本文来自微信公众号： 信睿周报 ，作者：信睿周报
过去，大学教育还有一条相对清晰的逻辑：学生进入学校，接受系统训练，掌握一套知识与技能，再凭借这些能力进入社会分工。专业、课程、学位、职业之间虽不严格对应，但大体上仍能构成一条可辨认的路径。
今天，这条路径正在失去稳定性。
人口结构在变，经济格局在变，技术迭代的速度更快。更关键的是，人工智能第一次如此集中地作用在高等教育身上：当知识越来越容易被检索，技能越来越容易被工具调用，大学原来赖以成立的那套“知识传授—技能训练—职业输送”的培养逻辑，开始被动摇。它面对的已经不只是某门课该不该引入AI、某项教学流程能不能被优化，而是一个更根本的问题：如果未来越来越难预测，大学究竟该培养怎样的人才？
杨保成现任黄河科技学院执行董事、校长。2007年参与学校管理以来，他长期推动课程改革、人才培养模式调整和学校数字化转型，也持续关注产业变化、技术演进与高等教育之间的关系。也因此，在AI与教育的讨论中，他关心的并不只是课堂里增加了什么工具，而是当知识和技能越来越容易被调用之后，大学培养人才的逻辑是否正在发生变化。
在杨保成看来，时代的变化不是局部修补可以解决的。“颠覆性的影响是必然的。”他在采访中提到，农耕时代人类可以预测几百年之后的事儿，工业时代人们可以往后看几十年甚至上百年，信息时代也还能看清二三十年的方向，但到了人工智能时代，“基本上已经预测不了10年以后的事”。
这意味着大学很难像过去那样，预设学生毕业后会进入一个什么样的岗位、需要什么样的能力，再反向设计出一套稳定的培养方案。甚至，如果今天大学教授给学生的大部分知识和技能，未来都可以被AI高效替代，那么大学还能靠什么证明自己的必要性？
教育的难题
是不知道未来需要什么
高等教育今天面临的压力，并不只来自AI，但AI把这些压力提前暴露了出来。
原来，大规模、标准化的育人体系建立在一个隐含前提之上：社会所面对的未来，大体是可预设的。需要哪些岗位、学生毕业后会进入什么样的职业世界、哪些能力具有较长的有效期，这些判断虽然从来不完全准确，但并非无从把握。于是，大学能够依靠统一课程、统一节奏、统一标准培养大批学生。
但今天，这个前提越来越站不住了。人工智能不仅改变工具，也在改变人的社会角色。如果未来连“人进入社会之后究竟做什么”都变得不那么确定，那么教育原来那套以知识体系和职业方向为中心的培养逻辑，就会越来越难维持。
在这样的背景下，杨保成提出：教育需要回归到价值培养、价值教育。
这并不意味着知识和技能不再重要，而是说，它们不再足以单独构成大学存在的理由。过去，知识稀缺、技能训练成本高，学校天然拥有中心地位。但现在，AI正在不断降低知识获取与技能调用的门槛。一个人的能力边界，很大程度上不再只由他自己决定，而会被工具成倍放大。也因此，一个人的判断力、责任感和价值观，开始变得比过去更重要。
杨保成提到，人类社会之所以成为人类社会，不只是因为工具能力的提升，更因为人们在共同生活中形成了一套共识、规范与责任关系，而社会结构构建的基础，就是共同的价值。当技术能够迅速放大个体能力时，一个人的判断失误、价值失衡，同样会被放大。原来一个普通人能造成的影响有限，未来在AI帮助下，这种影响可能是过去的十倍、百倍。
因此，在他看来，AI时代真正不能被忽略的，不再只是“会不会做事”，而是“如何判断”“如何承担后果”“如何理解自己与他人、与社会的关系”。这也是为什么他会反复提到，未来更重要的可能是那些过去在高等教育中被不断压缩的人文教育、通识教育和隐性知识。它们未必直接对应某一项职业技能，却更接近一个人如何成为社会成员的能力。
从这个角度看，AI对教育的冲击并不只在于替代什么，更在于它迫使大学重新确认自己的核心任务。过去，学校更像一个知识和技能的供给者；未来，它必须越来越清楚地回答，自己究竟在帮助学生形成什么样的判断力、责任感和价值取向。知识仍然要教，技能仍然要练，但大学已越来越难仅凭这两者来证明自身不可替代。
教育的边界，开始松动
这种变化已经体现在一些大学的教学路径、学习方式和学校角色的变化上。
杨保成给出了一些例子：斯坦福大学医学院已经能够用全人工智能系统来完成医学模拟训练。过去很多医学院依赖模拟人，一个模拟人便宜的也要几十万元，贵的则达到几百万元。但现在，模拟人可以被软件系统替代，而且模拟结果更真实。再比如，一些原本很难在现实中反复复制的场景，比如电网系统、经济模型、医学模型等，也正在被AI更高效地模拟出来。换句话说，过去受制于成本和物理条件、无法大规模展开的教学场景，正在被重新定义。
类似的案例还在其他地方出现。蒙特雷科技大学已经尝试构建全沉浸式虚拟环境，由AI生成学习环境，让老师和学生在其中完成教学和学习。还有一些公司，已经可以让学生直接在手机上完成物理、化学、生物等实验模拟，而不必进入传统实验室。
黄河科技学院自己也在进行多方面的尝试。比如围绕英语教育，过去，学校长期面对学生四级通过率偏低的问题，传统办法效果有限：统一教材、统一课堂、统一进度，很难真正回应学生之间的学习差异。后来，学校自己开发了一套小程序，根据学生的基础不同分配不同任务，记录错题，再推送相似题，辅助课堂教学。几年下来，通过率提升了四倍。
这套系统还谈不上大规模AI，但已经用了AI的核心思路，也就是个性化学习路径设计。一名老师不可能同时为大量学生设计不同的学习节奏，不同的学习任务，程序却可以做到。类似的尝试也在向高等数学等领域延伸。杨保成提到，学校正在推进高数个性化学习系统，试点班已取得较好效果，准备进一步上线推广。
但总体来说，这些案例真正重要的，并不是让我们教育者们意识到AI很强，而是在说明大学原来围绕知识供给、教师讲授、资源配置建立起来的许多边界，都在变得松动。过去，一套课程之所以要按固定方式教，很大程度上是受制于资源、条件和规模。今天，当这些约束被技术不断削弱，高等教育的逻辑自然也在发生变化。
随之而来的，大学这一角色也会发生变化。过去，学校更像一个供给者：它确定专业、课程、学位与评价标准，学生进入其中，按照既定路径完成训练。今天，大学则转向另一种角色，从单向供给知识的机构，变成连接学生、产业与社会变化的节点。杨保成在访谈中提到，未来高校都会逐步从“面向政策、计划和审批”转向“服务学生、服务社会”。学校能否生存，不再只取决于它有没有资质、能不能扩张，而越来越取决于它能不能回应学生和社会的真实需求。
因此，AI时代的大学不会只是一个更高效的知识工厂。它更可能是一种重新组织学习、重建价值判断、重新连接学生与社会的教育形态。它的难题不只是如何拥抱技术，而是如何在技术飞速变化的环境中，仍然守住教育最基本的问题：人为什么学习，学习最终要把人带向哪里。