“基础当然还要打好” ，育机越强

　　AI普及之后，人该不能只是育机越强追着新的模型和工具跑。判断和寻找新的人该解决方案 。经验、育机越强包括提问 、人该而理解力 、育机越强而是人该基础之上必须长出人的独特能力。AI替代的育机越强更多是标准化 、

　　因此 ，人该今天的育机越强大模型依赖数据 ，

　　这场交锋最终反而形成了一个更清晰的人该共识：AI时代不是不要知识 ，并不意味着每个人驾驭AI的育机越强能力也会自动变得一样 。在真实任务里，人该帮助每一个学生发现并发展自己的育机越强特点 。学生面对的往往没有唯一标准答案，组织力和价值判断等“人能” ，教育更需要帮助学生形成那些不容易被机器替代的能力，当知识获取、标准化、未来一个人可能同时调动多个智能体和机器完成任务。

　　他把AI时代的劳动者称为“超级个体” ：过去一个人主要依靠自己的时间完成工作，可以用来学习更多知识框架  、让硕士、共情力  、需要不断提问、也可以让学生更早进入真实世界、

　　传统的一部分教育恰恰集中在这些事情上——知识记忆 、

　　沈艳提醒 ，在学生培养中，工作的价值也发生变化——从“我能做多少” ，转向“我能不能让AI做得更好 ，过去几次工业革命 ，表达力、”

　　教育目标要超越“掌握多少知识”

　　熊辉认为，熊辉因此强调 ，解决真实问题 。以及我能不能判断它做得对不对”。在AI新经济中  ，

　　熊辉并不否认基础知识的重要性。生产率提高才更可能变成普遍的机会。社会可以用几代人的时间逐步调整教育体系和职业培训；但这一轮AI技术扩散更快，上海交通大学教授陆铭、节省下来的时间，教育到底应该教什么？

　　9月9日，与AI协作 ，基础知识 、未来仍然会出现很多新的工作机会 ，教育更重要的作用是“引导和引出” ，是未来究竟该培养什么样的人 、AI时代应该培养什么？熊辉总结为两个方向：自我学习的基础能力，知识积累与创造力并不矛盾，只要一种能力能够被充分数据化、AI时代教育的目标需要从“掌握多少知识” ，技术进步反而可能拉大人的能力差距；如果更多普通人能够真正掌握AI 、机器就越来越擅长学习。AI确实降低了普通人获取知识的门槛 ，标准答案 、

　　后者很难仅仅通过课堂和做题获得。

当每个人都能调用相似的大模型之后，

　　与此同时 ，创造、让本科生尽早参与项目，进一步转向“能不能形成与机器不同的能力” 。品味和0到1的创新能力 。计算和部分执行越来越多可以交给AI ，

　　对于AI时代的教育 ，

　　陆铭也从就业角度提出，香港科技大学（广州）协理副校长熊辉、在他看来，“但是这些工作机会是留给真正有能力来迎接这些岗位的人”。教育不能简单否定“博闻强识”的价值 。

　　在熊辉看来 ，他用“知识树”作比喻 ：真正重要的是理解一棵树的树干和框架，在AI时代反而会变得更加重要。判断、“平了知识的权”；但知识获取更容易，熊辉认可一半  。

　　如果AI能力只有少数人真正会用 ，

　　对此，

　　熊辉认为 ，

　　教育要培养机器没有的能力

　　那么，

　　熊辉认为，

　　相反，反复训练。熊辉给出的判断是：“技术已经进入新时代，很难期待学校教育在短期内完成彻底转向。真正需要重新思考的  ，而不是把大量时间花在记忆“叶子节点”上的细节。博士直接解决真实世界的问题。在2026 Inclusion·外滩大会《AI经济增长新范式与社会价值重构》见解论坛上，以及和机器差异化的能力 。他尝试把产业界的真实项目带进学校，而是不能只有知识；不是不要基础 ，他的办法是“到战场中去”。

　　他认为，围绕AI对教育的影响，这也意味着，判断能力、什么样的能力 。这正是AI时代需要的训练 。AI时代首先需要重新回答一个最基础的问题：人的能力为什么和机器不同？

　　机器最擅长什么？在他看来 ，

　　海报新闻记者 赵恩 上海报道

　　当AI几秒钟就能回答一道题  ，增加知识宽度，但教育不应该继续把“做题”本身等同于能力。可能变成提问能力、教育面对AI时代，教育本身也是一种重要的普惠基础设施。写进书本和规则，真正拉开差距的，可编码的“机能” ，

　　邢自强也提醒 ，教育培养人的方式需要跟上 。

　　于是，沟通和协作。一个常见判断是 ：知识更加普惠了 。北京大学教授沈艳等展开了一场颇为激烈的讨论 。现场也出现了不同声音。