教科信〔2026〕1号之后：高职院校的AI教育落地路线图

这份文件的落款日期为2026年4月10日，签发主体是教育部、国家发展改革委、工业和信息化部、科技部与国家数据局，文号为教科信〔2026〕1号，文件全称《“人工智能+教育”行动计划》。单看发文阵容就足以读出分量：人工智能进教育，已不再是教育系统一家的事务，而是上升为国家层面的系统工程。这份文件共设六大板块、十六条具体任务，目标节点锚定2030年；配套发布的答记者问坦率承认，算力、数据、模型三方面都存在明显短板，并明确资金来源上由中央预算内投资与超长期特别国债共同兜底基础设施建设。这份文件并非停留在倡导层面：2025年的试点覆盖17个省市、18所高校并已运行一年，带着实践基础与财政承诺落地，背后还有国际竞争的紧迫压力。对高职院校而言，读懂这份文件，等于提前拿到了未来五年办学调整的参照系。

一、三个信号：这份文件为什么值得认真对待

把十六条任务压缩成一句话，就是到2030年，让人工智能覆盖各学段、各教学场景、全体师生群体。围绕这个总目标，文件释放出三个值得关注的信号。

第一个信号在国家供给端：算力、数据、模型这三块单靠院校无法企及的底座，将由国家队补齐。文件明确建设教育智能算力服务平台，由国家组织开发基础语料库，分教育阶段有组织地研发教育大模型，并建设国家级中试基地，让成熟产品能在真实教学场景里完成验证。答记者问的表态更直白：资金投放将优先向成熟应用与重大任务倾斜，用意就是防止重复建设，也防止一哄而上。这句话对院校的启示在于，后续各类AI教育项目的资源配置大概率向头部、向成熟方向集中，单打独斗的空间正在收窄，院校更需要想清楚自己的定位和切口。

第二个信号在课堂端：智能工具将系统性进入日常教学流程。文件规划了课前、课中、课后三阶段的应用图景，课前以AI辅助备课、学情分析和资源自动生成为支点，课中以人机协同教学和虚拟仿真实验为支撑，课后用智能批改与答疑辅导接续。这意味着教学流程本身的数字化改造已被提上日程，而不只是给教室多装几块屏幕、给师生多开几个账号。

第三个信号在素养端：教师与学生都将被纳入AI能力的刚性要求。对教师，文件要求各地制定教师智能素养标准，培训按层级和类别分头推进、覆盖到全体教师，并把人工智能列入教师资格考试与认证的范围；对学生，则要求把人工智能设为高校的公共基础课程，让全体学生掌握人工智能知识。AI素养正在从“加分项”变为“必答题”，这个转变比很多人预想的来得更快。

二、高职院校站在哪条主线上

高职院校在这份文件中处于“高校”与“职业教育”两个坐标的交汇处，至少可以抓住四条主线。

第一条是学科专业的结构性调整。文件明确要求，学科专业设置要顺应产业结构智能升级的方向加以优化调整，对职业院校而言，专业调整的依据不再只是年度招生与就业数据，而要主动对接区域产业的智能化改造节奏。专业是“十五五”周期里最先被检验的环节，也是最容易暴露滞后的一环。

第二条是课程的公共基础化。当“AI公共基础课”与“全体学生掌握人工智能知识”成为硬性要求，公共课体系必然面临重构——不是简单加一门选修课，而是把AI素养作为所有专业学生的基本能力底座，从入学第一年就开始铺设。

第三条是科研与实训载体的智能化。文件提出建设科学智能体、智能工具、智能实验室和自主实验集群，高职层面的对应动作是改造虚拟仿真实训基地，把智能系统引入实训流程，让训练环境贴近真实生产现场。

第四条是就业环节的衔接。就业能力训练已被列入名为“双千”的高校学生就业能力提升计划，这意味着就业指导、职业能力训练都要补充AI维度，毕业生进入智能生产现场的适应能力将成为就业质量评价的重要参照。

三、院校必做动作清单

落点要具体。结合行动计划的取向，高职院校有三件事应当尽快启动：

① 专业设置调整。对照区域产业智能化改造清单，逐专业评估升级空间；对与AI结合度高的专业（如智能制造、智慧康养、数字商贸、智能建造等）优先改造，对确实过剩的专业果断压缩，避免增设只有挂牌、没有内涵的AI专业。

② 课程体系改造。通识层面开设覆盖全体学生的AI素养课程；专业层面建设“行业知识＋AI工具”的融合课程，引入真实生产数据与智能应用场景；实训层面把虚拟仿真和智能系统纳入训练环节，形成“素养—应用—实战”三层结构。

③ 师资准备。对照教师智能素养标准建立校本培训方案，按新手、进阶、骨干分层推进并实现全覆盖；把AI教学能力纳入考核与评优指标体系；鼓励专业课教师下沉到企业智能化项目一线，让“会用”先于“会教”。

四、对照2030节点的时间安排

参照行动计划的时间坐标，院校可做三段安排。2026—2027年为启动期，完成全校AI素养摸底，确定试点专业与试点课程，同步启动第一轮教师培训；2028—2029年为建设期，把试点经验推广到主要专业群，改造虚拟仿真实训基地，参与或对接区域层面的教育大模型与数据资源建设；2030年为成型期，形成本校AI教育制度化的成果——课程图谱、师资标准、评价机制，并对外输出可复制的经验。需要强调的一点是，启动期的摸底不能走形式，试点选择决定后续推广的成败，宁缺毋滥。

五、三种常见误判

行动之前，先破除三个常见误判。

其一，“再加一门AI课就够了”。单点加课改变不了人才培养的结构。AI教育的落地必然牵动专业、课程、师资、实训的联动调整，只加课不动结构，等于在旧底盘上换了个新座椅，跑起来照样颠簸。

其二，“AI教育是信息学院的事”。行动计划把AI素养写进了全员要求，覆盖所有专业、全体教师和全部学习阶段。把任务甩给单一学院，既不符合文件取向，也难以形成全校合力，最终只会两头落空。

其三，“等上级给出示范方案再动手”。文件基调是鼓励有条件的地方和学校先行先试。等待统一模板的结果，往往是把窗口期拱手让给先动起来的同行，等到示范方案落地时，差距已经拉开。

六、收束：把国家队的底座转化为培养能力

回到这份文件的底层逻辑：国家队下场，意味着算力、数据、模型这些院校难以独自企及的要素，将由国家和产业侧补齐，院校真正要做的，是把这些外部条件转化为人才培养能力。到2030年，人工智能贯通各学段、各场景、覆盖全体师生的局面将不再只是设想，届时衡量一所高职院校办学水平的，很可能不再是设备数量和课程门数，而是它培养的学生能否在智能时代的生产现场站得住脚。对于每一所愿意提前布局的院校，从今天开始规划，时间依然来得及；从下一次专业论证会开始讨论，就是最快的行动。