2026年7月20日至8月3日，清华大学战略与安全研究中心博士后、助理研究员文晶带领清华大学无穹书院瑞德海外实践支队赴瑞士、德国开展海外社会实践。从日内瓦出发，穿越阿尔卑斯山与莱茵河，支队在两周时间里走访了十余个学术机构、国际组织与产业园区。支队尝试跳出论文与数据，探索人工智能在欧洲大陆有着怎样真实的发展图景。这一问题也清晰勾勒出调研的两条主线：“治理与产业的真实脉动”和“学术前沿的多元探索”。

01治理与产业的真实脉动

中国常驻日内瓦代表团

7月21日上午，支队参访中国常驻日内瓦代表团（瓦团）。瓦团是中国深度参与联合国框架下AI治理对话的核心代表机构，承担着阐释中国主张、参与国际规则制定的重要使命。庾志成参赞系统介绍了全球AI治理形势——技术快于规则，各国理念分歧明显，发展中国家话语权不足。中国推动联合国通过AI能力建设决议，发布普惠计划，倡议成立世界人工智能合作组织，是发展中国家推动全球AI治理的重要实践。青年外交官杨乐结合在ITU的工作经历提出“事实标准”概念：领先的技术比事先制定的规范更具规则塑造力。

在自由交流环节，同学们与外交官们围绕发展中国家话语权、青年人才成长等话题展开了热烈讨论。庾参赞寄语“AI是年轻的事业，更是年轻人的事业”，杨乐则鼓励同学们“不要有太多的执念，但要做好准备”。从瓦团出发，支队第一次意识到AI的发展不仅需要实验室里的技术突破，同样需要多边对话中的制度创新。

【图片：支队成员与瓦团人员合影】

世界经济论坛

世界经济论坛（WEF）成立于1971年，以“致力于改善世界状况”为使命，其AI中心为2025年新成立的第11个中心，汇聚了全球400余位企业高管的AI转型社群。

7月21日下午，支队来到WEF总部。论坛专家主要从四个方面展开分享：一是2030年全球预计新增7800万岗位，AI创造岗位多于取代；二是全球AI治理面临碎片化、成熟度不均等四大挑战；三是企业AI关注点已从“能不能做”转向“用来做什么”；四是技术融合的“3C框架”揭示竞争力来自“组合”而非“原创”。会后，同学们参观总部并与薛博洋老师交流了国际组织职业发展话题。从瓦团的“规则制定者”到WEF的“共识构建者”，支队看到治理不仅是博弈和妥协的结果，更是对话、研究和共识构建的过程。

【图片：支队成员与WEF嘉宾合影】

中国驻瑞士大使馆

7月23日下午，支队到访中国驻瑞士大使馆。活动伊始，支队参观了周总理与新中国外交陈列展并观看纪录片。李旭东参赞致欢迎辞，文晶老师与支队长王韬迪分别介绍了实践背景与书院情况。使馆科技外交官刘韵真梳理了瑞士AI战略三阶段：2010年布局“国家研究能力中心”、2021年建设“阿尔卑斯”超算，以及2023年启动“瑞士AI倡议”成立国家人工智能研究所。伯尔尼大学博士后贾林林和博士生范辰睿分享了图机器学习与视频生成模型评估的前沿研究。秦燕、张淏等国际组织职员分享了国际组织工作经历与国际胜任力的培养。从分享中，同学们全面地看到一个正在通过“精准定位、主权筑基、开放协作”的方式构建属于自己的AI竞争力的瑞士。

【图片：支队成员与大使馆工作人员合影】

瑞士清华校友会、亚洲协会瑞士分部

7月25日上午，瑞士清华校友会支队在苏黎世理工大学（ETH）主楼举行座谈会，帮助同学们了解瑞士产学研生态与职业发展路径。方念东学长从人才、资本、算力、数据、监管五维度剖析了欧洲AI的特征与结构化劣势——欧洲不缺原创人才但顶尖人才和创业团队多被美国吸走，融资碎片化，算力落后，语言碎片化等问题使得欧洲难以形成统一大市场，欧盟AI法案虽具开创性但制约了发展速度。高玉英学姐结合在诺华、拜耳的经验，回顾了巴塞尔从染料化工到全球生命科学枢纽的演进，指出制药领域的AI必须可验证、可问责。文晶老师结合多次赴中东实地调研的经历，分享了美以伊冲突及中美中东战略差异。

部分成员还参访了亚洲协会瑞士分部，就中欧教育交流进行了对话。校友们的分享与亚洲协会的对话让同学们看到，AI的竞争不只是技术的竞争，更是制度、市场与生态的系统性较量。

【图片：支队成员与瑞士校友会合影】

宝马博物馆

7月29日下午，支队参访了位于慕尼黑的宝马博物馆，宝马是德国制造业从机械精密到软硬融合的缩影。从百年前的飞机发动机到今天的智能驾驶系统，这座博物馆生动呈现了德国工业的进化史，让同学们直观感受到AI对产业的改变不是在实验室里凭空发生的，而是在数十年工程积累的基础上逐步嵌入。

【图片：宝马博物馆参访场景】

博世研究院

7月30日，支队来到博世研究院总部。博世研究院是德国博世集团的集团级前瞻研究机构。它独立于博世集团四大业务板块，负责前沿创新探索，研究布局覆盖德国、美国、中国、印度和新加坡，被认为是欧洲工业界AI研究第一梯队。

研究员Micheal介绍了集团全球研发布局、专利情况与AI研究方向。AX负责人Christina与同学们围绕AI安全与中德差异等话题展开自由讨论。同学们还走进研究员办公室，与一线科研人员交流。同学们了解到，德国的AI策略因人口老龄化更侧重“工业AI”而非通用大模型，这揭示了AI的发展路径没有单一模板，它嵌入一个国家的产业基础与制度选择之中。

【图片：支队成员与博世工作人员合影】

02学术前沿的多元探索

洛桑联邦理工学院

7月22日，支队来到洛桑联邦理工学院（EPFL），EPFL是欧洲顶尖理工院校，在AI与神经科学的交叉领域拥有独特的研究优势。

上午，NeuroAI实验室负责人Martin Schrimpf教授分享了计算神经科学与类脑AI的前沿研究。午间，支队与洛桑学联代表交流，了解到瑞士AI生态的特点及EPFL“宽进严出”的培养模式。下午，支队来到COSMO实验室，了解机器学习如何替代传统高成本量子力学模拟。同学们还走进实验室，与一线研究人员自由交流。在EPFL的一天，支队看到AI可以同时属于神经科学、量子物理和工程设计，这种交叉不是学科间的拼凑，而是问题本身需要多重知识的共同回答。

【图片：支队成员在EPFL校园合影】

苏黎世联邦理工学院与神经信息学研究所

7月24日，支队在苏黎世先后参访了ETH和INI。苏黎世联邦理工学院（ETH）是欧洲顶尖的理工院校，在工程与自然科学领域享有盛誉，培养了包括爱因斯坦在内的数十位诺贝尔奖得主，与洛桑联邦理工学院共同构成了瑞士乃至全球科研与创新的核心力量。其毗邻的苏黎世神经信息学研究所（INI）作为ETH与苏黎世大学联合创办的研究机构，正是这一学术生态中交叉融合的典型缩影。

上午，支队员与ETH的两位学长对话交流，他们虽不直接以AI为核心研究工具，却提醒同学们思考AI的能力边界：概率预测不能替代实验控制，黑箱模型与基础科学的可验证要求如何匹配是关键问题。下午，三位中国博士学长介绍了AI芯片设计、类脑计算等内容。研究所的类脑芯片给同学们留下了深刻印象：在“更快更大”的主流之外，还有一种“更慢更仿生”的可能——它未必赢得当下的竞争，但它在追问智能的本质。

【图片：支队成员与学长合影】

慕尼黑工业大学与雷根斯堡大学

7月29日，支队来到慕尼黑工业大学（TUM）主校区与国际处Josh老师座谈，深入了解德国顶尖大学的培养模式与国际化生态。TUM连续三次被评为德国“精英大学”，国际学生占比高达45%。学校将创业精神作为核心价值观，与宝马、西门子等企业建立深度合作关系。

德国行程尾声，支队来到雷根斯堡大学，在学长带领下了解德国研究型大学的日常运转与学术评价体系。从EPFL到ETH、从TUM到雷根斯堡，支队看到了欧洲高等教育的多元面貌——不同国家、不同类型的大学在培养模式、研究文化和产业连接上各有特色，但共同的一点是：它们都在各自的土壤中寻找着“如何培养能面对未来挑战的人”这一问题的答案。

03结语：答案没有终点

两周的行程并未给出一个关于“AI如何生长”的标准答案，却让我们看到在严谨的学术传统里、在碎片化的市场规则下、在老龄化倒逼的产业需求中，AI以不同的方式嵌入制度、产业与人的选择之中。

中国驻瑞士参赞说：“AI是年轻的事业，更是年轻人的事业。”校友说：“不仅要成为AI时代的使用者，更要成为负责任创新的建设者。”在当代青年建设AI的路上，问题有时比答案更珍贵。这或许就是实践的意义——不是带回一个标准答案，而是让我们知道，未来的路值得从这里开始思考。

供稿：清华大学无穹书院赴瑞士、德国社会实践支队