浪尖调研｜南京大学陈振宇：南京软信业要与传统产业深度融合

诺奖得主、内生增长理论奠基人保罗·罗默（Paul Romer）提出：“投资人力资本至关重要，知识与技术才是经济增长真正的驱动力。”

“浪尖：万亿之城2030”课题组调研发现合肥汽车产业换道超车得益于合肥工业大学赵韩教授团队的大胆尝试，杭州文化产业的活力与浙江大学的创新基因、中国美术学院的艺术氛围紧密相关，同样，南京软件和信息服务业（以下简称“软信业”）发展也离不开在宁50余所高校的软信生源。

据报道，南京51所高校开设了软件相关专业，软件相关专业在校大学生约20万人。其中，南京大学计算机、软件学院毕业生首选就业城市为南京，本地高校信息类专业毕业生超六成选择留宁发展，是产业新增人才核心来源。

AI浪潮下，与AI密切相关的计算机、电子信息、通信等专业将面临哪些挑战？除了人才供给的挑战外，AI将给软信业、城市带来哪些影响？2026年6月2日，“浪尖：万亿之城2030”课题组专访南京大学软件学院教授陈振宇。

陈振宇认为，AI 时代下社会对人才的培养逻辑、能力要求都会出现巨大转变，但始终不变的是要包容创新，保护好奇心。在陈振宇看来，南京软信业与传统产业将深度融合，软信业的行业边界在AI影响下会愈加模糊，AI将带来一轮规模最大、影响最深的产业变革。

南京大学软件学院教授 陈振宇

面对AI，高校不变的人才标尺

澎湃新闻：据不完全统计南京有约90万软件相关人才，在调研中，有园区、企业表示，AI对低端技术人才冲击很大。

陈振宇：如今行业头部企业，像微软、苹果、谷歌、亚马逊这类科技巨头都在裁员，国内企业的裁员浪潮相对没那么突出。在我看来，人工智能的发展会给软件行业人才带来巨大冲击，而且这种冲击并非五年后才会到来。这两年我们招聘面试时，都会要求求职者借助 AI 协同完成工作任务。

前段时间，学校教学委员会联合软件工程教指委专家开会，会上提出考试不允许学生使用 AI。可现实是，学生步入职场后必然要使用 AI，目前绝大多数工作场景都不会限制大模型工具，仅涉密岗位除外，就连学校内网也在逐步接入大模型落地应用。

因此我们更看重学生熟练驾驭 AI 的综合能力，这才是当下行业真正需要的人才。

澎湃新闻：您一直致力于产教研融合，主持国家重点研发计划“开源开放创新服务平台”。您认为AI时代的校企合作，和过去“学生去企业实习”的模式有什么本质不同？

陈振宇：此前企业数字化水平整体相对有限，而大模型的落地应用，推动企业在诸多领域实现跨越式升级、走到高校前列。大模型发展离不开两大核心基础：海量高质量数据与充足算力资源，普通高校很难单独承担这类高昂投入。

但我们办学的目标，难道只是短期培养适配当下大模型赛道的人才？其实不尽然，大模型现阶段的行业红利窗口期也就五到十年。

拉长周期审视人才培养逻辑，一味让学生深度扎根企业实践，未必是最优解，对此我持保留意见。眼下相关岗位就业机会充足，但长期来看，这种培养模式能否夯实底层综合能力与核心素养，我打问号。

如果要大规模定向培养大模型应用型人才，高校整体办学架构都需要彻底重构，这并非我们单独面临的问题。近期多位哈佛教授就质疑：如今学生运用大模型的能力甚至超过授课老师，那学生每年花费 15 万美元就读哈佛的价值何在？不如每年花两千美元订阅 AI 会员工具。

由此可见，人才培养的核心绝不只是传授知识与实操技能，更关键在于激发学生的求知好奇心、塑造独立思辨能力，这才是能长久受益的核心素养。坦白说，即便我们落地了大量工程实训项目，我也并不完全推崇纯粹企业导向的培养模式。企业以盈利为核心目标，校企合作落地后培养逻辑难免发生偏移：企业只看重实习生成本低、能快速完成业务工作，并不会在意学生完整的学业成长。

当下整个教育体系都在随之调整，就连哈佛也在反思，现有课程体系如果维持现状，未来该如何适配 AI 时代。

澎湃新闻：学院在学生培养体系上做了哪些改革？

陈振宇：我们开展了深度教学改革，专门开设了面向软件工程的 AI 系列课程 AI for SE。目前业内主要分为两种观点：一是保守派，主张在现有课程体系内融入大模型工具，仅将其用于辅助编码、架构设计、测试、文档编写等原有工作环节；二是激进派，提出进入 AI 时代后，编码、架构、测试、运维等传统软件工程流程都将不复存在，会被全新的工作流程取代。该派别认为，只把AI当作辅助工具严重低估了它的价值，AI甚至会推动企业组织架构发生变革。

当下热度较高的OPC（One Person Company，一人公司）理念便是将全流程一体化整合，催生全新的组织形态与管理模式，这套逻辑同样适用于软件工程领域。

2021年成立于美国的人工智能企业 Anthropic（安特罗匹克），就推崇全程无需人工参与、零手动编码，自动生成数百万行代码的开发模式。尽管目前这只是个别企业的实践，却代表行业发展趋势，人类将从基础代码编写工作中解脱出来。

这个问题背后暗含一个核心疑问：软件是否等同于编写代码？很多人误以为软件工程专业只需要写程序，但我们很早就有不同认知。软件学院开设的课程门类丰富，纯粹的编码类课程占比不足十分之一。学习软件工程并不等同于只学敲代码，这就好比建筑学专业，教学重心绝不会停留在教学生砌砖，砌砖本身并不是土木建筑学科的核心重点。

我们更应当聚焦系统架构与工程全流程管理，不必过度看重编码本身。不少层次偏弱的院校，简单将软件工程等同于编程，一门编码课程会占用大量课时。而学院默认编程以自学为主，本校大部分学生高中阶段就具备编程基础，从大一学生的作业中，就能明显看出他们此前已经接触过编程。

澎湃新闻：今年一些高校增设了与人工智能相关的专业。

陈振宇：近几年国内大模型赛道基本形成了鲜明的清华系阵营。清华在资金、科研资源上优势突出，北大、浙大虽也布局 AI，除深度求索与浙大少量相关项目外，行业内头部力量大多出自清华。

在北京、深圳等地，不少从业者都属于清华圈层，资本方对清华系创业项目投资标准更宽松，投资意愿也更强。当然，清华本身擅长创业、做技术落地的人才储备也十分充足。

南大也设有创投会，我时常参与，但资源布局相对分散，不像清华那样高度聚焦 AI 赛道。南大创投覆盖化工配套、动力电池等诸多行业；清华虽同样布局多元产业，却单独形成独立的 AI 圈层，集中整合人脉、资金与行业资源，圈内人熟悉产业链上下游，能对接合作方、开拓市场、筹措资本，形成成熟稳定的孵化体系。

澎湃新闻：AI时代，高等教育要教什么？

陈振宇：现阶段推进相关教学改革难度不小，整体基调偏保守，只是把现有课程进行改造，将大模型单纯当作教学工具融入课堂。我认为教学更该落脚于夯实学生底层综合素养、锻炼独立思考能力。

坦白来讲，国内高中阶段的应试模式，几乎消磨掉了大部分学生探索求知的好奇心。国家科技发展，恰恰需要愿意钻研、敢于创新折腾的人。不用要求所有人都如此，但至少一部分学生要保留这份特质，尤其当下 AI 浪潮兴起，这类人更有机会创造全新成果。

由此可见，AI 时代下社会对人才的培养逻辑、能力要求都会出现巨大转变。身为教师，我无法判定哪种培养路径绝对最优，因此我会秉持包容心态，只要学生不触碰法律底线、不做出违法违规行为，都给予发展空间。

AI将革新企业组织方式与资产构成

澎湃新闻：您认为OPC是成熟且有价值的，还是只是一个概念？

陈振宇：我认为会变成更紧凑的公司，不一定是one。之所以强调one，是为了强调人少。这说明什么？传统组织架构发生了巨大的变化。原来人跟人的沟通成本是非常高的，需要很多程序。但现在不用，只要跟AI聊。人与人的沟通变成了人跟机器人沟通，整个组织架构发生了巨大变化。

拿当下开源社区举例：看似有大量人员负责编码、开发、撰写文档，但其中不少产出实际由 AI 机器人完成，相当于团队长期搭载大量智能机器人劳动力。

当社区、企业里绝大多数执行工作都由 AI 承担，人类仅负责统筹协调时，全新的组织形态就此形成，这也是 AI 带来的核心变革之一。

澎湃新闻：人机协同。

陈振宇：对。人机协同的概念多年前就已被提出，但当时大模型尚未问世，传统机器学习算法的处理能力十分有限，甚至难以称得上合格的人类辅助工具，综合表现远不及人。而当下大模型实现了质的突破：用户输入指令后，它能稳定输出完整内容，不会出现程序崩溃的情况；生成的程序虽未必完全准确，却基本可正常运行，仅部分功能的理解存在疏漏。在我看来，这类人工智能正在推动企业组织结构发生根本性变革。

此外，企业资产也会因此发生变化。以往我们默认企业核心资产是人，但如今这一定义需要重新审视。以新闻行业为例，若企业拥有数十年沉淀的高质量行业数据，并基于这些数据完成多轮AI模型训练，再融合通用外部大模型，训练成型的AI系统完全可以成为企业的核心资产与核心竞争力。依托这类新型数字资产搭建企业，整体组织架构、运营管理思路都会和传统模式截然不同。

澎湃新闻：前面聊到价值层面的问题：智能体如今会成为核心资产，而过去企业、机构的核心资产是人才。这也就意味着，个人、企业乃至政府的资产负债表都或将迎来重构，这会是一场影响深远的重大变革。

陈振宇：先说资产调整，首先影响到的是数据资产。以化工行业举例，企业手握行业高质量数据集，结合通用外部大模型，就能快速搭建高精度、高生产效率的智能管控体系，如今数据资产入表已经提上落地日程。

其次，数据、行业业务与专业人才三者有机融合形成的AI综合资源，很可能会带来企业财报核算规则的全新变革。

对企业而言，这类AI数字资产能提升经营稳定性：人员存在流动风险，人力资产稳定性偏弱；而数字资产即便企业资金紧张，他人私自提取、使用都属于侵权行为，权属更有保障。

再站在政府视角，过去各地重点投入传统基建，如今人工智能催生新型数字基建，会彻底改变原有基建体系。一旦市场与政府端整体资产结构发生重塑，对应的财税体系也将随之调整，这会带来深层次、颠覆性的行业与制度冲击。

澎湃新闻：从个人来说，以前人最贵，其次是知识，以后人的资产怎么配置，什么东西最贵？

陈振宇：我的观点可能会悲观一些。我认为AI发展会大幅削弱人的价值。站在经营企业的角度来看，不管哪种类型的企业，人员流失都是最大隐患，人员频繁流动会严重破坏业务衔接与稳定。如果企业有基础核心业务能依靠 AI 稳定运转，就能大幅降低人员流动带来的负面影响。

再从投资视角分析：我常陪同投资机构尽调企业，评判一家企业是否优质健康，核心会考量人才流失风险。不少公司高度依赖少数非大股东核心骨干，这类企业投资风险极高 —— 一旦核心人员离职，业务极易崩盘。即便用股权绑定骨干也存在弊端：从人性层面，企业发展向好后，核心员工依旧可能选择跳槽，企业估值也需要重新评估，股权约束无法彻底锁死人才。

而站在员工个人视角，心态完全相反：员工会认为自身对公司不可或缺，一旦自己离职，企业就难以正常运转，高估了个人不可替代性。企业与核心员工之间天然存在利益博弈。

AI时代，软信业内涵将被重构

澎湃新闻：刚才我们谈了AI对高校、对企业的影响，您怎么看AI对软信业的影响？

陈振宇：在我看来，AI带来的冲击不只是软件行业的问题，软件行业只是最先受到影响。金融业同样正遭受AI的巨大冲击，这两个行业具备两点共性：第一，此前二者整体薪资水平远高于其他行业。不少岗位年薪可达百万，而AI可能直接替代这类岗位，成本优势十分显著；第二，金融、软件开发都以数字业务为核心，业务标准化程度高，最容易被人工智能取代。

技术进步的本质是提升劳动生产效率。效率提升后，企业理想状态是依托现有人员拓展更多业务；倘若现有员工借助工具依旧无法承接增量业务，企业就只能选择缩减人员。

澎湃新闻：上海、北京、深圳、南京、杭州都在积极发展人工智能，您谈谈人工智能产业在这些城市的不同定位和发展？

陈振宇：我的判断是，国内AI与芯片产业发展机遇最突出的城市是北京，上海、深圳同样具备发展潜力。从全国格局来看，核心资源仍会高度集中在北京，上海、深圳紧随其后，三地各有完备的产业优势，芯片、大模型、AI 软件服务等产业链布局十分完善。南京软信业虽会稳步发展，但扩张速度不及北上深。未来各地产业体量差距会持续拉大。

各城市赛道布局差异十分明显：芯片领域，上海聚集多家头部企业，沐曦、壁仞等新锐芯片企业扎根上海，成长势头强劲；寒武纪总部设在北京，代表中科院科研产业化体系，部分软件业务落地南京；华为核心布局深圳，是市场化龙头企业代表。存储赛道形成合肥、武汉两大巨头聚集地。南京，多年来始终依赖早年的智能电网赛道，缺少新兴硬核产业增量。

澎湃新闻：您怎么看万亿之后，南京软信业的未来。

陈振宇：南京软件信息产业未来必然走向和传统产业深度融合，这是产业规模突破万亿之后全新的增长机遇。软件行业的内涵也会随之重构。就像新闻行业将 AI、软件与自身业务深度绑定后，已经很难区分它究竟属于传统服务业还是数字产业；化工行业也是同理，行业自研 AI 智能机器人会成为核心竞争力 —— 依托自身行业顶尖业务积累的数据训练专属大模型，生产效率远高于通用大模型，这份独有的数据资产更是企业不可替代的壁垒。

可以参照当前美股市值格局：榜单前十基本都是新兴科技企业，巴菲特重仓的传统产业早已掉队，新兴科技行业增长速度断层领先。从早年搜索引擎、移动互联网，再到如今的AI浪潮，发展逻辑一脉相承，只是各阶段略有区别，毋庸置疑，人工智能将带来规模最大、影响最深的一轮产业变革。

（本文执笔人吴英燕系澎湃研究所研究一部总监。浪尖“万亿之城2030”课题组由澎湃研究所、上海国有资本研究院联合组成，成员包括：张俊、罗新宇、吴英燕、谢秋伊、吕娜、包青亚、王金涛、张志朋。感谢实习生郭欣哲对本文的贡献。）