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