问题——高水平复合型人才培养仍面临“供需错配” 近年来，人工智能加速向科研、产业和社会治理领域渗透，基础数学对算法创新、模型可靠性与安全性的重要支撑更加凸显。现实中，一方面，社会对兼具数学底座与工程实践能力的高端人才需求快速增长；另一方面，传统培养路径普遍存在学段割裂、科研训练起步偏晚、学科壁垒较强等问题，导致部分具备早期潜质的学生难以及时进入适配的高强度学术训练轨道，人才成长周期被拉长，拔尖人才“早发现、早培养”的机制仍需完善。 原因——科技竞争与学科交叉推动教育模式迭代 港中大（深圳）拟推出的“丘成桐数学与人工智能英才班”，在培养理念上强调数学基础与人工智能交叉融合，在培养路径上突出贯通式设计。这一目由丘成桐先生倡导支持，旨在面向数学与人工智能方向遴选具备发展潜力的青年学生，探索从本科阶段起即与研究生阶段有序衔接的培养方式。业内人士指出，随着人工智能从“应用热”走向“底层创新热”，对高阶数学能力、理论素养与科研训练方法的要求明显提高，高校通过改革学制和课程体系，将人才培养前移并强化交叉训练，成为应对新一轮科技竞争的重要举措。 影响——招生前移与本博贯通带来机遇，也提出新课题 据校方介绍，该英才班拟招生约50人，其中约30人将通过“2+2”单主修或双主修模式开展联合培养，约20人由港中大（深圳）独立培养。学生可选择“数学与应用数学”或“数学与应用数学+人工智能”双主修方向，并安排跨校园学习与实习实践，提升科研视野与综合能力。值得关注的是，项目计划将选拔触角延伸至初三至高二阶段，探索通过中学推荐等方式录取，意味着部分学生有望更早进入高强度、研究导向的培养体系，打通“中学—大学—研究生”衔接链条。 同时，教育界也提醒，贯通培养并非简单“缩短学制”，关键在于课程难度、科研训练、学术伦理与身心支持体系是否匹配。对年龄更小的学生而言，学习负荷、心理成熟度、兴趣稳定性等因素都将影响培养成效。如何在“选得准”之外做到“育得好”，是该模式能否可持续的关键。 对策——以科学选拔、分层培养与资源配置提升培养质量 从实践经验看，拔尖创新人才培养需要更系统的制度设计与资源保障。其一，优化选拔评价体系，避免单一应试导向，强化对数学思维品质、研究潜质、学习韧性与学术兴趣的综合评估，并建立动态进出机制，使培养更具适配性与公平性。其二，完善培养方案，构建从数学基础、计算与算法、工程实践到科研训练的递进式课程体系，设置导师制与小班研讨，强化学术写作、科研规范与学术伦理教育。其三，建立支持体系，针对低龄化贯通培养可能出现的适应问题，提供学业规划、心理支持与生涯指导，帮助学生在高强度学习与全面发展之间保持平衡。其四，加强与科研机构、产业平台的协同，通过高质量实习与科研项目让学生在真实问题中锻炼能力，提升创新能力与成果转化意识。 前景——以示范项目带动交叉学科人才培养体系升级 港中大（深圳）表示，该英才班并非孤立举措，而是学校人工智能人才培养布局的重要组成部分。随着有关学院建设推进，学校还计划在未来几年推出多个授课型硕士项目，持续完善从本科到研究生阶段的人才培养体系。受访人士认为，若该项目在选拔机制、课程体系与科研训练上形成可复制经验，有望为高校探索交叉学科育人提供样本，并推动更多高校在“数学+智能”“理论+实践”“学术+产业”的融合培养上加快改革步伐。
教育改革的核心价值在于为人才成长提供适宜的土壤。"丘班"的设立不仅是一次制度创新，更是面向未来的教育实践；其成功与否取决于长期的制度保障、师资建设和理念落实。对中国基础学科人才培养而言，这个探索的意义远超单个项目的成败。