会议概况
第二十九期CCF秀湖会议于2025年6月15—17日在苏州CCF业务总部与学术交流中心成功举办。来自国内外学术界与产业界的二十余位专家围绕“人文智能”(AI for Humanities, AI4Humanities)这一主题开展深入探讨和交流。开幕式上，CCF秀湖会议学术委员会（AC）主席、CCF监事长、北京大学教授金芝出席并致辞。会议执行主席、北京大学袁晓如在开场主持发言中指出了人文智能这一议题在当前人工智能（AI）席卷全球的浪潮中的重要性。当下社会各界热议人文学科在人工智能发展中面临的威胁，透过这些讨论，我们看到人文学科也迎来了史无前例的发展机遇。
此次会议与会者学科背景覆盖面广，涵盖了与人文智能相关的计算机科学、人工智能、历史学、地理学、中国语言文学、艺术设计等诸多学科。会议邀请华南理工大学教授金连文、复旦大学教授张晓虹、浙江大学教授徐永明分别作了题为“古籍图像的视觉?语言理解：OCR，文字修复与大语言模型”“AI+历史地理研究”和“文史垂直模型的实践和远景”的特邀报告，其他参会嘉宾也都分享了各自的观点和相关研究内容。
本次秀湖会议焦点集中在讨论环节。会议通过填写问卷和研讨投票的方式选出数据、应用、教育、挑战和陷阱等人文智能发展过程中的重要主题，并围绕这些主题进行深度研讨。与会专家一致认为人文智能是人工智能领域中一个极具潜力的发展方向，跨学科合作、提炼关键科学问题将为人文智能的发展奠定坚实基础。
会议背景
人工智能技术正改变着人文研究的范式与方法。人文智能是在人工智能与信息技术持续突破、人文与科技加速融合的背景下形成的新兴交叉领域，它回应了国家文化软实力建设与文化数字化发展的现实需求。
从学科发展角度看，人文智能顺应交叉融合趋势，回应人文学科在逻辑推理、系统归纳与结构化分析方面的内在需求。人文与智能的交叉融合，在理念上已获得广泛认同，并已经在文物文字残损修复、古籍目录整理、古籍多模态理解、古文字处理等方面取得成功。但在学科建制、评价体系、资源配置等层面仍面临深层次障碍，需要通过探索解决学科发展问题。
从技术发展角度看，人文智能是人工智能对人文学科的挑战与重塑。科学智能（AI4Science）正在重塑自然科学的研究路径，为人文与智能的结合提供了重要参照。而2025年全球文科领域经历的结构性调整浪潮，需要人文学科与计算机学科的同仁们共同积极应对挑战。
从国家战略的现实需求看，中国正处在从文化大国迈向文化强国的关键时期，《关于推进实施国家文化数字化战略的意见》和《中华人民共和国国民经济和社会发展第十五个五年规划纲要》明确提出以国家文化大数据体系建设为抓手，推动中华民族最基本的文化基因与当代文化相适应、与现代社会相协调。要促进文化和科技深度融合，学术界需要回应文化强国建设对人文研究范式创新的迫切需求，为文化数字化战略与自主知识体系建设提供学术支撑与实践方案。
从产业发展与人才培养角度看，人文智能回应了时代的现实需求。当前文化产业正经历从“数字化”向“智能化”的转型升级，智能技术已从学术前沿演变为文化产业发展中的现实技术需求与生产力要素。而当前文理划分的教育体系难以培养出兼具人文素养与技术能力的复合型人才，直接制约了相关领域学术研究与应用开发的协同推进。
会议讨论观点集萃
本次会议中，与会专家围绕数据建设、应用分析、实践陷阱、学科教育等方面开展了深入探讨。
数据资源建设与生态构建
在人文智能发展中，数据是最核心的资源，其质量、标准与共享机制直接决定上层应用成效。与会专家围绕人文数据的采集、加工、管理、共享等议题展开深入讨论，形成了对数据基础建设的系统性思考。
针对人文数据的多元异构特征，建立统一的标准体系是首要任务。版权合规是数据共享的核心障碍，涉及数据来源、归属及数据集构建，须形成案例汇总与建议。专家对数据基础建设问题达成共识：为提高数据“可发现性”，应构建托管平台，并探索整合国内外资源的全球文化数据平台；数据加工应坚持应用驱动，按需确定颗粒度，审慎评估大模型的适用性；数据加工过程本身具有学术价值，须确保全流程可追溯、可复现，并形成分模态的最佳实践指南。同时，应将数据视为重要资产，探索其产品化路径：基础数据实现开放共享，高附加值数据探索市场化运营机制，以此构建可持续发展激励机制，支持数据升级为公共基础设施。
人文智能应用发展分析
在人文智能的发展进程中，应用落地是检验技术价值的关键环节。与会专家围绕应用场景、用户分层、产品形态、商业模式等议题展开深入讨论，形成了对人文智能应用实践的系统性思考。
在讨论过程中，大家达成的共识是：人文智能的应用开发需要从技术驱动转向场景驱动，并要区分不同用户群体的核心诉求。与会专家一致认为，用户画像的分层思考是应用产品设计的前提。不同用户群体对应不同的应用场景、产品形态和商业模式。其中面向人文学者的研究工具，应当底层开放、模块化可配置，提供统一的数据接口和基础功能模块，允许用户根据自身研究需求自由组合与定制，满足个性化需求，避免重复开发。而面向教育的教学产品须将人文精神植入AI教育，在中小学课程中增加人文关怀案例；将AI工具植入人文教育，为大学课堂提供技术支持。文博文旅是人文智能最具潜力的应用场景之一，文化传播产品需要在专业性与可接受性之间寻找平衡点。面向公众的文化消费产品呈现多元化特征，关键在于将人文关怀注入产品设计，而非停留在技术功能的堆砌。面向海外传播的文化交流产品需要考虑文化差异与接受习惯，使文化内容更易于被异文化背景的用户理解和接受，从而体现AI赋能文化交流的核心价值。
AI的介入正在改变人文产品的形态与生产模式。讨论中提出了几个值得关注的变化方向：从“AI+”到“+AI”的范式转变，意味着生产模式从以AI技术为主导转向了场景和需求优先，即在成熟的业务流程中嵌入AI能力；相较于个性化工具，模块化AI平台更具可持续性，类似“乐高”式的平台架构，既能降低开发成本，又能适应业务的多样化需求；发展重点从降本增效转移至产品形态创新，当内容生产成本大幅降低后，原来因成本限制而无法实现的创意方案变得可行；AI产品从功能实现向情感连接的迈进尚处于发展阶段，在艺术、灵感、情感等高阶维度仍有很大提升空间。
与会专家从更宏观的视角讨论了人文智能应用的生态构建问题，指出在商业模式的探索方面，人文智能应用的可持续发展需要商业机制的支撑，涉及人文学者、技术开发者、产业从业者等多方主体，需要建立有效的协同机制，使各方能够在共同的目标下分工合作。
人文智能面临的认知与实践陷阱
在人文智能这一交叉领域的探索中，技术应用伴随着一系列认知与实践层面的风险。这些风险并非来自外部的技术挑战，而是源于研究者、教育者和使用者对技术本质、自身能力以及二者关系的认知偏差与行动误区。它们存在于研究、教育、协作的各个环节，若不加以识别与防范，可能导致研究失效、教育目标偏离，乃至影响社会伦理结构。与会专家系统梳理了人文智能发展中存在的几类核心陷阱。
数据陷阱 数据是人文智能的基础，但数据本身并非客观事实的直接呈现。数据陷阱的核心是使用者常常将“数据”等同于“事实”，忽视了数据的建构性、局限性与偏见。其中史观错乱与数据虚像问题是指在人文研究中所依赖的数据（如古籍文献、历史档案或社会调查）均形成于特定的历史语境和社会结构之中，直接使用这些数据而忽略其历史语境，会导致分析结论的偏差。在样本偏差与算法放大方面，若训练数据在性别、地域、阶层或学科上分布不均，AI系统不仅会学习这些偏差，还可能将其放大。这一问题在评价场景中尤为突出。
技术陷阱 技术陷阱源于对工具功能的错误认知，表现为将技术的可能性误读为确定性，或将工具的便利性等同于思考的必要性。研究者须警惕工具崇拜与平台垄断，避免因路径依赖而丧失探索其他方法论的可能性，从而导致研究范式趋同。另一方面，技术黑箱特性使其决策过程难以追溯。当技术工具因自身局限而表现不佳时，用户往往会陷入自我归因的误区。
认知陷阱 认知陷阱关乎技术对人类思考、学习与创造方式的影响，涉及技术使用对心智习惯的深层改变。教学形式化与思考时间的压缩，可能导致学生失去在思考与试错中形成判断的机会。而长期依赖AI进行知识检索和内容生成，会形成难以打破的路径依赖，并导致直接经验缺失。
协作陷阱 人文智能的发展需要跨学科协作，但不同学习背景的学者之间存在沟通障碍与认知差异，由此衍生出协作陷阱。跨学科协作中，不同领域存在术语壁垒与沟通断层，导致协作难以深入，无法实现真正的知识融合。而在人机协同的复杂场景中，责任边界常常不清晰。
情感陷阱 情感陷阱关乎AI对人类情感世界的影响，涉及情感关系被技术替代或操纵的可能性。
宣传陷阱 宣传陷阱源于对AI能力的过度宣传和不当描述，在技术实际应用前就已为误解埋下伏笔。
上述陷阱相互关联，它们共同指向一个核心问题：在人文智能发展的过程中，如何在利用技术便利的同时，保持人文研究的多元性、批判性与创造性，构建更为审慎、负责的人文智能发展路径。
人文智能与教育变革
在人工智能深度介入社会各领域的背景下，人文智能教育须形成从基础教育到高等教育、从专业培养到公众普及的多层次体系，以教育变革回应智能时代的人文发展需求。
AI面向人文学科的教育 人文学科接纳AI的核心是实现从工具性应用向方法性融合的转变。教育推进可从教材、课程、平台、信息四方面着手。当前阶段，AI对人文学科的影响仍以工具性使用为主，现实路径是加强AI在人文领域的科研比重，通过课题引导促进方法传播。在专业教育层面，可升级培养方案，将AI融入课程体系与项目制实践；在通识教育层面，可调整计算机课程结构，增设AI通识内容；在实践层面，可通过嵌入AI通识教育、组织工作坊、举办跨学科论坛、构建众包机制等方式，形成良性循环。
人文面向AI的专业与通识教育 建议面向理工科开设“人文智能”通识课，从案例呈现、人文关怀、社会关系反思等层次逐步深入。人文教育面向AI可归纳为3个层次：哲学与伦理层次、技术领域的人文性层次、人文教育的批判性与社会性层次。采用项目式教学，结合人文指导、产业场景与同行学习，设计“人文+AI”课题，尤其注重产学研相结合，切实服务学生就业与发展。
面向中小学与公众的AI素养教育 建议构建大中小学贯通的AI素养教育框架，以大学教育反推中小学核心议题，改革编程主导的传统信息技术课程。面向大众，须提供普惠性教育课程，构建社会化学习共同体，设计适配性专题教育，帮助个体完成从工业化教育向智能时代教育的转型。
人文智能面临的挑战
会议还讨论了人文智能发展面临的挑战，主要体现在数据基础建设、技术方法创新、研究范式变革，以及学科重建等方面。
数据基础建设的挑战 人文智能的发展首先依赖高质量数据基座。与自然科学数据相比，人文数据具有异构性、模糊性和语境依赖性，亟须建立兼顾模型适配与学术规范的人文数据标准，包括数据格式、元数据描述和质量控制流程。生成式数据能否作为研究基础，也需要建立严格的验证与审查机制。与此同时，人文领域的数据孤岛问题依然突出，大量文献、档案和文物资源分散于不同机构，可见性和可获得性有限。未来应在尊重知识产权和保护隐私的前提下，推进高价值资源的开放共享。人文研究强调源流考证，因此还须建立从原始文献到研究产出的完整溯源链条，增强研究过程的可追溯性与透明度。
技术方法创新的挑战 人文研究的特殊性对AI技术提出了独特要求。人文数据标注高度依赖专业知识，单纯依靠众包模式或自动化手段都难以保证标注质量，亟须发展结合专家知识、AI预标注和智能校验的人机协同标注系统，适应不同人文材料的差异化需求。深度研究能力是人文智能区别于通用AI的重要特征。现有系统虽擅长模式识别，却仍缺乏从复杂材料中主动发现问题、凝练研究议题的能力。面向人文领域的大模型也面临特殊挑战，需要处理古今语言演变、文化语境差异和模糊语义等问题，并在人文语料、领域适配与评估指标上形成更有针对性的方案。古文字考释、多模态古籍理解、跨域知识融合，都是具有潜力的研究方向。如何将专业研究成果转化为公众可理解的表达，如何借助AI更有效地传播文化内涵而不止于表层信息，也构成新的技术议题。
人机协同研究的范式变革 人文智能的发展将重塑研究方式，带来三大人机协同挑战。当前AI系统多基于科学(science)、技术(technology)、工程(engineering)和数学(mathematics)(简称STEM)领域的工作流程设计，与人文研究的沉思性、非线性特点并不完全适配。未来系统应支持近读与远读等多种研究模式的灵活切换，适应人文学者从材料细读到整体分析的实际需要。学者经验的融入同样关键。人文学者在研究中形成的直觉判断、诠释框架和证据权衡，往往难以直接形式化，却是系统能力提升的重要资源。记录研究数据、过程和决策依据，既有助于提高透明度，也可为后续智能系统训练提供基础。除此之外，当前人文领域的数字工具仍较为分散，缺乏互操作性。建立模块化、可复用、可衔接的工具生态，将有助于提升研究效率。
学科重构与理论建设的挑战 人文智能不仅带来方法革新，也引发更深层的学科与理论问题。传统人文学科边界可能被重新调整，形成以问题而非单一学科为中心的新结构。人文智能与科学智能之间也应双向互鉴：前者可借鉴后者的方法与技术，后者也需要人文视角对工具理性偏向进行必要校正。理论体系的构建，是人文智能走向成熟的重要标志。其核心问题包括：人文现象如何被合理计算与度量？主观诠释与客观知识的边界如何界定？人文智能系统的输出质量如何评估？这些问题都需要哲学思考与方法论创新。人文智能系统难以做到价值中立，必须明确其价值立场和伦理边界。更进一步，人文智能所积累的经验能否为通用人工智能的发展提供关于意义、伦理和文化适应性的启示，也值得持续关注。
关于人文智能发展的建议
人文智能作为一个交叉领域，其发展既需要计算机学科的前沿驱动，也离不开人文学科的问题意识与价值引领，还需要在方法论、评价标准、人才培养等方面形成系统性的学术共识。与单一学科内的学术会议不同，此次秀湖会议的特殊意义在于其跨学科的组织形态。汇聚计算机与人文领域学者同场对话，本身就体现了组织者为打破学科边界而做的努力。这种组织形态的深层背景在于：新兴交叉领域的知识生产，越来越依赖跨学科共同体的协同建构，而非单一学科内部的线性推进。
此次秀湖会议的与会专家对未来人文智能的发展给出建议：
组织机制层面 成立人文智能相关学术共同体，定期开展活动。召开年度学术会议，汇聚学术界与产业界认同发展共识的从业人员；依托各相关专业团体年会开设分论坛或组织专题研讨会，寻求共鸣、达成共识、推动协同；通过多种学术交流渠道进行分享与发表；积极参与技术公益活动，展示成功案例；举办跨界论坛，邀请专家深入研讨，发布白皮书、指南、评测与工具。
学术研究层面 聚焦核心科学问题，构建开放协同的研究生态。聚焦人文知识表示与推理，探索面向多模态人文资源的知识建模方法，为人文研究提供新型基础设施；发展人文导向的智能技术，研发服务人文场景的专用算法与工具平台，切实回应人文学者的研究需求；建设人文智能开源基础设施，汇聚高质量人文数据集、搭建协同研究平台，促进学术资源的开放共享。
学科建设层面 推动交叉学科建制，创新人才培养模式。探索新型培养模式，打破学科壁垒对人才成长的制度约束；推动学科评价体系改革，激发更多学者投身人文智能研究的积极性；多管齐下构建适应智能时代要求的人文智能教育体系；建设人文智能课程资源库，开发面向不同学科背景学生的模块化课程体系；设立人文智能师资培训项目，推动跨学科教师联合授课、协同指导，形成教学合力，共建人文智能实践教学基地；注重机制创新，探索多元化培养路径，满足不同类型学生的学习需求，为产业发展输送多层次、多类型的复合型人才。
产业协同层面 构建产学研用深度融合的生态体系，建立产业需求对接机制，推动产学研协同创新平台建设，加速科技成果转化与产业化，构建产业标准与评测体系。
伦理规范层面 构建与技术创新相适配的伦理规范体系。通过制定人文智能伦理准则，明确数据采集与使用的伦理边界、文化敏感性与价值导向的保障机制等核心原则；建立伦理审查与评估机制，在人文智能研究项目与产业应用中，建立健全伦理审查流程，推动建立人文智能应用对文化多样性、文化公平性、文化主体性等方面社会影响的评估制度；加强公众理解与科普传播，提升公众认知与参与。
国际合作层面 积极参与国际对话与合作，主动搭建国际学术交流平台，积极牵头倡导国际标准与规则制定，推动中外合作研究与人才交流，提升我国学者在该领域的国际话语权与影响力。讲好中国人文智能故事，向国际社会展示中国在文化与科技融合方面的探索与实践。
本文发表在2026年第7期《计算》。
袁晓如
CCF杰出会员。北京大学研究员，长聘副教授。主要研究方向为可视化与可视分析、人机交互及其在人文方面的应用。
xiaoru.yuan@pku.edu.cn
金连文
CCF专业会员。华南理工大学教授。要研究方向为光学字符识别、文档图像分析与理解、多模态大语言模型。
eelwjin@scut.edu.cn
左家莉
CCF高级会员。江西师范大学副教授。主要研究方向为自然语言处理、古籍智能处理、人文智能。zjl@jxnu.edu.cn
战蓓蓓
CCF专业会员。湖南大学副教授。主要研究方向为明清史、礼制史、性别史、人文智能。
beibei_zhan@163.com
张宇
CCF专业会员。华为基础软件创新实验室研究员。主要研究方向为人机交互与数据可视化。
yuzhang94@outlook.com
更多阅读：
点击“阅读原文”，加入CCF。