首先，许建明介绍了人工智能人才培养方案及专业建设基本情况，结合前期调研情况，系统分析了地方本科院校人工智能专业教育面临的新挑战，他指出，人工智能技术正在深刻影响各行各业对人才的需求，部分岗位需求发生结构性变化，专业人才培养定位亟需重新思考。
廖柏林副校长在讲话中指出，人工智能专业建设必须深度对接地方经济发展需求，培养“懂技术、通场景、能落地”的应用型人才；“专业建设不能关起门来搞，必须打开校门看产业”，人工智能专业建设必须坚持需求导向、产业导向，主动走进企业、深入一线，了解企业真实需求。他要求专业团队尽快组织赴本地制造企业开展专题调研，摸清产业痛点，找准合作切入点，推动校企合作从纸面协议走向实质共建。专业特色不是闭门造车造出来的，是在服务地方产业中长出来的，考虑将“AI+工业视觉”作为专业主攻方向，聚焦工业缺陷检测、尺寸测量、视觉引导等具体场景，同时关注模型压缩、边缘部署等产业链高需求环节，形成“软硬结合、场景驱动”的专业特色。
针对现行课程体系存在的重复交叉、内容分散等问题，会议进行了重点研讨。教师们反映，《数字图像处理》、《计算机视觉》、《深度学习》等核心课程存在内容边界不清、重复讲授现象，导致教学效率不高、学生学习碎片化。会议提出，下一步将对课程体系进行全面优化整合：梳理核心课程知识图谱，明确每门课程教学边界；将模型压缩、ONNX转换、TensorRT部署等内容整合进特色课程模块；强化实践教学环节，要求学生在校期间完成“数据采集与标注—模型训练与调优—边缘端部署”的全流程项目训练，真正实现“从数据到模型，从模型到部署”的能力闭环。会议还讨论了引入华为AI认证等行业认证体系的可行性，推动课程内容与职业标准有效衔接。
经过近两个小时的深入研讨，会议形成了四点核心共识：一是必须加强与地方企业的深度合作，了解企业实际需求；二是专业建设应聚焦工业应用领域，突出特色发展；三是重构课程体系，强化从数据标注到模型部署的全流程实践能力；四是持续优化师资队伍结构，提升教师实践教学水平。
学院党总支书记彭亦飞就人才培养定位、教学团队建设、充分利用新建的人工智能实验室培养好学生实践创新能力及一定要办好人工智能专业、办出特色等提出具体要求。
本次研讨会进一步明确了人工智能专业的发展方向和建设路径，下一步将根据会议共识，尽快修订完善人才培养方案，优化课程体系，推进校企合作项目落地，力争用两年左右时间，将人工智能专业建成省内同类院校中有特色、有影响力的应用型品牌专业。
（谢文平）
