作者｜腾讯研究院
北京大学国家智能社会治理（教育）特色实验基地
生成式人工智能以前所未有的速度渗透教育领域，传统教育模式正面临系统性重塑。从人才培养目标到教学实施模式，从学生使用规范到教师角色转型，从工具设计逻辑到学校形态变革，一系列关键问题亟待回应。
历史上从未有一项技术像AI这样，直接触及人类引以为豪的“智力”核心。工业时代以知识储备和专业技能为核心的人才标准，在AI能够海量存储、高效处理信息的今天，已然难以适配。
AI时代的人才培养，核心逻辑已转向“人机协同”——人类在意义建构、伦理判断与创造性思维上的独特价值，与AI在高速计算、模式识别、泛化生成上的技术优势形成互补，实现“1+1>2”的协同效应。
基于这一逻辑，AI时代的人才需具备全面的AI素养，可通过“5U”框架构建：
一是知识理解力，需掌握AI的基本概念、工作原理及局限性，避免因基础认知缺失导致学习分化；
二是技术应用力，不仅要高效使用AI工具，更要明确人机分工边界，知晓何时借力AI、何时坚守人类主导，让AI成为“认知伙伴”而非“替代者”；
三是价值判断力，坚守“以人类为中心”的原则，具备批判性审视AI输出、识别偏见与幻觉、作出伦理决策的能力；
四是跨界整合力，打破学科壁垒，整合数据、方法与应用场景，形成跨学科解决方案；
五是自我更新力，面对快速迭代的技术，保持对新兴事物的敏感性，依托AI实现终身学习与能力迁移。这类以人类判断为中心、能与智能机器协同共创的复合型人才，正是未来社会竞争力的核心所在。
传统“讲授+作业”的标准化教育模式，已难以满足AI时代对个性化、创造性人才的需求。AI正推动教育模式向“对话+共创”的新范式转型，这一变革既体现在短期的课堂优化，也蕴含长期的生态重塑。
短期内，课堂教学正在经历实质性再设计：
· 可复制性强的书面作业比重下降，课堂讨论、口头表达、现场任务等能反映真实思维的环节得到强化；
· 教师将备课、题目生成、基础批改等重复性工作交由AI，得以聚焦“追问-诊断-示范-点拨”等高价值互动；
· AI使用规范也从“一刀切禁止”转向“可使用、须标注、能追溯、可复核”的责任化管理。
中长期来看，教学角色与学习空间将发生更深层变革：
· 学生从“被动完成者”转为问题提出者、证据收集者，教师从“知识灌输者”变为学习导演、能力教练，AI则承担助手与伙伴角色；
· 正式与非正式学习的边界逐渐模糊，项目实践、远程协作成为常态，学校将转型为以真实问题为牵引的“工作室”或“研究所”。
值得注意的是，AI时代的教育并非要全面依赖技术，而是需建立分层任务体系：
·无AI任务聚焦记忆背诵、心算推演等基础能力训练，保障学生在无智能辅助时的核心素养；
·限AI任务允许学生借助AI发散思维、获取参考，但最终分析决策需由人类完成，培养人机协作中的批判与整合能力；
·全AI任务则充分发挥AI在海量数据处理、编程开发等领域的优势，让人类集中精力于创意构思、结果评估等核心环节。通过这种分类设计，既能发挥AI的效率优势，又能保留不可替代的“学习现场”，促进学生主动探索与独立思考。
生成式AI为青少年学习带来极大便利的同时，也潜藏着三重“降智”风险，需通过科学引导帮助学生趋利避害。
第一重风险是元认知懒惰，AI提供的即时答案容易让学生跳过思考过程，将本应自主完成的分析、记忆任务“外包”给机器，长期依赖可能导致思维主动性退化，一旦撤除AI支持便出现“认知塌陷”；
第二重风险是“流畅即真”偏误，AI生成的内容往往结构清晰、表达流畅，容易诱发直觉层面的信任，削弱学生的批判性思维与元认知监测能力，甚至固化“确认偏误”；
第三重风险是数字亲密依赖，AI提供的无摩擦、无冲突的情感回应，可能替代真实的人际互动，导致学生冲突应对、情绪调节与关系建构能力萎缩。
引导学生负责任地使用AI，需遵循“立规矩、育自律、促反思”三重路径。
立规矩是基础。通过学校制度与家校协同，建立“红灯-黄灯-绿灯”的直观使用框架，明确禁止（如直接获取作业答案）、谨慎（如论文写作辅助）与鼓励（如创意激发、资料检索）的使用场景，划定AI使用的安全底线。
育自律是核心。将分级使用规则可视化呈现于教室与学习平台，建立“灰区申报机制”，鼓励学生主动判断AI使用的合规性，培养自我约束能力。
促反思是关键。可借鉴英国开放大学的PROMPT框架，引导学生从呈现逻辑、相关性、客观性、方法合理性、来源可信度、时效性等维度评估AI输出；同时通过课堂分享、使用记录等方式，让学生反思“为何使用AI”“是否错过关键学习环节”，将AI使用过程转化为思辨与成长的实践。
AI不会完全取代教师，但必然推动教师角色的深度转型。在AI能够高效承担信息整合、基础批改、事务性工作的背景下，教师的核心价值从“知识传递”转向“育人引导”，需实现“导演、教练、裁判、守门员”的四重角色升级。
作为导演，教师需成为教学设计师，在海量AI资源中筛选适配课程目标的内容，整合虚拟实验、跨学科案例等素材，构建兼具灵活性与深度的教学框架，并根据学生反馈动态优化教学流程；
作为教练，教师的重心从知识讲授转向能力培养，依托AI提供的个性化数据，为学生提供学习策略指导，帮助调整学习方法，促进高阶思维发展；
作为裁判，教师需坚守评价的主导权，制定透明、可追溯的评价标准，对AI自动评分结果进行复核与解释，防范算法偏见与系统性歧视，保障教育公平；
作为守门员，教师承担着维护教育伦理的重要责任，需保护学生数据安全，防范信息滥用，强化学术诚信教育，确保技术应用始终服务于人的成长。
角色转型背后，是教师专业能力的“守正与焕新”。课程理解力、课堂掌控力、沟通表达等传统教学基本功，仍是高质量教学的基石，不因技术进步而过时；
同时，新的专业能力需求日益凸显，教师需具备AI基础认知与应用能力，能够甄别、评估AI生成的教学资源；掌握AI时代的教学方法，将技术工具与学科逻辑深度融合，提供具有启发性的“深度反馈”；树立以人为本的教育思维，理解AI的局限与风险，坚守教育的人文底色。
最终，教师的核心职责将更清晰地回归“育人”，在不确定情境中澄清价值、在真实关系中提供情感支持、在共同实践中培养公民责任，这正是技术无法替代的教育本质。
随着AI在教育领域的快速渗透，各类“AI+教育”工具层出不穷，但真正优质的工具必须以教育逻辑为核心，既为教师减负、为学生增能，又不替代人类思考，符合五项通用设计原则。
一是目标明确、场景驱动，工具需与课程标准和教学场景弹性对齐，贯通“预设-生成”的完整流程，课前依据课标与学情设定目标，课中支撑实时诊断与教学决策，课后通过数据分析提供个性化巩固路径，始终聚焦认知提升、技能培养与情感发展的核心目标。
二是任务拆解与协同，将复杂教学任务拆分为“最小教学单元”，每个微工具聚焦单一功能，如备课智能体负责目标拆解、互动智能体提升课堂参与、批改智能体提供快速反馈，通过AI串联形成“备-授-练-评”的全链路协同。
三是双轨引导设计，在“师-生-机”三元结构中，AI需扮演“认知伙伴”角色，既不替代教师的主导地位，也不弱化学生的主动探索，通过引导思考（如动态追问）与激活输出（如交互练习）搭建学习闭环，助力知识内化。
四是低门槛、宽路径、高上限，教师端提供预设模板、批量处理功能，学生端简化交互流程、支持多设备适配，降低人机交互成本；同时通过多模态支持、动态难度调节满足差异化需求，支持自定义任务与跨学科应用，兼顾普惠性与卓越性。
五是安全合规底线，工具需对学生隐私数据进行脱敏处理，防范信息外泄与滥用；避免设计包办式功能，防止学生过度依赖；合理设置评价与反馈机制，不放大教育焦虑，保障师生身心健康。
好的“AI+教育”工具还应打破应试导向的局限，充分发挥AI的创新潜能。
在主动探索层面，工具应从“直接给答案”转向“陪伴式探究”，根据学生兴趣与水平生成适配的学习内容，引导自主提问与深度思考；
在思维培养层面，工具可扮演“苏格拉底式对话者”，通过动态追问促成分析、比较与推理，引导学生在学科学习中提出假设、验证观点，培养批判性与创造性思维；
在跨学科融合层面，工具应支持项目式学习，整合多领域知识与资源，帮助学生在解决真实问题中理解学科关联；
在成长激励层面，工具需记录学生的知识与能力成长曲线，提供具体可操作的改进建议与个性化鼓励，营造安全的试错环境，推动成长型思维养成。
工业时代形成的标准化学校模式——统一课程、固定课时、标准化评价，在AI时代正面临系统性变革。从全球实践来看，学校AI落地呈现三个层次：
课堂增能型将AI作为效率工具植入教学环节，如智能批改、学情分析等，实施阻力小、见效快，但未触及教育内核；
校级统筹型则让AI渗透至学校整体运行，承担课程编排、资源调度、治理优化等职能，实现“人治管理”向“数据协同”的过渡；
体系推进型通过区域或国家层面的“政策+培训+治理”组合拳，构建全方位的AI教育生态，覆盖面广但需持续资源投入。
无论采用何种路径，未来学校都将从稳态框架转向更具动态性的系统，其核心制度将发生四大转向。
在班级制度上，从固定分组转向能力走班与“群组+导师制”，学生可依据项目任务、兴趣方向形成可流动的学习共同体，实现教育组织的柔性化；
在学科制度上，从分科教学转向主题探究，保留学科方法论的同时，以真实问题为核心整合跨学科资源，重建知识与现实世界的联系；
在课时制度上，从标准化节段转向弹性节奏，设置长时段沉浸式学习模块用于复杂问题解决，搭配灵活模块满足技能训练、专题探究等多元需求；
在评价制度上，从结果导向转向过程证据，AI持续采集文本、视频、协作记录等多模态数据，形成可追溯、可验证的能力档案，全面反映学生的真实成长。
在此基础上，AI原生学校的形态正在逐步浮现，其形成需具备“7S”要素体系：
战略层面需重塑教育目标，构建动态能力画像与证据链；
标准层面要明确AI使用规范与伦理边界，保障创新不越界；
教师层面需实现角色转型，整合情感支持、学习设计与价值引领功能；
学生层面需建立分阶段的AI素养基线，具备负责任使用技术的能力；
系统层面需搭建数据中台、知识图谱与教师在环机制，平衡自动化与人文判断；
空间层面要打破物理局限，形成数据流与认知活动构成的动态网络；
护栏层面需完善隐私保护、算法问责与申诉机制，确保教育的公正性与人本价值。
这些要素共同支撑起以学习者为中心、数据驱动、伦理可控的智能教育生态。
AI时代需思考学习者将被何种环境“俱化”；教育中，“学”可借AI增能，而“习”难被AI替代，甚至可能被稀释。AI需与人及社会结构耦合，其进入教育的方式，决定学习者是成为“扁平体”还是“丰腴生命”。
面对AI，我们需兼具想象力与警惕心——既可借智能体文明视角审视教育深层机制，也需正视技术带来的边界挑战及数字安全、鸿沟等外部议题，教育更要将这些纳入课程、评价与治理之中。
AI是教育的“关键变量”，而非起点与终点，教育的终极目标是“更好地成为”，应让技术顺人发力，既改善“学”，也护持“习”；AI会深刻改变教育，但教育必须决定AI的用途与用法，技术本身绝非魔法。
当AI协同教学成为常态，教师需具备更深层次的“AI判断力”与“系统设计力”。《AI时代，教师的下一站：2025新型教师专业成长智库报告》帮助教师在 AI 时代夯实专业素养底座，为教育智能化落地课堂提供结构清晰、可持续的行动路径。