华为云 + 昇腾计算人工智能教改项目是我主持的成功教改实践。本文分享从立项申报到结题推广的全过程，包括项目设计、资源建设、教学实施和成果转化经验。
一、项目概况
| 项目 | 内容 |
|---|---|
| 名称 | 基于昇腾AI计算的人工智能课程教改实践 |
| 周期 | 1学年（含2学期） |
| 支撑 | 华为云ModelArts + 昇腾AI处理器 + MindSpore框架 |
| 目标 | 将AI课程从"理论+GPU实验"升级为"昇腾全栈实践" |
二、立项动机
原有AI课程痛点：① 用国外GPU框架，与国产生态脱节 ② 实验环境依赖学校GPU服务器，资源紧张 ③ 学生对"国产AI算力"无认知。恰逢华为推出昇腾AI + MindSpore，决定借教改契机引入国产全栈。
三、项目设计
3.1 教学内容改造
- 框架迁移：TensorFlow/PyTorch 实验 → MindSpore 等价实验
- 算力切换：本地GPU → 华为云ModelArts（昇腾算力）
- 案例本土化：通用数据集 → 工业/农业等国产场景数据集
- 增加部署环节：不只训练模型，还部署到昇腾边缘设备推理
3.2 资源建设
- 编写 MindSpore 实验指导书（8个实验，从手写数字识别到目标检测）
- 录制昇腾AI入门视频微课（12个，每个10-15分钟）
- 建设华为云ModelArts教学环境（申请教育额度）
- 开发在线评测平台（自动判题，基于MindSpore）
四、教学实施
教学流程:
课前: 学生看微课预习（昇腾架构/MindSpore基础）
课中: 教师讲解重点 + 演示实验 + 学生动手
课后: ModelArts云上完成实验 + 提交评测
项目: 学期末综合项目（昇腾端到端AI应用）关键成功因素：华为云ModelArts教育额度解决了算力资源问题，学生无需本地装环境，浏览器即可实验，大幅降低门槛。
五、成果与转化
- 学生反馈：92%学生认为"对国产AI生态有了认知"，85%认为"实验体验优于传统GPU环境"
- 教改论文：发表教改论文2篇，分享昇腾AI教学实践
- 课程推广：方案被省内3所兄弟院校借鉴采纳
- 竞赛成果：学生用昇腾AI参加竞赛获奖，验证教学效果
- 华为认可：项目获华为优秀教改案例，受邀在华为开发者大会分享
六、经验教训
- 算力资源要提前落实：教改前一个学期就申请华为云教育额度，避免课中资源不足
- 框架迁移有成本：MindSpore API 与 TF/PyTorch 有差异，需提前做等价实验对照表
- 学生基础差异大：部分学生Python不熟，需补充前置训练
- 国产化是趋势：学生认可度高，就业市场对昇腾经验有需求，教改方向正确
七、小结
- 昇腾AI教改核心：框架迁移MindSpore + 算力切ModelArts + 部署到边缘
- 华为云教育额度是关键支撑，解决算力和环境门槛
- 国产AI生态教学有价值：学生认知提升、就业竞争力增强、教改可推广