过去半年，AI在我日常工作中的角色迅速放大。无论是与英国下议院议员沟通、为British Chinese Council（BCC）设计项目结构，还是在专栏写作前进行事实整理与逻辑校验，生成式人工智能都已成为重要的辅助工具。对我们这样的移民而言，AI所带来的改变更为直接——中英文之间的即时翻译能力，使我们第一次拥有了在英国社交媒体上与本地人同台辩论的能力。这不仅是效率的提升，更是一种表达权的扩展。AI尚不能替代法律责任与财务责任的承担者，但在研究整理、结构提炼与表达校准层面，已经显著改变知识型工作的运行方式。
正因如此，一个更现实的问题浮现出来：在AI几乎可以即时生成文本、代码与报告的时代，大学还在教什么？我的孩子是否还要上大学，成了我最近反复思考的疑问。我怀疑大学现有的教育方式，是否能够跟上AI演进的速度。
有人将这一轮变革与工业革命相提并论。但两者并不在同一层级。工业革命时期，机器取代的是体力劳动，改变的是生产方式与社会结构；农夫进入工厂，本质上仍然是人类操控机器，判断权依然掌握在人类大脑之中。而生成式AI触及的是认知劳动本身，它不仅替代重复性操作，还进入写作、编程、分析与决策支持等被视为“智力核心”的领域。工业革命放大的是肌肉，AI正在重塑的是思维流程。这正是为什么这场冲击对大学的意义，比蒸汽机对农夫的意义更为直接而深刻。
过去两百年的大学建立在一个前提之上：知识稀缺，获取成本高，教师是知识的主要入口。然而在生成式AI普及之后，信息与文本生产能力被大幅放大，知识本身不再构成门槛。如果继续沿用“讲授—记忆—产出文本—评分”的模式，大学的认证价值必然被削弱。
生成式人工智能的冲击，是一场制度性压力测试。它动摇的不是某几门课程，而是大学的三项核心功能：知识生产、能力认证与教师权威。当论文可以在几分钟内生成，文献综述自动整合，代码由模型辅助完成，以“文本产出”为中心的评估体系便失去稳定基础。问题已经不再是学生是否使用AI，而是大学如何在AI普及之后维持学位的公信力与认证价值。
是的，AI时代真正动摇的不是几门课程，而是“教育观念”本身。
新的教育观念，至少需要三个转向。第一，从知识传递转向能力验证。课堂不再只是内容灌输场所，而应成为思维结构、判断力与问题拆解能力的训练场。第二，从个人产出转向过程透明。既然文本可以由AI协助生成，评估就必须更多依赖口头答辩、现场推理、项目协作与长期跟踪，以确认思考路径而非仅检验最终结果。第三，从工具排斥转向工具驾驭。AI不应被简单禁止，而应被纳入教学设计，使学生在使用工具的同时承担责任，理解边界。
在这种观念压力下，英美大学走出了不同的路径。
英国的回应具有鲜明的制度化特征。质量保障体系与监管机构迅速发布指导意见，强调在既有框架内重构评估方式，而非全面封堵技术。多所高校增加现场考试与口试比例，强化过程性评价，并明确要求学生披露AI使用情况。英国的逻辑是制度吸纳：承认AI将长期存在，并在质量体系内为其设定边界。其优势在于规则清晰、全国认证一致性较强，但制度更新相对谨慎，在技术快速迭代的背景下，反应速度仍需经受考验。
美国的路径则更为分散。联邦层面提供原则性指导，具体规则由高校与院系自行制定。顶尖院校迅速在课程层面出台AI使用政策，有的鼓励实验性教学，有的强化现场答辩与项目制考核。美国的优势在于创新速度与科研实力，能够迅速将AI纳入研究与产业实践；但高度分散的治理结构也带来标准不统一的问题，不同院校之间的资源与适应能力差距可能进一步扩大。
如果从制度逻辑上比较，英国强调质量保障与一致性，美国强调高校自主与创新弹性。两种路径各有优势，也各自面临风险。然而，无论路径如何不同，问题的核心始终相同：大学是否能够从“知识提供者”转型为“能力认证者与判断力训练者”。
生成式AI削弱的是信息优势，而不是结构训练。知识不再稀缺，但判断力依然稀缺。判断力并不会随着年龄自然生成，它需要结构化训练、持续反驳环境以及责任承担机制。工业革命没有消灭人类劳动，而是重构了分工结构；AI时代同样更可能重构认知分工，而不是取代判断本身。如果大学只能提供内容，它确实可能被技术平台部分替代；但若能够成为训练思维结构与承担责任的场所，它的角色反而会更加清晰。
未来五至十年，决定英美大学走向的，不在于是否发布AI使用指南，而在于是否完成三项结构性调整：重构评估机制，使其更关注能力与过程；系统培训教师，使其理解并驾驭AI工具；将AI纳入长期课程与科研方法设计，而非将其视为临时挑战。AI不会消灭大学，但会淘汰拒绝改变的大学。真正的问题，不是AI能教什么，而是大学还愿不愿意重新定义“教”的含义。