5月17日，由搜狐主辦的2025搜狐科技年度論壇在北京盛大開幕。多位院士、科學家與產業界人士齊聚一堂，激發智慧的深度碰撞，奔赴科技的星辰大海。

　　本屆論壇線上線下結合，開啟全天的思想盛宴。在上午的線上直播中，杜克大學電氣與計算機工程系John Cocke 杰出教授陳怡然發表了題為《大模型對硅谷教育的影響》的演講。

　　在人工智能迅猛發展的當下，大型語言模型（LLMs）正以前所未有的速度介入教育現場。杜克大學陳怡然教授在搜狐科技峰會的演講中，通過多個親身教學與科研實例，深入解析了大模型對教育結構性變革的推動力，特別是在計算機工程等技術學科中的應用潛力。

　　他指出，自ChatGPT面世以來，短短不到三年，大模型從只能生成模糊的行為描述，到可以自動完成Verilog硬件設計、理解狀態機圖乃至實現軟硬件一體化系統，能力呈指數級增長。這種多模態（Multi-modality）的演進，不僅在工程教育中解放了基礎重復勞動，更挑戰了傳統的教學目標與人才培養路徑。

　　陳怡然也同時提出問題：在大模型智力水平迅速逼近甚至超過人類工程師的當下，初級工程崗位逐漸被模型取代，大學教育若仍以“培養初級工程師”為目標，恐將失去現實立足點。未來的教育應如何轉型，是否要直接培養“能與AI協同工作”的高級人才？這成為高校必須面對的核心議題。

　　以下為演講全文：

　　大家好，我是杜克大學陳怡然，非常高興有這個機會接受搜狐科技峰會的邀請跟大家做分享。我今天分享的題目是“大模型對于教育的影響”。

　　大模型對于教育的影響一直是一個很有趣的問題。大家都知道，我們現在生活在一個大模型的時代。從2022年11月份開始，從Chat GPT 3.5發布到最近，也就大概兩年半左右的時間，我們經歷了很多代大模型的迭代，也有很多開源的大模型被release出來。這里是一些大家比較熟悉的大模型，包括最近像Deep Seek、Mini Max，在國內也都有比較大的影響力。

　　那么究竟大模型對于教育本身的影響是什么樣子呢？早在大模型一開始，實大家就對這個問題有過比較深入的討論。這是一篇2024年發表的文章，它探討了大模型對高等教育的影響，列舉了大概七個方向，比如說對創造力、解決問題能力的改進，對個性化學習的影響，包括效率的提高等等。有些方面效果很明顯，比如效率的提升幾乎是可以肯定的；但有些方面就比較有挑戰性，比如更好地去做設計、更好地去做練習，現在的AI還可能不能完全達到大家預期的效果。

　　但無論如何，大模型對于科研或教育的討論一直是熱門話題，這當然也是我們在杜克大學正在討論的一個重點。我這里給大家舉一個簡單的例子，實際上是我們課堂上的一個例子，用大模型來做硬件設計。

　　對于不熟悉的朋友，我簡單介紹一下這是什么意思。我們都知道，如果我們要設計一個芯片或一個硬件，不能真的用手來畫，因為規模太大了，我們需要一些工具來幫助我們自動化這個過程。

　　Verilog其實就是這樣一種編程語言，它可以描述硬件的行為，甚至是設計一些非常細節的東西，讓工具能夠提取信息，進而實現自動化設計。

　　下面這兩張圖是一個常見的操作——兩個矩陣相乘：A乘上B等于C。比如說，一個3×5的矩陣乘以一個3×3的矩陣，結果是一個4×5的矩陣。在這個過程中，你可以定義每一個點，比如說它是一個浮點運算、乘法、加法，例如A乘上B等于C，再加上一個D等等。這些操作我們通常用Verilog語言來描述并交給工具來設計。

　　2022年3月，我們就做了這樣的嘗試。那個時候雖然也是大模型，但現在看已經不算很大了。我們嘗試用這個模型，訓練它一些語言學、編程語言等相關知識，然后讓它去生成我們想要的設計代碼，比如說“A乘B等于C，再加上D”的這樣的設計。

　　當時的結果就是，它基本只能給出行為描述，不能生成具體的設計代碼。它告訴你，先定義3個參數，輸入是A和B，輸出是C，然后用浮點乘法來計算A乘以B，最后加上D等等，是一種很high-level的描述，不太可能直接用于真實的硬件設計。

　　大家記住這個時間點：2022年3月。一年之后，我們又做了一個實驗，這時候已經有了GPT-3.5。

　　這大家很熟悉了，這是一個劃時代的產品。我們再次讓它寫代碼，結果就好了很多。有注釋，有帶寬說明，比如32bit，浮點運算定義也更清晰。它定義了兩個輸入A和B，也設定了輸出C的寬度，整個代碼看起來就已經很像樣了。它描述了矩陣相乘的過程，把每一個元素拿出來做1×1的加法，最后得到結果。整個過程是比較詳細的。

　　但這還不能用于真實的硬件設計，它只是一個詳細的操作層面上的語言描述。

　　同年，也就是2023年，我們又嘗試了一次，這時候GPT-4發布了。我們再讓它寫一次代碼，發現它變得更加詳細了。它加入了四個參數，帶寬是32bit，還有時鐘信息，用于同步設計；還有RESET信號，就是重置信號，如果算錯了，可以歸零等等。它還有for loop的結構，針對每一個元素通過index做循環。設計語言的選擇也更合理了。

　　這些變化僅僅發生在一年零八個月的時間內。現在它還能做什么呢？

　　如果你能把你想要做的事情畫成圖，我們稱之為“狀態機”（state machine），它可以讀懂這個圖，然后用硬件語言來描述它，實現出來。

　　比如左邊是一張狀態機圖，它就可以理解你這個時鐘是怎樣的、RESET信號如何觸發，從一個信號到另一個信號的轉換，然后把整個過程寫出來。這就非常厲害了，因為它可以在一個時鐘域、時間域上完成表達，實現從一個狀態到另一個狀態的動態設計。

　　這種能力的學名叫“Multi-modality”，也就是多模態理解。從前只有人能讀這些設計圖，現在大模型也能讀懂，這是一個非常厲害的創新。

　　最近有一篇文章，我引用的是港科大李墨（音）老師的文章，說可以用大模型設計整個硬件系統。什么意思呢？比如說你有一些醫療數據設備、傳感器，然后告訴模型你要讀哪種數據、怎么處理，再怎么把它寫入硬件平臺，最后得到結果，整套系統現在都可以嘗試用大模型去實現。

　　這就非常厲害了。也就是說，如果老板告訴你要干什么事，只要用普通語言把任務說清楚，模型就能分解成多個子任務，再用通用大模型逐步實現，最后產出一個完整的軟硬件結合系統。

　　那以后做項目就很容易了——老板描述清楚，模型自動生成方案并實現它。

　　2024年4月19號，有人發表了一篇文章，在Maxim Choose上面講說，現在的大模型在智商測試中的表現，2024年時平均智商還在90-100之間，到了2025年，很多大模型的智商已經突破了130、140。這個水平在人群中大概是前5%、2%、甚至1%的人群。

　　這就很厲害了，這意味著我們人可能都不需要參與了，只要靠大模型就能把事情做得更好。而且它是多才多藝的，只要你能把任務說清楚，它什么都能做。

　　這是我最后一張Slide，我要講的是，大模型在計算機教育中扮演的角色越來越重要，而且發展速度非常快。

　　我們人類用了大概300萬年才發展到現在的智力水平，現在的大模型幾個月就從IQ 80飆升到130了，未來還會繼續提升。這對教育意味著什么？我們現在還不知道。

　　現在初級計算機工程師的工作已經變得非常容易，模型基本上都能做。也就是說，我們可能只需要非常資深的工程師與AI協作工作。

　　但問題是，如果我們不培養初級工程師，那將來哪來的資深工程師？大學原來培養的是初級工程師，通過工作再逐步成長為資深工程師。現在我們發現，原來想做的事AI都能做，那我們是否應該直接培養資深人才？還是改換思路？

　　這對高等教育是一個巨大的挑戰。我們如何迎接這個挑戰，如何應對變革，是未來5到10年教育界必須思考和解決的問題。

　　我今天就講這么多，謝謝大家，希望未來還有機會繼續交流。