直播回顾｜走进WashU工程学院课堂：三节迷你课程探索AI时代工科创新方向

2026年6月，圣路易斯华盛顿大学（Washington University in St. Louis, WashU）麦凯尔维工程学院（McKelvey School of Engineering）顶尖学者与行业CTO从商业变革、算法迭代、机器人设计、先进材料及多物理场仿真等多个维度，为同学们深度剖析了 AI 时代传统工科的数字化跃迁，并揭示了未来5-10年工程学科毕业生的全球核心竞争力。

关于圣路易斯华盛顿大学麦凯尔维工程学院

圣路易斯华盛顿大学（WashU）麦凯尔维工程学院在AI、机器人与系统科学领域构建了全球顶尖的科研与教学体系。

本次宣讲会由计算机科学与工程系（CSE）与电子与系统工程系（ESE）核心教授及招生官全程参与，为申请者全面拆解专业选择、学术指标及在美就业前景。 

Day 1｜McKelvey工程学院迷你课程回顾

课程一：理解颠覆性技术如何改变商业世界

首场课程由 Dan Sherman教授 主讲。

作为拥有多年企业信息化实践经验的行业专家，Dan Sherman教授结合其在McKelvey工程学院课程《新兴与颠覆性技术》（Emerging and Disruptive Technologies）中的教学内容，介绍了企业如何评估、接受和应用新兴技术。

课程重点解析了三个影响技术发展的理论模型。

1. 创新扩散定律（Law of Diffusion of Innovation）

创新扩散理论指出，一项新技术的发展通常会经历不同用户群体的接受过程：

• 创新者（Innovators）

• 早期采用者（Early Adopters）

• 早期大众（Early Majority）

• 后期大众（Late Majority）

• 落后者（Laggards）

技术能否获得广泛应用，很大程度取决于如何吸引最早接受创新的关键用户群体。

2. 跨越鸿沟理论（Crossing the Chasm）

课程介绍了杰弗里·摩尔（Geoffrey Moore）提出的“跨越鸿沟”理论。

该理论认为，新技术从早期用户进入大众市场时，往往需要突破早期采用者与早期大众之间的市场鸿沟。

只有成功完成市场接受度转变，技术才可能实现规模化发展。

3. 前景理论（Prospect Theory）

课程还介绍了诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahneman）的前景理论。

该理论强调，在商业决策过程中，创新价值需要足够明显地超过潜在风险，企业和用户才更可能接受新技术。

课程二：AI赋能机械工程与材料科学研究

随后课程聚焦于机械工程与材料科学领域中的人工智能应用。

教授介绍了McKelvey工程学院相关研究如何将AI、机器学习（Machine Learning）以及机器人技术融入传统工程科研。

生物力学（Biomechanics）

研究案例包括：

• 利用AI自动分析复杂脑部医学影像，辅助识别健康与异常组织之间的物理差异；

• 利用机器学习建立人体心脏三维模型，提高动力学模拟效率，实现更快速的预测分析。

材料科学（Materials Science）

课程展示了AI在先进材料研究中的应用：

• 利用算法优化电子显微镜（Scanning Electron Microscope, SEM；Transmission Electron Microscope, TEM）成像效果；

• 通过机器学习辅助材料分类与设计，探索具有特定性能的新型纳米材料。

热能与微流体（Thermal & Fluid Science）

在电池、电解质等多孔介质研究中，机器学习被用于辅助复杂流体模型建立。

通过AI辅助建模，研究人员能够提升传统物理仿真的计算效率，加快科研过程。

航空航天（Aerospace）

课程介绍了人工智能在航空航天设计中的应用。

例如，通过物理信息神经网络（Physics-Informed Neural Networks, PINNs），研究人员可以结合物理规律与AI模型，提高空气动力学预测效率。

课程三：机器人设计——从理论学习到真实工程实践

课程重点介绍了McKelvey工程学院机器人设计（Robot Design）相关教学内容。

在项目学习过程中，学生需要：

• 根据实际预算进行零部件选择；

• 完成机器人系统设计与组装；

• 编写控制算法；

• 优化系统运行效率。

最终，学生需要完成能够自主运行并满足工程指标要求的机器人系统。

该课程强调将工程理论、硬件设计以及人工智能算法结合，培养学生解决实际工程问题的能力。

教授Q&A：AI时代工程学生如何提升竞争力？

Q1：McKelvey工程学院如何评估申请者的AI能力？

教授表示，学院不会将AI编程能力或大模型开发经验作为唯一筛选标准。

学生只要满足基础入学要求，学院提供的课程体系能够帮助学生逐步建立人工智能相关能力。

Q2：没有技术背景，如何在AI时代取得成功？

教授分享，即使自己拥有CTO经历，也强调战略思维（Strategic Thinking）和持续学习能力的重要性。

在AI时代，关键不仅是掌握编码技能，更重要的是理解如何利用AI工具解决真实问题。

Q3：McKelvey工程学院内部跨学科合作是否便利？

教授表示，学院内部跨学科合作非常紧密。

学生可以与电子与系统工程（Electrical & Systems Engineering, ESE）、生物医学工程（Biomedical Engineering, BME）以及计算机科学（Computer Science, CS）等方向开展交流合作。

同时，在满足先修课程要求后，学生可以通过学校系统进行课程选择。

Q4：学院如何帮助国际学生积累美国职业竞争力？

教授介绍，学校会通过职业发展活动，包括招聘会（Career Fair）等方式帮助学生了解就业机会。

此外，工程学院课堂中也有来自企业的工程师参与学习交流，学生能够通过课程合作建立行业联系。

Q5：未来5-10年，工程学生最需要培养什么能力？

教授认为，未来优秀工程人才需要结合：

• 扎实的传统工程基础；

• AI工具应用能力；

• 批判性思维（Critical Thinking）。

AI能够提升计算和分析效率，但工程师仍需要理解物理规律，并判断AI生成结果是否符合实际、安全且可应用。