通用人工智能对高等教育的影响

徐飞 教授、博士生导师。历任上海交通大学副校长、西南交通大学校长、上海财经大学常务副校长，现任福耀科技大学常务副校长。国务院政府特殊津贴专家。先后兼任中国铁道学会副理事长，中国管理学会组织与战略专业委员会副主任，教育部高等学校创新创业教育指导委员会副主任，中国高等教育学会创新创业教育分会理事长，中国高质量MBA教育认证（CAMEA）工作委员会副主任，中国职业技术教育学会副会长等。主要研究领域为战略管理、竞争战略与博弈论、创新创业、跨文化战略领导力等。出版著作20余部。

北京中关村展示中心常设展上，人形机器人在进行行走演示。新华社发

广东佛山某科技园的工业机器人产线车间。新华社发

济南长清区大学城创新谷内，某公司员工在演示嵌入式人工智能应用开发沙盘。新华社发

随着人类教育发展，大学也不断变革升级，从传统的知识殿堂逐步成为集知识传授、创造与社会服务于一体的学术机构。如今，通用人工智能（AGI）正推动大学迈向全新发展阶段。

进入21世纪，随着AGI技术的迅猛发展，大学教育迎来了新的变革契机。从世界范围看，以奇点大学、密涅瓦大学、斯坦福大学等为代表的新型大学，展现出与以往不同的特质。它们以使命驱动、挑战导向为指引，特别是将AI（人工智能）/AGI技术深度融入教学、科研与社会服务之中。诚如联合国教科文组织发布的《共同重新构想我们的未来：一种新的教育社会契约》报告所呼吁的，面对AGI挑战，高等教育要高质量发展必须积极探索变革之路。

高等教育面临的挑战

知识生产、传播、传授与创新的挑战

AGI作为共性技术或通用技术GPT（General-Purpose Technologies）和核心引擎，正在以前所未有的方式重塑所有行业，在教育领域其影响和冲击尤为深远而深刻，它让知识的生产、传播/传授、创新方式发生了重大变革。

在知识生产方面，AGI改变了知识产生的逻辑和范式，以往主要依靠逻辑、实验、观察通过逻辑分析得到知识，现在靠数据就可以产生知识，而且能够快速、高效地生成并“涌现”大量知识，知识更新的速度呈指数级增长。

在知识传播/传授和创新上，一方面，AGI生成的“幻觉”知识存在准确性、可靠性和逻辑性等方面的问题，学生容易不加甄别地接受，导致其自主思考和知识探索能力被削弱，从而对知识创新产生抑制作用。另一方面，由于教师在知识储备和更新速度上难以与AGI匹敌，如何确保传授给学生的知识具有时效性和前沿性成为必须解决的难题。

实际上，知识的半衰期已从工业时代的20~30年骤降至如今的5~6年，一些前沿领域甚至短至1年或更少。这意味着学生毕业时所掌握的约60%专业知识已滞后于行业需求，传统学科稳定性与科技迭代爆发性矛盾凸显，这种脱节既造成人才培养与产业的“时间差”，也使传统高等教育中以教师为中心、基于教材的知识传授模式面临冲击。

教学模式与方法的挑战

面对AGI的技术进步，大学现行培养模式标准化、批量化、同步化等局限日益显现：传统大班授课主导下，知识被切割为粗颗粒度的模块，人才评价依赖标准化答案的考试体系，难以适应创新驱动时代对复合型人才的多样化需求。此外，传统的课堂讲授式教学模式侧重于知识的单向传递，难以充分发挥学生的主动性和创造性。AGI技术支持下的智能学习工具和平台，如智能体辅导系统、虚拟学习环境，则可为学生提供更加个性化、多样化的学习途径。

学生能力培养的挑战

2024年达沃斯世界经济论坛新领军者年会上，“未来人才：数智重塑高等教育”这一主题引发热烈讨论。全球高等教育正因AGI的发展而对学生的能力要求发生变化，学生需要具备适应未来变革的新综合能力。除了传统的专业知识和技能，学生还应具备提出问题能力、问题解决能力、方案落地能力、管理决策能力、人际链接能力、创新创造能力以及人机协作能力。不仅要熟练使用各类办公软件、设计软件、项目管理工具以及常用大语言模型（LLM），成为“数智力”高手，亦需在直觉、洞察、好奇心、想象力、批判性思维等非结构化非逻辑化能力方面卓尔不群，成为“非编码能力”达人。同时，学生需从传统的I型人才向T型乃至π型人才转变。通常T型人才强调一专多能，有较广知识面和一项专长；π型人才则在T型人才基础上，进一步深耕某一专业领域，拥有两个及以上的“长板”技能，知识和技能结构更趋多样化和专精化。

教师角色与发展转型的挑战

当今虚拟人、数字人、AI智能体的能力提升迅猛：智能教学系统可全天候精准答疑，数字人能模拟多模态教学并生成个性化报告，AI学术助手在科研基础环节效率超越人类。当前，亟须构建“技术素养+教育创新+终身学习”一体机制。2024年麦肯锡预测，到2030年超60%标准化教学任务将由智能体承担，教师在知识传递维度的不可替代性年降15%。这势必倒逼教师重构定位，从知识“搬运工”转型为认知引导者、学习活动设计师、成长分析师、心灵陪伴者和教育生态共建者，并在批判性思维培养、情感价值传导等AI薄弱领域构建自身的核心优势。

教育公平与价值伦理的挑战

随着AGI技术大行其道，有人担心普通群体因教育资源、数字素养不足可能被排斥在技术红利外。在未来发展过程中，经济发达地区和优质高校相对能够更好地获取和利用AGI技术资源，为学生提供更优质的教育服务；而经济欠发达地区和普通高校，则可能因资金、技术和人才等方面的限制在技术应用上表现迟缓，从而导致学生接受教育的机会和质量产生差距。我们在未来工作中须尽力避免此类现象。

另外需要重视的是，AGI技术的应用还可能引发一系列价值伦理问题。在学术不端（利用AGI代写论文等）、数据隐私与安全（学生学习数据被不当收集和使用）、算法偏见（影响学生评价和资源分配的公正性）等方面必须保持警醒，努力确保AGI技术在高等教育中的合理、规范应用，维护教育公平与伦理秩序。

劳动力市场深刻变化

当前，劳动力市场正经历结构性变化，AGI技术的渗透已从传统体力劳动领域加速向脑力劳动范畴延伸。在制造业流水线、物流仓储等体力岗位，AI凭借机械臂与自动化系统实现高效生产；而在数据标注、基础代码编写、客服咨询等脑力场景，AI依托算法模型展现出远超人类的信息处理速度与持续工作能力，其无需休息、零疲劳值的特性，配合不断优化的精准度与任务耐性，正重塑岗位需求结构。相较于人类劳动者可能出现的精力波动、效率衰减等问题，AI在标准化、流程化任务中优势显著，促使企业加速人机替代进程，推动劳动力市场向高技能、创造性岗位转型，进而也对劳动者的数字素养与跨领域适应能力提出更高要求。

高等教育的变革创新

重塑新型教育生态系统

在通用人工智能提供发展机遇、带来全新挑战的今天，贯通、打通、联通至关重要，全局性谋划、协同性推进十分必要。我认为，需要构建三个内在联动的“三位一体”：

一是“教育—科技—人才”，三者构成知识生产、转化与应用的链条。党的二十大报告提出，教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。《教育强国建设规划纲要（2024—2035年）》更是明确要求“构建教育科技人才一体统筹推进机制”。教育作为基础，需构建“科技赋能教育、教育培养人才、人才反哺创新”的动态循环，高校应成为“教育+科技”枢纽，通过智慧实验室、虚拟教学平台等将前沿科技融入教学场景，实行“科研+产业”双导师制，让学生在真实项目中提升创新能力；建立“需求预测—供给调整—成果孵化”联动机制，针对“卡脖子”领域定向设置专业、开发融合课程，使教育精准对接科技人才需求，形成“教育强基、科技赋能、人才支撑”的协同格局。

二是“教育—科技—产业”，三者通过产教融合、科教融汇打造创新共同体。破解教育、科技、产业“孤岛效应”，实现“教育强基、科技赋能、产业增值”的正向循环，旨在为中国式现代化持续贡献创新动能。主要举措是，校企共建“课程开发共同体”，如高校与科技企业联合开发AI应用课程，将企业最新技术转化为教学模块；建设“产学研用”一体化平台，政府、高校、企业联动，形成“技术研发—中试转化—人才实训”闭环，缩短科技成果转化周期；建立“产业需求导向”评价体系，将企业参与度纳入高校评估，推动院校与企业共建“现代产业学院”，提升人才与岗位匹配度，实现“研发在高校、转化在企业、应用在产业”的无缝衔接。

三是“科学—技术—产业”，推进“学科链—创新链—产业链—资本链”四链融合。其要点有：打破学科壁垒，建立交叉研究中心，推动基础研究向应用技术转化；构建“基础研究—应用开发—商业化验证”全周期服务体系，通过中试基地提升技术成熟度，降低转化风险；借鉴“创新雨林”模式，政府引导基金、风投、产业资本形成接力投资，赋能科研成果从概念验证到市场应用，实现科学发现催生技术发明、技术发明带动产业变革的螺旋上升。

更新教育理念和思维方式

当AI能纳秒级检索重组人类知识库之际，以知识储备为核心的评价体系与课堂传递效率，在算法驱动的个性化学习系统前迅速失效。“能力中心主义”同样承压——AI不仅能模拟逻辑推理等认知能力，还能通过强化学习持续优化决策模型，使能力培养路径发生结构性变革。教育的核心竞争力正转向不可计算的“元能力”培养——创造性想象、复杂情感认知、伦理价值判断等。这迫使教育体系从知识传授范式向智慧养成范式跃迁，在人机协同的新图景中，重新锚定其作为思维工坊与价值培育场的本质存在。

构筑人机协同“三元混合式学习”场域

构建以学生为中心、以认知进化为核心的人机协同体系，通过“教师—学生—AI”三元互动，人的智能（HI）与人工智能的双向奔赴和彼此成就，实现智能增强(IA:Intelligence Augmentation)，即HI+AI=“IA”。其要点大致有如下四点：

一是三元协同重构学习主体。AI作为“认知伙伴”嵌入学习流程，与教师、学生形成动态互动：教师借AI精准定位认知盲区，设计个性化策略；AI依托数据模拟多元路径，提供即时反馈；学生则在人机、师生交互中发展元认知能力。三者通过构建“AI筑基、教师引导、学生自主”的三维螺旋推进结构，突破传统二元模式，形成协同认知共同体。

二是多元学习范式的智能融合。混合式学习通过技术激活多元认知模式：对话式学习中AI解析思维逻辑，引导知识建构；核查筛选式学习借助知识图谱聚类信息，训练信息批判能力；头脑风暴式学习中AI生成创意矩阵，激发跨维联想；角色扮演式学习依托虚拟仿真模拟复杂情境；反思式学习通过AI分析日志生成反思清单；跨学科学习融合知识图谱打破学科壁垒；元认知策略学习将“如何学习”显性化。各类范式通过人机协作，实现从知识获取到思维训练的进阶。

三是人工智能合成内容（AIGC）驱动认知进化路径。AIGC技术推动学习内容从“预设”转向“动态生成”，依据学生状态实时适配资源，实现知识获取与认知加工同步。人机交互中的“认知摩擦”（如AI反常识假设引发思辨）成为进化动力，推动学生能力跃迁：从单一专精的“单能”到跨域整合的“多能”，从范式内应用的“多能”到突破创新的“超能”，最终形成人机协同下的独特“异能”（如数字直觉）。

四是人机共生的教育新生态。致力于构建“人智融合”场域，其中，教师转型“认知教练”，聚焦情感联结与高阶能力培养；AI作为“数字学伴”承担知识检索、技能训练等机械任务；学生从知识消费者转变为认知建构者。通过优化人机交互，实现AI符号处理与人类“具身认知”的“神经耦合”，动态平衡认知负荷，培育应对不确定性的“智能增强型”人才。

涵养“非编码能力”

人工智能的迅猛发展，正在重塑世界范围内的职业版图。那些可编码、遵循固定规则、具备标准答案的工作，AI不仅能够胜任，还能以更高的效率和更低的错误率完成任务。面对技术浪潮，高等教育应将重心转向“非编码能力”的培育。非编码能力是人类在AGI蓬勃发展之际的核心竞争力，让我们能够在复杂模糊的情境中发现问题本质，在未知领域探索创新。以企业管理为例，管理者在面对市场波动、团队矛盾等充满不确定性的场景时，需要凭借经验直觉、同理心与创造力做出决策，这是AGI无法替代的。有美国未来学家指出，设计力、娱乐力、意义力、故事力、交响力和共情力，将成为21世纪决胜职场的关键能力。显然，这“六力”都是非编码能力，无法通过简单算法和模型生成，需要在长期的学习、实践、思考与体悟中逐渐形成。

毫无疑问，责任力和道德力是非编码力的题中之义。科技不仅是冰冷的代码与精妙的算法，更应成为传递人文关怀的载体。未来当AGI具备超越人类的认知能力时，唯有植入良知、正义与道德基因，才能避免技术失控的风险。情感与责任的注入，将赋予AGI理解人类悲欢的共情力，使其在面对复杂问题时，既能以理性逻辑分析，又能以温暖善意回应。情怀与理想的滋养，更将引导AGI向着追求真善美的方向前行，让科技成为守护人类文明、推动社会进步的可靠伙伴。这些同样是高等教育的发力点。

变革科研范式

梳理科研范式的演进历程，从“经验科学”阶段依靠观察与实验积累数据，到“理论科学”阶段通过数学模型与逻辑推演产生定律/定理，再到“计算科学”利用计算机模拟复杂系统，又到图灵奖获得者吉姆·格雷所谓的“数据密集型科学发现”依赖大数据挖掘揭示规律，直到当今蔚然成风的“AI for Science”借助人工智能探索科学未知，每一次变革都推动人类认知边界的拓展。AGI的出现更是以其强大的通用性和自主学习能力，为科研带来颠覆性突破。

AGI凭借其强大的学习与分析能力，能够对海量科研数据进行深度挖掘与处理。举例来说，在生物医学领域，它可从全球疾病数据库、基因序列图谱等复杂数据中，快速提取关键信息，挖掘疾病发生、发展的潜在规律，为精准医疗提供全新路径。在材料科学方面，AGI能基于量子力学原理和材料特性数据，模拟新材料在不同环境下的性能表现，预测潜在的新材料结构，帮助科学家突破传统试错研发模式的局限，大幅缩短研发周期。科研工具的革新在AGI助力下尤为显著，大规模智能化基础设施和装置成为科研的新支柱。大语言模型不仅能辅助科研人员快速检索、整理文献，通过自然语言处理技术理解晦涩的学术表述，还能基于已有知识生成创新思路。

同时，AGI可与各类科研仪器深度融合，实现实验自动化、智能化控制，自动采集、分析实验数据，实时调整实验参数，有效提高数据采集与分析的效率和准确性。AGI强大的整合能力打破了传统学科间的壁垒，不同领域的研究人员可以借助AGI共享数据资源、协同分析，共同攻克复杂科学难题。例如，天文学与计算机科学、统计学的结合，利用AGI处理来自望远镜的海量观测数据，发现宇宙中的未知天体和现象。此外，在促进科研国际合作与交流方面，AGI实时翻译和文化解读功能，能帮助高校科研人员更好地与国际同行合作交流，推动全球科研协同发展。AGI还可根据学生知识水平生成个性化学习路径，辅助高校开展科研方法论教学，提升学生科研思维与实践能力，为科研梯队储备人才。总之，我们有理由相信，未来AGI将促进大学科研发展，推动科学发现和技术创新迈向新高度。

改进评估评价体系

构建综合评价体系，运用层次分析法等科学模型，打造合理全面的评估“指挥棒”，并依据AGI发展和社会需求，动态调整评价体系的指标与权重，确保其适应性与时效性。对大学整体评价，既要考量科研成果转化、跨学科平台建设等硬实力，也要评估其在社会服务中的贡献。同时，也可以通过对比同类院校在利用AGI提升教育资源共享、管理效率等方面的数据，衡量学校的创新与发展能力。对教师评价，除传统教学与科研指标外，着重考察教师运用AGI工具革新教学方法的能力，关注教师在AGI相关领域的科研成果与产学研合作成果，以及指导学生借助AGI完成创新项目的表现。对学生评价，要优化结果评价，突破传统学业成绩局限，同时关注毕业生在新兴技术领域的就业质量等行业认可情况，衡量教育与市场需求的匹配度；强化增值评价，利用大数据跟踪学生从入学到毕业的知识增进、技能训练、思维拓展、精神成长和人格发育的幅度；完善过程评价，借助在线平台监测学生课程参与、作业完成及与AGI交互等学习行为，及时干预学习问题；加强社会评价，定期收集雇主对毕业生职业素养、专业技能等方面的反馈，以此调整人才培养方向；评估大学与社区合作及解决社会问题的贡献，展现其社会责任。