2026 年开年不久，一则消息让大家都非常震惊，美国普渡大学（Purdue University）。在 2025 年 12 月的董事会会议通过后：从 2026 年秋季入学的新生开始，AI working competency（可译作“AI 工作胜任力/实作胜任力”）将成为本科毕业要求的一部分。它不是多开一门“AI 通识课”那么简单。普渡的设计思路更像一句话：“AI 要进入所有专业，不是进入一个专业。”官方信息显示，这项要求会被嵌入各学院与专业路径中，让学生在学科情境里证明“会用、会判断、会负责”。校长 Mung Chiang对这件事也进行了直白的解释：“在 AI 真正拿走所有人的工作之前，具备 AI 技能的人，会先拿走不具备 AI 技能的人的工作。”这句不是鸡汤，是名校在给学生划“生存线”。
与此同时，香港大学也在课程与培养方案中，把人工智能素养（AI literacy）明确写进本科要求：AILT1001（Artificial Intelligence Literacy I）对 2025-26 入学起的本科生属于必修课程，并作为后续第二门人工智能素养（AI literacy）学习的前置。
更早一步的信号来自 K–12 端：罗马尼亚的 Cambridge School of Bucharest 公布2026 年 3 月 14 日举办AIDUCATION ’26，主题“Innovation with Integrity（以诚信为前提的创新）”，以工作坊与案例方式聚焦 AI 与教育的实践与伦理边界。
把这些放在一起看，你会得到一个结论：
AI 素养（AI Fluency）正在从“兴趣选修”，变成“基础生存能力”。
1.深度解析：为什么名校会这么“激进”？
过去，大学评价一个人的能力，常常在考：
你解题有多快、记得有多牢、步骤有多标准。但当 AI 以近乎无限的速度提供“现成答案”时，大学真正稀缺的能力变成了三件事：
- 你能不能定义一个值得解决的问题（而不是只会接收题目）
- 你能不能把 AI 当工具而不是当拐杖（知道用到哪一步就该停）
- 你能不能为 AI 的后果负责（引用、隐私、偏见、造假风险）
说穿了：从“解题速度”转向“问题定义 + 协同判断 + 责任边界”。这也是为什么，“AI 素养”最怕被误解成“会写提示词”。
提示词只是入口，真正的素养是：人机分工、清晰表达、批判辨析、伦理勤勉。2.AI 素养的一个权威刻度尺： 4D Framework国际上有一套可公开引用、并配套课程资源的框架，常用于描述与训练“AI Fluency”，即4D 模型：
它把“人和 AI 如何协作”拆成四个可训练、可观察的能力维度：
- D1｜委派 Delegation：决定什么该交给 AI，交多少，何时收回
- D2｜描述 Description：把模糊需求翻译成机器能执行的指令
- D3｜辨析 Discernment：识别 AI 的瞎编、偏见、偷换概念、伪引用
- D4｜审慎负责 Diligence：隐私、署名、引用、伦理与责任边界
3. 4D 到底是什么？
我们可以把孩子的 AI 能力想象成开车：
不是会踩油门就叫会开车，而是知道什么时候开辅助驾驶、怎么设导航、怎么判断路况、怎么守规则。
D1｜Delegation（委派）：该不该交给 AI？交多少？
核心能力：人机分工。
- 成熟表现：先设目标，再决定“让 AI 做哪一段”，把 AI 当助理/副驾驶。
- 常见翻车：作文/作业整段丢给 AI＝把方向盘直接丢出去。
比如——
- 写作文：AI 负责“提纲/角度/反例”，孩子负责“观点选择、经历细节、最终表达”。
- 做项目：AI 负责“资料整理、对比表”，孩子负责“研究问题、结论取舍”。
D2｜Description（描述）：把“模糊想法”翻译成机器能执行的指令
核心能力：清晰表达与结构化沟通。
- 成熟表现：能写清目标 + 背景 + 限制 + 输出格式，让 AI 少猜。
- 常见翻车：只会说“帮我写/帮我总结”，得到一堆正确但没用的废话。
一句可抄的描述公式
你扮演谁 → 任务目标 → 我的背景/素材 → 必须包含/禁止出现 → 输出格式（字数/结构/表格/要点）
D3｜Discernment（辨析）：识别瞎编、偏见、偷换概念
核心能力：证据意识与批判性判断。
- 成熟表现：把 AI 输出当“草稿/线索”，会核对、会反问、会找原始证据。
- 常见翻车：看到“像真的”就信，尤其是数据、名词、引用、政策原文。
三连问：把 AI 当证人审讯
- 证据在哪？有没有可追溯来源/原文？
- 逻辑通吗？有没有跳步、偷换概念？
- 适用吗？这结论对“我的题目/我的场景”真的成立吗？
D4｜Diligence（审慎负责）：隐私、伦理与责任边界
核心能力：安全使用与后果负责。
- 成熟表现：不上传隐私；清楚署名与引用；知道边界与风险。
- 常见翻车：把同学信息、家庭隐私、老师评语原文丢进 AI；或把 AI 生成内容当原创提交。
一句底线提醒
你可以用 AI 变聪明，但不能用 AI 变不负责任。
4.一分钟把 4D 变成“可训练”的家庭练习
下次孩子用 AI 写作业/做汇报，你只问四句：
- 委派：你这次把什么交给 AI？为什么？
- 描述：你的指令写清目标、限制和输出格式了吗？
- 辨析：你验证了哪三处信息？怎么验证的？
- 审慎负责：有没有涉及隐私/署名/引用？你准备怎么处理？
你会很快发现：
孩子的差距往往不在“会不会用 AI”，而在——能不能把“人类该做的那部分”做扎实。
5.门槛前移：中小学现在可以做什么？
当大学门槛已经位移，中小学再“等等看”，就是把代价推给孩子。更现实的做法是三件事：
1）从“搜答案”转向 Thinking with AI
课堂允许与 AI 对话，但必须训练：拆解问题、追问、对照证据、修正假设——把 AI 当“博学但不靠谱的伙伴”。
2）用“低代码原型”保护孩子的行动力
让十来岁的孩子用无代码/低代码工具，把一个社区问题做成原型：描述需求 → 快速实现 → 迭代改进。重点不是语法，而是把想法落地的能力。
3）教师减负，把精力回归 社会情感学习 与真实观察
AI 可以替老师处理标准化琐碎，但替代不了：关系、情绪、价值、选择。这部分，才是学校德育与成长支持的硬核价值。
写在最后
普渡大学把 AI 能力写进毕业要求，不是“跟风”，而是给未来投了一根路标：教育的围墙在倒塌，竞争的规则在换轴。我们要培养的，不是满分的“答题机器”，而是能在算法丛林里仍然清醒的人：
我该让 AI 做什么；我必须自己做什么；我愿意为哪种后果负责。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
