没想到，一个在美国拿了终身教职的学者，不抢项目不冲论文，回国后第一件事，竟然是招26个本科生。

2020年，朱松纯彻底告别待了二十多年的UCLA，放弃终身教职，完完整整回到北大全职工作。

在AI圈子里，这种级别的学者回国，外界默认的剧本，基本都是赶紧组建大团队，申报重大科研项目，快速产出一批高水平论文，把实验室规模迅速撑起来。

可他没走这套大家熟门熟路的路子。回国之后，花大量精力打磨本科人才方案，2021年1月，在北大元培学院，招进来26个本科生，办起通用人工智能实验班，圈内简称通班。这件事放到现实里细琢磨，处处透着不一样。

朱松纯在海外的时候，拿过计算机视觉领域最高的马尔奖三次，当过CVPR大会主席，在UCLA掌管着自己的研究中心，在国际AI圈子分量很重。

按常理，手握这么多学术资源，回国优先抓研究生、博士生，上手直接做科研，见效最快，成果产出周期短，各类考核指标很快就能漂亮。

本科教育耗时长，从大一到毕业要四年，人才能不能成长起来，变数很大，短期拿不出亮眼的成绩单，很难用来撑学术门面。

当时国内AI行业的氛围，大模型热度还没彻底爆发，但深度学习的浪潮已经席卷整个行业。

不少高校的AI教学，更多盯着当下火热的技术热点，课程偏向工程应用，数理基础、认知科学、人文交叉的内容占比很低。很多学生练得一手调参、跑模型的本事，可对智能底层逻辑缺少系统理解。

朱松纯很早就看清深度学习这套范式的局限，单纯靠堆数据堆算力，很难真正走到通用人工智能那一步。要啃这块硬骨头，靠现成的成熟学者不够，需要从本科阶段就从头塑造一批全新知识结构的年轻人。

通班的课程设计，和普通计算机、AI专业差别很大。不光要啃数学、物理、计算机硬核基础，还硬加进来不少哲学、社会学、艺术、心理学相关的内容，专门开设人工智能伦理、AI与艺术这类跨界课程。

他本人会亲自抠课程细节，找物理学院老师反复研讨，专门给这批学生定制物理课，重点训练建模思维，而不是简单刷题应试。

目标就是要学生吃透AI六大核心方向，做到文理打通，不做只会单一方向的技术工匠，要培养能思考通用AI本源问题的人。

不少人当时也有疑问，放着现成科研赛道不走，砸大把时间在本科生身上，是不是有点舍近求远。换做很多高校的科研人员，花大量时间给本科生备课、设计培养体系，产出很难量化，论文、项目这些硬指标不会因此增加，对个人短期学术收益并不划算。

可朱松纯的逻辑很直白，想要在通用人工智能领域做出真正原创的东西，靠临时拼凑的队伍行不通，得自己从头养出一支队伍。科研项目可以慢慢申请，论文可以慢慢写，但人才的底子，要趁着年纪轻的时候搭建。

这个班不是搞小圈子自娱自乐，后续清华也同步开设同方向实验班，两校资源打通，这套模式慢慢铺开。

几年时间下来，最早那批26个本科生里，不少本科生已经能在国际顶级学术会议发表论文，一部分继续深耕科研，走向各个关键岗位。

当然，这条路也不能说全是坦途。通用人工智能本身就是全球都没摸透的难题，这套文理深度交叉的培养模式，也会面对现实的拉扯。

学生既要啃下理工繁重课业，又要消化人文社科内容，学习压力会成倍上涨。社会上企业招人，依旧会看重现成工程能力，通班学生也要面对市场现实的筛选。

放到今天回头看，朱松纯当年的选择，是拒绝短期捷径。

国内AI行业从来不缺会做项目、刷论文的人，但真正愿意沉下心思考底层理论，兼顾人文价值的复合型人才依旧稀缺。很多科研竞争拼到最后，比拼的不是一两年的论文数量，而是源源不断内生人才的厚度。

放弃快速变现的科研路径，把赌注压在四年才初见成效的本科教育上，这一步，是一场时间跨度很长的豪赌。

赌的不是一两个项目的成功，而是一批年轻人，未来能不能撑起国内通用人工智能的原创道路。