章节 07
教育
Stanford 表明，教育中的 AI 使用已经是大众行为，但制度清晰度、课程调整和教师支持的推进速度要慢得多。
为什么重要
教育是长期 AI 能力、劳动力准备度和社会常态化最直接交汇的地方。
如何运用
可以把它看成一个时间差问题：学生先采用，机构随后反应，政策清晰度最后才跟上。
核心信号
核心信号
课堂中的大规模使用已远超制度治理的跟进，而正式的人才管道也在重构——通用计算机科学招生在降温，AI 专项产出仍在增长。
使用速度已经超过学校治理速度
美国高中和大学学生中已有五分之四会把 AI 用于学习任务，但中学和高中里只有一半有相关政策，而且只有极少数教师认为这些政策足够清晰。
正式培养管道正在重构
通用计算机科学招生在降温，但 AI 专项研究生和 AI 博士产出仍在增长，而且新增人才更明显地流向学术界而不是产业界。
精选数据点
精选数据点
从 Stanford 官方章节材料中提炼出的数字和对比。
| 信号 | 数值 | 上下文 |
|---|---|---|
| 美国计算机科学入学人数 | -11% | 2024 到 2025 年间，美国四年制大学的计算机科学入学人数下降了 11%。 |
| AI 相关硕士毕业生 | +17% | AI 软件相关领域的硕士毕业生从 2023 年到 2024 年增长了 17%。 |
| 把 AI 用于学习任务的学生 | 4 in 5 | 美国高中和大学学生中有五分之四表示会把 AI 用于学习任务。 |
| 学校 AI 政策覆盖 / 教师清晰感 | 50% / 6% | 中学和高中里只有一半有 AI 政策，而只有 6% 的教师认为这些政策足够清晰。 |
| 美国和加拿大新增 AI 博士 | +22% | 新增 AI 博士人数从 2022 年到 2024 年增长了 22%。 |
影响与启示
- 教育机构实际上已经进入"采用之后"阶段，即使政策看起来还停留在"采用之前"。
- AI 素养与 AI 工程能力正在分化成不同的人才管道。
- 教师指导质量可能会比单纯提供工具访问更重要。