# NUS商学院新院长上任，目标打造人工智能驱动的未来商学院

URL: https://www.shicheng.news/v/6bx7o
Published: 2026-11-03
Source: 狮城新闻

NUS BUSINESS SCHOOL · AI-NATIVE FUTURE

当AI会分析、写报告、提建议，商学院还要教什么？

答案不只是更多AI课程，而是重塑学习、实践与研究的连接方式

过去，金融、经济学和管理知识足以为商业人才打下坚实基础。

今天，企业还希望毕业生理解科技、数据科学、可持续发展与人工智能。随着AI接手越来越多基础分析工作，学生甚至可能失去过去通过初级任务积累经验的机会。

2026年7月出任新加坡国立大学商学院院长后，Teo Chung Piaw教授提出一个更大的目标：建设一所**面向未来的“AI原生”商学院**。

这里的“AI原生”，并不是简单增加几门AI选修课，而是让AI进入课程、教学、学校运营、产业合作与研究转化的全过程。

真正稀缺的，不只是会使用AI的人，

而是能够判断一个答案是否可靠、一个建议是否值得采用的人。

## 01｜新院长是谁？从运筹学到商业教育



Teo Chung Piaw教授是NUS校友，也已在NUS商学院从事研究、教学与学术管理超过三十年。

他是NUS商学院Stephen Riady教授，研究领域包括运筹学、优化、供应链、机器学习和公共部门分析，应用场景横跨航空、物流、电商与城市系统。

在出任院长前，他曾担任NUS运筹学与分析研究所执行主任，并共同领导新航—NUS数字航空企业实验室，推动AI、运筹优化与航空业真实问题结合。

这段经历也解释了他的教育构想：AI不应被视为独立于商业的技术附件，而应成为理解和解决组织问题的一种基础能力。

![NUS商学院新院长上任，目标打造人工智能驱动的未来商学院](https://www.shicheng.news/images/image/1793/17934849.avif?0)





## 02｜“AI原生”不是另开一个专业，而是融入九大专业



NUS正在推进X+AI教育策略，把AI嵌入不同学科，反映各行各业正在发生的职业实践变化。

在商学院，这一策略正覆盖九个商业专业方向。学生不仅学习通用AI概念，也要理解AI在自己所选领域中的实际应用。

● 金融学生需要理解模型如何辅助风险判断与资产分析

● 市场营销学生需要评估算法洞察与消费者信任

● 运营与供应链学生需要利用预测和优化应对不确定性

● 会计与治理领域需要关注自动化、审计与责任边界

这些例子说明的不是具体新增课程清单，而是“X+AI”的方向：AI必须放进专业情境中学习，技术能力也要与行业知识、伦理和判断力结合。

AI让专业知识更容易获得，跨学科基础反而更加重要。

知道模型能做什么是一种能力，理解它忽略了什么则需要更广阔的知识结构。

Teo教授因此欢迎学生修读第二专业或辅修，通过多个领域的知识，建立辨别好方案与坏方案的能力。

## 03｜AI也将改变案例教学



传统商学院案例通常给出一组背景资料，让学生代入管理者角色，分析问题并提出方案。

Teo教授鼓励教师更深入地使用AI，其中一项正在开发的构想是**多智能体模拟**。

在这类模拟中，不同AI智能体可以分别代表消费者、竞争者、供应商、监管者或公司内部部门，并根据学生的决策作出动态反应。

案例因此可能从一份静态材料，变成不断变化的商业环境：

**作出决策：**学生选择定价、扩张或危机应对策略

**观察反馈：**多个利益相关方产生不同反应

**复盘判断：**学生解释结果、修正假设并承担取舍

这项教学方式目前仍在开发，并非所有课程已经采用。它的真正价值也不在于让AI替学生回答，而在于创造更复杂、更接近现实的练习环境。

## 04｜当初级工作被AI接手，学生如何获得经验？



职场新人过去常通过整理资料、基础分析和制作初稿逐渐理解业务。如今，AI可以完成其中越来越多任务。

效率提高的同时，也带来一个教育问题：如果毕业生跳过了这些基础工作，他们要在哪里学习判断数据质量、理解业务流程，并认识一个方案为何在现实中失败？

Teo教授希望商学院加强产业连接，扩展企业实地服务项目，让学生在毕业前参与真实商业问题。

NUS商学院拥有超过**5万名遍布全球的校友**，并邀请业界人士担任兼任教师。这些网络可为学生带来企业案例、项目辅导与不同市场的实践经验。

未来，学生不只是在课堂上讨论“公司应该怎么做”，也有更多机会与企业合作，面对不完整数据、冲突目标、沟通成本和执行限制。

![NUS商学院新院长上任，目标打造人工智能驱动的未来商学院](https://www.shicheng.news/images/image/1793/17934850.avif?0)





企业项目不只是为了给简历增加一行经历。

它要补上AI难以替代的学习：与人协作、定义问题、承担后果并在约束中作出判断。

## 05｜让论文走向企业与公共政策



Teo教授的第三项重点，是推动学术研究转化为企业能够使用、政府政策能够参考的解决方案。

他希望形成一条双向循环：

现实商业挑战启发更有意义的研究问题

研究成果形成模型、方法与决策工具

企业和政策实践检验这些成果是否真正有效

新的反馈再推动下一轮研究

随着AI降低知识检索和模型开发的门槛，研究价值也会越来越取决于成果如何应用、解决了谁的问题，以及能否产生可验证的实际影响。

不过，“加强转化”并不意味着所有基础研究都必须立刻商业化。大学仍需要探索长期、困难且暂时没有明确应用的问题；关键是为适合转化的成果建立更顺畅的路径。

## 06｜三项重点，最终都回到“人的成长”



建设AI原生商学院、扩大产业合作、提升研究转化，看似是三条不同路线，最终目的却相同：让学生和教师在变化中实现更大的潜力。

Teo教授希望“搭建通向企业的桥梁，也把人托举起来”。他期待未来能够看到一系列学生成长故事，证明商学院为他们的人生和事业带来了怎样的影响。

这也提醒我们：AI原生教育并不是把技术放在教育中心。

恰恰相反，它要求学校更认真地思考哪些能力属于人——提出好问题、理解情境、判断证据、连接不同领域，并为决策承担责任。

当答案变得更容易生成，

教育更要培养判断什么值得相信、值得行动。