三、打造高水平发展平台

　　(五)完善人工智能领域学科布局。加强人工智能基础理论、机器学习、计算机视觉与模式识别、自然语言处理、知识处理与挖掘、智能芯片与系统、数据分析与大数据系统、认知心理学和神经科学等相关方向建设。鼓励高校统筹各类资金，支持人工智能相关学科建设，逐渐形成学科优势特色，推动人工智能向更多学科渗透融合。

　　(六)设立产教融合创新平台。依托“双一流”建设高校，建设国家人工智能产教融合创新平台，在人工智能发展重大问题和突破方向上，实行联合科研攻关和融合育人，强化课程体系、计算平台、实验环境等条件建设。鼓励企业参与共建，在资金、项目等方面优先支持。

　　(七)密切校企合作。支持高校、科研院所、产业联盟和骨干企业、新型研发机构等合作建设面向重大研究方向或重点行业应用的人工智能开放创新平台、应用场景平台、联合实验室(技术研发中心)和实训基地，共建示范性人工智能学院或研究院。鼓励企业参与制定研究生培养方案，组织开展人工智能高层次人才创新创业和技能竞赛，引导学生以企业实际问题开展创新创业实践。

　　四、创新高层次人才培养机制和模式

　　(八)确立专项任务培养研究生机制。以多学科交叉解决重大问题的专项任务作为研究生课题主要来源和培养载体，以高水平科学研究支撑人工智能高层次人才培养，支持高校在承担的重大科研任务中，自主确定研究生培养规模，制定个性化的培养方案，完善人才培养成本分摊机制。对承担重大科研任务的博士生，高校应参照科研人员管理的有关规定，制定保障和提高博士生相关待遇的具体办法，保护博士生的合法权益。

　　(九)强化博士生交叉复合培养。聚焦新一代人工智能基础理论算法、关键技术和核心应用，强化问题导向的多学科交叉博士生培养，提高博士生将不同学科理论与方法、科学前沿与企业实践进行整合再创新的能力。支持高校与人工智能领域骨干企业、产业化基地和地方政府设立人才联合培养项目，建立任务驱动的跨行业跨学科导师团队，促进科研协同创新发展和博士生联合培养。完善工程博士培养标准，加大工程实践在培养方案中的比重，联合企业开展人才职业能力认证培训。鼓励企业向博士生开放课程、数据、案例、工具和实训平台。

　　(十)加强课程体系建设。面向全产业链和社会发展需求，科学设计多学科交叉融合的课程体系，避免简单“拼盘化”。以理论沿革和关键领域核心技术为主干，打造人工智能核心知识课程体系，重点建设一批与数学、物理学、计算机、控制、神经和认知科学、心理学等学科交叉融合的人工智能基础课程。以重大科技前沿和产业应用创新需求为导向，打造人工智能关联知识课程体系，鼓励高科技创新企业参与建设一批“场景驱动”的应用型模块课程。加快推动人工智能领域最新研究成果转化为教学内容，建设一批有影响力的教材和国家精品在线开放课程。

　　(十一)加强国际交流合作。瞄准人工智能国际前沿和国内发展短板，加大国内外联合培养人工智能相关领域博士生的支持力度。积极鼓励高层次人才开展国际交流，拓展合作的深度和广度。举办具有国际影响力的人工智能学术会议与论坛，创办高水平学术期刊。建设一批人工智能国际合作科研平台和基地，加强国际化高端人才培养和培训。鼓励高校发起和组织人工智能国际大科学计划，创设国际学术组织和大学合作联盟。推动制定人工智能领域相关国际标准和伦理规范。大力培养参与人工智能全球治理的国际化人才。

　　五、加大支持与组织力度

　　(十二)健全学科设置机制。健全以人工智能基础理论和产业发展需求为导向的学科专业结构动态调整机制。有条件的高校可根据经济社会发展和人才培养需要，以自主试点、先行先试方式，自主设置人工智能交叉学科。

　　(十三)完善学科评价机制。完善以人才培养、知识创新、应用成效为核心的学科评价体系，探索有利于新兴交叉学科深度融合发展的评价办法，给予相对宽松的建设和评价周期。鼓励高校开展自我评估，支持学会、行业协会开展第三方评价，合理借鉴国际评估。构建激励学科交叉研究人员动态流动的复合评价机制，认可其对来源学科和交叉融合学科的双重贡献，以及论文、专利、软件著作权等成果形式。

　　(十四)扩大研究生培养规模。将人工智能纳入“国家关键领域急需高层次人才培养专项招生计划”支持范围，综合考虑有关高校高水平师资、国家级科研平台、重大科研项目和攻关任务，以及产教融合、协同育人成效等情况，安排研究生尤其是博士生招生计划专项增量。积极引导高校通过实施常规增量倾斜和存量调整办法，切实优化招生结构，精准扩大人工智能相关学科高层次人才培养规模。