NC Central 成立覆盖全校的人工智能研究院

North Carolina Central University 成立了一所 AI 研究院，并提出一个挑战固有分野的承诺：“AI 面向所有人”，而不只是计算机科学专业的学生。这一消息通过 Google News 浮出水面，但标题仅捕捉到了这项长期机构建设中的一个阶段。

人工智能与新兴研究院（Institute for Artificial Intelligence and Emerging Research，简称 IAIER）在获得大学正式批准之前便已开始运作。其项目如今横跨学术学科、劳动力培训、教师研究和社区活动。这样的规模使该研究院不只是一个新的校园中心。

核心问题在于，NCCU 能否将广泛的 AI 使用机会转化为持久的机构能力。大型科技公司可以提供培训平台、认证、演讲嘉宾和初始资金，却无法保证长期教职、研究支持、独立治理或多年运营经费。

这一差异的意义远不止于 Durham。全美高校正争相开设 AI 课程、证书项目与合作计划。NCCU 正在尝试一项更困难的任务：在一所获得的研究资源少于许多大型院校的历史性黑人大学中，构建跨学科模式。

Google News 标题遗漏了什么

NCCU 并非只是启用一座建筑或宣布成立另一个技术实验室。它在项目已开始触达学生的同时，分阶段组建了研究院。

一篇 2025 年 3 月的报道描述，该研究院正准备在夏季启用。当时，该校已开始举办研讨会、提供研究机会，并为教师启动种子资助计划。

该研究院源于 Siobahn Day Grady 主导的工作。Grady 是 NCCU 图书馆与信息科学学院的副教授。她在 2020 年成立了一个较小的实验室，开展涉及机器学习、人机交互及相关领域的研究。

该实验室为学生参与研究提供了途径。研究院则将使命扩展至全校及周边社区。它还为合作关系建立了一个组织架构，而这种合作若仅通过一个教师研究团队来管理将十分困难。

在完成机构审查后，NCCU 董事会于 2025 年 12 月 17 日正式批准 IAIER。该校将其定位为覆盖全校的应用研究、劳动力发展和跨学科协作枢纽。

若缺乏背景，这些日期看似互相矛盾。董事会完成正式批准前，该计划已在一个逐步成形的架构下启动项目并开展运作。其专属实体空间预计将在之后启用。

当大学需要应对发展速度快于学术治理的技术时，这种顺序十分常见。教师可以相对快速地组织工作坊和试点课程；而设立永久研究院则需要审查、任命领导、编列预算、配置设施和授予行政权限。

因此，NCCU 的 AI 研究院代表的是一项组织变革，而非一次开幕典礼。它为 AI 工作提供了一个归属，可协调不同学院、教师项目、行业关系和公共项目。

其最初目标刻意设定得较为广泛。Google.org 提供了 100 万美元资助，早期计划旨在两年内影响 200 名学生。课程、工作坊、研讨会、导师指导和研究都是该计划的一部分。

到 2026 年，报道所称的覆盖范围已远超最初的学生目标。8 月发布的一篇研究院简介称，IAIER 已吸引逾 2,800 名学生、教师和社区居民参与。

这些指标不能直接等同。“参与”可包括活动出席者与社区参与者，而最初目标聚焦于通过既定项目受到影响的学生。尽管如此，这一差距仍表明需求超出了提案最狭义的设想。

这正是 Google News 搜索结果可能压缩故事的地方。“大学成立研究院”听起来像一件单一事件。NCCU 实际上是在测试：一个小团队能否将早期参与转化为一所永久性学术机构。

AI 素养教育走出计算机科学领域

该研究院最具影响力的选择，是将 AI 素养视为通用学术要求，而非专业化培养路径。

NCCU 已将入门 AI 培训纳入大一新生体验。新生完成与 IBM 合作开发的培训，将基础 AI 技能与其他大学学习准备一并安排。

AI 素养意味着理解 AI 系统能够做什么、其输出会在哪些地方失效，以及人们应如何评估其使用。这并不要求每名学生都成为机器学习工程师。

这一区别塑造了 NCCU 的模式。商科学生可能需要评估自动化预测；新闻学学生必须审视生成的论断与合成媒体；公共管理人员可能会接触涉及服务或福利的算法决策。

健康研究人员需要识别训练数据中的偏见，并理解预测何时缺乏临床背景。教育工作者需要评估 AI 如何改变作业、评估与学生隐私。艺术家则面临作者身份、同意和创作控制权的问题。

若将 AI 局限在计算机科学系内，许多这样的学生将被排除在讨论之外。NCCU 目前尚未设立专门的计算机科学项目，不过该校正在开发一个主修专业和一个 AI 辅修项目。

这一缺失看似可能是弱点，但它也迫使 IAIER 围绕各学科进行设计，而非将自身组织为既有工程学院的延伸。

Grady 曾将基础 AI 能力与数字素养早期的变革相提并论。学生不能再假设技术属于其他职业。他们需要具备足够的理解力来质疑一个系统，而不只是有足够信心去操作它。

IBM 部分提供了务实的切入点。其基础认证涵盖常见应用、生成式 AI 和核心概念。IBM 更广泛的大学战略也强调教师培训，因为教师在将 AI 融入课程前需要获得支持。

在 NCCU，企业合作并不止于一门入门课程。研究院已举办涉及 Google、IBM、OpenAI、Anthropic、AWS、Deloitte 和 FICO 的项目。

这些关系可以让学生接触当前工具和职业网络。它们还提供了学生可向雇主展示的认证，而大学的课程改革尚在较慢地推进。

一个案例来自 Amazon Bedrock 工作坊。参与者构建了基础 AI agent，即通过模型和连接工具执行任务的软件，无需具备深厚的编程背景。

另一个案例是一场由 IBM 支持的黑客松，聚焦医疗保健、教育和半导体制造。学生与导师合作，围绕明确问题开发项目，而非仅通过讲座学习 AI。

研究院还在一所 HBCU 举办了 OpenAI Academy 峰会。根据 2026 年的研究院简介，该活动吸引了来自 40 多所机构的 444 名线下参与者。

活动不能替代学位、持续教学或研究学徒机会。不过，它们可以降低参与的第一道门槛。学生能看到同伴使用这项技术，也能接触到可解释 AI 如何进入不同职业的专业人士。

这种方法也让“AI 面向所有人”的口号可以接受检验。如果项目主要触达具备技术经验的学生，这一口号仍只是品牌宣传；如果护理、法律、商科、教育、图书馆科学和艺术领域的学生获得有用的判断能力，它就会成为一种学术模式。

AI 素养教育必须包含怀疑精神，而不仅是提示词技巧。学生需要核查来源、识别虚构参考资料、保护机密信息，并理解语言流畅的输出并不能证明其真实性。

这些习惯与个人知识管理相互交织。一个可搜索的第二大脑可以帮助学生整理自己的材料，但检索仍需要来源意识与判断力。

同样的原则也适用于大学 AI 培训。获得模型访问权限并非教育成果。真正的成果，是培养出知道何时使用它、如何审查其工作，以及何时必须由人类专业知识接管的毕业生。

真正的对手是资金缺口

NCCU 面临的首要挑战，不是说服学生 AI 的重要性，而是在初始资助结束后维持所需的人才与基础设施。

研究院早期的发展动力部分依赖于 Google.org 的 100 万美元资助。这笔资金帮助 Grady 将其研究工作转变为一项覆盖全校的计划，包含课程、工作坊、导师指导、教师支持和外部合作。

初始慈善资助可以迅速完成几件事：聘用项目人员、支持活动、创造学生机会并证明需求。它也能让一项新计划进入其他资助方的视野。

然而，一笔为期两年的资助并不会自动造就一所永久性机构。大学最终必须决定，哪些运营成本应纳入经常性预算，哪些项目仍依赖外部支持。

Grady 在 2026 年简介中将资金列为研究院最大的可持续性障碍。即使团队计划推出新的学术项目和专属实体空间，需求增长仍快于组织的承载能力。

这种压力反映出更大的研究资助失衡。历史性黑人学院和大学约占美国授予学位的四年制院校的 3.2%，但在 2023 财年仅获得联邦大学研究与开发支出的 0.91%。

这一计算来自 Center for American Progress 和 Thurgood Marshall College Fund 的一项2025 年资金分析。该分析考察了约 600 亿美元的联邦学术研究支出。

该报告还发现，2023 年向大学分配研究经费的 43 个联邦机构中，有 17 个未向 HBCUs 提供任何资金。这一模式影响实验室、研究生培养、教师招聘、设备、行政支持，以及争取后续资助的能力。

一所 AI 研究院需要的不只是模型访问权限。研究还需要安全计算环境、数据协议、伦理审查、技术人员、教师时间、学生助理和用于衡量成果的系统。

跨学科工作会增加协调成本。一项涉及健康数据、信息科学和公共政策的项目，可能跨越多个学院和合规流程。在启动活动结束后，仍需要有人维护这些关系。

企业合作可以帮助填补空白，但也会带来新的权衡。企业自然会教授与其产品相关的平台和实践。大学必须确保学生同时学习可迁移的概念与独立评估能力。

当供应商更新软件时，一项培训认证可能迅速过时。批判性思维、统计推理、数据治理和实验设计则具有更长久的价值。持久的课程体系必须将这些基础能力与短暂变化的界面区分开来。

大学还需要针对机构数据制定明确规则。面向消费者的 AI 服务可能会存储提示词、在校园系统之外处理文件，或采用与学生隐私义务相冲突的条款。

因此，负责任地采用 AI 需要在采购、网络安全、无障碍设计和学术诚信方面开展工作。这些职能很少出现在庆祝性的新闻标题中，但它们决定了试点项目能否安全扩展。

IAIER 已开始摆脱最初对 Google 支持的依赖，推动资金来源多元化。NCCU 与 Howard University 及其他机构共同参与一项研究合作，探讨未来 AI 职业、所需技能以及可能的认证方式。

这项工作通过一项美国国家科学基金会研究协调网络项目获得了近 50 万美元资助。NCCU 的劳动力协作项目将课程设计与就业形态变化的问题联系起来。

不过，额外获得一项资助并不能弥合结构性缺口。研究经费通常支持特定项目、人员和时间表，并不总能覆盖运营一个研究所的全部成本。

NCCU 还必须在一个拥有大型研究型大学和成熟科技雇主的地区展开竞争。Durham 靠近 Duke University、University of North Carolina at Chapel Hill、North Carolina State University 和 Research Triangle Park。

这种邻近关系创造了合作机会，也带来了对教师、研究人员、经费、实习机会和私人支持的竞争。

该研究所的独特定位，在于通过一所 HBCU 推动广泛参与。它若能成功，将扩大参与 AI 研究的人群，也扩大影响 AI 应用、偏见和公共影响相关决策的人群。

它面临的风险同样独特。如果资金始终以项目为基础，研究所可能举办一连串令人印象深刻的活动，却无法获得长期影响力所需的永久人员和研究基础。

行业合作带来机会，也带来依赖

科技公司能够加速校园 AI 项目，但大学必须保留对课程、证据和机构优先事项的控制权。

Google 的资助在关键时刻为 NCCU 提供了资源。IBM 协助建立了基础培训。OpenAI、Anthropic、AWS、FICO 及其他机构则贡献了演讲嘉宾、研讨会、认证或活动。

对学生而言，这一网络带来实际益处。他们可以接触雇主正在使用的工具，直接向专业人士提问，并开展将学术工作与职场问题相联系的项目。

对企业而言，大学合作能够培养潜在用户和员工，也能影响未来专业人士对特定产品和技术路径的理解方式。

双方都不必掩饰这种交换。关键问题在于，大学是否保留了足够的独立性，以批判性地评估技术。

围绕单一供应商建立的研究所将面临显而易见的风险。产品变化可能削弱课程体系，资金变化可能取消必要项目。学生可能学会某个界面，却没有掌握能够迁移到其他场景的概念。

NCCU 的多企业合作方式降低了部分依赖。学生接触的是多家机构的系统和观点，而不是一家独家供应商。

合作伙伴的多样性并不能消除学术治理的必要性。教师应决定学习目标、评估方法、研究问题和可接受的数据实践。

当行业时间表与大学时间表发生冲突时，这一点尤为重要。AI 公司会在几个月甚至几周内发布产品；学术项目则需要审批、无障碍审查、教师准备以及有关学习成果的证据。

大学不应模仿产品营销的速度。它们的职责之一，是检验企业有动机推广的主张。

同样的谨慎也适用于 AI 生成的作品。模型可能生成看似令人信服、却包含错误的解释。学生需要能够奖励核查、比较和原创推理的作业，而不是仅奖励润色完善的输出。

教师也需要空间来研究企业可能不会优先关注的社会影响。这些议题包括歧视、劳动力替代、隐私、虚假信息、无障碍性、环境成本和不均等的获取机会。

Grady 的背景使 IAIER 具备开展这种更广泛研究的条件。她的研究涉及医疗保健、自主系统、虚假信息和偏见等领域中的机器学习。

研究所设在一所 HBCU 内，也会改变哪些问题获得关注。当开发者使用不完整数据或狭隘假设时，技术系统往往会在不同人群中表现不同。

在研究人员选择问题并定义成功标准的阶段，参与就十分重要。不能等系统已经设计完成后，才招募多元化用户。

这使 NCCU 相较于主要致力于培养更多软件工程师的项目，可能拥有优势。IAIER 可以将技术培训与信息科学、公共服务、健康研究、法律、商业和社区需求联系起来。

但这一主张仍需要证据支撑。研讨会出席率反映的是兴趣，而非长期学习。证书反映的是完成情况，并不一定代表熟练使用。项目展示反映的是活动开展情况，而非持久的职业成果。

研究所最终应公布超越参与度的衡量指标。有用的指标包括课程完成率、技能评估、研究产出、实习安置、研究生深造、教师项目和持续的社区参与。

它还应报告参与者是谁。如果不了解项目是否覆盖不同专业、不同年级和不同经验水平的学生，就无法评估全校范围的可及性。

这些衡量结果将帮助其他 HBCU 判断哪些要素值得复制，也将帮助资助者区分持久模式与一系列受欢迎活动。

Google News 的搜索结果可以为开端带来关注。有关学习与职业发展的证据，将决定该研究所能否改变高等教育。

“AI 人人可用”仍需要护栏

普惠可及是一个有力目标，但缺乏治理的可及性可能让学生和机构面临本可避免的伤害。

AI 系统可能生成错误陈述、编造来源、复制偏见，并因不谨慎的使用而泄露敏感信息。面向全校的项目必须从一开始就处理这些局限。

当初学者将流畅表达误认为权威性时，风险会加大。生成式 AI 通过预测可能的序列来生成文本，而不是逐一根据权威记录核查每项主张。

因此，学生需要明确的核查实践。他们应追溯事实主张的来源，区分生成的摘要与原始文件，并在课程规则要求时披露 AI 协助。

隐私同样需要得到重视。学生可能会将个人记录、未发表研究、访谈记录或雇主信息粘贴到工具中，却不了解相关条款。

大学指南应明确获批准的系统和禁止输入的数据，也应解释限制存在的原因，而不是将负责任的使用视为一份技术警告清单。

教师面临着相关问题。授课教师需要获得一致的支持，同时不失去对课程的控制。全面禁止可能迫使 AI 使用转入地下，而不受限制的采用则可能削弱评估。

更好的作业会要求学生比较输出、识别遗漏、记录修正，或用证据为自己的选择辩护。这些任务会让模型局限变得可见，并保留人类判断。

IAIER 可以通过连接技术专家、图书馆员、教育工作者、隐私工作人员、无障碍专家和各学科教师来支持这项工作。没有任何一个办公室能够独自治理全校 AI。

研究所面向公众的使命又增加了一层复杂性。社区参与者的数字接入水平可能不同，所获得的机构保护也可能少于在校学生。

面向公众的项目应说明数据风险、成本、账户要求以及免费服务的限制。否则，“AI 人人可用”可能变成只有实验机会、没有保护措施的可及性。

公平也不仅涉及入学机会。学生还需要设备、稳定的互联网、导师指导、时间，以及应用所学知识的机会。

一天的研讨会可以启发一个人。持续的项目支持则能帮助这个人建立作品集、加入研究团队或追求技术岗位。

研究所的种子基金通过在早期支持教师构想，解决了这一问题的一部分。由教师主导的项目可以创造持续性的学生研究岗位，并将培训与真实问题联系起来。

然而，种子资金只有在成功试点项目能够获得后续支持时才有效。否则，有前景的项目恰恰会在学生开始积累经验时停止。

治理还必须涵盖行业合作。协议应明确数据所有权、发表权、品牌展示、评估，以及供应商是否可以将学生活动用于产品开发。

公立大学还有额外义务说明这些安排。透明度有助于学生理解教育与企业推广何时发生重叠。

这些担忧没有削弱 IAIER 的必要性，反而界定了兑现其核心承诺所需的工作。

被排除在 AI 之外同样存在风险。从未学习这项技术的学生，可能会进入同事已经使用它进行分析、沟通、编程和研究的工作场所。

正确的比较不是风险与无风险，而是受治理的可及性与不平等、非正式的采用。

NCCU 的机会在于构建受治理的版本。其研究所可以将实际接触与审视结合起来，使批判性评估成为 AI 素养教育的一部分。

成功意味着学生离开时既不盲目热情，也不本能恐惧。他们将理解如何使用 AI，同时认识到何时其输出需要证据、语境或被拒绝。

Google News 时刻之后应关注什么

三个信号将表明 NCCU 是否建立了持久的研究所：持续性资金、永久性学术项目和可衡量的学生成果。

第一个信号是原始资助期结束后的资金情况。新的多年期资助、定期的大学拨款或捐赠基金支持，都将增强 IAIER 能够留住员工并在个别项目之外进行规划的判断。

资金的构成也很重要。多个独立来源将比依赖一家公司提供更高的稳定性。持续性的机构支持将表明 NCCU 将该研究所视为其核心学术战略的一部分。

未能获得持续资源不会抹去研究所的早期工作，但会限制项目规模，并使长期承诺更难维持。

第二个信号是从活动向永久性学术结构的转变。NCCU 计划开设计算机科学专业、AI 辅修项目、更深入地融入校园体系，并建设专用的研究所空间。

关注这些项目能否获批、招收到学生，并获得足够的师资支持。如果实体空间能够服务于研究、指导和协作，而不只是充当公共象征，它同样重要。

第三个信号是有关学生和社区成果的证据。IAIER 报告称已开展超过 2,800 次互动，远超其早期触达 200 名学生的目标。

下一阶段应明确这些互动带来了哪些成果。结业数据、独立技能评估、参与研究、实习、研究生学习、就业安置以及已发布项目，将能呈现更有力的图景。

NCCU 还应追踪参与是否仍保持跨学科特征。如果大多数持续性的机会最终集中于具备技术经验的学生群体，这一模式将失去其核心特征。

这些指标将影响北卡罗来纳州以外的高校。IAIER 的领导者希望创建一套可供其他大学调整采用的框架，其中也包括研究基础设施有限的 HBCU。

一套有用的框架不能只列出合作伙伴名单。它应记录人员配置、治理机制、课程设计、资金支持、学生支持、评估方式和数据保护。

它还应指出哪些要素需要因地制宜地调整。乡村学院、城市公立大学和研究密集型机构不会拥有相同的雇主网络或学生需求。

更广泛的高等教育竞争已经展开。一些大学正在设立专门的 AI 学位项目。另一些则在增设通识教育要求、教师指导、研究中心或供应商认证。

NCCU 的判断是，跨学科的可及性应当优先。该研究院不会等到每位学生都进入计算机项目后，才提供兼具实践性与批判性的 AI 教育。

这一模式给那些将 AI 视为可选专业方向的大学带来了压力。它也对那些只提供商业工具使用权限、却未围绕这些工具建立教学与治理体系的学校提出了挑战。

Google News 的标题有助于锁定一个显著的里程碑。更重要的故事是：当关注度消退、持续性成本仍在时，会发生什么。

在接下来的学年里，读者应提出三个直接的问题。该研究院能否获得可靠的资金支持？规划中的项目能否成为大学长期稳定的组成部分？NCCU 能否证明，参与确实能带来有意义的学术与职业成果？

如果答案都是肯定的，IAIER 提供的将不只是一则引人注目的 HBCU 科技故事。它将为希望让 AI 素养更广泛、更具批判性且更负责任的大学提供一个实用模式。

如果答案仍不明确，该研究院依然会说明以项目启动为导向的科技政策存在的局限。开放获取只是第一步。真正的考验在于能否持续维系人才、研究、治理和机会。