2026年9月，两件事放在一起看，味道就出来了。一边是复旦大学宣布，110余门AI-BEST课程完成开课，累计1.7万人次本研学生修读，2024至2026年累计获批45个“X+AI”双学士学位项目，覆盖全部一级学科；另一边是北京市1400余所中小学、183万学生实现AI通识课全覆盖，中小学生AI应用覆盖率达91%。

一头往“专业+AI”里深挖，一头往“人人会用”里铺开。AI素养正在被同时专业化，也在被同时通识化。夹在中间的K12与职教机构，最该问的不是“要不要开AI课”，而是“我的课站在链条的哪一格”。

两端的动作，方向其实不一样

高校这一端，走的是“把AI焊进专业”的路线。据2026年9月28日科学网报道（来源：澎湃新闻），复旦大学自2024年起先后推出“AI大课”1.0版、2.0版，以建设未来教师、未来课堂、未来学校、未来学习中心为引领，把最新数智技术融入“教—学—评—创”全过程。

数字很能说明力度：110余门AI-BEST课程完成开课，累计1.7万人次本研学生修读；2024至2026年累计获批45个“X+AI”双学士学位项目，覆盖全部一级学科，数量居国内高校首位。学校还首创“师生共创”理念，推动教师角色从传统的知识传授者，向学习生态创建者、自主学习引导者与学术前沿引路人转型；已实施28年的“复芏计划”，在2025年新设AI+师生共创专项。

更值得留意的是落点：该校数学中心直博生团队负责的“AI4Math”智能数学教学智能体，2026年5月入选教育部在“2026世界数字教育大会”上推出的首批18项高等教育智能体；校内还有人物素描AI重建系统、AI实验室等展示项目。注意这些名字——数学、素描，都不是“AI专业”本身，而是AI长在了别的学科上。

另一条线把“垂直结合”讲得更清楚。据2026年9月27日新华网报道，中医药高等教育正在拥抱AI：有中医药院校牵头研发的中医药教育大模型，入选教育部首批生成式人工智能教育专用大模型建设项目，如同一位“电子助教”随时解答学生问题；2026年服贸会上展出具身智能推拿机器人，以灵巧手及具身手臂为基础，能够模仿推拿基础手法，并集成推拿专家模型实现智能诊断；有院校成立中医药人工智能学院、推动经典课程虚拟教研室建设，推动教学从经验驱动向数据驱动、从单向传授向人机协同转变；还有院校2026年新增人工智能本科专业，构建“数理基础+AI核心+医学特色+创新实践”课程体系。

一位学生的判断被媒体记录下来，值得原样引用：AI可以把很多只可意会的老经验，转化成可以学习传承的知识，但替代不了核心的辨证思维，最终的判断与决策还是要回到经典体系里来。

基础教育这一端是另一种打法。截至目前，北京市1400余所中小学、183万学生已实现AI通识课全覆盖，中小学生AI应用覆盖率已达91%。通识课的价值不在教会某个软件，而在让“用过AI”变成默认状态。

坐标变了：从“会用工具”到“用得对”

把两端的动作叠在一起，会看到一个共同点：谁都没有在教“AI怎么用”，大家教的是“AI怎么用在我这件事上”。

高校的做法是给专业加AI。数学配智能体，中医药配大模型和推拿机器人，艺术配AI重建系统——AI在这里不是一门独立的课，而是一层能力，附着在原有学科之上。基础教育端则相反，先把AI铺成底座，让每个学生都摸过、用过。

中间就空出了一段位置。K12与职教机构如果只做“工具型AI课”——教提示词、教几个软件怎么点、教做一份AI海报——很容易被两头夹住：往下，通识课已经免费覆盖；往上，高校在把AI嵌进专业能力。真正有护城河的，是“学科+AI”这一格：把AI用在自己学科上，形成可交付的方法论。

三种可以马上试的“学科+AI”做法

不用等大模型，也不用自研系统。下面三种做法，都是把现有学科教学重新组织一遍。

做法一：把AI塞进“诊断”环节，而不是“作答”环节

同一道错题，让AI先把可能的错因列出来——概念不清、步骤跳步、审题偏差、计算失误，再由老师带着学生逐个排除。AI在这里扮演的是“假设生成器”，判断权牢牢留在师生手里。落地上只需要一个固定模板：错因假设清单、证据、结论，一页纸就够。

做法二：开一门“验证课”，专治AI胡说

给学生一段AI生成的内容，要求找出其中的事实错误、逻辑断层和过度推断，并说明“你凭什么这么判断”。这类课的交付物非常清晰：一份标注过的文本，加一份验证说明。它教的不是AI，而是判断力——这恰好是AI时代最贵的能力，也是家长最容易感知的价值。

做法三：做垂直学科的小工作流

高校在做学科智能体，机构做不到那么重，但可以做轻的：把某个学科的高频题型、常见错误、训练顺序，整理成一条固定的AI辅助工作流，嵌进日常作业环节。它不需要把“AI”写进课程名，但学生会真实地用起来。

一条安全线：别承诺“AI替你学”

前述中医药学生那句判断，其实给了机构一个特别稳的表达安全区：AI替代不了核心思维，最终的判断与决策要回到学科体系。

把这句话翻译成对外口径就是——教方法、教判断、教验证，但不承诺“AI帮你写作业”“AI替你提分”。前一种说法的价值会随着AI普及而上升；后一种会随AI普及而贬值，而且踩线风险极高。招生话术里凡出现“解放双手”“一键完成”的字样，都值得再想一遍。

未来半年到一年，可能出现的三个变化

1. 专业+AI继续下沉。高校在做的“X+AI”会逐步影响招生偏好，同时反过来影响中学阶段的素养预期，“会用AI做本专业的事”会从加分项变成默认项。
2. 通识课从“开出来”走向“用起来”。全覆盖完成之后，评价重点会从课时数转向常态化使用，机构在这方面的空间不在“补课时”，而在“补方法”。
3. 垂直学科结合会变成主流叙事。数学、医学、艺术之后的下一批，很可能是语言、设计、财会类方向。

一句话：AI素养的链条正在两头延伸，中间那一格不会自动空着。谁先把“学科+AI”的方法论做扎实，谁就拿到了不随工具更新而贬值的资产。

落到日常管理上，这类课程最难的往往不是内容，而是过程留痕：每个学生的诊断记录、验证作业、阶段成果，都要能被老师随时调出来，也要能被家长看见。学邦教务教学管理系统的学员档案与教学跟进模块，支持把过程性材料归到学员名下，并通过微信端向家长同步，成果型课程的续班沟通就有了依据，不必再靠临时翻记录。

—

写在最后

工具会过时，方法论不会。教培机构真正的护城河，从来不是手里拿着什么新东西，而是把新东西变成别人抄不走的流程。

关注「学邦技术」公众号，回复「手册」，即可领取本文对应的完整版管理资料，持续获取教培运营干货。

点击公众号菜单「免费体验」，还可预约学邦教务教学管理系统演示——排课、考勤、课消、家校沟通、财务报表一站搞定，让教务老师从表格里解放出来。