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