有人觉得让每个大学生都学AI是明智的，毕竟技术浪潮挡不住。但我看到的却是另一面：不少高校连合格的AI教师都凑不齐，却要在2026年秋季开始推动这门公共基础必修课。这个反差让我琢磨了很久。

说实话，我之前也信“全民学编程、全民学AI”那套说法。但现在有点动摇。教育部近期发布的《教育资讯2026》里明确提出，要推动人工智能成高校公共基础必修课。政策一出，至少两百多所院校开始筹备课程方案。但从我接触到的十几份课程大纲来看，内容差别大到让人困惑。

有的学校打算讲Python和机器学习基础，有的直接上“AI伦理与社会影响”，还有的干脆把原来计算机导论里三章内容抽出来拼一拼。到底什么是“基础必修”？不同人的理解差距大概有六七成那么大。

一个普遍的行业做法是：先定教材，再培训老师，然后排课。这是过去二十年几乎所有新开公共课的标准流程。但我对这个流程在AI课程上的适用性有点怀疑。AI这个领域半年就会变一次，而教材从编写到出版至少需要一年半，等到学生手里，里面引用的案例可能已经过时了。

另一种可能性是：不追求技术深度，而是培养“AI时代的感知力”和“批判性使用能力”。意思就是，让学生知道AI能做什么、不能做什么，什么时候该信它，什么时候该起疑心。这个方向听起来更务实，但问题也很明显——怎么考试？总不能考“你觉得ChatGPT这个回答靠谱吗”这种主观题吧。

我翻了一些试点高校的反馈数据。去年有七所学校提前试行了类似课程。说实话，结果好坏参半。其中三所理工科强校的学生反馈正面比例大概在八成左右，但另外四所文科为主的院校，超过六成的学生觉得“学了也用不上”。

我从这些数据里琢磨出一个还不太确定的判断：课程效果和学校的专业构成高度相关。这不是课程本身的问题，而是“一刀切”政策必然会遇到的困境。

如果做个粗略对比，把AI必修课和当年大学英语必修课放在一起看，有意思的差异就出来了。

从这个表能看出一个比较清晰的趋势：AI必修课面临的基础条件比当年英语课差不少。但反过来想，也许正是因为校外已经有大量优质的免费AI课程，高校才更需要用必修课的形式建立一套“认证体系”和“讨论场域”。学生在B站、Coursera上能学会怎么调用API，但在课堂上才能系统地讨论“AI生成的论文算不算抄袭”这类没有标准答案的问题。

我之前也信过一个说法：公共课就是浪费时间的。但现在我观察到一些反例。有一所试点学校把AI必修课做成“辩论课+案例分析”，每次课只讲一个真实场景，比如用AI写求职信被HR发现了怎么办。一个学期下来，学生主动翻AI工具的比例提高了两倍多。这个变化不是技术能力的提升，而是行为习惯的改变。也许这才是公共基础课真正该做的事。

当然，这个观察不一定能推广到所有学校。我其实不太确定，那些二百人甚至三百人的大课怎么开展辩论。教室里学生连彼此的脸都看不清，讨论从何说起？

还有一个我没想明白的矛盾：推动人工智能成高校公共基础必修课，初衷是缩小数字鸿沟，让没有条件接触AI的学生也能跟上时代。但从目前各校的投入来看，反而是资源充足的名校能把课上得好玩、有深度，普通院校可能就只能念PPT。这个鸿沟会不会反而被拉大了？

证据不足，我不能下结论。但我注意到一个细节：最早响应政策的几十所院校里，超过八成是原211或双一流高校。而地方应用型本科的回应速度慢了一拍左右。这也许说明，政策落地本身就带着先天的结构性差异。

回到最初的问题。让每个大学生都学点AI，这个方向大概没人反对。但“必修课”这三个字的分量，远比想象中重。它意味着牺牲选修的自由度，去换取一个“你应该知道”的底线。问题是，这个底线究竟应该划在哪儿？划在“会用AI写邮件”，还是划在“理解Transformer的注意力机制”？两种选择之间，不是对错之分，而是整个教育哲学的分歧。

我最近翻到一份2026年年初的行业调研，里面问企业HR一个问题：你们招应届生时，最希望他们具备什么样的AI能力？得票最高的选项不是编程，也不是模型原理，而是“能判断AI输出的结果是否合理”。大概有七成左右的HR选了这一项。这个结果让我重新审视了之前的怀疑——也许高校真正该教的，不是AI怎么做，而是AI什么时候可信、什么时候靠不住。这门课如果上好了，学生的收获可能比学会调参大得多。

但能不能上好，我确实没把握。教批判性思维比教代码难多了，而且短期内看不到可量化的产出。从政策推动者的角度看，他们需要的是可检查、可汇报的成果，比如开了多少门课、覆盖了多少学生。至于学生到底有没有形成那个“判断力”，太难衡量了。这个矛盾可能才是问题的核心，而不是课程内容本身。