学生们在课堂上“玩手机”，并非打游戏聊天，而是让AI梳理课程内容、总结要点——这已逐渐成为高校课堂上常见的一幕。当AI传授知识技能的水平超越老师，传统教育体系与学生现实需求不再匹配，高校教育该何去何从？

“从教育所具备的社会属性看，高校教师确实面临被替代的可能。”近日举行的2026世界数字教育大会上，清华大学教育学院长聘教授韩锡斌在接受南都等媒体采访时表示，随着AI深刻重塑高校教育生态，高校教师应主动转型为‌AI复合型教育者，包括引导学生合理使用AI工具，理解AI的能力边界与应用场景等，提升教学效率和个性化水平。

清华大学教育学院长聘教授韩锡斌。摄影：樊文扬

近年来，教育部及多部门相继出台政策文件，提出到2030年前基本普及中小学人工智能教育，明确课程体系、教学资源、环境建设和师资供给等路径，并发布《中小学人工智能通识教育指南（2025年版）》。简言之，人工智能通识教育在中小学普及已成为国家战略和教育发展的时代趋势。

韩锡斌就此谈到，我国积极推进AI教育，总体秉承着“稳妥、分时段”两大原则。具体表现为，不同学段有不同的AI教育策略——小学低年级需在教师和家长陪护下进行，重在启发兴趣和好奇心；小学高年级至初中逐步引入知识性、原理性内容；高中阶段则重点培养“人机协同”能力，进一步提升学生的批判性思维和创造性能力。

“当前我国正推进科学教育，如何将科学教育与AI通识教育结合是当下的重要课题。”韩锡斌引用了中国工程院院士、之江实验室主任王坚在当日主题报告中的观点，建议将“STEM”（集合科学Science、技术Technology、工程 Engineering、数学Mathematics的跨学科体系）中“M”扩展为数学与人工智能，形成新的教育框架。

他强调，这种调整与以往信息技术演进存在根本差异。此前技术发展更多是增强学生学习、交流等能力，属于功能层面的提升。AI带来了底层逻辑的重大转变，其未来发展方向应是成为像“纸和笔”一样辅助人们思考、解决问题的基础工具。

“一键写论文”“一键出答案”，近年来学生让AI“代劳”写作业、做任务等现象频发，引发一系列有关教育公平的争议。甚至有高校老师反映，学生借助AI完成作业后，课堂表现与闭卷考试水平差距明显，作业反馈失真加剧。

“这一现象很常见，也确实刺到了当前高等教育的痛点。”韩锡斌谈到，随着AI时代到来，无论在考试中设置客观题还是主观题，都未必能真正考验学生水平。教育界已达成共识，考核的重点不应是结果，而是思维过程，于是进一步引发有关考核制度改革的根本性问题——如何才能科学地评估学生思维？

他提到，新加坡南洋理工大学的做法值得借鉴。该学校将考试分为两部分，一部分允许使用AI，另一部分完全闭卷。闭卷考试回归最原始的纸笔形式，考察的是学生脱离电子产品后，是否具备学科基础知识和认知能力；而开卷或允许使用AI的部分，则以做项目、解决问题的方式进行。

“就像失去计算器后，人们仍需掌握‘九九乘法表’一样，学生必须建立学科必备的基础知识框架。”他说。

韩锡斌强调，理想状态是学生在AI加持下对问题的判断能力得到提升，而非相反。其中的关键在于教育设计——AI给出的内容可能增强原有认识，也可能“卸载”学生的思维能力，“如何趋利避害，正是当前学生、教师和研究者们共同面对的课题。”

去年底，清华大学发布《清华大学人工智能教育应用指导原则》，为学校人工智能应用定航指向。韩锡斌坦言，这代表了学校“积极而审慎”的AI应用态度。随着技术快速迭代、社会应用迅速铺开，AI的渗透进一步体现在劳动者身上，写代码、做ppt、制图都是它的“拿手好戏”。

谈及职业替代问题，韩锡斌坦言，AI对普通本科院校学生带来的职业冲击尤其明显，但并不对此感到悲观。在他看来，旧岗位减少的同时也会出现新岗位，原来从业者的技能不是完全被替代，而是以与其他技能组合的方式出现，“比如，一个劳动者既有技能，还懂管理，熟悉业务流程，这样的复合型人才需求在上升。”

有关职业替代的讨论，不止出现在重复性、事务性工作领域。面对课堂上的“低头族”，不少高校教师开始思考一个问题：当学生们可以在家用AI梳理任何学科的知识体系，获得比课堂讲义更清晰的理论概述，他们走进教室的动力是什么？

韩锡斌认为，教育同时具有人本属性和社会属性，前者启发学生的信念、智慧，后者为社会培养和输送人才。大学教育的社会属性更突出，而AI正是擅长传授技能和知识，从这一角度看，高校教师确实面临被替代的可能。

不过，他也指出，教育的本质更类似于农业而非工业——工业是标准化生产，而农业是为作物提供适宜的环境，比如温度、光照、养分等，大学的作用也是如此，“每个学生情况不一样，学校应提供个性化的环境支持。”随着AI深刻重塑高校教育生态，高校教师应主动转型为‌AI复合型教育者，包括引导学生合理使用AI工具，理解AI的能力边界与应用场景等，提升教学效率和个性化水平。

2025年秋季学期起，清华大学面向全校学生免费发放算力券，全面扶持校园智能体创新生态普及。谈及AI赋能高校育人实践中绕不开的算力建设问题时，韩锡斌一针见血地指出，在AI重塑高等教育的当下，算力已和校舍、网络、课程资源一样，成为办学育人的基础标配。

 “token是有计费成本的，现在很多的应用，一旦要进入规模应用，算力成本不是小数目。”韩锡斌分析称，普通大众日常使用的大模型多为免费模式，但真正开展专业创新、搭建专属的学术科研、产教协同类智能体，需要通过API 接口调用。而当前，这笔成本已然成为不少地方院校和师生创新的现实门槛。

他进一步指出，依托名校资源优势，如清华这类顶尖高校是容易获得科技大厂算力捐赠、大模型合作等资源倾斜的，天然占据AI教育先发优势。对比之下，西部和偏远地区院校受经费、合作资源限制，往往无力自行承担大模型API调用、智能体研发等高昂的算力投入，若仅靠学校自主寻求支持，极易进一步拉大区域、校际AI教育差距，亟须从教育公平层面拿出顶层设计和可行方案。

“若任由市场自发发展，算力资源会持续向头部高校、发达地区集中，就可能形成新的算力鸿沟。” 韩锡斌直言。

鉴于此，他建议必须强化顶层设计与政策统筹，把算力纳入公共教育基建统筹布局。一方面，教育部应设立专项扶持项目，向西部、偏远地区高校倾斜资金，分担院校AI育人实践中产生的Token算力成本，降低师生AI创新应用门槛。

另一方面，应加快推进国家层面学科专业大模型建设与开放共享。他提到，当前教育部正在布局学科专业大模型建设，未来高校的算力基建也应参照国家智慧教育公共平台资源普惠模式，推动这类专属大模型向各地院校免费开放。同步制定合规标准、开放规范和应用管理细则，明确资源共享边界与使用规则。

韩锡斌强调，唯有以公共基建思维统筹算力布局、加大欠发达地区政策与资金兜底，才能更好守住AI时代的教育公平底线。

采写：南都N视频记者 樊文扬 吕虹 发自杭州

编辑：李玲