中新社北京七月三十日电（记者阮煜琳）中国电力企业联合会于三十日在北京发布《2026年上半年全国电力供需形势分析预测报告》，据该报告预估，至2026年岁末，全国发电装机总容量有望逼近43亿千瓦的水平。

报告指出，上半年全国各地电力系统运行平稳有序，电力供应与需求维持总体均衡态势。数据显示，全国统调口径的最高用电负荷达到14.3亿千瓦，较去年同期攀升9.3%。特别是在五月期间，南方地区的电力供需形势略显紧张，南方电网的负荷在五月下旬屡次刷新历史纪录，峰值一度触及2.75亿千瓦；而到了六月，受全国多数区域气温较上年同期偏低的影响，城乡居民用电量出现下滑，电力供需关系在阶段内展现出宽松迹象。

展望下半年，报告分析认为，国内宏观经济将持续沿循向新、向优的演进方向，高技术制造业、数字产品制造业以及新型基础设施建设的加速推进，预计将进一步驱动电力消费增长。然而，不容忽视的是，国际局势的错综复杂、世界经济增速的总体放缓，加之强厄尔尼诺现象发生概率的逐步抬升，均为电力消费前景增添了诸多变数。综合多重因素研判，该报告预测，下半年全国全社会用电量将实现5%至6%的同比增长。

中新社杭州7月15日电（曹丹）浙江大学信息与电子工程学院科研团队于15日揭晓了一项名为“求是引擎”的科学发现系统，这标志着中国首款具备千步级长程科研推理能力的人工智能平台问世，其能够自主筹划并持续推进完整科研流程，为前沿学术探索注入全新技术动力。

传统上，现有的大模型科研系统往往扮演辅助性角色，侧重文献检索、程序编写等单一环节。然而，“求是引擎”的独特之处在于其“长程自主科研能力”这一核心突破：使用者仅需提供一个研究方向或目标，系统即可模仿科研人员的思维路径，逐步拆解复杂科学议题，在反复试错、调整与验证中不断深化研究，从而完成上千步的推理链条。

据悉，“求是引擎”依托多智能体协同架构，内置研究规划、方法设计、任务执行、结果解读与风险评估等多个功能模块，其运作模式与真实科研团队的协作流程高度契合。在一次实际光学实验平台测试中，科研人员仅设定一个开放性的研究目标，该引擎便连续自主运行十余小时，涵盖文献综述、理论推导、实验方案拟定、代码开发、数据解析及结论研判等环节。尽管过程中经历多轮失败与修正，系统最终仍产出了多项创新性研究成果；若由人类科研人员独立完成同等工作量，通常需耗费数周乃至数月之久。

“求是引擎”的研发者、浙江大学信息与电子工程学院研究员杨怡豪指出：“这一系统超越了传统科研辅助工具的定位，演变为一种全新的自主研究平台。”与此同时，中国工程院院士、人工智能领域权威潘云鹤强调，全球科技竞赛的焦点正从“大模型性能之争”转向“运用大模型高效破解现实复杂问题”，而科学研究无疑是这一转型中的关键领域之一。

近期，多家学术期刊陆续宣布推行或提倡论文独立署名制度，这一动向在学术界引发了广泛而热烈的讨论。支持者认为，此类举措有助于遏制“挂名作者”“人情署名”等长期困扰科研诚信的乱象；反对者则表达了忧虑，担心这种“一刀切”的硬性规定有可能干扰正当的科研协作，并给博士生的培养过程以及青年学者的职业成长带来更大阻力。

从表面上看，这似乎只是一场关乎论文署名形式的专业探讨，但实质上，它触及了科研评价机制、人才培育模式、学术伦理规范以及整个学术生态系统等深层次问题。我们真正需要反思的，或许并非“谁有资格署名”这一表面问题，而是署名现象背后所折射出的价值导向——究竟应当构建一种怎样的科研评价体系，才能更加科学、公正地衡量学术贡献？

论文署名所承载的，早已超越了单纯的学术荣誉范畴，它与项目申报、职称晋升、人才选拔、博士毕业条件以及高校绩效评估等现实利益紧密相连。一篇高质量的论文，往往能够左右一名博士能否顺利获得学位、一位青年教师能否成功留校任教，甚至决定一位科研人员能否争取到更多的研究资源。正因如此，署名这一行为早已不再是纯粹的学术贡献记录，而演变为与个人前途命运息息相关的“关键凭证”。

正是因为署名与利益之间形成了高度绑定关系，原本应当忠实反映学术贡献的署名机制，逐渐沦为利益分配的博弈工具。于是，挂名作者、馈赠署名、影子作者等种种学术失范行为便应运而生。有些人并未做出实质性贡献，却堂而皇之地占据作者席位；另一些人则付出了大量艰辛劳动，却未能获得应有的署名认可。这种乱象不仅严重损害了科研活动的公平公正，也极大地削弱了学术共同体在公众心目中的公信力。

在此背景下，对论文署名进行规范整顿、维护科研诚信，无疑具有积极的现实意义。然而，我们也不能矫枉过正，简单地将联合署名与学术不端划上等号。现代科学研究的开展，正日益呈现出团队协作、学科交叉和技术深度融合的鲜明特征。尤其是在人工智能、大数据等新兴技术迅猛发展的今天，即便是传统的人文社会科学研究，也愈发离不开多学科视角的共同参与。从理论框架的搭建、实验数据的采集分析，到专业技术的支撑保障，不同成员各司其职、各展所长，合作攻关已然成为当下知识创新的一种核心模式。

与此同时，导师与学生之间的科研合作，同样是高层次人才培养链条中不可或缺的关键环节。导师不仅承担着学术方向引领与知识传授的职责，更重要的是，他们通过具体科研项目的共同参与，帮助学生逐步构建独立研究能力、熟悉学术行为规范，并最终融入学术共同体。对于这类确有实质贡献的合作研究而言，联合署名不仅合理合法，更是尊重科学研究客观规律的应有之义。

因此，我们真正需要治理的对象，并非联合署名这一形式本身，而是脱离实际贡献的虚假署名；我们需要反对的也并非合作研究，而是被“利益绑架”所扭曲的合作关系。这场关于署名的论争，其本质上是“破四唯”改革进程中不可回避的核心议题。事实上，当前围绕署名问题所衍生的诸多矛盾冲突，其根源并不在于署名制度自身的设计缺陷，而在更深层次的科研评价导向。

近年来，国家层面持续深化科技评价体系改革，明确提出了“破四唯”的指导方针。这一改革的核心要义，并非否定论文的价值，而是坚决反对将论文数量、署名排序等单一量化指标奉为衡量科研水平的唯一标尺，力图引导评价体系真正回归到对创新质量、实际贡献及社会价值的综合考量上来。倘若评价体系未能实现根本性转变，即便在形式上全面推行单独署名制度，也难以避免催生出新型的形式主义问题。今天取消了联合署名，明天便可能出现其他形式的利益交换与替代方式。唯有将“四唯”的根基彻底破除，才能从源头上弱化围绕论文署名展开的利益博弈，从而使科学研究回归到探索真理、服务社会的初心与本位。

展望未来，一个更加科学合理的署名机制，应当始终坚持以实际贡献为准绳，而非单纯追求排名次序。目前，国际上许多权威期刊已经开始推行作者贡献声明制度，要求每位署名作者明确列出其在研究设计、实验执行、数据分析、论文撰写、项目管理等环节中所承担的具体工作。这样一来，署名便不再只是一个简单的排序标签，而是承载了明确的责任归属和事实依据。相较于简单地规定“单署”还是“合署”，此种机制显然更能真实、客观地还原每位作者的科研贡献，也更有利于从制度层面杜绝挂名等不良现象。

与此同时，我们还需着力构建一套更加科学多元的科研评价体系。在评价科研人员时，既要审视其论文成果，也应综合考量其原创性思想、科技创新能力、人才培养成效、社会服务贡献以及成果转化应用等多维度表现；既要重视标志性成果的引领作用，又要充分尊重不同学科在知识生产方式上的固有差异。对于文史哲这类以学者独立钻研为主要工作方式的学科，评价导向可以更加侧重于原创思想的深度与厚度；而对于人工智能、工程技术、生物医学等以团队合作、协同创新为显著特征的领域，则理应充分认可集体贡献的价值，避免运用整齐划一的标尺去衡量所有学科门类。

更为关键的是，评价的重心应当切实落脚于“解决了哪些实际问题、创造了何种社会价值、培育了怎样的优秀人才”之上。只有当高质量创新真正成为评价体系的核心导向，而非论文发表数量或署名顺序的简单比拼，才能有效缓解青年学者与博士生群体中长期弥漫的“论文焦虑”，也才能从根源上遏制挂名、争抢署名等学术乱象的滋生蔓延。

论文署名，犹如一面镜子，映射出整个科研生态的健康状况。它既关乎学术伦理的底线坚守，也关系到人才梯队的接续培养；既展现了科研协作的基本模式，也折射出评价制度运行的深层逻辑。归根结底，今日所争论的“署名权归属”，其焦点并非那一个个名字本身，而是与名字紧密捆绑的权益分配规则。一个真正健康、充满活力的学术生态，应当确保每一位作出真实贡献的科研工作者都能获得应有的尊重与认可，让开放合作、协同创新的精神得到充分的鼓励与弘扬，让学术诚信在完善的制度保障下蔚然成风。 （作者系中国教育发展战略学会副会长，清华大学兼职教授）

生成式人工智能正以空前之势重塑全球高等教育的版图。从学生撰写论文，到教师设计课程，再到高校教务管理，这一颠覆性技术已深入渗透到教育链条的每一个细微环节。它在显著提升效率的同时，也带来了一系列不容回避的隐忧——学术诚信的边界被模糊，数据安全的防线遭到挑战，伦理责任的归属变得扑朔迷离。面对这样一把利弊交织的“双刃剑”，如何在释放技术赋能潜力的同时构筑有效的风险防控屏障，从而探索出一条契合人工智能时代需求的高校治理新路，已然成为全球高等教育界共同面对且亟需破解的时代课题。

价值航向：从“严防死守”到“价值驱动”

生成式人工智能向高等教育腹地的持续挺进，绝非仅仅是引入了一件效率工具，它更深层地触发了对教育内在价值与未来人才塑造目标的根本性省思。纵观全球各大高校的治理实践，大致可梳理出三种鲜明立场：严令禁用、有界开放，以及将技术深度内嵌于教育肌理。这三种取向，既是技术扩散在不同发展阶段所留下的现实印记，也深刻折射出高校在恪守教育传统与拥抱技术变革之间所面临的价值抉择与张力。

在生成式人工智能崭露头角的初始阶段，一批高校和教育管理机构不约而同地选择了审慎防御的姿态，对其使用施加严格限制。这种策略的核心，在于防范新兴技术对既有教育秩序造成强烈冲击。教育界普遍弥漫着一种忧虑：学生若过度依赖智能工具，其独立思辨和创新创造等核心素养恐将日渐式微。与此同时，根深蒂固的学术诚信规范，也使得高校在面对这种可能部分替代人类认知劳动的技术时，本能地倾向于保守应对。美国纽约市教育局早期的做法便是典型注脚，其在2023年初以可能损害学习成效为由，明令禁止在校园网络和设备上使用ChatGPT。尽管该禁令因技术应用的势不可挡而在数月后取消，但这种审慎的防范姿态，却生动反映了传统教育模式在技术风暴初期的应激反应。

伴随技术能力的持续跃升及其在教育场景中的广泛落地，越来越多的高校正逐步意识到，简单粗暴的一禁了之既难以落实，也违背时代发展的必然趋势。因此，治理立场开始向“有条件开放”转向。治理的重心也从“是否允许”转变为“如何规范”，普遍路径是发布详尽的使用指南，为师生提供清晰的行动框架。以英国牛津大学为例，该校于2024年发布的使用指引，明确区分了可允许与严禁使用的具体场景：它支持学生运用智能工具来提升学习技能和辅助课程理解，同时掷地有声地强调，人工智能绝不能替代人的批判性思考，更不能取代建立在证据之上的学术论证和学科知识建构。这种以规范引导为核心的治理模式，在坚守学术底线与为技术创新预留探索空间之间，努力寻求一种动态平衡。

在此基础上，一些更具前瞻性的高校已超越单纯的风险应对逻辑，转向以教育赋能为导向的积极立场，将生成式人工智能视为撬动教育范式深层变革的战略杠杆。它们通过周密的制度设计与充裕的资源投入，主动推进该技术与教学、科研及行政管理的全方位融合。2024年，美国亚利桑那州立大学开创先河，成为全球首个与OpenAI建立深度合作伙伴关系的高校，在课堂教学、科研辅助和行政流程中系统引入智能工具，大胆探索人机协同的新型教育模式。这一重大转向，揭示了高校治理逻辑的内在演化——从“使技术适应既有教育框架”到“让教育因技术而实现跨越式发展”。当生成式人工智能被纳入制度化轨道并与教育目标同频共振时，其价值便不再局限于效率的提升，更在于对教育范式本身的重塑与再造。

规则建构：多层规范体系划清应用行为疆界

在“有界开放”与“教育赋能”这两种主流治理取向之下，负责任地使用技术是所有实践的共同前提，这必须依赖具体、可操作的行为准则来落实。总体观之，全球高校正围绕学术诚信、数据安全与责任归属等关键领域，逐步编织起一套系统化的规则网络，将宏观的治理理念细化为师生可以遵循、可以问责的具体规范，从而为技术的应用划定清晰而明确的边界。

学术诚信，无疑是高校在治理浪潮中面临的最为核心议题。由生成式人工智能辅助产出的成果，其原创性归属饱受争议。为此，国际高校普遍从三个维度着手调整学术规范：其一，扩充对学术不端的定义，将“未经明确授权的AI使用”明确纳入作弊或剽窃的范畴；其二，在具体教学情境中细化使用边界，清晰区分允许与禁止的环节，例如允许将AI用于资料收集整理等辅助性工作，而在核心观点形成和最终内容创作等关键环节则严格禁止；其三，建立强制性的披露机制，要求学生在提交成果时，必须如实说明所用AI工具的名称、应用的环节以及生成内容的占比，将过程透明作为合规的基本前提。值得注意的是，在检测手段的应用上，国际高校普遍表现出审慎态度。当前市面上主流的AI检测工具误报率依然偏高，对非母语写作者尤为不公，且潜藏着数据泄露风险。因此，包括麻省理工学院在内的众多顶尖学府，并不主张将技术检测结果作为唯一的裁决依据，而是倡导结合人工专业判断进行综合评估。

数据安全，是高校治理中带有刚性约束的领域。用户输入生成式人工智能的信息，可能被用作模型训练的数据来源，这对学生个人隐私和高校敏感科研数据构成了现实威胁。为此，国际高校大多建立了明确的数据安全规范，明令禁止将个人隐私、敏感信息以及高校自有数据上传至未经安全认证的AI平台，同时积极鼓励师生优先选用学校官方采购或认证的安全工具。在具体的风险防控实践中，数据分级管理被证明是一条行之有效的经验。哈佛大学便是一个案例，该校将数据划分为从完全公开到高度敏感的五个层级，并严令禁止将属于机密级别的数据输入公共智能模型。与此同时，为了在安全与效率之间取得平衡，杜克大学等高校积极推动校园专属大模型的研发与部署，引导师生使用经由学校授权、更具安全保障的企业版或私有化工具。这种“堵疏结合”的治理策略表明，数据安全治理绝非单纯的消极设限，而是通过制度化的安排，为技术在可控的边界内释放活力。

此外，基于生成式人工智能的人机共创模式，使得内容生产的责任归属问题变得空前复杂，这要求高校必须在制度层面给出清晰界定。在此问题上，全球高校正逐步凝聚起几项共识：第一，必须明确AI生成内容可能存在的偏见与谬误，使用者有义务进行严格核查，并对最终产出负全部责任；第二，严禁将人工智能系统列为论文或成果的作者，以维护人类在学术活动中的绝对主体地位。这一规则背后的深层逻辑不言而喻：生成式人工智能可以作为强大的辅助工具提升效率，但绝不能僭越人类的判断力，更不能转移本应由人类承担的学术与伦理责任。

能力锻造：赋能生成式人工智能的有效应用

仅依赖规则约束与事后追责，显然难以从容应对生成式人工智能持续迭代所引发的复杂挑战。全球高校正日益深刻地认识到，治理的重心应当从设定行为规范，进一步拓展至深层次的能力建设。通过系统性的素养培育与资源支持，让师生真正具备深刻理解并娴熟驾驭人工智能的能力，才能真正实现技术对教育的赋能愿景。早在2019年，联合国教科文组织发布的《北京共识——人工智能与教育》便前瞻性地提出，应“采取体制化的行动，提高社会各个层面所需的基本人工智能素养”。

生成式人工智能素养，绝非等同于单纯的技术操作技能。国际研究普遍将这种素养划分为层层递进的多个维度：从最基础的技术认知与功能理解，到熟练的工具运用与任务整合，再到对AI生成内容的批判性审视与创造性再加工，直至能够在复杂多变的现实情境中做出独立的伦理判断与负责任的行为决策。这种素养观的核心，在于让技术“为我所用”而非被其牵引或奴役。在这一全新框架下，人工智能时代高校人才培养的重点，已不再局限于知识传授与技能训练，而是更加侧重于基于AI环境的批判性思维、高阶学术探究能力和创新意识的养成，以更好地适应知识生产方式与职业图景的剧烈变革。

在学生赋能层面，《北京共识》建议运用人工智能“促进学习和学习评价”。围绕这一目标，国内外高校正从课程体系重构与学习方式转型两个方向同时发力。在课程建设上，一条路径是将生成式人工智能有机嵌入专业教学之中。例如，新加坡国立大学将AI编程辅助工具引入计算机专业课程，在夯实学科理论根基的同时，帮助学生积累人机协同开发的前沿经验，从而更好地适应被AI深刻重塑的产业环境。另一条路径是开设面向全体学生的人工智能通识课程。南京大学便是先行者，该校推出了体系化的本科生AI通识课程，将技术原理、伦理规范与行业前沿应用融为一体，助力学生构建紧跟时代的知识体系。此外，一批高校还在探索将AI融入学习评价环节，通过过程性评估与个性化反馈，有效提升学生的自主学习效能。

在教师赋能方面，《北京共识》着重强调要运用人工智能“赋能教学和教师”。为此，国内外高校正积极构建系统化的支持体系：其一，提供定制化的培训项目与丰富资源，帮助教师掌握智能工具在教学场景中的应用方法，如墨尔本大学推出的“AI for Teaching and Education”系列资源，为教师提供了紧跟时代步伐的教学支持；其二，开发轻量级、易于上手的自助工具与平台，降低技术应用门槛，斯坦福大学、复旦大学等高校创建的人工智能共创平台，都为教师提供了简便的探究与实验空间；其三，设立专项研究基金与激励计划，鼓励教师开展基于AI的教学改革与科研创新，例如卡内基梅隆大学的“生成式人工智能教学研究计划”以及中国人民大学的“AI赋能科研创新应用”资助项目。这些举措从素养提升、工具保障到制度激励等多个维度协同并进，切实有效地提升了教师在智能化教学环境中的创新实践能力与内在驱动力。

全球高校对生成式人工智能的治理探索，正逐渐超越单一层面的技术风险防控，迈向一场关乎价值重塑、规则建构与能力培育的系统性变革。面向充满机遇与挑战的未来，我们应当继续坚守以人为本的根本原则，以更加开放、审慎和智慧的姿态，推动人工智能与高等教育的深度融合，在汹涌澎湃的技术浪潮中牢牢把握教育变革的主导权，从而培养出真正能够适应并引领未来时代发展的高素质人才。