问题——技术迭代加速，“教什么”“怎么教”需要重新梳理。随着智能技术深度进入产业与日常生活，知识获取方式正改变，仅靠记忆和重复训练已难以满足未来需求。如何让学生既能理解并使用技术，又能保持独立思考和价值判断，成为基础教育与高等教育共同面对的现实课题。一些学校的实践显示，课程形态正从传统学科课堂延伸到项目式、探究式学习：有的中学开设与药物研发涉及的的实践课程，引导学生借助模型工具进行模拟筛选；有的小学把长期积累的主题教学与新技术结合，探索更丰富的课堂组织方式。各方关注的重点也不再是“多开几门课”，而是育人目标如何重新定位。 原因——人才需求升级与教育供给结构不匹配并存。一上，产业转型对复合型创新人才的需求更迫切，逻辑推理、计算思维、问题定义与协作能力成为关键；另一方面，现有课程体系与评价方式仍以知识点覆盖和标准化训练为主，跨学科视野与实践能力培养相对不足。同时，技术门槛降低带来“会用工具”与“会解决问题”的错位：部分学生容易把工具当作答案来源，忽视推理与验证过程；部分教师对新技术理解不够系统，难以课堂上有效引导并规范使用。如何构建与时代匹配的课程、师资与评价体系，成为推进工作的难点。 影响——教育形态更新带来机遇，也带来新的风险。积极变化在于，越来越多学校把技术作为提升学习效率、拓展学习边界的手段：从编程实践到科学探究，从语文课堂的新呈现到真实问题驱动的跨学科学习，学生接触真实场景、理解科学方法的机会明显增多。同时，风险也必须正视：过度依赖工具可能削弱独立思考与基本能力训练，学习过程的可解释性与可追溯性可能被忽略；未成年人使用相关技术还涉及隐私保护、内容安全与价值观引导。专家指出，中小学阶段尤其需要系统的科学教育视野，覆盖物质、生命、信息、地球与宇宙等领域，帮助学生形成较完整的科学观和方法论，而不只是掌握零散技能。 对策——从顶层设计到课堂落地，关键在“系统推进”。近段时间以来，从探索中小学人工智能教育实施路径，到建设教育基地、成立全国性协作平台，我国相关工作呈现从点到面、由试到成推进态势。业内认为，下一步应在五个上发力：一是明确育人目标，把逻辑思维、计算思维、创新素养与科学精神作为主线，避免把课程简单等同于软件操作培训；二是优化课程结构，以问题为导向组织教学，鼓励跨学科融合与项目化学习，推动基础教育与高校培养在能力链条上更好衔接；三是强化师资建设，提升在职教师的技术理解与教学设计能力，同时在师范生培养中加强相关素养考核，形成更适配未来课堂的师资供给；四是完善评价机制，把过程性表现、探究能力、合作能力与创新实践纳入评价，减少“只看结果”的倾向；五是加强伦理与规则教育，引导学生理解技术边界与使用规范，形成必要的价值判断与责任意识。 前景——从“技术热”走向“育人稳”，需要耐心与制度保障。展望未来，“人工智能+教育”不是单一技术的叠加，而是对学科结构、教学组织与育人理念的系统调整。技术持续迭代会不断提出新问题，也将带来更多教育资源与学习方式的创新空间。专家判断，随着校内外资源更汇聚，公益项目、学术团体与学校的合作将更常态化；随着课程标准、师资培训、数据安全与伦理规范等制度逐步完善，教育场景中的技术应用将更可控、更可评估。最终目标是让技术服务于人的全面发展，让学生既具备驾驭新技术的能力，也具备面向未知的学习力与创造力。
人工智能与教育的融合是趋势所在；围绕“教什么”“怎么教”，从课程设置到师资培养、从知识传授到素养提升，这些变化折射出教育系统对新时代的回应。在人工智能快速发展的背景下，教育的任务不仅是传递知识，更要培养学生在与人工智能协同中创新能力、批判思维与伦理意识。只有构建系统化、跨学科的人才培养体系，既发挥人工智能赋能教育的优势，又警惕技术应用中的偏差，才能更好培养适应未来需求的创新人才。