直播回顧｜走進WashU工程學院課堂：三節迷你課程探索AI時代工科創新方向

2026年6月，聖路易斯華盛頓大學（Washington University in St. Louis, WashU）麥凱爾維工程學院（McKelvey School of Engineering）頂尖學者與行業CTO從商業變革、演算法迭代、機器人設計、先進材料及多物理場模擬等多個維度，為同學們深度剖析了 AI 時代傳統工科的數字化躍遷，並揭示了未來5-10年工程學科畢業生的全球核心競爭力。 

關於聖路易斯華盛頓大學麥凱爾維工程學院

聖路易斯華盛頓大學（WashU）麥凱爾維工程學院在AI、機器人與系統科學領域構建了全球頂尖的科研與教學體系。

本次宣講會由電腦科學與工程系（CSE）與電子與系統工程系（ESE）核心教授及招生官全程參與，為申請者全面拆解專業選擇、學術指標及在美就業前景。 

Day 1｜McKelvey工程學院迷你課程回顧

課程一：理解顛覆性技術如何改變商業世界

首場課程由 Dan Sherman教授 主講。

作為擁有多年企業資訊化實踐經驗的行業專家，Dan Sherman教授結合其在McKelvey工程學院課程《新興與顛覆性技術》（Emerging and Disruptive Technologies）中的教學內容，介紹了企業如何評估、接受和應用新興技術。

課程重點解析了三個影響技術發展的理論模型。

1. 創新擴散定律（Law of Diffusion of Innovation）

創新擴散理論指出，一項新技術的發展通常會經歷不同使用者群體的接受過程：

• 創新者（Innovators）

• 早期採用者（Early Adopters）

• 早期大眾（Early Majority）

• 後期大眾（Late Majority）

• 落後者（Laggards）

技術能否獲得廣泛應用，很大程度取決於如何吸引最早接受創新的關鍵使用者群體。

2. 跨越鴻溝理論（Crossing the Chasm）

課程介紹了傑弗裡·摩爾（Geoffrey Moore）提出的“跨越鴻溝”理論。

該理論認為，新技術從早期使用者進入大眾市場時，往往需要突破早期採用者與早期大眾之間的市場鴻溝。

只有成功完成市場接受度轉變，技術才可能實現規模化發展。

3. 前景理論（Prospect Theory）

課程還介紹了諾貝爾經濟學獎得主丹尼爾·卡尼曼（Daniel Kahneman）的前景理論。

該理論強調，在商業決策過程中，創新價值需要足夠明顯地超過潛在風險，企業和使用者才更可能接受新技術。

課程二：AI賦能機械工程與材料科學研究

隨後課程聚焦於機械工程與材料科學領域中的人工智慧應用。

教授介紹了McKelvey工程學院相關研究如何將AI、機器學習（Machine Learning）以及機器人技術融入傳統工程科研。

生物力學（Biomechanics）

研究案例包括：

• 利用AI自動分析複雜腦部醫學影像，輔助識別健康與異常組織之間的物理差異；

• 利用機器學習建立人體心臟三維模型，提高動力學模擬效率，實現更快速的預測分析。

材料科學（Materials Science）

課程展示了AI在先進材料研究中的應用：

• 利用演算法最佳化電子顯微鏡（Scanning Electron Microscope, SEM；Transmission Electron Microscope, TEM）成像效果；

• 通過機器學習輔助材料分類與設計，探索具有特定效能的新型奈米材料。

熱能與微流體（Thermal & Fluid Science）

在電池、電解質等多孔介質研究中，機器學習被用於輔助複雜流體模型建立。

通過AI輔助建模，研究人員能夠提升傳統物理模擬的計算效率，加快科研過程。

航空航天（Aerospace）

課程介紹了人工智慧在航空航天設計中的應用。

例如，通過物理資訊神經網路（Physics-Informed Neural Networks, PINNs），研究人員可以結合物理規律與AI模型，提高空氣動力學預測效率。

課程三：機器人設計——從理論學習到真實工程實踐

課程重點介紹了McKelvey工程學院機器人設計（Robot Design）相關教學內容。

在項目學習過程中，學生需要：

• 根據實際預算進行零部件選擇；

• 完成機器人系統設計與組裝；

• 編寫控制演算法；

• 最佳化系統執行效率。

最終，學生需要完成能夠自主執行並滿足工程指標要求的機器人系統。

該課程強調將工程理論、硬體設計以及人工智慧演算法結合，培養學生解決實際工程問題的能力。

教授Q&A：AI時代工程學生如何提升競爭力？

Q1：McKelvey工程學院如何評估申請者的AI能力？

教授表示，學院不會將AI程式設計能力或大模型開發經驗作為唯一篩選標準。

學生只要滿足基礎入學要求，學院提供的課程體系能夠幫助學生逐步建立人工智慧相關能力。

Q2：沒有技術背景，如何在AI時代取得成功？

教授分享，即使自己擁有CTO經歷，也強調戰略思維（Strategic Thinking）和持續學習能力的重要性。

在AI時代，關鍵不僅是掌握編碼技能，更重要的是理解如何利用AI工具解決真實問題。

Q3：McKelvey工程學院內部跨學科合作是否便利？

教授表示，學院內部跨學科合作非常緊密。

學生可以與電子與系統工程（Electrical & Systems Engineering, ESE）、生物醫學工程（Biomedical Engineering, BME）以及電腦科學（Computer Science, CS）等方向開展交流合作。

同時，在滿足先修課程要求後，學生可以通過學校系統進行課程選擇。

Q4：學院如何幫助國際學生積累美國職業競爭力？

教授介紹，學校會通過職業發展活動，包括招聘會（Career Fair）等方式幫助學生了解就業機會。

此外，工程學院課堂中也有來自企業的工程師參與學習交流，學生能夠通過課程合作建立行業聯絡。

Q5：未來5-10年，工程學生最需要培養什麼能力？

教授認為，未來優秀工程人才需要結合：

• 紮實的傳統工程基礎；

• AI工具應用能力；

• 批判性思維（Critical Thinking）。

AI能夠提升計算和分析效率，但工程師仍需要理解物理規律，並判斷AI生成結果是否符合實際、安全且可應用。