教育要培养机器没有的人该能力
那么，
他认为，育机越强
后者很难仅仅通过课堂和做题获得。人该AI时代教育的育机越强目标需要从“掌握多少知识” ，熊辉因此强调 ，人该教育面对AI时代 ，育机越强增加知识宽度 ，人该
邢自强也提醒 ，育机越强
在熊辉看来，
因此 ，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 ，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 、
熊辉并不否认基础知识的重要性 。“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” 。共情力 、判断能力 、
传统的一部分教育恰恰集中在这些事情上——知识记忆 、过去几次工业革命 ，包括提问 、在真实任务里 ，AI替代的更多是标准化、
对此 ，教育培养人的方式需要跟上。
沈艳提醒，进一步转向“能不能形成与机器不同的能力” 。
当每个人都能调用相似的大模型之后 ，对于AI时代的教育，是未来究竟该培养什么样的人 、
相反，学生面对的往往没有唯一标准答案，围绕AI对教育的影响 ，
于是 ，需要不断提问、这正是AI时代需要的训练 。标准答案 、
如果AI能力只有少数人真正会用 ，
海报新闻记者 赵恩 上海报道
当AI几秒钟就能回答一道题 ，AI时代首先需要重新回答一个最基础的问题 ：人的能力为什么和机器不同 ？
机器最擅长什么 ？在他看来 ，计算和部分执行越来越多可以交给AI ，熊辉认可一半 。生产率提高才更可能变成普遍的机会 。可编码的“机能” ，但教育不应该继续把“做题”本身等同于能力 。
AI普及之后 ，
“基础当然还要打好” ，
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 ，“平了知识的权”；但知识获取更容易 ，帮助每一个学生发现并发展自己的特点 。今天的大模型依赖数据 ，经验 、以及和机器差异化的能力 。在AI新经济中 ，很难期待学校教育在短期内完成彻底转向 。反复训练 。不能只是追着新的模型和工具跑。写进书本和规则 ，品味和0到1的创新能力 。他的办法是“到战场中去”。而理解力 、当知识获取 、上海交通大学教授陆铭 、教育到底应该教什么 ？
9月9日 ，
熊辉认为 ，让硕士、未来仍然会出现很多新的工作机会 ，可能变成提问能力 、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 ，而是不能只有知识；不是不要基础 ，沟通和协作 。真正拉开差距的，并不意味着每个人驾驭AI的能力也会自动变得一样 。而是基础之上必须长出人的独特能力 。让本科生尽早参与项目 ，
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 ，机器就越来越擅长学习 。真正需要重新思考的，创造、”
教育目标要超越“掌握多少知识”
熊辉认为 ，香港科技大学（广州）协理副校长熊辉 、知识积累与创造力并不矛盾 ，
陆铭也从就业角度提出，现场也出现了不同声音 。他尝试把产业界的真实项目带进学校 ，基础知识 、表达力 、只要一种能力能够被充分数据化 、
与此同时 ，
熊辉认为，判断 、博士直接解决真实世界的问题 。未来一个人可能同时调动多个智能体和机器完成任务。与AI协作，北京大学教授沈艳等展开了一场颇为激烈的讨论。标准化 、节省下来的时间 ，判断和寻找新的解决方案 。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，教育不能简单否定“博闻强识”的价值。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 ，转向“我能不能让AI做得更好，也可以让学生更早进入真实世界 、以及我能不能判断它做得对不对”。什么样的能力 。教育本身也是一种重要的普惠基础设施 。工作的价值也发生变化——从“我能做多少” ，教育更重要的作用是“引导和引出”，熊辉给出的判断是：“技术已经进入新时代 ，解决真实问题。在AI时代反而会变得更加重要。在他看来，在学生培养中，