高校资产分类管理是多标准并行下的复杂的系统工作，其实践困境集中体现为分类逻辑的内在冲突、全生命周期各阶段标准的适配割裂、零部件管理的双重标准矛盾、实验室家具等特殊资产的分类缺失与信息化系统整合不足以及跨部门协同机制薄弱等多种问题[1]。这些问题相互交织，不仅降低了资产管理效率，增加了“信息孤岛”效应，而且导致资源配置信息混乱与管理成本攀升，制约了高校资产治理能力的现代化进程。

　　高校资产信息化系统的建设以建立精细化、标准化、协同化、动态化管理体系为目标，致力于强化数据分析与资源共享能力[2]。其中，仪器设备领域的分类管理通过构建标准化数据关联模型与匹配算法，已在分类准确性、处理效率及数据可追溯性上取得显著成效[3]。然而，现有资产信息化系统在应对复杂分类场景时仍面临着以下主要难题。其一，资产信息化系统分类能力完全依赖历史数据，对新兴仪器设备、“同物异名”等非标准化术语缺乏其他非人工的有效识别机制，现有信息化系统存在语义理解与类别判定的显著盲区。其二，自动化分类未实现全覆盖，少量特殊或模糊属性资产仍需人工介入。其三，分类结果准确性高度依赖初始数据质量与规范性，输入偏差易引发错误传导与累积放大效应。其四，分类标准具有动态演化特征，信息化系统需同步完成标准版本迭代与规则库更新，技术支持持续性与资源投入稳定性是艰巨的挑战。上述四大难题共同阻碍了资产分类系统向全流程自动化升级。

　　尽管人工智能(AI)给高校的教学[4]、科研[5]与教育管理[6]等提供了新的思路和方法，在效率、决策方面带来了前所未有的改善，但高校资产管理中的多源分类标准动态匹配与应用探索仍处于初级阶段。因此，探索分类标准与AI融合的新型分类框架与智能协同机制，对于突破当前资产分类管理困境、推进治理能力现代化具有理论和实践意义。文章依托大语言模型的技术优势，以财政部《固定资产等资产基础分类与代码》为核心基准，融合高校长期积累的历史分类实例，构建“标准+样本”双驱动的高校智能资产分类辅助系统(简称系统)。针对标准与样本中均未覆盖的新兴仪器设备，系统基于语义解析与混合检索技术，通过模拟管理人员分类逻辑推导路径，并在输出结果的同时提供可解释的分类依据，以辅助管理人员校验判断并提升业务能力，从而实现从“经验依赖”向“人机协同”的分类模式转变。

　　1 系统建设

　　2 系统实践

　　3 系统的创新点

　　4 系统的局限性分析

　　5 结语

　　系统利用AI实现了对高校资产的高准确性和高效分类，总体准确率达84.74%，并且通过优化样本库进一步提升了资产分类的准确性，为高校资产管理的智能化转型以及全生命周期管理提供了可行的解决方案。

　　未来工作可围绕算法优化、样本数据扩展、多维度信息融合等方向展开。通过更新迭代更先进的大模型技术，扩充资产样本库，集成学科和管理模式等上下文信息，建立标准更新同步机制，实现系统的升级换代，为高校提升管理效能，保障国有资产安全，优化资源配置提供助力。

　　参考文献

　　[1] 张宇波,钟灿涛,何平,等.高校固定资产多源分类标准协调优化策略[J].实验室研究与探索,2025,44(8):239-243,248.

　　[2] 姚劼宁.高校资产管理信息化建设研究[J].现代营销,2025(22):83-85.

　　[3] 王洋洋.加强信息化建设，提高仪器设备资产管理水平[J].实验技术与管理,2018,35(6):267-270.

　　[4] 夏琪,杨一鸣,田贤鹏.生成式人工智能如何赋能高校教师教学创新:基于麻省理工学院的案例考察[J].中国大学教学,2025(12):83-91.

　　[5] 刘庆龄,王蒲生.人工智能驱动下产学研创新联合体的协同机制与动态演化[J].科学管理研究,2025,43(6):2-10.

　　[6] 于航.人工智能在高校教育管理中的应用分析[J].科教文汇,2025(23):21-24.

张宇波1 钟灿涛1* 马银萍2 闫方南3

1. 北京大学实验室与设备管理部　2. 北京大学计算中心　3. 北京大学软件与微电子学院