《人工智能+汽车基础与应用》教案

第一章第一节AI是什么？为什么汽车能“思考”（2课时）一、教学基本信息课程人工智能+汽车基础与应用（中职汽车类专业通用）授课班级XX级汽车专业班级教学内容第一章第一节AI是什么？为什么汽车能“思考”授课类型理论课课时2课时（80分钟）二、教学内容分析1.教材本课程使用教材为由全国汽车职业教育教学指导委员会组编的《人工智能+汽车基础与应用》，课程系统解构了AI与汽车的融合创新，课程的核心目标是为培养具有技术应用能力、数据思维与伦理素养的复合型技能人才。本课程适用汽车运用与维修专业群学生，总学时为36学时，采用纯理论授课方式进行授课。2.教学内容本次课内容选自教材第一单元第一小节，课题为《AI是什么？为什么汽车能“思考”》。作为教材的开篇章节，主要介绍了什么是人工智能、人工智能的发展历程、人工智能产品特点及判断标准以及汽车如何通过感知、大脑、决策来实现自主思考和行动，帮助学生开启人工智能与汽车融合的知识大门。三、学情分析授课对象XX级汽车运用与维修专业群学生学情特征基本情况教学对象为汽车运用与维修专业群X年级学生，涵盖汽车运用与维修、新能源汽车运用与维修、车身修复、汽车服务与营销等多个专业。通过专业课程学习，大多数学生已具备较好的专业基础知识和技能，但不同专业和班型学生在学习能力和学习特点上存在差异，需要在教学中结合学生专业特色与基本情况进行适当调整。优势特征学生熟悉智能手机使用方法，熟悉短视频、社交平台及轻量化AI工具的使用；2.大部分同学愿意尝试新事物，对学习新知识兴趣浓厚，对当前的汽车新技术与未来的汽车行业发展趋势有浓厚兴趣。不足特征学生对理论学习和理解能力较弱，也容易产生畏难情绪；不同专业方向和学制的学生专业基础和学习能力偏差较大，同一个班内也常出现两极分化的情况；四、教学目标1.认知目标（1）理解人工智能的核心概念，能准确描述人工智能的定义。（2）掌握人工智能产品的判断方法，能运用“四问判断法”区分人工智能与非人工智能产品。（3）会解析汽车智能的技术逻辑，能列举汽车“思考”的三大要素。（4）能描述常见车用传感器的功能及应用场景。（5）能叙述人工智能发展史中的关键事件及技术突破。2.技能目标进行人工智能工具操作与交互逻辑体验，能利用人工智能工具完成交互任务。3.思政目标（1）建立伦理与安全意识，建立数据授权与个人隐私保护意识。（3）激发对AI技术的探索兴趣，培养创新思维。五、教学重难点教学重点人工智能的三大支柱及人工智能产品的判断标准。人工智能的发展历程。3.汽车“会思考”的三要素。教学难点人工智能产品的判断标准。汽车“会思考”的三要素。六、教学策略及方法本次课以生活化和游戏化为外显手段，吸引学生投入；以案例链和类比法为内在逻辑，化解知识难点；以小组讨论和主题探究为深化路径，培养高阶思维；以学生为中心，采用任务驱动教学法，提升学生学习积极主动性，通过国产故事和职业展望实现价值引领，服务于培养新时代高素质技术技能人才的总目标。七、信息化教学资源的运用超星学习通：用于发布课前预习任务、学习资料及视频、在线讨论、课后作业等；希沃一体机：用于PPT演示、视频播放、希沃白板游戏互动等。3.智能平板：用于课前任务学习及课中讨论答题。八、教学准备学生准备学生共分为12个学习小组，每组3～4人，共同完成小组讨论和课前任务。教师准备学材、教具：希沃一体机、教学用智能平板12台辅助材料：小组活动任务单信息化资源：超星学习通、教学PPT、案例视频、在线AI大模型工具（DeepSeek、文心一言、豆包等）九、教学过程教学环节（80分钟）教学内容教师活动学生活动设计意图课前准备超星学习通课前学习在超星学习通发布前置任务并督促学生完成：（1）智驱引擎舱相关知识查询；（2）预习本课并在学习通讨论区提出疑问。自主查询相关知识；预习本课并提出疑问。通过完成课前任务，学生能带着问题进入课堂，提高学习主动性和课堂的效率。（一）课前5S（1分钟）师生问好及课前5S整理课前整顿5S整理课程思政：渗透强化5S意识和能力，提升学生职业素养。（二）新课导入（5分钟）1.课前任务检查反馈2.新课导入：人工智能一词的组成含义及人类智慧的来源提问并展示学习通讨论区学生问题；播放AI从科幻步入现实视频；3.提出问题：是什么赋予人类智慧？4.引导学生参与讨论；1.查看预习情况；2.观看视频引思考；3.听讲、参与讨论、回答问题；回顾课前准备内容，为进入新的内容学习做准备；视频激趣引思考，联系实际导新知；课程思政：通过国产智驾品牌新技术，激发学生民族自豪感和创新自信心；（三）新知探究（19分钟）AI定义与三大支柱

1.AI的定义（麦卡锡、清华大学教材）。

2.三大支柱：

算法：“决策大脑”（用交通信号灯、导航案例对比讲解）。

算力：“动力引擎”（用AEB案例对比，突出国产地平线芯片）。

数据：“知识燃料”（用打车软件体验对比讲解）。1.讲授核心概念，语言简练、生动，紧扣案例。

2.利用希沃白板的“思维导图”功能，动态构建并可视化三大支柱的知识框架。

3.穿插提问：“为什么导航有时会导错路？”（算法/数据问题）“国产芯片突破的意义是什么？”

4.强调三大支柱缺一不可，并用“做饭”类比（数据是米，算法是菜谱，算力是灶火）。听讲、记录，理解核心概念。

2.观看思维导图构建，形成系统记忆。3.思考并回答教师提问。4.完成“查一查”：快速用平板搜索“TOPS”等名词含义，加深对算力量化概念的理解1.构建体系：用思维导图工具将零散知识点系统化、视觉化，利于学生理解逻辑关系。

2.案例驱动：所有抽象概念均用具体案例支撑，符合中职生认知特点。

3.思政：通过国产地平线芯片案例，自然融入科技自立自强、民族品牌自信的思政元素，引导学生关注和支持国产核心技术发展。历史回眸（10分钟）AI进化史1.核心脉络：讲解AI发展的六个阶段（婴儿期－〉童年期－〉青春期－〉大学期－〉职场期－〉壮年期）及其代表性事件/人物（图灵测试、达特茅斯会议、专家系统、深蓝、AlphaGo、ChatGPT/DeepSeek）。

2.核心驱动：强调技术发展背后的算法、算力、数据三大动因。

3.【活动】历史长河排序游戏（希沃白板：主题排序）

任务：将关键事件（图灵测试、深度学习崛起、国产大模型等）拖拽到时间轴的正确位置上。1.精讲脉络：并非平铺直叙，而是突出重点转折点（如两次寒冬、深度学习崛起），并关联之前讲的“三大支柱”，解释每次爆发的原因。

2.组织游戏：发起希沃排序活动，邀请学生上台操作。

3.承前启后：总结指出，正是技术的不断积累，才让我们今天能讨论“汽车的思考”。听讲，建立AI发展的历史框架感。

2.参与游戏，积极尝试为历史事件排序，在操作中加深对关键里程碑的记忆。

3.思考技术发展的规律。1.建立认知框架：避免知识碎片化，帮助学生建立AI技术发展的宏观视野，理解当前技术所处的位置。

2.互动化记忆：将枯燥的历史时间线变为动手操作的排序游戏，趣味性强，记忆更深刻。

3.强化核心概念：将历史发展与“三大支柱”概念再次关联，强化理解。

4.思政：在讲解“壮年期”时，重点介绍DeepSeek等中国大模型的崛起，凸显中国在AI领域从追随到并跑甚至引领的态势，增强民族自豪感。（五）内化巩固（18分钟）慧眼识AI：“四问判断法”

1.讲解能力、技术、交互三个维度的区别（结合教材表格）。

2.总结“四问法”：能感知？能学习？能规划？能理解交互？

3.【游戏】“王牌AI质检员’”攻擂赛（希沃白板：分组竞争）

题目：判断一系列产品（智能车机、定速巡航、自适应巡航、智能泊车、倒车雷达、扫地机器人）是否属于AI。1.引导学生完成教材“想一想”练习，并讲解关键。

2.清晰板书“四问法”口诀。

3.组织游戏：将学生分为两组，进行希沃分组竞争游戏，抢答判断并陈述理由。教师和同学共同担任裁判和点评者。1.独立完成教材练习，初步应用知识。

2.记录“四问法”口诀。

3.全员参与游戏，小组讨论，积极抢答，用“四问法”阐述理由。1.技能转化：将理论知识转化为可操作的鉴别技能。

2.高效巩固：游戏化竞争机制能最大限度地调动课堂气氛和参与度，在应用中固化知识。

3.思政：通过对汽车领域相关产品的辨析，直接对接专业内容，培养批判性思维和表达能力。（六）深度探究（17分钟）汽车如何“思考”：感官、大脑与决策

1.感官系统（传感器）：类比“人的五官”，介绍摄像头、雷达等（结合教材表格）。

2.AI大脑（神经网络）：剖析问界M7雨天案例，讲解“感知－决策－执行”全过程。

3.决策系统：介绍指令如何下达给车辆执行机构。

4.【活动】人机大战：谁更可靠？（学习通主题讨论）类比讲解：“摄像头像眼睛，雷达像耳朵……”，让技术变得生动易懂。

2.深度案例分析：利用希沃白板的放大镜、拖拽功能，一步步分解案例场景，讲解神经网络如何处理复杂信息。

3.发布学习通讨论：发布“人类司机vsAI司机，在安全、效率、疲劳度等方面谁更可靠？”的主题讨论，引导学生多角度思考。

4.强调AI决策依赖于高质量的数据训练，尤其是对中国复杂路况的适应。1.听讲，理解汽车“思考”的仿生学原理。

2.跟随教师分析案例，看清技术细节。

3.参与学习通讨论，发表自己的观点，并查看、点赞同伴的发言。

4.完成教材上的问题和对比表格。化难为易：人体类比是降低技术理解难度的金钥匙。

2.培养系统思维：通过深度案例拆解，让学生建立对智能驾驶系统的整体认知，理解其复杂性。

3.辩证思考：讨论题引导学生客观看待技术与人类的关系，理解人机协同才是未来。

4.思政：在案例和讨论中强调“中国路况”和“数据安全”，自然融入国家安全观、社会责任意识和科技向善的伦理观念。（七）拓展升华（7分钟）四、延伸与展望

1.故事时间：讲述比亚迪“璇玑”系统突破技术壁垒的故事。

2.伦理宣言：发起“我是负责任AI汽车人”的简短倡议。1.生动讲述“璇玑”故事，突出其从无到有的创新精神和战略意义。

2.引导学生共同倡议：未来从事汽车行业，要严谨、安全、负责任地运用AI技术。1.聆听故事，感受技术突破的澎湃力量。

2.响应倡议，在心中埋下伦理和责任的种子。1.思政：树立自信中国企业的成功故事，极大增强学生的民族自豪感和行业信心。

2.思政：价值引领将技术学习提升到伦理责任的高度，完成最后一环的思政升华，培养学生正确的科技价值观。（八）、总结与作业（3分钟）1.课堂小结：利用希沃“星球排序”或“知识配对”功能，快速回顾核心知识点（AI定义、三大支柱、四问法、汽车三要素）。

2.布置作业。1.引导学生一起完成互动总结。

2.发布课后作业任务。积极参与互动游戏式总结。

2.记录作业内容。1.强化记忆：以轻松有趣的方式回顾全课，加深印象。

2.巩固延伸：布置与课堂内容紧密衔接的实践性作业，促进知识迁移。十、教学反思

第一章第二节揭秘AI超级大脑：大模型如何炼成（2课时）一、教学基本信息课程汽车人工智能技术通识教程授课班级XX级汽车专业班级教学内容揭秘AI超级大脑：大模型如何炼成授课类型理论课课时2课时（80分钟）二、教学内容分析1.教材本门课程使用的教材为《汽车人工智能技术通识教程》，由全国汽车行业教学指导委员会组编，课程系统解构了AI与汽车的融合创新，课程的核心目标是培养既掌握AI通识知识，又具备汽车专业技能的复合型技术人才。本课程适用汽车运用与维修专业群三年级学生，总学时为36学时，采用纯理论授课方式进行授课。2.教学内容本次课的内容来自《汽车人工智能技术通识教程》第一单元第二小节，课题是《揭秘AI超级大脑：大模型如何炼成》。在前一小节，学生对人工智能有了初步的了解，如果说人工智能像“会思考的机器”，那么大模型就像人工智能的“超强大脑”，因此在本节课程中将引导学生通过“技术认知-场景应用-岗位实战”，深入了解大模型的奥秘。三、学情分析授课对象XX级汽车运用与维修专业群学生学情特征基本情况教学对象为汽车运用与维修专业群三年级学生，涵盖汽车运用与维修、新能源汽车运用与维修、车身修复、汽车服务与营销多个专业。通过前2年的学习，大多数学生已具备较好的专业基础知识和技能，但中职班和三二分段班在学习能力和学习意愿上都显现出明显差异，需要在教学中进行适配性调整。优势特征学生熟悉智能手机使用，熟悉短视频、社交平台及轻量化AI工具的使用；2.大部分同学具有较好的专业基础，对学习新知识的兴趣浓厚，对以后从事汽车行业较有兴趣。不足特征学生对理论学习和理解能力较弱，也容易产生畏难情绪；不同专业方向和学制的学生专业基础和学习能力偏差较大，同一个班内也常出现两极分化的情况；四、教学目标1.认知目标（1）能准确解释大模型的定义及核心特征；（2）能结合学习生活实际描述大模型的类别；（3）能结合学习生活实际解释AI大模型的记忆法则；2.技能目标（1）能运用不同类型的AI大模型，完成不同汽车岗位的职业体验任务；（2）能通过小组协作活动比较各种AI大模型的特点；3.思政目标（1）通过了解AI大模型在汽车领域的应用，思考未来职业发展方向，建立职业规划意识；（2）通过完成AI大模型职业体验任务，提升信息素养；五、教学重难点教学重点1.大模型的核心特征和记忆法则；2.AI大模型在汽车领域的应用。教学难点运用AI大模型，完成不同汽车岗位的职业体验任务。六、教学策略及方法合理利用信息化教学手段，采用情景化教学策略和任务驱动教学法，以学生为中心设计教学活动，并采用小组协作的形式组织教学，灵活运用讨论、讲解、提问、小组任务等多种方式调动学生积极参与，帮助学生有效理解复杂的技术概念，并与汽车岗位的职业能力培养相融合。七、信息化教学资源的运用超星学习通：用于发布课前预习任务、学习资料及视频、在线讨论、课后作业等；希沃一体机：用于PPT演示、视频播放和关键点讲解等；教学用智能平板：用于分组探究任务；八、教学准备学生准备学生共分为12个学习小组，每组3-4人，共同完成小组讨论和任务。教师准备学材、教具：希沃一体机、教学用智能平板12台辅助材料：小组活动任务单信息化资源：超星学习通、教学PPT、案例视频、在线AI大模型工具（deepseek、文心一言、豆包等）九、教学过程教学环节（80分钟）教学内容教师活动学生活动设计意图课前准备超星学习通课前学习在超星学习通发布前置任务并督促学生完成：（1）特斯拉案例分析及在线讨论；（2）2道预习题。课前自主在线阅读案例，并在论坛中进行在线讨论；完成2道预习题。通过完成课前任务，学生能带着问题进入课堂，提高学习主动性和课堂的效率。课前5S（1分钟）师生问候及课前5S整理引导学生进行5S整理课程思政：不断渗透强化5S意识和能力，提升学生职业素养；（二）情境导入（5分钟）1.旧课复习：人工智能三要素2.新课导入：AI大模型是让汽车拥有“举一反三”能力的核心引擎。1.视频展示：比亚迪“天神之眼”实车路测视频；2.提出问题——“汽车智驾系统如何像‘学霸’一样学习驾驶？”3.引导学生参与讨论；4.引导进入新课主题；观看视频；思考并参与讨论；回答问题；回顾前一节学习的内容，为进入新的内容学习做准备；从学生感兴趣的智能驾驶入手，激发学生的学习兴趣；课程思政：通过国产智驾品牌，激发学生民族自豪感和职业归属感；（三）核心概念解析(18分钟)1.大模型的概念（4分钟）根据学生对案例的讨论结果，教师总结讲解大模型的核心概念。大模型=大数据+大算力+强算法认真听讲、记笔记通过讲解，强化学生对核心概念的认知和理解；通过与实际生活的联系，激发学生的学习兴趣；通过观看视频和小组讨论，引导学生主动思考，提升学生的探究意识；课程思政：通过对比国产品牌和特斯拉的智驾系统在中国道路的表现，激发学生的民族自豪感；2.大模型的核心特质（14分钟）1.提问：你都知道或用过哪些AI大模型？/你有体验过汽车智能驾驶功能吗？2.视频展示：特斯拉FSD和鸿蒙智驾在中国道路的实际表现。3.引导学生讨论发言：为什么FSD在中国道路会水土不服？4.案例快闪，讲解大模型的“四大特质”。自由分享；观看视频；分组讨论并发言；4.认真听讲、记笔记（四）核心技术揭秘（10分钟）1.大模型的神经元网络；2.大模型的记忆法则；1.用“快递分拣中心”解析神经网络工作原理；2.提问：我们是怎么学开车的？新手是如何修炼成老司机的？3.类比讲解大模型记忆法则；4.引导小组讨论：找一个生活中的例子来类比大模型记忆法则；1.认真听讲、记笔记；2.思考并回答问题；3.讨论并分享；1.联系生活实际，加深学生对大模型核心技术的理解；2.课程思政：提升学生小组合作、自主学习与沟通的能力；（五）大模型重塑汽车产业链（6分钟）大模型技术在汽车领域的应用：设计研发生产制造智能产品精准营销售后服务1.案例快闪，引导思考2.总结大模型在汽车领域的应用全景图1.随快闪案例迅速思考发言；2.认真听讲，做笔记1.结合行业实际案例引导学生思考大模型在汽车领域引起的变革；2.课程思政：通过展现国产汽车人工智能技术发展的现状激发学生的民族自豪感；2.引导学生思考人工智能背景下的职业生涯规划，提升职业规划意识。（六）分组实战——AI大模型“实习生”PK赛（35分钟）1.活动准备（5分钟）讲解活动要求并进行任务分组；分发任务单和智能平板；听取活动要求；领取任务单和智能平板；1.激发学生小组合作、自主学习与知识应用能力；2.通过实战练习，让学生对大模型技术在汽车领域的应用理解更深刻；3.引导学生思考人工智能背景下的职业生涯规划，提升职业规划意识。2.汽车岗位大模型职业体验（25分钟）1.现场活动指导；2.讲解评价标准；3.引导学生对活动结果进行投票评选；1.完成AI大模型在某汽车岗位的体验任务；2.展示活动成果；3.按照评价标准对各组的活动结果进行评价；3.活动总结与拓展（5分钟）1.对体验活动进行总结评价；2.拓展提问；1.听取活动总结；2.思考拓展问题；（七）反馈总结及作业布置（5分钟）1.反馈学生的学习情况；2.总结本单元学习要点，为下节课学习做准备。反馈小组评价结果；总结学习要点；布置课后作业。听取评价结果；回顾学习要点；记录作业，注意格式要点。培养学生举一反三的能力，引导学生观察和思考。十、教学反思

第二章第一节感知觉醒：汽车的“五官”特工集训营（2课时）一、教学基本信息课程人工智能+汽车基础与应用（中职汽车类专业通用）授课班级XX级汽车专业班级教学内容第二章第一节感知觉醒：汽车的“五官”特工集训营授课类型理论课课时2课时（80分钟）二、教学内容分析1.教材本课程使用教材为由全国汽车职业教育教学指导委员会组编的《人工智能+汽车基础与应用》。课程系统解构了AI与汽车的融合创新，课程的核心目标是为培养具有技术应用能力、数据思维与伦理素养的复合型技能人才。本课程适用汽车运用与维修专业群学生，总学时为36学时。2.教学内容本次课内容选自教材第二单元第一小节，本节是“智能汽车感知—决策—控制”全链条的开篇核心内容，承接第一章“AI与汽车思考逻辑”，聚焦“感知系统”这一智能汽车的“五官”，为后续决策算法、线控控制模块奠定技术基础。课程总学时36学时，本节通过“理论讲解+实验操作”结合，打破纯理论授课局限，适配中职学生“做中学”的认知特点。本次课以“仿生学类比”为核心逻辑，拆解三大感知“特工”的技术细节。三、学情分析授课对象XX级汽车运用与维修专业群学生学情特征基本情况教学对象为汽车运用与维修专业群X年级学生，涵盖汽车运用与维修、新能源汽车运用与维修、车身修复、汽车服务与营销等多个专业。通过专业课程学习，大多数学生已具备较好的专业基础知识和技能，但不同专业和班型学生在学习能力和学习特点上存在差异，需要在教学中结合学生专业特色与基本情况进行适当调整。优势特征学生熟悉智能手机使用方法，熟悉短视频、社交平台及轻量化AI工具的使用；2.大部分同学愿意尝试新事物，对学习新知识兴趣浓厚，对当前的汽车新技术与未来的汽车行业发展趋势有浓厚兴趣。不足特征学生对理论学习和理解能力较弱，也容易产生畏难情绪；不同专业方向和学制的学生专业基础和学习能力偏差较大，同一个班内也常出现两极分化的情况；四、教学目标1.认知目标理解超声波雷达、毫米波雷达、激光雷达的工作原理和特点；2.技能目标1.能比较蝙蝠回声定位和激光雷达在雾天等环境中的表现，并思考它们对智能汽车的启发；2.能掌握超声波传感器如何测距，并知道它在倒车防撞、低速防撞中的作用；3.能认识摄像头和雷达如何让智能汽车更准确、更可靠地感知环境；3.思政目标1.培养严谨的科学思维与探索精神，增强对智能汽车先进技术的认知与理解；2.提升解决实际问题的能力，在对比分析中激发创新意识；3.关注智能汽车技术对交通安全与出行方式的影响，树立科技服务生活的理念。五、教学重难点教学重点三类传感器的工作原理和特点教学难点激光雷达与蝙蝠导航的差异六、教学策略及方法本次课以生活化和游戏化为外显手段，吸引学生投入；以案例链和类比法为内在逻辑，化解知识难点；以小组讨论和主题探究为深化路径，培养高阶思维；以学生为中心，采用任务驱动教学法，提升学生学习积极主动性，通过国产故事和职业展望实现价值引领，服务于培养新时代高素质技术技能人才的总目标。七、信息化教学资源的运用超星学习通：用于发布课前预习任务、学习资料及视频、在线讨论、课后作业等；希沃一体机：用于PPT演示、视频播放、希沃白板游戏互动等。智能平板：用于课前任务学习及课中讨论答题。八、教学准备学生准备学生共分为12个学习小组，每组3～4人，共同完成小组讨论和课前任务。教师准备学材、教具：HC-SR04超声波模块（12套）、激光雷达模型（1个）、汽车摄像头（带自清洁功能，1个）、雾状玻璃（模拟大雾）；万用表（测超声波模块电压）、卷尺（验证测距精度）、贴纸/油漆（模拟黑客物理攻击）；辅助材料：小组活动任务单信息化资源：超星学习通、教学PPT、视频：《钢铁侠车载系统》片段、《特斯拉暴雨事故分析》、《华为激光雷达研发故事》案例视频、在线AI大模型工具（DeepSeek、文心一言、豆包等）九、教学过程教学环节（80分钟）教学内容教师活动学生活动设计意图课前准备超星学习通预习任务反馈1.查看学习通预习数据，统计未完成人数、疑问最多的问题”（如激光雷达为什么贵）；2.课前5分钟在希沃发布“预习小测”（3题：超声波频率、摄像头类型、雷达作用）。

2.课前5分钟在希沃发布预习小测（3题：超声波频率、摄像头类型、雷达作用）。1.完成预习小测，小组内核对答案；

2.组长反馈组内疑问（如毫米波雷达怎么穿透暴雨）。1.了解学生预习情况，针对性调整教学重点；

2.提前激活学生已有知识，为新课铺垫。（一）课前5S（1分钟）师生问好及课前5S整理课前整顿5S整理课程思政：渗透强化5S意识和能力，提升学生职业素养。（二）新课导入（5分钟）1.预习反馈：解答激光雷达贵等高频疑问（简答：核心部件成本高）；2.场景导入：播放《钢铁侠》车载系统片段，提问钢铁侠怎么知道周围有敌人？汽车怎么知道前方有行人？3.引出主题：汽车的“五官”——摄像头（眼）、雷达（耳）、超声波（手）。1.播放视频后暂停，连续设问：如果钢铁侠的眼睛（摄像头）被涂漆怎么办？如果遇到大雾，耳朵（雷达）有用吗？

2.展示实物：举起摄像头、雷达模型“今天我们就揭秘这些‘五官特工’的超能力”。1.观看视频，积极抢答：“用雷达！”“多装几个传感器！”；

2.观察实物，触摸摄像头镜片、雷达探头，产生好奇。1.用科幻场景激发兴趣，将抽象的“感知系统”转化为具象的“钢铁侠装备”；

2.实物展示让学生看得见、摸得着，增强参与感。（三）新知探究（25分钟）1.摄像头分类：

-单目（海盗独眼：靠算法猜距离，认车道线）；

-双目（交警量尺：像人眼，测行人身高）；

-多目（千面眼：特斯拉8摄像头，远/近/侧全覆盖）；

2.工作原理：

-自清洁（电子睫毛：雨刷+加热）；

-感光芯片（光能转换器：光线→数字图像）；

-处理芯片（侦探：0.1秒认路牌）；

3.黑客攻击与反制：

-攻击：涂漆、路牌花纹欺骗；

-反制：防刮镜片、多传感器验证。1.类比讲解：单目摄像头像海盗猜宝藏距离容易错；双目像你用两只眼睛量桌子宽度很准”；

2.演示：用喷雾模拟雨水，开启摄像头自清洁功能，让学生观察镜片变清晰的过程；

3.互动：提问“如果摄像头把‘停’路牌认成‘行’，怎么办？”引导学生答“用雷达验证”。1.听讲，记录“三类摄像头特点”，在教材表格上标注；

2.观察演示，惊叹“自清洁好快！”；

3.小组讨论，举手回答“反制措施”，如“多装一个雷达检查”。1.用“海盗、交警”等生活化类比，化解“单目/双目差异”的抽象性；

2.实物演示让“自清洁”从文字变成直观现象，记忆更深刻；

3.提前渗透“传感器融合”为后续内容铺垫。（四）内化巩固（22分钟）1.雷达原理：电磁波反射（类比蝙蝠声波），测距公式（距离=光速×时间/2）；

2.三类雷达对比（表2-1-2）：

-超声波：近距（0.2-3m）、便宜、泊车用；

-毫米波：中距（1-200m）、穿暴雨、高速用；

-激光雷达：远距（0.1-250m）、高精度、3D建模；

3.恶劣天气实验（表2-1-3）：暴雨时超声波距离缩20%，毫米波正常，激光雷达衰减但比摄像头强；

4.蝙蝠vs激光雷达（表2-1-4）：雾天蝙蝠导航降30%，激光雷达降80%（声波绕射vs激光散射）。1.公式推导：用“1纳秒时间差→0.15米距离”举例，让学生代入公式计算（如0.02秒回声→距离3.4米）；

2.对比实验：

-暴雨：用喷雾喷摄像头（画面糊）、毫米波雷达（仍能探测10米外纸箱）；

-大雾：用雾状玻璃挡激光（探测距离缩80%）、超声波（仍能测2米内物体）；

3.思政渗透：“华为1550nm激光雷达比905nm穿透性好，打破国外垄断，成本降50%”。1.计算测距公式，小组内互相核对结果；

2.观察实验，记录“暴雨时各传感器表现”，填写实验表；

3.讨论“为什么蝙蝠雾天比激光雷达厉害”，答“声波绕得过去，激光被散射”。1.公式结合实例计算，避免纯理论推导，中职学生易接受；

2.对比实验直观展示“传感器性能差异”，比表格更有说服力；

3.国产技术案例自然融入，激发民族自豪感。（五）深度探究（17分钟）任务：用HC-SR04模块测量“课桌到墙”的距离，验证公式（距离=（340×回声时间）÷2）；

步骤：

1.连接模块（VCC接5V、GND接地、Trig发波、Echo收波）；

2.启动模块，记录回声时间；

3.代入公式计算（1.7米），用卷尺验证（误差≤±5cm）；

4.分析误差原因（如模块倾斜、环境噪音）。1.示范操作：在希沃展示“模块接线图”，强调“不要接反正负极”，演示测量过程；

2.巡回指导：重点帮助接线困难的学生，提醒记录时间时要精准；

3.收集数据：挑选3组数据展示，分析误差（如“倾斜导致测量值偏大”）。1.分组操作：一人接线、一人计时、一人记录、一人验证，分工协作；

2.填写实验记录表，计算误差分析原因；

3.小组派代表分享“实验结论”（如“超声波适合近距离，误差小”）。1.实操是中职学生的强项，通过实验验证理论，加深对公式的理解；

2.分工协作培养团队精神，对应“传感器协同”的思政点；

3.误差分析培养严谨的科学态度，为后续维修岗位铺垫。（六）拓展升华（7分钟）1.国产故事：讲述比亚迪璇玑系统——通过传感器集成（12超声波+5毫米波+1激光），实现自动泊车精度±3cm，打破国外技术壁垒；

2.伦理倡议：发起我是负责任的AI汽车人倡议——维修时不遮挡传感器；不篡改传感器数据；优先选择安全的传感器方案。1.讲故事时配比亚迪璇玑系统工作视频，突出从无到有的创新；

2.带领学生齐读倡议，在倡议书上签字（电子档，学习通提交）。1.聆听故事，鼓掌赞叹国产厉害；

2.齐读倡议，郑重签字，表态以后维修会保护传感器”。1.国产企业案例增强行业自信，让学生觉得智能汽车技术离自己很近；

2.伦理倡议将技术学习上升到职业责任，完成思政升华。（七）、总结与作业（3分钟）1.互动总结：用希沃“星球排序”游戏，将摄像头、雷达、超声波与千里眼、顺风耳、触觉配对，回顾核心知识点；

2.布置作业：

-必做：绘制“小区自动泊车”传感器布置图（标注类型、位置、作用）；

-选做：用废旧手机摄像头制作防遮挡提醒装置（提示：光敏电阻+蜂鸣器）。1.组织游戏，邀请学生上台操作，全班核对答案；

2.在学习通发布作业，说明“必做作业评分标准”（位置准确、标注清晰）。1.参与游戏，积极抢答，回顾全课知识；

2.记录作业，提问选做作业的光敏电阻怎么接，教师简要解答。1.游戏化总结轻松有趣，避免重复念PPT，加深记忆；

2.分层作业兼顾不同基础学生：必做巩固基础，选做激发创新。十、教学反思

第二章第二节决策革命：AI驾驶的“最强大脑”速成班（2课时）一、教学基本信息课程人工智能+汽车基础与应用（中职汽车类专业通用）授课班级XX级汽车专业班级教学内容第二章第二节决策革命：AI驾驶的“最强大脑”速成班授课类型理论课课时2课时（80分钟）二、教学内容分析1.教材本课程使用教材为由全国汽车职业教育教学指导委员会组编的《人工智能+汽车基础与应用》，课程系统解构了AI与汽车的融合创新，课程的核心目标是为培养具有技术应用能力、数据思维与伦理素养的复合型技能人才。本课程适用汽车运用与维修专业群学生，总学时为36学时，采用纯理论授课方式进行授课。2.教学内容本次课内容选自教材第二单元第二小节，课题为《决策革命：AI驾驶的“最强大脑”速成班》。本次教学内容围绕AI驾驶的决策核心展开，涵盖自动驾驶中的伦理困境与算法决策、行人意图预测与行为建模、多车交互决策与路径规划三大模块。通过解析MIT“道德机器”实验、行人动作特征提取技术、Waymo分层决策模型等关键内容，帮助学生理解AI驾驶“大脑”的决策逻辑，建立技术应用与伦理责任并重的认知体系，为后续学习智能驾驶系统运维、故障诊断等内容奠定基础。三、学情分析授课对象XX级汽车运用与维修专业群学生学情特征基本情况教学对象为汽车运用与维修专业群X年级学生，涵盖汽车运用与维修、新能源汽车运用与维修、车身修复、汽车服务与营销等多个专业。通过专业课程学习，大多数学生已具备较好的专业基础知识和技能，但不同专业和班型学生在学习能力和学习特点上存在差异，需要在教学中结合学生专业特色与基本情况进行适当调整。优势特征1.经过之前的学习，对于汽车智能驾驶的原理有了初步认知，为后续的学习做好了基础理论铺垫；2.大部分同学对于学习新事物、新知识兴趣浓厚，对当前的汽车新技术与未来的汽车行业发展趋势有浓厚兴趣。不足特征1.学生对理论学习和理解能力较弱，也容易产生畏难情绪，对“伦理困境”“博弈论”等抽象概念理解难度较大，易出现理论与实际脱节的情况；

2.不同专业学生对技术细节的关注度差异较大，需分层引导。四、教学目标1.认知目标（1）理解自动驾驶伦理困境的核心问题，能描述MIT“道德机器”实验的背景、核心发现及争议点；（2）掌握行人意图预测的关键技术（CNN骨骼关键点检测、LSTM连续动作预测、多传感器融合），能列举技术瓶颈及应对方案；（3）了解多车交互决策的分层模型（意图预测层、收益量化层、动作生成层），能解释V2X技术在路径规划中的作用；（4）知晓我国自动驾驶伦理治理的“预防优先”原则及责任分层机制，能区分“乘员优先”与“行人优先”模型的优缺点。2.技能目标（1）能运用“伦理决策框架”分析自动驾驶两难场景（如碰撞选择），提出合理的决策建议；（2）能通过案例数据（如行人动作特征、车辆轨迹），初步判断AI驾驶系统的决策逻辑是否合理；（3）能使用学习通完成小组任务，协作设计简单的十字路口多车博弈策略（保守型/激进型）。3.思政目标（1）建立AI技术的伦理安全意识，认识到“数据隐私保护”“无歧视决策”在智能驾驶中的重要性；（2）培养“科技向善”的职业价值观，理解汽车从业者在智能驾驶技术推广中的社会责任。五、教学重难点教学重点1.MIT“道德机器”实验的内容及核心结论；2.行人意图预测的关键技术（特征提取、多传感器融合）及技术瓶颈；3.多车交互决策的分层模型与V2X协同技术。教学难点1.伦理困境中“功利主义”与“公平原则”的平衡，如何避免算法歧视；2.LSTM技术在连续动作预测中的原理；3.博弈论在多车交互中的应用。六、教学策略及方法本次课程以2016年佛罗里达自动驾驶致死事故等真实案例为切入点，利用案例驱动教学法将抽象的伦理问题、技术原理与实际场景结合，降低理解难度；同时设计“伦理决策投票”“十字路口博弈策略设计”等互动任务，让学生以小组为单位角色扮演，深化对决策逻辑的认知，提升学生的逻辑思维。七、信息化教学资源的运用超星学习通：用于发布课前预习任务、学习资料及视频、在线讨论、课后作业等；希沃一体机：用于PPT演示、视频播放、希沃白板游戏互动等。3.智能平板：用于课前任务学习及课中讨论答题。八、教学准备学生准备1.课前通过学习通观看MIT“道德机器”实验介绍视频，完成预习问卷，以4人为一组分成10个学习小组，推选1名组长，负责组织讨论、记录成果并展示。教师准备学材、教具：希沃一体机、教学用智能平板12台辅助材料：小组活动任务单信息化资源：超星学习通、教学PPT、案例视频、在线AI大模型工具九、教学过程教学环节（80分钟）教学内容教师活动学生活动设计意图课前准备1.超星学习通发布前置任务：观看2016年佛罗里达自动驾驶致死事故视频及MIT“道德机器”实验介绍视频。1.在超星学习通上传预习资料；

2.准备小组任务单（含伦理决策场景、博弈策略设计模板）。1.按时观看视频，记录自主查询时遇到的难点；

2.熟悉超星学习通、希沃白板等工具的操作，为课堂互动做准备。1.让学生提前了解教学内容，带着问题进入课堂，减少新知识的理解难度，提升课堂效率；（一）课前5S（1分钟）师生问好及课前5S整理课前整顿5S整理课程思政：渗透强化5S意识和能力，提升学生职业素养。（二）新课导入（5分钟）案例展示：介绍2016年佛罗里达自动驾驶致死事故，提问：“事故暴露了AI驾驶的什么问题？如果碰撞无法避免，AI该如何权衡生命价值？”

1.引导学生聚焦事故原因，不急于点评观点，而是追问“你的理由是否考虑了法律、伦理、社会影响”；

2.用希沃白板标注学生点中的关键词（如“法律层面”“生命平等”），为后续新知探究铺垫。1.聆听老师介绍案例，理解AI驾驶决策的重要性，思考教师提出的问题；

2.结合预习内容，大胆分享自己的观点，倾听他人想法，发现观点差异；

1.用真实事故案例打破理论抽象感，激发学生对AI驾驶决策的重视；

2.基于预习反馈展开互动，让学生成为课堂主角，提升参与感；

3.暴露观点差异，自然引出“伦理决策”的核心议题，为新知探究做铺垫。（三）新知探究（24分钟）自动驾驶中的伦理困境与算法决策

1.MIT“道德机器”实验解析：

（1）展示实验场景图：制动失灵汽车的两种选择：直行撞违法行人/转弯撞守法动物，讲解实验背景是全球用户参与的伦理偏好调查；

（2）组织希沃互动投票：学生通过智能平板选择“直行”或“转弯”，实时展示投票结果，对比实验“功利主义”核心发现（牺牲少数、拯救多数）；

（3）争议点分析：提问“如果算法完全遵循人类偏好，是否会出现年龄、性别歧视？”结合教材中“拯救地位高的人”“拯救年轻人”等偏好数据，引导学生讨论歧视性决策的危害。

2.伦理编码技术挑战：

（1）多目标优化：用“天平类比”：安全、效率、伦理为天平三端，讲解如何平衡三大目标；

（2）责任伦理模型：展示表格“乘员优先”vs“行人优先”，标注两种模型的优缺点，引导学生思考“哪种模型更适合中国交通环境”。1.讲解实验时，并让学生投票，邀请投票结果与多数人不同的学生分享理由，鼓励多元观点；

2.分析责任伦理模型时，结合中国“行人优先”的交通文化（如斑马线礼让），帮助学生理解模型选择的本土化因素；

3.用希沃白板思维导图梳理“伦理困境→实验结论→技术挑战”逻辑链，强化知识体系。1.认真观看实验场景，理解实验目的，积极参与投票，思考自己选择的依据；

2.针对“算法歧视”问题，结合生活案例（如招聘算法性别歧视）展开讨论，认识到伦理决策的公平性重要性；

3.对比两种责任伦理模型，结合中国交通实际，形成自己的观点；

4.跟随教师梳理思维导图，记录核心知识点，建立知识关联。1.通过“实验展示-投票互动-讨论分析”，将抽象的伦理问题具象化，突破“伦理困境”教学重点；

2.结合中国交通文化分析模型，培养学生的本土化思维，渗透思政目标中的“文化认同”；

3.思维导图帮助学生构建知识框架，避免知识点碎片化。（四）技术分析（15分钟）行人意图预测的关键技术

1.微观行为分析技术：

（1）关键特征提取：用“人类观察行人过马路”类比，讲解抬脚角度：角度大→可能加速过马路、步频：加快→可能跑、头部朝向：转向马路→可能准备过马路等特征，展示CNN骨骼关键点检测技术图，演示技术如何捕捉动作细节；

（2）LSTM预测原理：用“记忆单词”类比，简化讲解LSTM预测连续趋势；

（3）趣味拓展：播放特斯拉“姿态风险评分”系统演示视频（提前0.5秒预警），讲解系统如何通过动作特征打分。

2.多传感器融合：

（1）讲解“摄像头+激光雷达”协作模式：摄像头识别行人动作，激光雷达测量距离与速度，用动画演示两者数据融合过程；

（2）技术瓶颈初探：提问“在夜晚无路灯环境下，行人意图预测会遇到什么问题？”引导学生思考低光条件对传感器的影响。1.讲解技术原理时，避免复杂公式，用动画、视频等可视化手段降低理解难度；

2.演示CNN技术时，用“人体骨骼模型”动画模拟关键点检测过程，让学生直观看到动作特征提取效果；

3.提问“技术瓶颈”时，不直接给出答案，而是引导学生结合传感器功能（如摄像头夜间成像差）自主分析；

4.发放“行人动作特征记录表”，让学生记录教材外的特征，鼓励观察与思考1.跟随教师的类比和动画演示，理解关键特征提取和LSTM预测的原理，记录技术应用场景；

2.观看特斯拉系统视频，感受技术的实际应用价值，提升对专业技术的兴趣；

3.针对“低光条件”问题，结合生活经验展开思考，尝试提出解决方案；

4.小组内讨论，填写“行人动作特征记录表”，派代表分享发现。1.类比和可视化手段有效降低“LSTM技术”“多传感器融合”的理解难度，突破教学难点；

2.趣味拓展结合行业热点，提升学生的专业兴趣，培养对前沿技术的关注度；

3.技术瓶颈初探为后续“深度探究”做铺垫，培养学生的问题意识。（五）内化巩固（18分钟）1.伦理决策场景分析：

展示教材中的碰撞选择场景，补充场景细节：“违法行人中有老人和婴儿，守法动物为宠物”等内容，要求小组结合“功利主义”“公平原则”“责任伦理模型”分析：

（1）该场景下AI应选择直行还是转弯？

（2）决策时需考虑哪些因素（法律、伦理、社会影响）？

2.“王牌决策分析师”竞赛：

（1）将10个小组分为两组（红队、蓝队），每组抽取1个场景；

（2）小组讨论5分钟，制定AI决策方案，需说明依据的技术原理，如“用激光雷达测距离，LSTM预测行人动作”；

（3）每组派1名发言人阐述方案，教师和学生代表组成评委团，从“技术合理性”“伦理公平性”“实际可行性”三个维度打分，评选“王牌决策分析师”小组。1.提供场景分析模板：含“决策选项-依据-风险评估”，帮助学生规范思考；

2.讨论过程中，巡视各小组，针对思路不清晰的小组给予提示；

3.竞赛时，引导评委团客观打分，对方案中的亮点给予肯定，对不足提出改进建议；

4.竞赛结束后，公布结果，为获奖小组颁发电子荣誉证书（通过学习通发放）。1.小组内分工协作，记录员整理讨论要点，发言人梳理思路，资料搜集员补充技术细节；

2.针对场景深入分析，结合所学知识（如责任伦理模型、传感器技术）制定方案，确保方案有理论支撑；

3.积极参与评委打分，认真倾听其他小组方案，学习优点，发现不足；

4.获奖小组分享经验，其他小组反思自身方案的改进空间。1.场景分析与竞赛结合，将理论知识转化为实践决策能力，实现“内化巩固”的目标；

2.小组协作与竞争机制结合，提升学生的团队协作意识和竞争意识，活跃课堂氛围；

3.评委打分环节培养学生的批判性思维和客观评价能力，深化对“技术合理性”“伦理公平性”的理解。（六）深度探究（17分钟）1.多车交互决策的分层模型：

（1）意图预测层：LSTM分析车辆历史轨迹、车轮转向角度；

（2）收益量化层：博弈矩阵权衡通行效率、安全风险、路权；

（3）动作生成层：纳什均衡求解最优策略；

2.V2X协同技术应用：车辆与车辆、交通设施的信息交互：如“前车让行信息共享”；

3.博弈论在决策中的应用：Mobileye模型应对行人“欺骗性行为”，如假意停留→突然过马路。1.用“公司部门协作”类比分层模型：“意图预测层像市场部：了解需求，收益量化层像财务部：核算成本，动作生成层像执行部落地方案”，简化理解；

2.播放Waymo分层决策模型工作动画，展示“识别周边车辆意图→计算通行收益→生成避让动作”的全过程；

3.讲解“纳什均衡”时，用“路口两车让行”举例：“双方都选择‘礼让’，可避免碰撞，实现共赢，这就是纳什均衡”；

4.播放Mobileye模型识别行人“欺骗性行为”的视频，提问：“该模型如何判断行人‘假意停留’？”引导学生关注“身体姿态”“视线方向”等细节。1.倾听类比讲解，在教材上标注分层模型各层的核心功能；

2.观看动画，记录Waymo模型的决策流程，理解“层层递进”的逻辑；

3.结合“路口让行”例子，理解“纳什均衡”的核心——“各方策略最优，互不改变”；

4.思考教师问题，结合教材中“行人动作特征”知识，回答“通过分析行人身体是否紧绷、视线是否关注来车，判断是否假意停留”。1.类比与动画结合，将复杂的分层模型与博弈论概念具象化，突破教学难点；

2.案例与问题引导，促进学生对技术细节的深度理解，提升逻辑思维能力；

3.关联Waymo、Mobileye等行业案例，拓展学生行业视野，了解技术前沿。（七）拓展升华（7分钟）1.前沿技术展望：

（1）量子计算：快速处理伦理决策的海量数据，提升决策效率；

（2）区块链：加密存储传感器数据，实现事故责任追溯；

2.我国技术突破：华为ADS3.0、比亚迪“璇玑”系统适应中国复杂路况，无保护左转、加塞场景；

3.伦理与安全倡议：“AI驾驶技术发展，需以‘人’为核心，坚守安全与隐私底线”1.播放量子计算、区块链在AI驾驶中应用的科普短片（时长1分钟），简要讲解核心优势；

2.讲述比亚迪“璇玑”系统突破国外技术壁垒的故事，强调“自主创新”的重要性；

3.发起“我是负责任AI汽车人”倡议，引导学生齐读倡议内容：“重视智能驾驶安全，坚守伦理底线，助力国产技术发展”；

4.总结：“技术无善恶，关键在于使用者，未来汽车人需兼具技术能力与责任担当”。1.观看短片，了解量子计算、区块链的技术价值，记录关键信息；

2.倾听“璇玑”系统故事，感受国产技术的突破，增强民族自豪感；

3.参与倡议齐读，在心中强化“安全与伦理”的职业意识；

4.认真倾听教师总结，思考未来从事汽车行业的责任与使命。1.前沿技术拓展提升学生行业认知，激发对技术探索的兴趣；

2.国产技术案例融入思政元素，增强学生的民族自信与行业认同；

3.伦理倡议强化职业价值观，培养学生的责任担当，完成思政升华。（八）、总结与作业（3分钟）1.课堂小结：核心知识点回顾——伦理困境、行人意图预测、多车交互决策、我国伦理治理等

2.布置作业。1.引导学生一起回顾总结。

2.发布课后作业任务。积极参与互动总结。

2.记录作业内容。1.强化记忆：回顾全课，加深印象。

2.巩固延伸：布置与课堂内容紧密衔接的实践性作业，促进知识迁移。十、教学反思

第二章第三节控制黑科技：钢铁巨兽的“神经反射弧”（2课时）一、教学基本信息课程人工智能+汽车基础与应用（中职汽车类专业通用）授课班级XX级汽车专业班级教学内容第二章第三节控制黑科技：钢铁巨兽的“神经反射弧”授课类型理论课课时2课时（80分钟）二、教学内容分析1.教材本课程使用教材为由全国汽车职业教育教学指导委员会组编的《人工智能+汽车基础与应用》，课程系统解构了AI与汽车的融合创新，课程的核心目标是为培养具有技术应用能力、数据思维与伦理素养的复合型技能人才。本课程适用于智能汽车系专业群学生，总学时为36学时，采用纯理论授课方式进行授课。2.教学内容本次课内容选自教材第二单元第三小节，课题为《控制黑科技：钢铁巨兽的“神经反射弧”》。作为教材的核心章节，主要介绍了人工智能技术在汽车中的应用、包括什么是汽车线控底盘、PID控制算法的三大法宝、常见“抢方向盘”场景、线控底盘系统的发展历程，以及汽车如何通过感知、大脑、决策来实现自主思考和行动，帮助学生开启人工智能与汽车融合的知识大门。三、学情分析授课对象XX级智能汽车专业群学生学情特征基本情况教学对象为智能汽车专业群XX年级学生，涵盖智能网联汽车技术、汽车电子技术应用、新能源汽车制造与检测等多个专业。通过与其他专业课程交叉学习，从人工智能技术基础、汽车技术基础知识和技能入手，激发学生专业学习的好奇心，但不同专业和班型学生在学习能力和学习特点上存在差异，需要在教学中结合学生专业特色与基本情况进行适当调整。优势特征开课专业与人工智能和汽车专业非常接近，学生对当前的汽车新技术与未来的汽车行业发展趋势有浓厚兴趣。2.学生熟悉智能手机使用方法，熟悉短视频、社交平台及轻量化AI工具的使用；不足特征学生对理论学习和理解能力较弱，也容易产生畏难情绪；不同专业方向和学制的学生专业基础和学习能力偏差较大，同一个班内也常出现两极分化的情况；四、教学目标1.认知目标（1）能描述线控底盘系统的定义。（2）能描述汽车常见新技术在智能汽车中的应用场景。（3）能叙述线控底盘系统的发展历程。2.技能目标（1）掌握线控转向系统的工作逻辑。（2）掌握汽车新技术在智能汽车中的应用功能。3.思政目标（1）感受中国汽车智能化新科技，增强民族自信和科技强国的信念。（3）激发AI技术在汽车上的应用场景的探索兴趣，培养创新思维。五、教学重难点教学重点线控底盘系统的工作逻辑。常见新技术在智能汽车中的应用场景。教学难点PID控制算法技术。不同进制之间的转换计算。六、教学策略及方法本次课以汽车行业最新的智能化案例为教学内容，吸引学生投入；以案例链和类比法为内在逻辑，化解知识难点；以小组讨论和主题探究为深化路径，培养高阶思维；以学生为中心，采用任务驱动教学法，提升学生学习积极主动性，通过国产故事和线控底盘技术发展历程实现价值引领，服务于培养新时代高素质技术技能人才的总目标。七、信息化教学资源的运用超星学习通：用于发布课前预习任务、学习资料及视频、在线讨论、课后作业等；希沃一体机：用于PPT演示、视频播放、希沃白板游戏互动等。3.智能平板：用于课前任务学习及课中讨论答题。八、教学准备学生准备学生共分为8个学习小组，每组6人左右，共同完成小组讨论和课前任务。教师准备学材、教具：希沃一体机、教学用智能平板8台辅助材料：小组活动任务单信息化资源：超星学习通、教学PPT、案例视频、在线AI大模型工具（DeepSeek、文心一言、豆包等）九、教学过程教学环节（80分钟）教学内容教师活动学生活动设计意图课前准备超星学习通课前学习在超星学习通发布前置任务并督促学生完成：（1）智驱引擎舱相关知识查询；（2）预习本课并在学习通讨论区写出本节重要知识点、提出疑问。自主查询相关知识；预习本课并以思维导图的方式提炼知识点提出疑问。通过完成课前任务，学生能带着问题进入课堂，提高学习主动性和课堂的效率。（一）课前5S（1分钟）师生问好及课前5S整理课前整顿5S整理课程思政：渗透强化5S意识和能力，提升学生职业素养。（二）新课导入（5分钟）1.课前任务检查反馈2.新课导入：如何将方向盘的“意念”传达到车轮呢？提问并展示学习通讨论区学生问题；播放智能汽车停障、避障视频；3.提出问题：是什么赋予汽车智慧？4.引导学生参与讨论；1.查看预习情况；2.观看视频引思考；3.听讲、参与讨论、回答问题；回顾课前准备内容，为进入新的内容学习做准备；视频激趣引思考，联系实际导新知；课程思政：通过国产智驾品牌（如华为鸿蒙智驾）新技术，激发学生民族自豪感和创新自信心；（三）新知探究（19分钟）一．线控魔法：方向盘到轮胎的“意念传输”

1.线控转向系统概念理解

2.线控转向系统：

特点：用遥控赛车的原理开真车

1.讲授核心概念，语言简练、生动，紧扣案例。

2.利用希沃白板的“思维导图”功能，动态构建并可视化线控底盘租场知识框架。

3.穿插提问：“为什么能够自动停车？

听讲、记录，理解核心概念，最终达到能口述概念。

2.观看思维导图构建，形成系统记忆。3.思考并回答教师提问。4.完成“说一说”：汽车的“神经反射弧”是如何工作的？1.构建体系：用流程图辅助学生理解概念，利于学生理解逻辑关系。

2.案例驱动：通过“停障”这一功能案例辅助理解线控转向这一抽象概念，符合中职生认知特点。

3.思政：通过国产华为MDC芯片案例，自然融入科技自立自强、民族品牌自信的思政元素，引导学生关注和支持国产核心技术发展。（四）析任务（10分钟）通过人工智能技术在线控底盘系统中的应用实例辅助理解新技术自适应巡航控制：清晰讲解：利用传感器感知前方车辆的距离和速度，通过人工智能算法自动调整本车速度，保持安全跟车距离。

2.自动紧急制动：清晰讲解：传感器实时监测前方障碍物，人工智能系统快速分析数据，当检测到可能发生碰撞时，自动触发制动系统以避免或减轻碰撞程度。3.车道保持辅助清晰讲解：依靠摄像头等传感器识别车道线，人工智能算法判断车辆是否偏离车道，通过自动调整转向系统使车辆保持在车道内行驶。智能转向控制清晰讲解：根据车辆行驶速度、路况等信息，人工智能系统优化转向控制策略，使转向更精准、灵活。精讲脉络：每个应用场景案例适配对应的短视频，增加学生对该功能的理解；

2.及时互动：说一说：传统汽车转向与线控转向最大的区别是什么？

3.承前启后：总结指出，正是技术的不断积累，才让我们今天能讨论“汽车的思考”。听讲，感受AI技术在汽车技术发展中的实际应用。

2.参与互动，积极描述每一个应用场景背后的控制逻辑。

3.思考技术发展的规律。1.建立认知框架：避免知识碎片化，帮助学生建立AI技术发展的宏观视野，理解当前技术所处的位置。

2.互动化记忆：将枯燥的知识点通过具体的汽车新技术变为可视化的感受，趣味性强，记忆更深刻。

3.强化核心概念：将感知、计算、控制概念再次关联，强化理解。

4.思政：在讲解每个应用技术时，重点介绍DeepSeek等中国大模型的崛起，以及与汽车行业变革、汽车新技术的融合，凸显中国在AI领域从追随到并跑甚至引领的态势，增强民族自豪感。（五）内化巩固（18分钟）学习收获输出

1.利用教材习题研判学生掌握情况

2.制作本节所学知识思维导图并通过游戏的方式检测学习效果。【游戏】“汽车新知”攻擂赛（希沃白板：分组竞争）

题目：ACC、AEB、LKA分别是什么意思？你知道哪些汽车新技术？引导学生完成教材习题组织游戏：将学生分为两组，进行希沃分组竞争游戏，抢答判断并陈述理由。教师和同学共同担任裁判和点评者。1.独立完成教材练习，初步应用知识。

2.全员参与游戏，小组讨论，积极抢答，用“四问法”阐述理由。1.技能转化：将理论知识转化为可操作的鉴别技能。

2.高效巩固：游戏化竞争机制能最大限度地调动课堂气氛和参与度，在应用中固化知识。

3.思政：通过对汽车领域新技术的学习，培养学习兴趣和表达能力。（六）深度探究（17分钟）PID控制算法的三大法宝

1.比例（P）法宝汽车一旦走偏了，它马上就能感觉到，然后“啪的地一下给汽车一个纠正的力量。

2.积分（I）法宝该法宝就像驯兽师的耐心。它会一直盯着汽车，如果走偏了，它就会慢慢地、一点点地给汽车加把劲，直到汽车走直线为止。

3.‌‌微分（D）法宝：提前感觉到汽车是不是要开始摇晃了，然后赶紧给汽车一个稳稳的力量，让它别晃。

类比讲解：把该算法比喻为走猫步，通过时时纠正，达到安全驾驶的目标。

2.深度案例分析：利用希沃白板的放大镜、拖拽功能，一步步分解案例场景，理解该算法的逻辑。

3.发布学习通讨论：发布“人类司机vsAI司机，在安全、效率、疲劳度等方面谁更可靠？”的主题讨论，引导学生多角度思考。

1.听讲，理解汽车“走猫步”的仿生学原理。

2.跟随教师分析案例，看清技术细节。

3.参与学习通讨论，发表自己的观点，并查看、点赞同伴的发言。化难为易：类比是降低技术理解难度的金钥匙。

2.培养系统思维：通过深度案例拆解，让学生建立对智能驾驶系统的整体认知，理解其复杂性。

3.辩证思考：讨论题引导学生客观看待技术与人类的关系，理解人机协同才是未来。

4.思政：在案例和讨论中强调“中国路况”和“数据安全”，自然融入中国新科技为人类带来的便利。（七）拓展升华（7分钟）四、延伸与展望

1.故事时间：讲述线控底盘技术的发展历程。

2.思政升华：发起寻找我身边的“汽车新技术”的倡议。1.生动讲述蔚来ET9汽车将线控技术搭载到量产汽车上的故事，突出其从无到有的创新精神和战略意义。

2.引导学生借助AI工具共同寻找汽车新科技，同时了解我国民族企业的发展现状。1.聆听故事，感受技术突破的澎湃力量。

2.响应倡议，在心中默默建立民族自信和科技强国的信念。1.思政：树立自信中国企业的成功故事，极大增强学生的民族自豪感和行业信心。

2.思政：价值引领将技术学习提升到技能强国、科技强国的高度，完成最后一环的思政升华，培养学生正确的科技价值观。（八）、总结与作业（3分钟）1.课堂小结：利用希沃“知识抢答”或“闯关挑战”功能，快速回顾核心知识点（线控底盘系统的定义、线控转向系统的工作逻辑、PID控制算法、线控底盘技术发展历程）。

2.布置作业。1.引导学生一起完成互动总结，对优秀的同学进行鼓励、表扬。

2.发布课后作业任务。积极参与互动游戏式总结。

2.记录作业内容。1.强化记忆：以轻松有趣的方式回顾全课，加深印象。

2.巩固延伸：布置与课堂内容紧密衔接的实践性作业，促进知识迁移。十、教学反思

第二章第四节智能座舱：为什么汽车能“聊天”（2课时）一、教学基本信息课程人工智能+汽车基础与应用（中职汽车类专业通用）授课班级XX级汽车专业班级教学内容第二章第四节智能座舱：为什么汽车能“聊天”授课类型理论课课时2课时（80分钟）二、教学内容分析1.教材：本课程使用教材为由全国汽车职业教育教学指导委员会组编的《人工智能+汽车基础与应用》，课程系统解构了AI与汽车的融合创新，核心目标是培养具有技术应用能力、数据思维与伦理素养的复合型技能人才。本课程适用汽车运用与维修专业群学生，总学时为36学时，采用纯理论授课。2.教学内容：本次课内容选自教材第二章第四节，课题为《智能座舱：为什么汽车能“聊天”》。主要介绍语音交互技术三阶段原理，方言识别的核心技术。通过学习，探索语音交互技术原理。探讨智能座舱如何成为汽车AI管家。三、学情分析授课对象25级智能新能源汽车技术专业群学生学情特征基本情况教学对象为智能新能源汽车技术专业群一年级学生，涵盖智能网联汽车技术、新能源汽车检测与维修等多个专业。学生刚刚入学，尚不具备汽车专业基础知识和技能，但不同专业和班型学生在学习能力和学习特点上存在差异，需要在教学中结合学生专业特色与基本情况进行适当调整。优势特征学生熟悉智能手机使用方法，熟悉短视频、社交平台及轻量化AI工具的使用；大部分同学愿意尝试新事物，对学习新知识兴趣浓厚，对当前的汽车新技术与未来的汽车行业发展趋势有浓厚兴趣。不足特征学生对理论学习和理解能力较弱，也容易产生畏难情绪；不同专业方向和学制的学生专业基础和学习能力偏差较大，同一个班内也常出现两极分化的情况。四、教学目标1.认知目标（1）说出语音交互三大环节：ASR→NLP→TTS；（2）列举4种以上多模态交互通道及2种典型融合策略；（3）解释“情感化交互”三原则：同理心、直观性、自然性。2.技能目标（1）使用“豆包”在线大模型完成3轮方言语音指令模拟，识别率≥70%；（2）在VR座舱仿真软件中完成一次“语音+手势”空调控制，操作步骤≤5步；（3）根据给定场景（驾驶人疲劳），设计一套“氛围灯+语音+振动”多模态提醒方案并手绘流程图。。3.思政目标（1）树立“以人为中心”的交互安全观，树立数据授权意识；（2）体验国产大模型与国产车型案例，增强技术自信；（3）在小组协作中完成方案迭代，培养沟通与职业表达能力。五、教学重难点教学重点1.语音交互三阶段原理与多模态融合流程。教学难点情感化交互算法如何“识别→决策→反馈”闭环。六、教学策略及方法本次课以生活化和游戏化为外显手段，吸引学生投入；以案例链和类比法为内在逻辑，化解知识难点；以小组讨论和主题探究为深化路径，培养高阶思维；以学生为中心，采用任务驱动教学法，提升学生学习积极主动性，通过国产故事和职业展望实现价值引领，服务于培养新时代高素质技术技能人才的总目标。七、信息化教学资源的运用超星学习通：用于发布课前预习任务、学习资料及视频、在线讨论、课后作业等；希沃一体机：用于PPT演示、视频播放、希沃白板游戏互动等。3.智能平板：用于课前任务学习及课中讨论答题。八、教学准备学生准备学生共分为12个学习小组，每组3～4人，共同完成小组讨论和课前任务。教师准备学材、教具：希沃一体机、教学用智能平板12台辅助材料：小组活动任务单信息化资源：超星学习通、教学PPT、案例视频、在线AI大模型工具（DeepSeek、文心一言、豆包等）九、教学过程教学环节（80分钟）教学内容教师活动学生活动设计意图课前准备1.语音识别和方言识别相关知识查询。2.预习本课并在学习通讨论区提出疑问。在超星学习通发布前置任务并督促学生完成。1.自主查询相关知识。2.预习本课并提出疑问。通过完成课前任务，学生能带着问题进入课堂，提高学习主动性和课堂的效率。课前5S（1分钟）师生问好及课前5S整理课前整顿，5S整理，渗透强化5S意识和能力，提升学生职业素养。进行5S整理课程思政：渗透强化5S意识和能力，提升学生职业素养。新课导入（5分钟）1.课前任务检查反馈。2.新课导入：播放30s视频：四川车主用方言“关窗子”被误识别为“播放青藏高原”，引出语音识别主题。1.提问并展示学习通讨论区学生问题。2.播放视频：四川车主用方言“关窗子”被误识别为“播放青藏高原”。3.提出问题：汽车能听懂方言吗？4.引导学生参与讨论。1.查看预习情况。2.观看视频引思考。3.听讲、参与讨论、回答问题。1.回顾课前准备内容，为进入新的内容学习做准备。2.视频激趣引思考，联系实际导新知。3.课程思政：树立“以人为中心”的交互安全观。新知探究（20分钟）语音识别通过算法将声波信号解析为音素序列。语言模型基于上下文语境预测词序列概率，重构语法逻辑。2.语义理解通过语义槽提取用户指令的核心意图，在此基础上建立方言语义映射规则，实现方言与标准指令的转换3.语音合成声码器技术通过文本到波形信号转换实现语音合成。1.讲授语音识别概念，语言简练、生动，紧扣案例。2.利用希沃白板的“思维导图”功能，动态构建并可视化语音识别知识框架。3.穿插提问：“如何让汽车听懂方言？”“骑车能听懂哪些方言？”4.强调语音识别技术的重要性。1.听讲、记录，理解核心概念。2.观看思维导图构建，形成系统记忆。3.思考并回答教师提问。4.完成“查一查”：快速用平板搜索相关技术的最新进展，加深对知识的理解。1.构建体系：用思维导图工具将零散知识点系统化、视觉化，利于学生理解逻辑关系。2.案例驱动：所有抽象概念均用具体案例支撑，符合中职生认知特点。3.思政：通过介绍不同方言的识别特点，树立学生交互平等的理念。AI应用（10分钟）1.核心脉络：讲解AI在汽车语音识别中应用。2.核心驱动：强调技术发展背后的AI算法、数据和算力三大动因。3.【活动】连连看（希沃白板：技术连连看）：任务：将语音交互技术要素连接到对应正确位置上。1.精讲脉络，突出重点转折点，并关联之前讲的方言故事，解释汽车能识别方言的技术原因。2.组织游戏，发起连连看活动，邀请学生上台操作。3.承前启后，总结指出，正是技术的不断积累，才让AI在汽车语音识别中发挥越来越重要的作用。1.听讲，建立AI在汽车语音识别管理中应用。2.参与游戏，积极尝试为多种方言识别找到对应的映射词典，在操作中加深对技术的记忆。3.思考语音识别技术发展的规律。1.互动化记忆：将枯燥的技术特点和应用对应到正确的技术名称，趣味性强，记忆更深刻。2.思政：在讲解发展历程时，重点介绍中国在语音识别技术领域的突破和贡献，凸显中国在AI技术变革中的重要地位，增强民族自豪感。深度探究（20分钟）1.讲解智能座舱系统的组成及功能。2.【游戏】“看图说话”攻擂赛（希沃白板：分组竞争）：题目：讲解图片上的呈现的智能座舱组件。1.引导学生完成教材“想一想”练习，并讲解关键。2.组织游戏，将学生分为两组，进行希沃分组竞争游戏，抢答判断并陈述理由。教师和同学共同担任裁判和点评者。1.独立完成教材练习，初步应用知识。2.全员参与游戏，小组讨论，积极抢答，用所学方法阐述理由。1.高效巩固：游戏化竞争机制能最大限度地调动课堂气氛和参与度，在应用中固化知识。2.思政：通过对汽车领域相关能源管理技术的辨析，直接对接专业内容，培养批判性思维和表达能力。（六）拓展升华（7分钟）1.智能座舱未来发展趋势。2.特殊人群适配与伦理隐私防护并进。3.【活动】特殊人群适配大讨论（学习通主题讨论）：发布“特殊人群语音识别如何适配？”的主题讨论，引导学生多角度思考。1.深度案例分析：儿童声音特点为例，探讨如果实现特殊人群的语音识别适配。3.发布学习通讨论，引导学生多角度思考。4.强调语音识别技术在智能座舱中的重要性。1.听讲，理解智能座舱未来发展趋势。2.跟随教师分析案例，看清技术细节。3.参与学习通讨论，发表自己的观点，并查看、点赞同伴的发言。4.完成教材上的问题和对比表格。1.培养系统思维：通过深度案例拆解，让学生建立对语音识别系统的整体认知，理解其复杂性。2.辩证思考：讨论题引导学生客观看待方言和少数民族语言的识别。3.思政：通过强调特殊人群适配，培养学生的系统思考能力和社会责任感。（七）总结与作业（3分钟）1.课堂小结：利用希沃“知识配对”功能，快速回顾核心知识点2.布置作业：让学生设计一个推广方言识别的校园活动方案。1.引导学生一起完成互动总结。2.发布课后作业任务。1.积极参与互动游戏式总结。2.记录作业内容。1.强化记忆：以轻松有趣的方式回顾全课，加深印象。2.巩固延伸：布置与课堂内容紧密衔接的实践性作业，促进知识迁移。十、教学反思

第一章第一节AI是什么？为什么汽车能“思考”（2课时）一、教学基本信息课程人工智能+汽车基础与应用（中职汽车类专业通用）授课班级XX级汽车专业班级教学内容第三章第一节AI赋能跨界创新：设计师的AI助手授课类型理论+实操课时2课时（80分钟）二、教学内容分析1.教材本课程使用教材为由全国汽车职业教育教学指导委员会组编的《人工智能+汽车基础与应用》，课程系统解构了AI与汽车的融合创新，课程的核心目标是为培养具有技术应用能力、数据思维与伦理素养的复合型技能人才。本课程适用汽车运用与维修专业群学生，总学时为36学时，采用纯理论授课方式进行授课。2.教学内容本次课选自教材第三章第一节《AI赋能跨界创新：设计师的AI助手》，是“AI+汽车”全产业链应用的开篇环节。内容涵盖生成式AI的核心原理（GAN、Transformer等模型）、AI辅助汽车设计的实操流程（提示词优化、草图生成）、跨学科协作（机械+AI+艺术）三大模块，既衔接第二章智能汽车核心技术，又为后续制造、服务环节的AI应用奠定基础，是打通“技术原理-产业应用”的关键纽带。三、学情分析授课对象XX级汽车运用与维修专业群学生学情特征基本情况学生已通过前两章学习，掌握智能汽车感知、决策模块的基础技术逻辑，具备汽车构造、机械设计的初步认知；但对AI生成式技术、跨学科协作的理解存在空白，且动手操作能力差异较大。优势特征1.熟悉短视频、AI绘图等轻量化数字工具，对“AI创作”有天然兴趣；2.关注汽车外观设计、个性化定制等贴近生活的场景，学习动机较强；3.具备小组协作经验，能参与实践任务分工。不足特征1.对生成式AI的技术原理（如GAN、扩散模型）理解困难，易产生畏难情绪；2.缺乏“提示词设计”“工程约束融入