【编者按】

2025年9月10日，我们迎来第41个教师节。

当新一批青年教师初入杏坛，他们有热情和专业，也有困惑和迷茫。在三尺讲台，他们以青春为笔、以热忱为墨，书写新的可能。

青年教师的成长，不仅关乎个人梦想，更关乎教育未来的模样。推出“青春华章·青春正澎湃”特别策划“青春遇见讲台”，关注青年教师，也致敬所有教育燃灯者。愿每一份坚持都被照亮，愿每一个课堂都有回响。

本文对话上海交大人工智能学院博导张林峰，距离登上热搜已过去大半年，这名出生于1997年的年轻人如今带着3位博士、2位博士，还要给本科生上课，也在思考如何为全球新一轮的技术变革作出贡献。

2024年11月底，张林峰曾体验过一次“火”的滋味——“27岁清华博士任上海交大博导”冲上微博热搜，海量的关注一下涌向这个1997年出生的年轻人。

2024年，张林峰从清华大学交叉信息学院获得博士学位，进入上海交通大学人工智能学院任助理教授、博士生导师。攻读博士期间，他拿下过全亚洲只有12个名额的微软学者奖学金，在高水平学术会议期刊上发表论文超过20篇，被引用近2000次，同时担任多个领域内期刊和会议的审稿人。清华大学交叉信息研究院介绍称，张林峰的研究在一定程度上推动了人工智能领域中基础研究的发展，指向他在2019年首次提出的自蒸馏算法，这至今仍是知识蒸馏领域的代表性工作之一。

被高度围观的时候，张林峰刚进入教师角色不久。如今回想起来，他坦言自己在那些天确实受了影响。媒体大量找上门，海量网友深究着他的研究、过往的履历，微信框也不时跳出各路好友消息：“这不是你吗？”

如今，他成为青年教师一年有余，算上今年九月新一批入学的学生，他“手里”带着3位博士、2位硕士，第一届博士只比他小2岁；2025年春天开始，他要给本科生上课，这个秋季学期，他还成为了大一新生的班主任；白天的信息“见缝插针”、源源不断，到了夜深人静时，他会花更多时间处理自己手头的“长程任务”……

热度已褪去，忙忙碌碌的日常里仍充满挑战：如何做好一个老师？没比学生大几岁，怎么处理和学生的关系？科研和教学的关系怎么平衡？站在中国顶尖学府，如何为全球新一轮的技术变革作出贡献？

这个教师节，深度对话张林峰，在那些大家已经知道的标签背后，一个年轻教师、学者的具体日常、责任与压力，正在真实浮出。

张林峰 受访者 供图

【以下是记者与张林峰的对话】

：2024年11月底的时候，“27岁清华博士任上海交大博导”登上了微博热搜，引起了很多网友的关注，很多人好奇这么年轻怎么能做博导，当时你的感受是什么？

张林峰：我因为是清华大学直博，所以5年毕业，没有跳级；毕业之后没有做过其他工作，直接来当老师，综合这两个点上，可能比大家想的要快一点。可能是社会大众还没有熟悉这个情况，其实在最近几年，像我这样毕业之后直接当老师的年轻人也很多。

在当时大概一周左右的时间，热搜对我影响确实有，因为太多人关注，我微信一会儿就弹出消息：“这不是你吗？”但长期来看对我影响不大，作为老师，我还是希望未来让大家更多通过科研成果和教学成果来认识我，而不是通过比如年龄的问题。

：毕业的时候，你放弃了几家企业给出的百万薪资，选择到新成立的上海交大人工智能学院任教，出于什么考虑？

张林峰：我自己一直很喜欢AI这个领域，很喜欢科研。首先想说一点，在其他领域，大家可能觉得去企业和去学校是两个差异非常大的选择，但在AI领域，企业的科研力量是非常强大的。但综合考虑下来，我最后还是想去学校。

第一是我比较喜欢学校的环境，我在清华的导师马恺声老师对我影响也很大。马老师自己也是在我进入清华的同一年入职的青年教师，我是他的第一届博士生，我亲眼看着他如何一步步把我们几个培养出来，然后自己创业、做科研，通过tenure-track（通过考核达成长期聘用），发展得非常顺利，这些都给了我激励和信心。

第二，我认为进入学校，或许可以提高自己在多个维度的能力，比如怎么培养学生、管理团队，怎么安排自己的时间，怎么申报课题等等，希望更好地锻炼自己。

还有一点是，上海交大是我所有offer中发得最快的。当时我们人工智能学院刚刚成立（2024年4月成立），是交大的“特区学院”，它以人才专委会的方式，探索了面向优秀青年人才引进等的特殊通道与机制。所以我记得我第一天投简历，第二天就接到面试邀请，我们约在第四或五天面试，面完之后过了两天就给我发了一份带有学校人资处盖章的正式offer，前后差不多就一周。当时我就觉得这里效率实在太高了，肯定是一个好选择。

我是差不多2024年4月拿到offer的，第一个学生马上就开始接洽了。包括招生在内，大部分事情都是新的，所以那个时候既有憧憬，也有一些紧张。

张林峰 受访者 供图

：你自己刚博士毕业就要带博士，这一年里，你怎么跟他们相处的，教学风格是怎样的？

张林峰：如果算上今年入学的学生的话，我组里有5位同学——3位博士、2位硕士。我们的事情还是比较多的，我一周可能要开四五次组会，大家各有自己的方向；如果没法在组会深入，我们还会就单个项目再定期讨论。

我经常会想到我自己的导师马恺声老师，他帮我培养了很好的科研习惯。那年我们每天早上9点都会坐在一起，读一个小时论文，再讨论半个小时，这让我提升很大，包括论文怎么写，如何与他人合作，如何选择一个有趣的研究主题，这些都直接影响了我现在对自己学生的培养。

我从自身的经历出发，觉得学生做科研时，第一篇文章特别重要，会提供很好的正反馈、正循环，所以我现在学生的第一篇文章，我都会非常努力地帮他们，事实上也还是比较顺利的，我去年招的所有同学在过去一年里都有第一作者的“顶会文章”（顶级学术会议文章）发表。

日常里，当然有一些需要因材施教的部分，因为学生之间科研风格、个人风格相差都很大。有的同学自驱力很强，但也可能因此而焦虑；有的同学自驱力稍弱些，你可能就需要主动和他们聊聊，看看他们将来想怎么发展，跟他们讨论方向。我觉得只要大家的目标一致，都为了科研，交流就没有问题。

：作为青年教师，和自己的学生年龄差距比较小，你怎么和他们相处呢？优劣势分别在哪里？

张林峰：确实，我和硕、博同学的年龄差距不大。比如我的第一届博士生只比我小两岁，现在招的有些学生可能是2003年前后出生的，年龄差也不大。优势是，我们大部分的娱乐爱好、平时的关注点和成长经历都很相似，平时大家还可以一起吃饭，比较聊得来。

不过关系太好有时反而不完全是好事，这中间的平衡确实很难把握，我最近也在思考、摸索。站在我的角度，我希望能和大家成为好朋友，但另一方面，也需要保留一些教师的威严。

我现在的解决方式是，尽量和大家保持朋友的关系，但在选人时，会倾向选择和自己价值观长期一致的同学，这样后续就不必过多依赖所谓老师的威严，大家也能相处得更开心。这里的价值观，包括科研风格，比如学生是否真正对科研感兴趣，是否愿意做真正有意义的事情，而不是只想着发论文。

值得一提的是，我带完第一届博士的时间其实差不多就是我经历tenure-track的时间，而且比如第一届学生培养的结果，其实也是老师能否通过考核一个非常重要的要素。所以在这个过程中，老师和学生一定是共同成长、双向奔赴的。我刚刚陪我老师经历了这个时刻，所以我有时候也会想象自己这个时刻的到来。

：自己身上的科研任务重吗？怎么平衡科研和教育工作？

张林峰：其实很难区分自己的科研和学生们的科研，它们并不矛盾。假如一个老师的科研是一条线或一个面的话，那么每个同学的科研都可能是一个点。我做的事情相当于是在我的面上挑一个有趣的点，然后让同学去做。同学们做出来之后，这几个点就连成一条线甚至一个面，就变成了我们整个组的方向，也就是我的方向。

但随着学生数量的增多，事情确实会多一些；学校已经给了优厚的待遇，但毕竟是刚入职的老师，申项目客观上会有些压力。我现在比较常规的一天，大概是早上八点半起床，九点到办公室开始工作。一般下午的时候，会议和事项会比较多。组会安排在晚上七八点，我和同学的时间都合适。可能到晚上九十点，开始有段属于自己的时间，去处理一些比较长程的任务。

大概在半年多一年前，我会努力快速地回复学生的消息。学生有时半夜一两点说实验结果出来了，在群里发一下，正好我没睡，我也会回，甚至越聊越开心、或者越聊越困惑，我们还会拉个会讨论。但是随着事件增多，这件事情对我来说，变得越来越难。如果精力允许，我还是希望能够像以前一样，尽可能地和同学们多交流。

：其实今年我看到张老师还需要给本科生上课，对这部分的教学任务有什么感受？

张林峰：是的，2024年春季学期需要面向一百六七十位大一新生上数据结构课程，因为是给交大致远学院的课程，整体难度会高一些。其实我也是本科学的这些，所以需要自己再学一遍、重头备课，任务挺重的。因为很多内容自己是第一次讲，坦白说课堂上也会有压力，会紧张。

我课后一般都会和学生聊二三十分钟。会有一些同学针对某个题目或者知识点问得比较久，有些问题非常有意思，有些问题会让我措手不及，我们就现场一起问AI，再探讨。

我喜欢跟大家这样交流。问课程相关的问题，说明他们学习比较认真，但也可能说明我讲得不够清楚，我会反思。还有些同学课后会聊生涯规划、怎么做科研、怎么学AI，特别有自驱力。

我觉得现在的本科生非常厉害。其实上课还没有那么直观地感受到冲击，更多的冲击来自我的研究助理，他们很多就是本科生。现在很多本科生研究水平非常高，有时甚至超过一些研究生，已经能发出不错的论文了。

我在想，也可能是因为现在进入了AI时代，大家学习资料变多了。但不得不承认，现在大家的水平相比我们当时已经高了很多。

：你觉得现在的学生，用AI的能力强吗？你怎么看待这件事？

张林峰：我觉得很强，有些甚至可能比我还强。我教数据结构课程的时候，大部分同学都会用AI，不管是写代码时出现bug，还是理解一个算法，让AI举例说明等。

至少在我的课上，其实我还是比较支持大家用AI的，特别是用AI去理解算法和代码。有些内容课上没吃透，AI可以讲得很好，是可以帮助大家学习的。另一方面，我也觉得，在这个时代你必须学会用AI，而且要用得很好。况且用AI也需要思考，例如怎么提取关键词、怎么提问等，这些也在考验学生的能力。我们应该把可以AI化的事情尽量用AI去解决，不能AI化的事情再由人类去解决。

包括我自己，比如某个算法需要讲几个例子，或者讲它的实际应用，我也会用AI辅助做教案。接下来，AI还会逐渐解放人类做科研的生产力，到时候，人类主要做的事情是给出好的角度，提出好的问题，接下来的实验或具体解决思路，完全可以让AI提出十几二十个，你就负责筛选、执行。

：你本身就是AI领域的研究者，也很年轻，对“人工智能是年轻的事业，是年轻人的事业”，是否更有切身体会？

张林峰：从我自身出发，2016年AlphaGo战胜了当时的围棋世界冠军，掀起AI热潮，那时“人工智能”这个词就很吸引我，我觉得它和其他领域不一样，很好玩，比起一门课程，更像是一个好玩的游戏。

但其实从那时候开始，一直到大模型这波浪潮，人工智能也没有太多年，不存在有人说“搞了一辈子AI”这种情况，所以这也导致这个领域的研究人群整体比较年轻。

但同时，这个领域又发展得太快了。快到我觉得一年前刚博士毕业的知识，到现在几乎已经没太多用处了。这个领域发展得太快，导致大部分东西都要现学，而且要非常快速地跟踪。你比别人慢半年，基本上就是落后一个时代，所以必须每时每刻更新自己的知识库，而这个大概率只有年轻人能够做到。它不但需要脑力，甚至还需要体力。

所以像我们人工智能学院成立于2024年4月，非常年轻，学院师资平均年龄也是在35岁以内，大家面临的问题、讨论的事情也类似，常会在一起探讨交流。

：你自身在从事人工智能领域的科研工作时，有没有紧迫感？

张林峰：我自己是非常乐观的。虽然不排除在有些方面（GPU）会有些压力，但我觉得这个领域特别适合中国人来做，而且中国已经做得非常不错了。

我们当然面临着来自全世界科研力量的竞争，站在顶尖学府从事科研工作，紧迫感一定会有。但从我的角度，我觉得当人觉得自己在做一件面向未来的事情时，这种自驱力是源源不断的，哪怕过程中有现实的阻力与摩擦。我觉得所谓“吃苦”去做一件事情是完全不现实的，短期可能可以，但长期来看，只有在做这件事情的过程中觉得好玩、快乐，才能真正把它做好。我自己做科研是这样，我也希望我的学生做科研时也是这样。

：总的来说，怎么评价做老师这件事？有什么短期和长期目标吗？

张林峰：我觉得总体做老师还是很开心的，而且很锻炼人。做久了，对学生的责任感会越来越多。

我短期的目标还是想快速地把我的第一届学生培养起来，一个是提升他们的学术水平，另一个是提升他们的领导力和组织能力。同时，让他们在自己想要发展的方向和模式上进入一个比较稳定、长期的轨迹。这是短期的目标，希望能在最近半年到一年的时间内实现。

长期来看，我自己还是希望在人工智能领域有更大的贡献，做出更多真正有影响力的成果。特别是在现在，大模型已经越来越接近甚至超越人类智能水平的背景下，即将迎来一轮非常大的技术变革，我们希望自己的研究能够真正参与到这个过程中。

我之前主要是做模型的压缩和加速，让模型的成本降低、速度加快。最近半年，我们也在做AI for Science，就是用AI去探索科研，让大模型去辅助人类做科研，大方向上就是让大模型能够独立自由地进行科研。这个事情如果做成，很有可能会完全影响科研这个领域，乃至影响人类对于新知识的探索，所以我觉得这是一个非常重要的课题。

而且更关键的是，我们觉得这并不是虚无缥缈的。它是一个很可能在半年一年，或者三年五年就会带来变革性进展的事情。它会先在国内还是国外出现，对大家的影响非常大，我们希望尽量加快这个过程。目前国内国外包括上海市都有很多团队在做，从我的角度，虽然这是长期的目标，但我也不需要想太长远的事情，努力一步一步向前推进，就很有希望。在今年的世界人工智能大会（WAIC2025）上，我们学院发布了一个科学基座模型Innovator和通用科研智能体SciMaster，就是我们在这个领域的初步探索。