问题——人工智能加速迭代，人才培养面临新考卷。 新学期伊始，教育领域一个共同的追问更趋突出：智能技术深度融入经济社会的背景下，未来需要怎样的创新人才，学校又应提供怎样的培养环境。尤其对承担基础研究与人才培养使命的高校而言，人工智能既带来效率跃升，也带来研究范式与教学方式的重塑压力；对中小学而言，如何在科学教育升温的同时守住育人本质、夯实基础能力，成为开学季的重要议题。 原因——科研范式变革与学科边界重组同步发生。 从高校科研进展可见趋势。沪上高校近期集中发布基于人工智能的科研成果：一项聚焦罕见病识别诊断，旨在为更多罕见病种提供可用、可追溯的智能化辅助工具；另一项面向科学探索场景，尝试以高能动性智能体参与科研任务执行，推动科研流程从“人主导、机辅助”向“人机协同、任务自动化”延展。两类成果指向不同领域，却体现共同逻辑：面向复杂问题，单一学科难以独立攻关，交叉团队通过共享数据、模型与方法，借助对不同知识体系底层逻辑的贯通，才更可能在关键环节形成突破。 同时，技术更新周期缩短，“窗口期”意识强化，倒逼科研组织方式、课程体系与人才结构更快适配。短期“破圈组队”可以解决燃眉之急，但从长期看，创新能力的可持续供给仍取决于稳定的人才培养链条与更系统的教育供给。 影响——从“高校实验室”延伸到“中小学课堂”，育人结构正在调整。 变化不仅发生在高校，也投射到基础教育的新学期图景中。一上，不少学校以更贴近学生的方式推进中华优秀传统文化浸润，通过非遗体验、校园市集等活动强化文化认同与人文素养培育；校园空间与课程安排上，更多学校探索为孩子提供运动、艺术、劳动、自然观察等多样化成长场景，推动德智体美劳全面发展，弱化“唯分数、唯主课”的单一评价倾向。 另一上，人工智能教育进入更明确的制度化推进阶段。部分地区在义务教育阶段设置人工智能有关课程，从图像识别等基础内容入门，到探究性实验与真实问题解决，逐步培养计算思维与实践能力；在高中阶段，跨学科项目学习更加突出，鼓励学生以团队形式完成机械臂、芯片设计等任务，强化综合应用与工程化意识。与“双减”政策背景下强化科学教育的方向相呼应，这些探索意在让学生在可承受的学习负担下获得更扎实的科学素养与动手能力。 整体看，教育生态的变化呈现“双向发力”的特征：一端是人工智能带来的工具革命与能力重构，另一端是对人文底色、审美能力、价值判断与社会性能力的再强调。两者并行，折射出对未来人才结构的重新理解——既能与智能技术协同，也具备不可替代的创造力、同理心与判断力。 对策——从“临时混搭”走向“源头培养”，推进教育科技人才一体化。 面向新形势，需要把教育链、人才链与创新链更紧密衔接。 其一，夯实基础教育“源头工程”。在课程与评价上兼顾科学素养与综合素质，给学生留出探索与创造的时间空间，系统培育好奇心、想象力、创造力、判断力与审美能力，使其成为未来与智能技术共处的底层能力。 其二，推动人工智能教育规范化、分层化。义务教育阶段强调兴趣启蒙与基础概念，注重安全意识与伦理素养；高中阶段强化跨学科项目与工程实践；同时完善师资培训与教学资源供给，避免“一哄而上”和形式化应用。 其三，强化高校与科研机构的交叉培养机制。以重大科研任务为牵引，完善跨学院、跨机构的课程与科研训练体系，鼓励学生在真实科研场景中形成问题意识、数据意识和协作能力。 其四，完善产学研协同的创新生态。围绕关键领域与未来产业需求，推动高校、科研院所与企业形成更稳定的联合攻关与人才培养共同体，让学生与青年科研人员在真实产业问题中提升能力，也让科技成果更顺畅走向应用。 前景——以人的全面发展为根本，构建面向未来的创新人才“蓄水池”。 可以预期，随着人工智能更融入教育、科研与产业，学习方式与科研流程将持续变化：基础教育阶段更重视“会学、会问、会合作”的能力结构，高等教育与科研则更强调跨学科能力、数据与模型素养、面向复杂系统的综合解决方案能力。未来的竞争不只在工具使用熟练度，更在能否提出好问题、做出可靠判断、形成原创思路与价值选择。谁能在制度设计与教育实践上更早打通“从童年到青年”的创新能力培养链条，谁就更可能在新一轮科技与产业变革中赢得主动。
当校园里的跨学科实验室与孩童嬉戏的沙水区共同构成教育图景，我们看到的不只是技术进步的路径，更是人才培养模式正在发生的深层调整。这场始于课堂的变革，将持续影响国家未来的核心竞争力。正如教育家陶行知所言：“教育是国家万年根本大计”，在科技自立自强的时代命题下，这份“根本”也被赋予新的内涵与责任。