日前，美国《高等教育纪事》刊发了一篇颇具启发意义的文章——《AI沙皇的兴衰》。文章通过多所大学的案例，讨论了一个正在美国高校出现的新角色，即所谓“AI沙皇”或“首席AI执行官”。放在中国语境下来理解，就是人工智能（AI）治理的专职负责人，即AI“管家”。
在过去的两年中，随着生成式AI迅速进入大学课堂、科研与行政管理领域，一些高校开始意识到，AI已经不再只是信息技术部门可以独立处理的事务，而是涉及大学治理结构、教学模式、学术伦理及组织效率的系统性议题。因此，一些高校尝试设立新的管理岗位，由专门的负责人统筹AI相关事务。
文章列举了多所高校的实践。例如，美国乔治·梅森大学任命了专门负责AI战略的负责人，协调教学、科研与技术系统的整合；美国亚利桑那大学则希望通过这一职位，为全校制定统一的AI发展路线图。设立这一职位的初衷是明确的：AI技术变化极快，各院系理解不同，因此需要有人在全校层面进行战略整合与制度协调。
文章指出，在支持者看来，这类职位至少可以发挥三方面作用。首先，AI技术的应用往往跨越多个部门，如果缺乏统一协调，很容易出现各自为政、重复投入的局面；其次，AI在教学与科研中的使用涉及伦理、数据安全与学术诚信等问题，需要形成统一规范；最后，AI正在改变大学的成本结构与工作方式，需要有人从战略高度进行评估与规划。
这篇文章之所以引人深思，并不仅仅因为它介绍了这一新职位，更在于它有一个耐人寻味的观察：这一职位在一些大学的存在时间并不长；与此同时，在另一些大学，AI战略并没有通过设立“AI沙皇”的方式推进，而是由教务长办公室、信息技术部门与跨院系委员会共同承担。
在我看来，这篇文章提出了一个颇具象征意义的问题：大学是否真的需要一位AI治理的专职负责人？
AI治理究竟意味着什么
表面上看，这只是一个管理岗位设置与否的问题。但若进一步思考就会发现，这一问题实际上触及了当代大学治理中一个更深层次的命题：当AI开始重塑知识生产与教育模式时，大学应当如何治理这一技术？
长期以来，大学对于技术问题通常采取一种相对稳定的处理方式。技术基础设施由专业部门负责建设与维护，而教学与科研活动则主要由院系与教师主导。技术更多被视为一种支持性工具，而不是影响大学制度运行的核心因素。
随着生成式AI的出现，这种传统分工开始发生变化。AI并不只是优化教学平台、提升信息处理效率的工具，它正在直接进入知识生产与教育实践的内部结构，改变大学运行的基本逻辑。
换句话说，AI已经迅速进入大学最核心的领域。
首先，在教学层面，AI已经可以参与写作、翻译、编程甚至复杂文本的生成，这使得传统以论文、报告或作业为中心的评价体系面临新的挑战。教师不仅需要重新思考作业设计，还需要重新界定“学习过程”与“学习成果”的关系。
其次，在科研层面，AI逐渐改变知识生产的方式。从文献整理到数据分析，从算法建模到文本生成，AI在许多研究环节中已经成为重要工具。这不仅提高了科研效率，也引发了新的问题，例如AI参与研究的边界在哪里、研究成果的原创性如何界定，以及学术责任应当如何归属。
再次，在大学管理层面，AI也开始进入学生服务、招生咨询、行政决策甚至资源配置等领域。许多高校正在探索利用智能系统优化管理流程，这意味着AI不仅改变学术活动，也可能影响大学的治理结构。
最后，在伦理与制度层面，AI带来的挑战同样不容忽视。数据安全、算法偏见、知识产权以及学术诚信等问题，都在AI环境中呈现出新的复杂性。这些问题不仅需要技术解决方案，更需要制度规范与伦理框架。
从这个角度看，AI已经不再是一个简单的技术工具，而逐渐成为一种制度性变量。它不仅改变了大学内部的技术环境，也可能影响大学的制度结构、知识形态乃至学术文化。正是在这样的背景下，一些美国大学开始设立首席AI执行官，希望通过集中领导来推动AI战略。这种做法在逻辑上是可以理解的：当一种技术对大学的教学、科研与管理产生广泛影响时，由专门的负责人进行协调与规划，似乎是一种自然的选择。
因此，一个新的管理职位或许能够在一定程度上推动AI战略的形成，但它并不能自动解决AI带来的制度挑战。真正需要思考的，并不仅是“是否设立一个AI负责人”，而是大学如何在保持学术传统与教育价值的同时，建立起一套适应AI时代的新型治理框架。
AI治理的结构性矛盾
如果从大学制度的角度来看，“AI治理专职负责人”这一职位实际上折射出三种深层矛盾。
第一，AI首先是治理问题，其次才是技术问题。如前文所述，在许多大学内部，AI最初往往被视为信息技术部门的事务。学校是否部署大语言模型、如何建设算力平台、是否购买某种AI软件工具，这些问题通常被归入信息技术部门的职责范围。然而，当AI开始进入课堂、科研乃至评价体系时，它便不再只是一个工具，而成为影响大学制度运行的重要因素。在科研领域，AI的影响同样深远。AI辅助科研是否需要新的伦理规范？AI生成的数据或文本是否可以署名为研究成果？如果AI参与论文写作，其贡献应当如何界定？这些问题已经进入学术期刊、科研伦理委员会与知识产权体系的论题之中。
因此，AI带来的挑战本质上并不仅仅是技术升级，而是大学治理结构的一次重新调整。当技术直接影响教学、科研与评价体系时，它就必然成为大学制度的一部分。正是在这样的背景下，一些大学设立首席AI执行官，其意义不仅在于技术管理，更在于承认一个事实：AI治理已经成为大学整体治理的一部分。
第二，大学不是企业，AI治理难以完全行政化。在企业组织中，技术转型通常可以通过行政决策迅速推进。比如，一家公司可以在短时间内统一部署某种AI系统，并要求员工按照新的工作流程运行。然而，大学的制度逻辑与企业截然不同。大学首先是一个由学术共同体构成的组织。不同学科之间的知识结构、研究方法与价值观念存在巨大差异。这种学科差异，使得大学在面对AI问题时，很难形成完全统一的立场。
更重要的是，现代大学普遍强调教师参与治理与学术自治。许多重大决策需要通过院系会议、学术委员会或教师代表机构进行讨论与审议。在这种制度环境下，如果AI战略完全由行政体系自上而下推动，很容易引发学术共同体的抵触。这也解释了为什么在《高等教育纪事》的报道中，一些所谓的“AI沙皇”在实践中往往面临一种尴尬处境：他们被赋予协调AI战略的职责，但却难以像企业高管那样直接决策。换言之，这一职位往往承担着巨大的责任，却未必拥有相应的制度权力。
第三，首席AI执行官还可能被误解为“效率工具”。AI在大学中的另一个争议点在于它可能改变教育机构的劳动结构。一些研究指出，AI在学生咨询、行政服务、数据处理等领域具有显著的效率优势。然而，这种逻辑在教育领域往往会引发敏感反应。因为在许多教职员工看来，教育并不仅仅是一个效率问题。许多看似“低效率”的工作，例如面对面的讨论、个别化辅导、学术启发与情感支持，恰恰构成了大学教育最不可替代的部分。如果AI战略被理解为一种“降本增效”的工具，那么首席AI执行官就很容易被视为推动岗位替代与劳动压缩的象征。在这种情况下，这一职位不仅难以获得教职员工的信任，甚至可能引发对AI技术本身的抵触。
由此，从制度角度看，首席AI执行官的问题，其实体现了一种深层悖论：一方面，大学需要统一战略，以适应快速变化的技术环境；而另一方面，大学又无法像企业那样进行高度集中化的管理。
在某种意义上，这一矛盾恰恰是现代大学制度的核心特征。大学既需要面对技术变革，又必须维护学术自治与教育价值。正是在这种张力之中，首席AI执行官这一职位既显得必要，又充满不确定性。
中国高校是否需要一位“AI治理的专职负责人”
尽管美国高校对首席AI执行官的讨论充满争议，但这一实践对中国高校仍具有重要启发意义。
近年来，AI技术在中国大学中的应用发展迅速。从智能教学平台到科研辅助系统，从数据治理到智慧校园建设，AI已经成为高校数字化转型的重要组成部分。然而，与技术应用相比，高校内部的AI治理问题仍然缺乏系统性讨论。
因此，从中国高校的现实情况来看，设立类似首席AI执行官的职位，未必没有意义。一个专门负责AI治理与战略规划的岗位，至少可以在以下方面发挥作用：首先，推动全校AI战略的形成；其次，协调教学、科研与技术系统之间的关系；最后，建立统一的伦理与规范体系。
在我看来，仅仅设立一个职位显然远远不够。AI治理真正需要的是制度化机制。换句话说，中国高校或许可以设立专门的AI负责人，但更重要的是建立一套成熟的AI治理体系。
从这一讨论中，中国高校至少可以得到三点启示。
一是AI治理应当成为大学战略议题。AI已经成为影响大学未来的重要变量。高校需要从战略层面思考AI，而不是仅仅将其视为技术工具。
二是AI治理需要制度化机制。高校应建立明确的AI使用规范、伦理框架与治理机制，使技术应用能够在制度轨道上运行。
三是AI治理应当在效率与大学精神之间保持平衡。大学不仅是效率组织，更是知识与价值的共同体。AI治理必须在技术创新与学术精神之间保持平衡。
回到最初的问题，大学究竟是否需要一位AI治理的专职负责人？
我的回答是：大学可以设立这样的职位，但更重要的是建立成熟的AI治理体系。AI带来的挑战，并不仅仅是技术革命，更是一场制度考验。它迫使大学重新思考其治理结构、教育方式与学术伦理。在这一意义上，AI治理的专职负责人也许只是一个起点，而不是终点。
真正决定大学未来的，不是某一个职位，而是大学能否形成一种新的治理智慧，使技术发展与大学精神在同一制度框架中共存。
