AIedu | AI高等教育日报 · 2026-08-15

🎯 聚焦 AI 赋能学习、高校数字化转型、AI 教育教学方向 📌 筛选 8 条有价值动态，附简要分析与教育启示

1. 教育部等五部门正式印发《“人工智能+教育"行动计划》：高等教育阶段推动 AI 纳入公共基础课

事件概要：近日，教育部、国家发展改革委、工业和信息化部、科技部、国家数据局等五部门联合印发《“人工智能+教育"行动计划》（以下简称《行动计划》），围绕"十五五"期间教育强国建设重点任务，一体部署人工智能人才培养、应用创新、基础环境、生态建设。8 月 15 日，海报新闻、人民日报海外版等多家媒体集中报道解读，标志着这一顶层文件正式进入社会传播与地方落地阶段。《行动计划》提出，到 2030 年，人工智能与教育深度融合格局基本形成，构建纵向贯通、横向联通的人工智能全学段教育和全社会通识教育体系。四大任务中，高等教育阶段明确"推动人工智能纳入公共基础课，促进人工智能交叉融合，优化学科专业布局”；同步实施教师数字素养提升工程，开展全员轮训、能力测评和评价改革；在学生端"研发智能学伴”、在治理端"赋能学校治理与科学研究"，并筑牢教育大模型安全审核机制、防范学术造假与应试内卷。同日教育部科学技术与信息化司负责人答记者问，提出利用中央预算内投资布局"国家教育智能算力服务平台"“人工智能(教育)应用中试基地"等基座项目。

值得关注的原因：这是继 2025 年《教育部等九部门关于加快推进教育数字化的意见》之后，AI 教育领域规格最高、覆盖面最全的国家级纲领文件。其最关键的信号有三：其一，AI 从"试点探索"正式升级为"全学段通识 + 全社会普及"的制度性安排，高等教育被明确定位为"AI 纳入公共基础课"的实施层，意味着未来几年"AI 通识必修"将从少数头部高校的先行探索，扩展为全国高校的普遍要求；其二，“研发智能学伴 + 教师数字素养提升工程 + 教育大模型安全审核"三点并提，勾勒出"学生—教师—治理—安全"四位一体的推进框架，回应了此前"AI 查重乱象"“学术造假"等争议；其三，中央预算内投资布局"国家教育智能算力平台 + 中试基地"的表述，说明国家层面将为高校 AI 应用提供算力与基础设施的硬支撑，解决此前高校"有需求、无算力"的痛点。这份文件将成为未来数年观察国内高校 AI 教育走向的总坐标。

🔗 教育部官网原文 | 海报新闻解读 | 答记者问

2. 省级方案密集落地：江苏"高水平大学建设方案"与云南"AI+教育行动方案"同频共振

事件概要：8 月 14 日，江苏省人民政府印发《江苏高水平大学建设方案（2026-2030 年）》，提出以数智驱动、赋能创新为核心理念，支持高校开展人工智能通识教育，建设人工智能相关学科专业和智能体，大力拓展人工智能助教、助学、助研、助管等应用场景，推动人工智能全面赋能高校治理、人才培养及科研范式变革。几乎同期，云南省教育厅等五部门于 8 月 6 日印发《云南省"人工智能+教育"行动方案》，给出了更为量化的落地指标：到 2030 年实现人工智能通识教育全学段覆盖；推动高校分类建设人工智能公共基础课模块，覆盖文、理、工、农、医等全学科，原则上不少于 2 学分或 32 学时；基础教育阶段确保四年级、七年级每周 1 课时。云南方案还要求高校、科研院所、高科技企业的人工智能实验室、科普基地在周末寒暑假向公众开放。

值得关注的原因：江苏与云南两省方案的密集出台，标志着国家"行动计划"开始向省级落地转化，且呈现出两种典型路径：经济强省江苏走的是"高水平大学引领 + 全场景赋能"路线，把 AI 定位为高校治理与科研范式变革的底座；西部省份云南走的是"全学段普及 + 量化达标"路线，用"不少于 2 学分/32 学时"“四年级、七年级每周 1 课时"等硬指标确保落地不走样。两条路径的差异本身就很有启示——AI 教育不能只有一个模板，发达地区拼深度与范式，欠发达地区先保普及与底线。云南"高校公共基础课覆盖全学科、不少于 2 学分"的量化要求，与昨日江苏"通识 2.0 版 32 学时"形成呼应，说明"AI 通识课 32 学时/2 学分"正在成为全国性的默认基准线，各高校可据此对标自查。

🔗 上海证券报·江苏方案 | 云南省教育厅·行动方案

3. 黑龙江省"1+13"人工智能教育教学研究中心启动建设：哈工大牵头构建省级协同创新体系

事件概要：近日，黑龙江省"1+13"人工智能教育教学研究中心启动建设。省教育厅支持哈尔滨工业大学牵头建设黑龙江省高校人工智能教育教学研究中心（省级中心），并支持哈尔滨工程大学、东北林业大学、东北农业大学、哈尔滨医科大学、哈尔滨理工大学等高校围绕船海核、生态、农业、医学、智能制造等领域成立 13 个分中心，覆盖理工农医文等学科门类。中心立足国家人工智能产教融合创新平台、人工智能研究院和人工智能学院基础，依托各高校航天科技、海洋工程、能源开发、智慧农业、冰雪经济等领域优势特色学科，打造"AI+龙江优势领域"差异化发展格局，以"教育先行牵引产业升级"为核心目标，前瞻研究未来 5—10 年人工智能对产业变革、岗位重塑和能力需求的影响。

值得关注的原因：黑龙江的"1+13"设计提供了省级 AI 教育协同的另一种范式——不是"撒胡椒面”，而是"一核多点、优势学科驱动”。哈工大作为省级中心负责顶层研究，13 个分中心分别锚定一个区域优势学科（船海核、生态、农业、医学、智能制造），把 AI 教育与地方产业特色深度绑定。这与昨日记忆中长期追踪的"行业特色型大学垂类大模型"趋势一脉相承：黑龙江的分中心逻辑，本质上是把"学科 OS 化"从单校行为升级为省级协同创新体系。“教育先行牵引产业升级"的定位也很有价值——它承认高校在区域 AI 生态中不仅是"被赋能者”，更是"产业升级的牵引者”，通过前瞻研究未来 5-10 年岗位与能力需求，反向倒推学科专业与人才培养改革。

🔗 黑龙江省教育厅

4. 清华 OpenMAIC 随机对照实验：“AI 教师战胜真人教师”，对"上课"的想象可能已经过时

事件概要：据"知识分子"8 月 14 日报道，清华大学一套 AI 课堂工具在海外社交平台引发热议。该项目名为 OpenMAIC（Open Multi-Agent Interactive Classroom），2026 年 3 月上线以来 GitHub 星标已接近 2 万。它基于清华团队历时数年搭建的 MAIC（Massive AI-empowered Courses）理念构建：AI 老师配合幻灯片语音讲解、在复杂概念处逐步推导，几位性格各异的 AI 同学随时打断提问、发起讨论，穿插随堂测验与交互式模拟实验，开课只需上传一篇论文或问一句话。MAIC 覆盖从备课、教学到评价的完整流程，已于 2025 年上线国家智慧教育公共服务平台，并被纳入清华新生录取通知书配套资源——每位新生可凭专属账号登录，这也是他们进入大学后的第一门 AI 授课学分课程。团队披露，2024 年在清华教育学院张羽教授团队指导下，MAIC 在北京招募约 200 名不同水平大学生做了一次严格随机对照实验，结果指向"AI 教师"在特定学习环节优于真人教师。

值得关注的原因：这条是今日**“AI 赋能学习"方向最硬核的实证信号**。它的价值不在技术本身，而在三件事：其一，OpenMAIC 的"AI 老师 + AI 同学"多智能体课堂，把"智能体化教学"从概念推到了真实学分课程，且被官方平台与新生录取通知书双重背书，说明清华已经把 AI 授课当成"标配"而非"试验”；其二，200 人随机对照实验提供了国内罕见的因果证据（而非体验式案例），一旦"AI 教师优于真人教师"在特定环节被反复验证，将直接动摇"课堂必须由真人教师主导"的默认假设；其三，OpenMAIC 近期新增项目式学习（PBL）场景，暗示其野心已从"AI 替人讲课"升级为"AI 重构学习组织方式”。值得提醒的是，这一结论需与昨日记忆中的"作业 +18% 但考试 -20%“警示对照来看——AI 授课的"即时效果"与"长期能力沉淀"可能是两回事，这也是清华团队后续需要回答的关键问题。

🔗 知识分子·清华AI课堂实验

5. 上海交大医学院 8 个教学智能体案例入选国家级名单：构建"师-生-机-环"医学教学新生态

事件概要：据新华网 8 月 14 日报道，中国高等教育学会正式发布第二批"高校教学智能体及应用案例"征集名单，上海交通大学医学院共有 8 个特色教学创新案例成功入选。交大医学院依托浦东校区高标准建成的 95 间现代化教室，以 ClassIn 智慧教学平台为技术底座，构建"师-生-机-环"四元协同、多模态融合、全流程智能的医学教学新生态。典型案例包括：《机体防御与免疫》课程构建"一库双图三体"医学垂直领域底座与"10+3"人机协同路径，采用"提示语清单策略"教学法引导学生与智能体开展苏格拉底式对话；口腔医学院自主研发"智能口腔诊室”——口腔临床思维训练和考核系统，直击病例供给短缺、临床思维培养缺失、人工考评主观性强三大堵点。

值得关注的原因：这一入选名单标志着"教学智能体"从个别教师的创新尝试，正式进入国家级认定与推广阶段——“高校教学智能体及应用案例"的官方征集本身，就是国家对"智能体进课堂"的制度性背书。交大医学院 8 案例的共性值得拆解：一是**“医学垂直底座"思路**（“一库双图三体”、领域知识库 + 智能体集群），印证了行业特色院校"通用大模型 + 领域知识"的落地路径；二是**“提示语清单策略”——不把智能体当"答案机”，而是教学生自主构建指令、与 AI 苏格拉底式对话，把 AI 变成"思维推演工具"而非"抄答案工具”，这一教学设计对防止学生过度依赖 AI 具有直接示范意义；三是"智能口腔诊室"针对的是实训资源短缺**这一医学教育顽疾，用虚拟诊疗空间补足线下实操，属于 AI 赋能学习中最务实的应用。

🔗 新华网·交大医学院

6. 重医附二院首批 7 门智慧课程群落地：医学教育从"单点突破"走向"课程群重塑"

事件概要：据华龙网 8 月 14 日报道，重庆医科大学第二临床学院以"数智创新赋能医学教育"为核心理念，近日完成首批 7 门特色智慧课程建设并全部投入教学运行，覆盖生殖系统疾病、放射影像诊断学、传染病学、医学超声影像学、作业治疗学、循环系统疾病、泌尿系统疾病等核心临床领域。课程以"多维图谱为基础、AI 技术为引领、教学任务引擎为纽带"，全方位完成"教、学、评、管"智慧化重塑。其中《生殖系统疾病》课程构建"大模型 + 任务式智能体 + 领域知识库"三层架构，创新生命周期图谱并打造元宇宙虚拟实训空间；放射影像诊断学课程搭建覆盖全身的四维影像知识图谱（676 个知识点、60 份标准影像示教资源），实现"学理即阅片"。

值得关注的原因：重医附二院的案例价值在于"从单点突破到课程群重塑"的系统化跃迁——此前多数高校的 AI 教学改造停留在"某位教师、某一门课"的试点，而重医附二院一次性完成 7 门核心课程的协同升级，形成了一套可复制、可推广的"多维图谱 + AI 智能体 + 任务引擎“智慧课程范式。这一范式与昨日记忆中长期追踪的"学科 OS 化"趋势完全对齐，也回应了《行动计划》“推动 AI 与教育全要素融合"的顶层要求。“学理即阅片”（学到一个知识点即可一键调取关联标准影像）的设计，精准解决了医学影像教学"理论与阅片脱节"的老问题；传染病学的"仿真元宇宙诊疗空间”（从发热门诊到隔离病房）则为高风险实训提供了安全、可重复的练习环境。医学教育正成为国内高校 AI 落地的最密集试验田，其经验对其他强实操学科（工科、农林、护理）具有直接迁移价值。

🔗 华龙网·重医附二院

7. 南通大学探索地方高校"人工智能+“育人新生态：联盟协同破解资源不均

事件概要：据新华日报 8 月 14 日报道，南通大学围绕"系统化、场景化、项目化"思路，构建覆盖多学科领域的人工智能实践项目群，并探索出一条地方高校"人工智能+“育人新路径。具体举措包括：在通识基础课程中设置脚本创作、智能辅助编程、专用智能体开发等综合实践，在理工、医学、人文等进阶课程中设置机器人控制、医学图像语义分割、AI 辅助艺术创作等项目；依托联盟构建"共建、共研、共训"的教师数智教学能力提升体系，举办"AI 赋能教师教学创新实践工作坊"30 余场；搭建联盟线上平台，集课程展示、资源汇聚、跨校选课、教学运行、学分互认和数据服务于一体，推动教育资源由"静态存储"向"动态服务"转变。

值得关注的原因：南通大学的案例直指地方高校 AI 教育的一个真问题——“想转型但缺资源”。与头部高校相比，地方高校普遍面临 AI 课程资源不足、师资力量不均、平台建设成本高、实践场景供给不足四大难题。南通大学的答案是”联盟化、平台化、共同体化"：不靠单校硬扛，而是通过高校间优势互补、校企深度协作、课程资源与产业场景对接来摊薄成本。文中提出的三个转变极具方法论价值——从"技术应用"转向"育人重构”（AI 不能只是课堂辅助工具，而应成为学生的基础能力）、从"单校建设"转向"联盟协同”、从"通用灌输"转向"分类培养"（按理工/医学/人文社科/艺术分类进阶）。尤其"分类培养"呼应了《行动计划》“分类施策、分层推进"的要求，对大量地方本科院校的 AI 通识课设计具有直接参考意义。

🔗 新华日报·南通大学

8. 斯坦福与约翰斯·霍普金斯专家联合警示：靠 AI 看病的医学生，正在丢失最核心的推理能力

事件概要：据《卫报》8 月 13 日报道，斯坦福大学医学院学生西马尔·巴贾杰与约翰斯·霍普金斯医学中心外科专家约瑟夫·萨克兰联合刊文，对医学生滥用 AI 开展医学学习的现状发出深切担忧。两位专家提出核心警示：医师若只是遗忘推理逻辑，仍有机会重新锻炼恢复；但若求学阶段从未建立自主诊疗推理思维，后续很难弥补这一核心能力短板。数据佐证：美国约三分之二临床医师日常使用医疗专用 AI 工具 OpenEvidence，AI 已全面渗透临床工作流；而《自然·医学》专项评估显示，专业医疗大模型答题准确度反而不及通用大模型，且存在答案不稳定、信息失真等缺陷。专家建议参照民航"飞行员定期关闭自动驾驶、手动操控飞行"的思路，常态化开展"无 AI 辅助的独立病例实操训练”，强制医学生脱离 AI 独立推导诊断。

值得关注的原因：这是今日"AI 赋能学习"方向最尖锐、也最必要的一条批判性声音，与第 4 条清华"AI 教师战胜真人教师"恰好构成一组张力：一边是 AI 授课的惊人效果，一边是 AI 依赖对核心能力的侵蚀。其核心洞见在于区分两类能力——“可恢复的遗忘"与"从未建立的思维”：AI 帮学生跳过了"独立推演、查漏纠错"这一费力但关键的内化过程，短期看似高效，长期却可能造成"思维地基缺失"。这条警示对国内高校同样成立，且与昨日记忆中长期追踪的"作业 +18% 但考试 -20%“实证警告、以及今日第 5 条上交大"提示语清单策略”（教学生自主推演而非直接要答案）形成呼应。它提醒我们：AI 赋能学习的边界，恰恰在于不能替代那些"看起来低效、实则必要"的深度思考环节。“飞行员关自动驾驶"的类比，为高校设计"AI 使用与独立训练并重"的课程提供了清晰、可操作的制度灵感。

🔗 环球网·专家警示

📊 今日趋势总结

📝 编辑说明：本期筛选 8 条动态，覆盖顶层政策（1 条）、省级落地（2 条）、赋能学习实证（1 条）、医学教育数智化（2 条）、地方高校协同（1 条）、批判性反思（1 条）。核心主线：8 月 15 日的 AI 高等教育，正在从"各校自发的创新探索"进入"国家—省—校三级制度化推进"的新阶段——五部门《行动计划》定调、江苏云南省级方案落地、黑龙江省级协同体系启动，构成清晰的纵向链条；而在横向落地上，清华的"AI 教师"实证、上交大与重医的医学数智化课程群、南通大学的地方高校联盟，分别代表"赋能学习"“学科 OS 化"“资源协同"三条具体路径。最具张力的信号是：当"AI 教师"开始被随机对照实验证明优于真人教师时，斯坦福与霍普金斯的联合警示又提醒我们——AI 无法替代那些"费力却必要"的深度思考。真正的 AI 赋能学习，不是"用 AI 取代思考”，而是"用 AI 腾出时间，去做更深的思考”。

🖼️ 配图统一添加 @WoLoveAI 水印

AIedu 日报 · 2026-08-15 · 第 94 期