AI时代的知识增新与育人模式革命

【编者按】

2026年8月20日-22日，第12届WWEC世界教育者大会&GLEE全球生活与教育博览会在上海·国家会展中心4.2号馆盛大举办。本届大会以 “深入实施人才战略，加快迈向教育强国” 为主题，汇聚十余个国家的政府、教育、文化、科技、学术、企业各界代表，共探AI时代教育变革趋势、共研新时代教育高质量发展路径，凝聚国际共识、汇聚产业力量，助力教育强国战略落地深耕。零点有数董事长袁岳受邀出席并发表以《AI时代的知识增新与育人模式革命》为题的主题演讲。本文基于零点有数董事长袁岳博士在世界教育者大会上的演讲。

过去两年，关于AI与教育的讨论大多集中在“AI会替代什么”这个问题上，替代哪些岗位、替代哪些技能、替代哪些教育功能。这个问题固然重要，但它遮蔽了一个前置的问题：知识本身，正在发生什么变化？如果连“知识是什么”都没搞清楚，讨论AI对教育的影响，就像出海前没看航海图，只关心风向。这不是工具层面的问题，是认知层面的问题。

先看一个最近的信号。2026年7月，《Nature》正刊发表了一篇来自斯坦福和哈佛学者的研究，把“人机协作”这件事往前推了一大步。研究者构建了70个真实社会实验的档案库，涉及469个实验效应、119,330名真实参与者。他们让GPT-4预测这些实验结果——结果很说明问题。GPT-4的预测准确率，与2,659位真人预测者的群体智慧精准打平。这意味着AI已经达到了人类群体智慧的水平。但真正值得注意的发现是，当研究者对AI和人类的预测进行简单加权平均时——即在某些AI预测更准的实验上提高AI的权重、在人类预测更准的实验上提高人类的权重——准确率反而超过了任何单独一方。简单说——人机协作，效果最好。这篇论文用最严肃的方式确认了一件事：人机协作正在成为新常态，不是未来时，是现在进行时。

如果从实验室转到真实世界，正在发生的是一场更深刻的变化。2025年，AI一年的文字输出量，首次超过全球80亿人类一年产出的总和。2026年5月，互联网上机器人流量占57.5%，首次超过人类。两个“首超”叠加在一起，指向同一个事实：AI不仅在“生产”知识，还在“使用”知识。那么，人在哪里？人是源头，但正在退出过程。过去，知识是人类通过阅读、思考、实践、总结生产出来的。现在，机器在替我们完成从“获取信息”到“输出内容”的全过程。“知识”的定义权，还在我们手里吗？

这个问题对教育意味着什么？我把它叫作“知识差”。什么是知识差？你今天教的东西，是几年前的？教材是几年前编的，课程是几年前设计的，案例是几年前发生的？这个时间差，就是知识差。知识差=你教的知识的“生产日期”−学生面对的问题的“生产日期”。差距越大，学生离真实世界越远。更麻烦的是，这个差距正在加速扩大。过去，一个知识体系可以用5到10年；现在，1到3年就更新一代。过去，一项技能可以用10到20年；现在，1到3年就大幅贬值。过去，一个人一生换1到2次职业；未来，可能需要换5到7次。也就是说，教育正在以每年至少1个“代际差”的速度被AI拉开距离。如果教育不改变，五年后，今天教的东西，可能有一半以上已经被机器以更高效的方式掌握了。

面对这个现实，全球已经有前沿探索。马斯克的Ad Astra、美国的Alpha School、芬兰的Ritaharju未来学校——它们的共同特征是：用AI更快地传授知识。但局限也很明显。Alpha School的学生学完核心科目后，去学公共演讲、金融素养、创业技能。这些是好东西——但同样是人类过去的经验总结，同样是已知知识。只是换了一套内容，没有回答一个更根本的问题：为什么要学这套东西，而不是那套东西？

教育的真正意义，是让学生参与知识的“增新”——去创造新认知，而不是更高效地复制旧经验。按这个标准看，全球探索的局限性就清楚了：学生的输出，有没有成为课程体系的一部分？如果学生的项目成果只是交给老师、打个分、然后进废纸堆——那只是作业。如果这些输出被整合进课程体系，成为下一届学生学习的素材，那才叫增新。从这个标准看，目前全球的探索改变的是教的方式——怎么教、用什么工具教——而不是知识本身与学习者的关系。只要教育还在用人类总结好的知识体系作为教材，只要教育还在以掌握现有知识作为评价标准，无论用什么方式教，教育都会持续落后于知识更新的速度。教得再快，也追不上知识更新的速度。真正的变革方向，不是更快地教旧知识，而是让师生共同成为增量知识的参与者和创造者。

但落到实际操作层面，必须回答：我们到底在培养什么样的人？未来人才的核心能力是让机器替你干活，你来判断干得对不对。谁来培养这样的人才？教育者自己要先变。这个角色需要具备洞察力、设计力、引导力和评价力。这些能力需要有系统来支撑、有机制来沉淀、有工具来辅助。单靠个人悟性，能力会跟着人走；只有把能力嵌入系统，能力才能留在组织里。

这就引出了知识管理的核心问题——学校如何建立起一套系统，让教师的这四种能力，不依赖某个人的天赋，而是依托体系的支撑持续生长？教育本质上做的是“场景教育”，这跟案例教学有本质区别：案例教学是站在外面分析“别人的问题”，场景教育是走进去解决“自己的问题”。项目制学习、实训、课题研究，本质上都是场景教育。在场景教育中，学生需要调用知识、理解问题的深层结构、拆解问题的关键节点，然后结合外部知识和自身知识重构解决方案。这个过程对知识的组织方式提出了很高的要求——如果知识是散落的、过时的、不可检索的，那场景教学的效率和效果都会大打折扣。所以知识管理在场景教育中不是辅助工具，是核心基础设施。

这里需要先厘清一个更底层的问题：我们说的“知识管理”，到底在管理哪个层面的知识？知识至少可以分为三个层次。宏观知识是抽象的、通用的、跨领域适用的，比如基础数学、普通物理、通用方法论。它很重要，但它是“公共品”——AI可以随时调用，谁都不缺。微观知识是高度场景化的、碎片化的、具体到某一个情境的知识，比如某一次教学中的即兴应变、某一个学生的特殊反应。它很重要，但它太碎，无法被系统化地管理和复制。而真正支撑教育场景运行的，是中观知识——它介于宏观和微观之间，以领域垂直为特征，有清晰的知识边界，有可识别的知识结构，是“垂直的、具象的、有边界的”。比如一个专业的核心课程体系、一个行业的典型问题解决方案、一套校企合作项目的方法论，这些都属于中观知识。企业管理的核心也是中观知识，客服知识库、产品合规库、供应链知识体系，都是以中观知识为中心构建的。宏观知识是参照和基础，微观知识是优化和迭代的原料，而中观知识才是教育场景中真正需要被系统化管理的对象。这也回答了为什么需要“在开放中设定边界”，因为开放的知识海洋里，绝大部分是宏观知识（谁都能获取），而我们要做的，是从中筛选、聚焦、收敛出一个中观知识范围，然后对这部分知识进行系统化管理、应用和持续增新。

那么知识管理怎么做？企业内部的知识管理，核心是“挖掘专有数据、建立专用AI”，把散落在各个部门的知识整理好，让AI能精准回答业务问题。比如客服知识库、产品合规库，都是这个逻辑。这是封闭式知识管理，零点有数的AIKC（AI Knowledge-based Contents，垂直知识智能）就是这类方法的典型代表。但学校不能照搬这套做法。企业的问题是“内部知识太多太散，需要整理”，相当于要把仓库收拾整齐。学校面对的问题是“外部知识太多太杂，需要筛选”，相当于在茫茫大海中为学生划出一片安全而清晰的泳区。企业培养的是专有业务能力，学校培养的是人在开放环境下的判断力和协作力。两者的起点和终点都不一样。所以，教育需要另一种形态的知识管理：开放式知识管理（Open Knowledge Management，简称OKM），它不是放弃AIKC，而是在AIKC的垂直知识处理能力基础上，增加了一个关键动作——先设定目标、再筛选聚焦、最后收敛边界。这个收敛过程，本质上是从开放的知识海洋中筛选出一个中观知识范围（既不是泛泛的宏观知识，也不是零碎的微观知识，而是有领域边界、有知识结构、可系统管理的垂直知识），然后对这个范围进行知识的管理和应用。AIKC解决的是“知识怎么管、怎么用”的问题，OKM解决的是“在开放环境中，什么知识值得管、什么知识值得用”的问题。两者结合，才能构成教育场景下完整的知识管理能力。

具体怎么做？第一步，找准场景。从高频、高价值、有数据的场景开始跑通闭环。第二步，设定边界。用“三圈法”圈定知识范围——本专业核心知识、AI协作必备知识、增量知识连接点。这三个圈的交集，就是一个中观知识范围。三圈之外的让AI去做，三圈之内的才是需要被系统化管理的对象。同时建立“三源汇流”机制：现有课程中仍有效的核心知识（标注好“生产日期”）、行业前沿的增量知识（筛掉未经验证的信息）、校企合作中产生的经验知识（包括失败案例）。每学期末重新审视边界，新增行业新知识，淘汰过时知识。第三步，验证迭代。用5个以上场景积累边界数据，确定AI在什么场景可以独立执行、什么场景必须人工审核、什么场景暂时不适合介入。第四步，治理机制。设负责人、建流程、定激励、设权限。人走了知识还在，换人了系统还能转。第五步，持续生长。让知识体系在每一次教学、每一个决策、每一次反馈中自动更新。这五步的本质，是把AIKC的垂直知识处理能力，装进一个为教育场景设计的知识管理框架里——从被动适应开放，到主动设计边界。

在这场变革中，民办教育处于一个独特的位置。民办教育有四大强项：机制灵活、决策高效、产教融合深、市场敏锐。这四项强项叠加，决定了民办高校可以不等政策就主动设计“学什么”的边界，不等教材就把产业新问题变成教学内容，不是跟着市场尾巴走，而是预判未来需要什么样的人。但民办也有短板：师资流动大、知识沉淀弱、缺少系统化工具、好做法复制不出去。说到底，优秀教师留不下来，但知识和经验可以留下来，关键是把知识从个体经验转化为组织资产，这正是零点有数发起“教育OKM伙伴计划”的初衷。过去几年，我们在垂直知识智能领域积累了完整的落地能力——从知识抽取、知识生命周期管理到知识融合增强，从知识底座到智能应用，已在新消费、终端管理、热线服务等多个场景形成成熟的闭环实践。2026年5月，公司正式发布AIKC战略，将垂直业务的知识模型、数据模型、流程模型整合为完整知识体系。在教育领域，我们已经与吉林财经大学、上海杉达学院等高校开展了深度合作。这一次，我们希望在教育领域寻找5到10所民办高校和职业院校，成为OKM教育首批实践伙伴。零点有数会提供三样东西：OKM方法论与知识管理工具平台；知识梳理与体系搭建的专业支持；核心团队的培训与持续赋能。合作院校将获得三样东西：属于自己的知识资产体系——课程知识、学情数据、管理经验、特色专业积累，全部沉淀为可调用、可迭代的专属知识库；属于自己的知识专用AI能力——AI能理解你学校的教学逻辑和管理规则；属于自己的知识持续增新机制——知识体系在业务运行中自我更新，让时间成为你的壁垒。

如果你认同前面讲的内容，那么最后这六个命题，就是你应该带走的行动框架。①知识观：从“教存量”转向“对接增量”。②能力目标：从“培养操作者”转向“培养驾驭者”。③学习方式：从“人际对话”转向“人机对话”。④教师角色：从“知识搬运工”转向“教育场景架构师”。⑤知识管理：从“封闭式管理”转向“开放式收敛”。⑥评价体系：从“答案正确”转向“过程质量”。在具体执行层面，每一所学校的起点不同和节奏不同，答案自然也不会一样。但民办高校的决策短链和灵活机制，恰恰是新型知识时代最稀缺的条件，只要能借助一套把判断变成行动的系统作为杠杆，就有很大机会把先发优势转化为持久竞争力。因为速度只是第一步，真正的护城河是把经验沉淀为体系、让知识不再依附于个人。这正是“教育OKM伙伴计划”在做的事，帮助前瞻型民办高校把这六个命题，变成真实可见的前沿竞争力