当算法会做报表，财经院校教什么？上财"数智新财经"给出了一种答案
10月29日《科技日报》刊发的文章，把一个尖锐的问题摆上了台面：当智能投研、智能风控、智能决策一步步成熟，算法逐步承担大量计算、分析甚至部分决策功能，财经高校还教什么？这个问题不是假设——财经学科聚焦的资源配置、风险管理、市场运行、组织决策，恰恰是AI替代冲击最直接的领域。
上海财经大学的应对，是一个叫"数智新财经"的系统性战略。按学校的表述，这不是浅层意义的"财经+AI"，也不是在原有体系上附加一个数字技术模块，而是把人工智能与数字技术当作关键变量，推动学科体系、知识版图、人才培养体系、创新体系协同迭代。具体打法是：依托应用经济学、工商管理等优势学科，联动计算机与人工智能、统计、数学等数智学科，走"数智强基、交叉融通"的路子，用自研大模型、专属算力与垂类数据筑牢自主技术底座。这套改革已入选教育强国建设三年行动计划综合改革试点，学校还获批了首批国际金融领域卓越人才培养基地。
为什么财经教育最先被"重写"
背景是2026年教育部等五部门印发的《"人工智能+教育"行动计划》，要求推动智能技术与教育全要素融合、全过程贯通、全场景覆盖。但对财经院校来说，紧迫感比其他学科更具体：财报分析、量化交易、审计抽凭、税务申报——这些传统经管毕业生的看家本领，恰恰是大模型最擅长自动化的环节。上财文章里有个判断很清醒："获取答案的便利，并不意味着理解问题的能力同步增强"，技术使用必须建立在自主思考之上。
值得注意的是改革的方向：不是砍掉经管专业，而是拆掉财经与数智学科之间的墙。真实的经济运行本来就不按学科划分——平台治理交织着市场机制、算法规则与公共政策，智能金融融合金融理论、统计模型与计算技术。单一专业边界、课程修读为主线的培养方式，在这个时代确实不够用了。
我的看法和推测
先说看法。上财的方案里，最值钱的不是"自研大模型"这个动作本身，而是"垂类数据"——财经高校真正的护城河是多年积累的行业数据、案例库和校友网络，把这些喂进自己的模型，才可能做出通用大模型做不出的东西。这说明头部财经院校已经意识到，自己跟AI公司的竞争不在算力，而在场景理解。
做三个推测。其一，财经类院校将快速分化：头部院校有能力做"AI×财经"的新范式，大量地方财经院校则会直接承受替代冲击——它们培养的正是最容易被自动化的中端核算、报表类岗位，未来几年财经专业的招生遇冷可能比想象中来得快；其二，"自研大模型+专属算力+垂类数据"三件套会成为头部高校的新标配，财政和校友捐赠会向此倾斜；其三，经管类的课程结构会向计算社会科学、金融科技、智能风控倾斜，传统的会计学、财务管理专业要么改造，要么边缘化。对所有院校来说，真正的考题只有一个：当知识获取不再稀缺，你还能教学生什么AI替代不了的东西。
发布者：互联网搬运工，转转请注明出处：https://www.gdiis.com.cn/gdiis/34779/
