这可能才是 AI 真正进入 MBA 教育之后，最值得关注的变化。

✎

THE END

【关于正解局】

正解局是专注产业经济研究的财经内容机构，长期从产业视角解析城市、企业与区域竞争，提供产业趋势与城市发展深度报道与产研服务。欢迎政府、企业及机构邀约合作和调研。