在 ChatGPT 让许多人感到意外的四年后，高等教育的主要角色似乎是在减缓公众向人工智能时代的过渡。对于许多教师来说，这是一个胜利。对于那些关注未来的人来说，这是自维多利亚邮局以来最大的制度性失败，维多利亚邮局垄断了电报线， dismiss 电话因为它拥有大量信使男孩。 adoption 的速度如此缓慢，以至于到了 1970 年代还有家庭电话线路的等待名单。1 幸运的是，人工智能的前沿发展几乎完全绕过了高等教育，因此大学无法减缓这些模型的发展。但高等教育也是一种垄断。没有其他地方给予大学学位。我四处看看，除了全国范围内少数分散的教师声音（在过去一年中与我同台演讲的人），高等教育显然决定了按部就班，争论体育和人类学，担心联邦接管，而真正的风险则是技术竞争。一些事实：2025 年发布的 90% 以上显著 AI 模型来自行业：GPT-5、Gemini 3、Claude Opus 4.5、Grok 4、Llama 4、DeepSeek-V3.2、Qwen 3、Kimi K2。支撑前沿开发的基础设施也是来自行业。自 2022 年以来，全球 AI 计算能力以每年 3.3 倍的速度增长，每七个月翻一番，其推动力是超大规模的计算中心和巨额的数据中心投资。一些大学也开始进入计算领域。十所纽约大学花了两年和 3.4 亿美元，才获得约 400 个 GPU。在 2024 年，位于孟菲斯的 xAI 在 122 天内搭建了 100,000 个 GPU。在过去两年中，德克萨斯州阿比林的一个地点达到了 500,000 个 GPU。2 即使在中国，DeepSeek、阿里巴巴、字节跳动、Moonshot 和其他模型开发者也在大学之外工作。中国大学可能在研究和人才生产上超过美国大学，因为它们的使命与国家目标一致。尽管美国仍然生成更多显著模型和高影响专利，但中国在 AI 发表数量、引用次数和专利产出方面处于领先地位。胡佛研究所对出现在 DeepSeek 基础论文上的 356 名研究人员的分析发现，已知归属的 53.5% 的研究人员在中国机构工作了其整个记录的职业生涯。那些在国外度过部分职业生涯的 DeepSeek 研究人员中，超过 70% 最终回到了中国。大学显然是中国创建国内前沿研究工作队的一部分。我已公开宣称自己是高等教育中人工智能的支持者。作为一名文学学者，我看到 LLM 正在我们眼前改变语言。作为一名前管理者，我看到人工智能将如何改变高等教育商业模型中的一切，从课程、学习节奏、研究、教学，到评估。高等教育的新闻仍然集中在对言论和 DEI 的过去斗争上，令人震惊。似乎只有那些焦虑的教师和计算机科学学生在关注人工智能的前沿。我前几天与一位精通人工智能的教务长朋友交谈。为了在联邦科学资金变化中保持灯火通明的斗争，使她无法做出所希望的体制性改变。我理解。大学对人工智能前沿发展的速度没有影响。由于过于痴迷于课程斗争和观点多样性，大学在某种程度上不仅没法拥有发言权，甚至连声音都没有。像 Penn 的 Ethan Mollick、GMU 的 Tyler Cowen、UMass Lowell 的 Scott Latham、Pitt 的 Mike Madison 这样的少数来自大学的国家声音是否改变了他们自己的机构尚不清楚。Penn 无疑在其同龄人中领先，在整个课程中发起关于人工智能的学位和对话。在过去一年中，我与 Penn 的 AI 领导者们在技术、创新与竞争中心和 Paideia 计划的多个场合共享了舞台，包括在韩国举行的重要 AI 会议。因此，大学内部的个别声音有可能产生影响。与此同时，人工智能技术发展迅速。对更开放模型的新推动将使大学在新知识发展中变得更加不重要。越来越多的公司正在使用开源 AI 模型：根据麦肯锡对 700 多名全球技术领导者的调查，63% 的组织在生产中运行开放模型，72% 位于科技公司内部。这些数字只会增加。大学可能会向他们的学生和员工提供更便宜、更可定制、可以本地部署并独立的弱模型。员工将使用开源模型进行合规和大学业务，但那些具有前瞻性思维的研究生、教师和工作人员将会在家中下班后登录他们的前沿模型。学术 AI 发表的文章的重要性将降低。描述适度基准改进的会议论文将减少，尽管重要的突破仍然会引起关注，比如伯克利的 vLLM PagedAtt。