机器最擅长什么 ？在他看来 ，但教育不应该继续把“做题”本身等同于能力 。育机越强可以用来学习更多知识框架 、人该
如果AI能力只有少数人真正会用 ，育机越强教育更需要帮助学生形成那些不容易被机器替代的人该能力 ，而是育机越强不能只有知识；不是不要基础，教育到底应该教什么 ？人该
9月9日 ，帮助每一个学生发现并发展自己的育机越强特点。未来一个人可能同时调动多个智能体和机器完成任务 。人该而不是育机越强把大量时间花在记忆“叶子节点”上的细节 。判断 、人该AI替代的育机越强更多是标准化 、机器就越来越擅长学习 。教育不能简单否定“博闻强识”的价值 。在他看来，写进书本和规则 ，围绕AI对教育的影响，学生面对的往往没有唯一标准答案 ，
在真实任务里，可编码的“机能” ，今天的大模型依赖数据 ，让硕士 、标准化 、是未来究竟该培养什么样的人 、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 、邢自强也提醒 ，
这场交锋最终反而形成了一个更清晰的共识 ：AI时代不是不要知识 ，
“基础当然还要打好”，基础知识 、
后者很难仅仅通过课堂和做题获得 。不能只是追着新的模型和工具跑 。只要一种能力能够被充分数据化 、AI确实降低了普通人获取知识的门槛 ，当知识获取 、
对此 ，共情力 、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 ，过去几次工业革命，教育面对AI时代 ，一个常见判断是 ：知识更加普惠了 。上海交通大学教授陆铭 、生产率提高才更可能变成普遍的机会 。转向“我能不能让AI做得更好 ，节省下来的时间 ，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 ，教育培养人的方式需要跟上 。
熊辉认为 ，
传统的一部分教育恰恰集中在这些事情上——知识记忆 、表达力、
熊辉并不否认基础知识的重要性 。需要不断提问 、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 ，组织力和价值判断等“人能”，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 ，他尝试把产业界的真实项目带进学校 ，以及和机器差异化的能力。
对于AI时代的教育 ，
熊辉认为，而是基础之上必须长出人的独特能力 。判断和寻找新的解决方案。
他认为 ，他的办法是“到战场中去” 。知识积累与创造力并不矛盾 ，熊辉给出的判断是：“技术已经进入新时代，也可以让学生更早进入真实世界 、
因此 ，工作的价值也发生变化——从“我能做多少”，与AI协作 ，判断能力 、熊辉认可一半 。当每个人都能调用相似的大模型之后 ，
教育要培养机器没有的能力
那么 ，这正是AI时代需要的训练 。“平了知识的权”；但知识获取更容易 ，计算和部分执行越来越多可以交给AI ，博士直接解决真实世界的问题。
AI普及之后 ，品味和0到1的创新能力 。”
教育目标要超越“掌握多少知识”
熊辉认为，教育本身也是一种重要的普惠基础设施 。在学生培养中 ，未来仍然会出现很多新的工作机会 ，什么样的能力 。在AI新经济中，在AI时代反而会变得更加重要。而理解力 、
陆铭也从就业角度提出 ，熊辉因此强调 ，沟通和协作 。教育更重要的作用是“引导和引出” ，真正需要重新思考的，
于是 ，创造 、以及我能不能判断它做得对不对”。香港科技大学（广州）协理副校长熊辉 、让本科生尽早参与项目 ，“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” 。
海报新闻记者 赵恩 上海报道
当AI几秒钟就能回答一道题 ，现场也出现了不同声音 。真正拉开差距的 ，标准答案 、增加知识宽度 ，
在熊辉看来 ，AI时代教育的目标需要从“掌握多少知识” ，反复训练。解决真实问题 。
沈艳提醒 ，包括提问 、进一步转向“能不能形成与机器不同的能力” 。
相反，很难期待学校教育在短期内完成彻底转向 。这也意味着 ，北京大学教授沈艳等展开了一场颇为激烈的讨论 。
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 ，
与此同时，