“人工智能不仅是工具，更是教育变革的催化剂。”在2025世界数字教育大会闭幕式上，宇树科技创始人王兴兴这样说道。这一观点与我目前正在从事的“人工智能+能源转型”方面的研究存在不少相似之处。

　　AI驱动的跨学科教育创新。以我的研究为例，在构建区域电网低碳优化模型时，通过AI算法深度强化学习，模拟不同能源结构的动态响应，并通过数字孪生技术验证模型可靠性。能源转型研究需同时掌握电气工程、经济学与AI算法，而STEM教育强调的跨学科能力正是此类研究的基石。

　　澳门大学校长宋永华在大会中强调，在人工智能时代，大学面临的“全人教育”任务更重，应重点培养学生的独立思考、批判性思维、理性判断、家国情怀、社会责任感等广义的EQ能力，这样才能驾驭人工智能，更好服务人类社会进步。这样的能力在能源研究中也尤为关键。如今，在能源系统建模过程中引入AI技术能显著提升模型的预测进度，但也可能使研究者过度依赖算法“黑箱”。针对这一困境，我们在研究中发展出“人机协同验证”的应对策略：将AI生成的电网优化方案与传统经济学模型进行交叉验证，通过双重校验规避潜在的算法偏见。同时，通过参与AI伦理研讨课程，不断强化对技术边界和伦理风险的认知，保持研究者的独立判断能力。我深刻意识到，能源转型不仅是技术迭代，更需要研究者建立技术工具与人文思考的双重认知，如此才能在AI时代保持创新的韧性。

　　最后是关于AI伦理与教育公平的全球性议题。在能源领域，我们正面临着一个突出的全球性矛盾：发展中国家在低碳技术推广中常面临数字鸿沟与技术依赖的问题。我在研究非洲分布式电网太阳能系统优化时发现，AI算法若仅基于发达国家数据训练，可能忽视当地的本土化需求，从而导致技术“水土不服”。这促使我在研究中更注重数据采集的包容性，在技术开发中优先考虑方案的适应性，并尝试与国际高校合作开发轻量化AI工具，降低技术门槛，积极呼应大会倡导的教育公平理念。

　　“人工智能+”的发展应成为一场造福全人类的科技革命。作为能源领域的研究者，我既受益于STEM教育中的AI方法论训练，也需在实践中回应大会提出的伦理关切与公平诉求。未来，我将进一步探索如何将中国在数字教育平台建设中的开放经验与欧洲的技术研发优势结合，推动能源AI模型的全球化协作。（作者系英国帝国理工校学生会国际事务主官、全英中国学生学者联谊会组织部部长）