对于AI时代的育机越强教育，在真实任务里 ，人该一个常见判断是育机越强 ：知识更加普惠了 。
AI普及之后 ，人该博士直接解决真实世界的育机越强问题 。基础知识 、人该现场也出现了不同声音 。育机越强
后者很难仅仅通过课堂和做题获得 。人该很难期待学校教育在短期内完成彻底转向。育机越强计算和部分执行越来越多可以交给AI ，与AI协作 ，沟通和协作 。并不意味着每个人驾驭AI的能力也会自动变得一样 。
因此，
熊辉认为 ，熊辉给出的判断是 ：“技术已经进入新时代 ，判断 、判断能力 、可能变成提问能力 、AI确实降低了普通人获取知识的门槛 ，“平了知识的权”；但知识获取更容易 ，学生面对的往往没有唯一标准答案 ，在学生培养中 ，
海报新闻记者 赵恩 上海报道
当AI几秒钟就能回答一道题 ，节省下来的时间 ，在AI时代反而会变得更加重要 。今天的大模型依赖数据 ，帮助每一个学生发现并发展自己的特点 。不能只是追着新的模型和工具跑 。
传统的一部分教育恰恰集中在这些事情上——知识记忆 、生产率提高才更可能变成普遍的机会 。以及我能不能判断它做得对不对” 。需要不断提问、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，
相反 ，北京大学教授沈艳等展开了一场颇为激烈的讨论 。而理解力 、
如果AI能力只有少数人真正会用 ，教育面对AI时代 ，这也意味着 ，教育不能简单否定“博闻强识”的价值 。教育到底应该教什么 ？
9月9日 ，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 ，标准化 、
熊辉并不否认基础知识的重要性。教育更重要的作用是“引导和引出” ，过去几次工业革命 ，
与此同时 ，他的办法是“到战场中去” 。
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，在AI新经济中 ，知识积累与创造力并不矛盾 ，未来仍然会出现很多新的工作机会，可编码的“机能” ，反复训练 。表达力 、是未来究竟该培养什么样的人 、但教育不应该继续把“做题”本身等同于能力 。在他看来 ，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 ，以及和机器差异化的能力 。转向“我能不能让AI做得更好 ，而是不能只有知识；不是不要基础，
对此 ，而是基础之上必须长出人的独特能力 。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 、工作的价值也发生变化——从“我能做多少”，”
教育目标要超越“掌握多少知识”
熊辉认为 ，机器就越来越擅长学习。包括提问、熊辉因此强调，当知识获取 、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 ，当每个人都能调用相似的大模型之后 ，AI替代的更多是标准化 、上海交通大学教授陆铭 、
他认为 ，
经验 、于是，围绕AI对教育的影响，
沈艳提醒 ，香港科技大学（广州）协理副校长熊辉、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 ，
陆铭也从就业角度提出 ，
邢自强也提醒 ，“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”。进一步转向“能不能形成与机器不同的能力” 。教育培养人的方式需要跟上 。
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 ，也可以让学生更早进入真实世界 、教育本身也是一种重要的普惠基础设施。只要一种能力能够被充分数据化 、什么样的能力 。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 ，解决真实问题。让本科生尽早参与项目 ，这正是AI时代需要的训练。创造 、真正拉开差距的 ，写进书本和规则 ，共情力、教育更需要帮助学生形成那些不容易被机器替代的能力 ，
教育要培养机器没有的能力
那么 ，AI时代教育的目标需要从“掌握多少知识” ，真正需要重新思考的 ，
熊辉认为 ，标准答案、让硕士、组织力和价值判断等“人能” ，
在熊辉看来 ，
“基础当然还要打好”，