专家观点 | 高校智能体如何重塑教育生态？|人工智能|教学|教育|智能体|算法|高校

文/《在线学习》主笔刘增辉

以大模型为核心支撑的教育智能体，正在成为推动高等教育数字化转型、重构教育生态的关键力量之一。4月，教育部等五单位联合发布《“人工智能+教育”行动计划》，提出“充分发挥人工智能赋能教育变革的引擎作用”“遴选面向不同教育角色、不同应用场景的教育智能体，择优上线国家平台”。国家网信办、国家发展改革委、工业和信息化部近日联合印发《智能体规范应用与创新发展实施意见》，明确了智能制造、能源资源、教育教学等19个典型应用场景。2026世界数字教育大会公布了首批18项高等教育智能体，集中展示了人工智能在高等教育教学领域的创新应用。

智能体在教育领域的应用情况如何？有没有形成可以复制、推广的成熟模式？本刊聚焦4所高校、多个专业、不同功能的智能体实践案例，剖析落地中的经验与困惑，并邀请行业专家建言献策。希望藉此专题，发挥先行者的示范效应，推动教育智能体发展，让在规模化教育中实现个性化培养的理想早日照进现实。

专家观点

高校智能体如何重塑教育生态？

以大模型为核心支撑的教育智能体，正成为推动高等教育数字化转型、重构教育生态的关键力量之一。全国高校纷纷布局智能体建设，掀起了一场覆盖教学、科研、管理、服务全场景的“智能体热”。应如何解读这场“智能体热”？本刊就此对话华南师范大学教育人工智能研究院常务副院长胡小勇教授、浙江大学人工智能教育教学研究中心常务副主任张克俊教授、北京邮电大学教育数字化特聘专家徐童副教授。三位专家围绕时代价值、角色重塑、特色发展、障碍突破等四大核心议题，系统阐释了高校教育智能体建设的深层逻辑与实践方略，为高等教育智能化转型提供理论指引与实践参考。

华南师范大学教育人工智能研究院常务副院长胡小勇

北京邮电大学教育数字化特聘专家徐童

浙江大学人工智能教育教学研究中心常务副主任张克俊

从“工具”到“伙伴”的代际跨越

近些年来，人工智能技术汹涌向前，其发展趋势是什么？又呈现出怎样的特点？张克俊认为，现阶段的人工智能正处于从“感知智能”向“认知与创造智能”跨越的关键期，其核心趋势体现在从单一模态向全感官具身智能的演进。未来的AI将通过具身化深度融入物理世界，实现物理规律与逻辑推理的双重闭环。同时，“大模型+小知识”的协同架构将成为主流，更深层次的趋势在于情感计算与价值对齐，AI正逐步从冰冷的计算工具转化为具有共情能力的协作伙伴。这种从以计算为中心向以人为中心的范式转变，意味着AI将不仅仅是生产力的倍增器，更将成为人类感知边界的延伸，将重塑文明的交互形态。

在这一宏观背景下，智能体建设热潮与过去的智慧校园、教育信息化2.0等相比，本质上的代际差异是什么？对此，胡小勇进行了凝练的概括：“这波‘智能体热’更多是构筑新赛道，而不是常规提速跑。”他认为，代际差异体现在三个转变。

首先，是数智技术从“工具”到“伙伴”的转变。过去的智慧校园建设更像是一台高效运转的机器，帮助高校把业务流程跑得更顺更快。而教育智能体具备感知、推理和生成能力，更像一个可以对话协作的认知伙伴，实现了人机协同和深度嵌入。其次，是数智技术从提速走向提质。以往的建设重点在于提升管理和资源配置的效率，而现在的教育智能体建设更强调对高校业务的深度介入，实现从“做得更快”转向“想得更深”。最后，是数智技术从系统建设走向生态重构。智慧校园起步阶段强调“建系统、搭平台、上应用”，教育信息化2.0阶段强调“融合应用和数据驱动治理”。而如今的教育智能体建设，强调的是搭建一个持续演化的智能生态，不再是单纯的技术固定系统，而是一个能够根据师生需求、学科建设和智能体互动不断生成和进化的教育生态。

徐童则从三个维度进一步阐释了其本质差异：从确定性逻辑走向涌现式智能，从数据流转走向知识演进，从交互界面走向数字人格。

过去，智慧校园系统运行遵循的是“If-Then”的确定性逻辑，无法处理预设程序之外的边界情况。而智能体基于大模型，具备了真正的智能，能够通过理解自然语言意图，在非结构化的教学场景中进行自主拆解与推理，实现了从机械执行到理解执行的跨越；智慧校园侧重于数据治理，解决信息孤岛问题，目标是实现业务流程自动化。而智能体建设则侧重于知识治理，它不只是存取数据，而是能够通过长期记忆和持续学习，内化为对学生学习习惯、创新潜力的深刻洞察；过去系统与人的关系是指令与反馈，而智能体具备了数字人格特征，拥有感知、规划与自我迭代的能力，能像真正的人一样提供情绪价值与启发式引导。

徐童表示，这种从“死工具”到“活伙伴”的转变，是教育数字化转型最深刻的代际差异。

人机共生：师生角色的深刻重塑

扑面而来的“智能体热”，必然引发对人才培养向何处去的叩问。张克俊表示，在智能工具触手可及的今天，人才培养须实现从“知识驱动”向“能力与素养驱动”的根本性转向，其核心应聚焦于跨学科整合力与人机协作创造力，培养能够定义问题并驱动AI解决问题的“架构师”。他提出，要倡导“艺术与科技”的深度融合，通过美学感悟力赋能算法开发，培养具有人文情怀的开发者。

智能体的到来，正在深刻影响传统的师生角色。胡小勇认为，智能时代，教师的角色要从独奏者走向指挥家。第一，从知识讲授者转为学习架构师。大学课堂中的知识已经高度开放，智能体可以快速生成答案，教师不再需要反反复复讲授内容，而是要设计复杂任务和真实情境，引导学生在不确定性中学习。第二，从经验权威者转向认知助产士。面对教育智能体生成的内容，教师要帮助大学生辨别真伪、比较观点、形成判断、学以致用。第三，从技术使用者转为价值守护者。教师要引导大学生正确看待AI的使用边界，比如学术诚信、数据伦理等。

大学生要从学历证书打卡者走向持续内驱的学习者。具体而言，一是从被动接受者转为主动建构者。大学生不能满足于用智能体获取答案，而要通过比较不同生成结果、整合多源信息，形成自己的理解框架。二是从知识答题者转为思维提问者。要学会围绕专业问题不断追问、反问、重构问题，而不是停留在表层答案。三是从工具依赖者转为技术驾驭者。大学生在使用智能体的过程中，很可能会出现认知外包和大模型代劳的现象。因此，要引导大学生把智能体作为认知放大器，用来拓展视角、验证假设，而不是替代思考。胡小勇强调，这种从“工具依赖”到“技术驾驭”的转变，是智能体时代学生能力重塑的核心所在。

徐童以其基于“码上初发”教学智能体平台开设的“大模型应用创新实践”课程为例指出，智能体的到来，正在倒逼教育回归其本源：从“知识搬运”转向“智慧启迪”。他说，在智能体无处不在的今天，教师的价值不再体现为标准答案的传递，而在于如何设计极具挑战性的问题，以及在AI无法触达的情感链接与价值观引导上深耕，成为学生在算法迷雾中的人性灯塔。对于学生而言，他们正从“答案的存储器”转变为“问题的定义者”。在AI时代，能否记住知识条目已经不再那么重要，而能否精准拆解复杂需求、能否与智能体高效协同、能否在AI的幻觉面前保持批判性思维，才是衡量一个学生综合素养的关键。徐童认为，这种变迁并非在削弱人的地位，而是在倒逼我们剥离低效的重复劳动，让教育重新聚焦于思想的碰撞与人格的磨砺。

分类发展因校制宜

我国高校类型多样，不同高校的办学定位、核心使命、资源禀赋差异显著。三位专家一致认为，智能体建设不能 “千校一面”，必须坚持分类发展、因校制宜，结合自身优势打造差异化特色，形成各美其美、协同共进的发展格局。

胡小勇提出，研究型大学应做探路者。其智能体建设应侧重于知识生产和原始创新，特别是服务于科研范式变革和拔尖创新人才培养，重点推进智能体在基础模型创新和教育理论突破中的应用，推动科研范式从经验驱动走向AI for Science；教学型院校应做深耕者，其智能体建设应侧重于人才培养质量。智能体应嵌入教学全过程，服务每一节课、每一个学生，围绕课堂提质增效展开，比如辅助教师备课、个性化学习路径推荐、智能评课等；行业特色院校应做融合者，其智能体建设要侧重于嵌入行业人才培养的核心逻辑，回答“这个行业的未来人才需要什么样的AI协作能力”。比如师范院校可以开发“未来教师教学能力诊断助手”，医学院校可以开发“虚拟病人交互智能体”，艺术院校可以开发“创意风格迁移智能体”。

在徐童看来，教学型院校应侧重于建设“AI智能体助教集群”，为学生提供全天候的启发式辅导，解决大众化教育中高质量导师资源不足的痛点，真正实现因材施教；行业特色院校应深耕垂直领域，将积淀多年的行业知识图谱与专业逻辑“封装”进智能体，开发出深谙行业范式、能解决真实工业场景问题的“特种Agent”。

针对许多高校纠结于“用云端API还是本地化部署”的困惑，徐童表示，从长远来看，拥抱云端SaaS方案是必然趋势。AI技术正以周为单位快速迭代，SaaS方案能确保学校始终同步最前沿的技术红利，避免陷入“落地即落后”的硬件陷阱。更现实的挑战在于，智能体系统需要顶尖人才运维，而高校往往难以留住此类高端人才。同时，本地部署成本极高且面临资源利用率极度不均的尴尬，即业务高峰期算力捉襟见肘，低谷期则闲置浪费。

他介绍，北京邮电大学校长徐坤在今年两会提案中建议建设国家教育智联网——由国家统一统筹算力、网络、大模型及典型应用，为所有学校提供标准化服务。这不仅是兼顾安全、效率与公平的现实路径，更让算力与人才有限的高校摆脱底层硬件束缚，将有限资源集中在结合学科优势的应用创新上。今年，教育部已将建设国家教育智联网纳入工作任务清单，而“码上初发”平台已作为第一批示范应用接入了国家教育智联网的试验网。

徐童表示，高校应坚定走“赋能逻辑”而非“替代逻辑”的路径。AI/智能体可以成为智慧校园中强大的助推器，但它永远不应替代人类成为高校的主宰者。这是因为，就责任主体而言，AI虽然智能，但无法承担法律与道德责任。因此，AI的定位应是“副驾驶”，负责提供动力与辅助，而“方向盘”必须牢牢掌握在人类手中。就技术现状而言，大模型基于概率预测，存在根深蒂固的“幻觉”问题，无法保证输出结果的绝对正确。这就决定了AI不能作为独立决策主体来替代人类完成高校的各项工作。

打通堵点夯实高质量发展根基

高校智能体建设要深入发展，还需跨越诸多障碍。胡小勇将其概括为四个核心问题。一是数据通不通。高校各部门数据往往标准不一、接口不通，形成孤岛。智能体需要数据贯通才能准确判断，割裂的数据只会造成“盲人摸象”。破局的关键在于建立校级数据治理机制，推动“一数一源”，让数据真正流动起来。二是算力够不够。学校不必都“自己挖井”，可以通过区域共享算力平台、校企协同等“借船出海”的方式降低门槛。三是师生愿不愿。智能体挑战工作方式和思维习惯，教师担心被替代或焦虑学不会，学生则易过度依赖。破解之道在于赋能而非强推，帮助师生建立掌控感，让智能体成为帮手而非对手。四是边界清不清。智能体的普及让伦理问题更加紧迫。人脸、声纹、行为轨迹等敏感数据是否被过度采集？算法推荐会不会形成隐性价值观规训？这就必须坚持“以人为本、价值引领、伦理先行”，划清数据采集和决策归属的可为、应为和善为，明确底线和红线。

“要重塑师生对AI赋能的理性认知。”徐童认为，当前既要警惕将AI神化的盲目崇拜，避免过度依赖导致思维退化，也要消除因恐惧被替代而产生的傲慢拒斥。只有师生建立起“人机协作”的正确心理框架，智能体才能真正融入教学科研的每一个细胞。

他强调，智能体必须告别唯武器论，避免“新瓶装旧酒”。智能体建设是一项复杂的体系工程，绝非引入几个Agent平台就能解决。高校应以智能体为契机，对管理制度、业务流程乃至整体培养方案进行全盘重构。如果教育逻辑还停留在工业时代，再先进的智能体也只是数字点缀，而非变革引擎。

针对很多智能体只是“问答机器人”的现状，张克俊建议，要强化个性化与任务导向。智能体不应是万金油，而应细分为科研助手、教学顾问、心理支持等专业角色，深度嵌入实验模拟、代码自动批改等具体场景。此外，要建立动态评估机制，将智能体对教师、学生创新产出的贡献度作为核心评价指标，推动其从展示型向生产型工具转型。

张克俊强调，智能体不应仅仅是技术设施，而应被视为一种新型数字教学资源。智能体建设的核心价值在于释放教师在重复性劳动中的精力，使其能够投入到对学生灵魂的塑造与创造力的激发中，这种“人机共生”的理念应贯穿于对智能体时代教育变革的整体思考中。

专题目录

观察

个性化培养：从理想到现实还有多远

专家观点

高校智能体如何重塑教育生态？

产业声音

超星泛雅集团：智能体要从“有没有”转向“好不好”

产业声音

浙江大学：AI时代，写作教育要从“会写”走向“会思”

上海海事大学：以“海事超级智能体”塑造教育新生态

广西医科大学：以智能体开启医学教学深度变革