2026年4月，教育部等五部门印发《"人工智能+教育"行动计划》，明确要求"推动人工智能成为高校公共基础课，按学科专业分类编写课程教材，推动全体学生掌握人工智能知识"。两个月后，由全国人工智能通识教育产教融合共同体等机构联合编制的《高等职业院校人工智能通识课程体系建设指南》发布，为高职院校开设AI通识课提供了规范化框架。
政策来了，指南也来了，但落地并不容易。
图注：高职院校学生在教室中学习AI课程，黑板上是AI知识图谱
三道坎挡在前面
《指南》直言不讳地列出了当前高职院校AI通识教育的三大挑战。
第一道坎是教学内容与专业适配不足。不同专业的学生学AI的侧重点应该不同——装备制造专业的学生需要懂工业AI应用，财经商贸专业的学生需要懂数据分析和智能客服，现代农业专业的学生需要懂AI在种植养殖中的应用。但现实是，很多学校的AI课还在"一刀切"，不分专业讲同一套Python基础和机器学习概念。
第二道坎是资源建设短板。AI技术迭代快，教材刚编好就可能过时。契合高职学情和产业前沿的优质教学资源匮乏，现有师资开发课程资源的能力也跟不上。《指南》编制工作小组花了近6个月反复研讨，才形成了这套可落地的实施框架。
第三道坎是评价体系不完善。课程考核多停留在知识记忆或基础操作层面，缺乏对学生AI伦理意识、数字安全素养和人机协同解决问题能力的综合评价。学了AI不等于会用AI，会用AI不等于善用AI——这个差距需要评价体系来拉齐。
图注：《指南》提出的课程体系架构与当前面临的三道坎
四层课程模块怎么搭
《指南》设计了分层分类的课程体系。通识基础型课程面向全体学生，涵盖AI认知与素养、计算思维与AI素养、大模型与AIGC应用、AI项目实践基础。通识技术型课程面向有技术基础的学生，包括Python与AI基础、AI数据处理与标注、机器视觉基础等。通识应用型课程对接行业需求，按专业群设计差异化内容。通识拓展型课程则关注AI伦理、人文素养与责任担当。
这套设计跟南京大学的"1+X+Y"课程体系和复旦大学的"AI-BEST"框架思路相似，都是模块化分层，兼顾知识广度和专业深度。南京大学的模式是"1门通识核心课+X门学科交叉课+Y门产业应用课"，复旦大学则把AI课程拆成基本、进阶、交叉、前沿四个层次。北京市属高校推行"一校一品"模式，鼓励各校结合自身特色设计AI课程。高职的特殊性在于"岗课赛证融合"——课程内容要对接岗位需求，融入技能竞赛标准，嵌入职业资格证书要求。这不是大学AI通识课的简单下放，而是面向就业的应用型设计。
图注：通识基础型、技术型、应用型、拓展型四层课程模块的递进关系
华为在2026年推出的"AI+数智人才培养计划"也走的是产教融合路线，面向全国院校提供全栈ICT课程和全场景实训环境。企业参与课程建设，是解决教学资源与产业脱节的有效路径。
师资是最大的瓶颈
《指南》花了很大篇幅讲师资培训。核心思路是建设"双师"型队伍——既懂AI技术又懂教学方法。具体措施包括系统化培训机制、专兼结合教学团队、教研交流与能力共建。
中国职教学会的分析指出，将教师数字素养提升作为先决条件，通过线上研修、校本教研、企业跟岗等形式，确保教师在上岗前完成AI通识教学能力培训。组建骨干教师研究团队，深入探索大模型在教学中的创新应用，形成可推广的案例库。用一句话概括：教AI的人得先懂AI、会用AI。
这个要求看似基本，但执行起来很重。很多高职院校的计算机教师自身还没有系统学过大模型和AIGC，更别说非计算机专业的教师。教育部在2025年底已遴选东部7个省份、中西部20个地市、18所高校开展AI教学应用试点，但高职层面的系统性培训才刚起步。
源势AI怎么看
我们跟职业院校交流时发现，AI通识课落地的核心矛盾是：技术迭代速度远快于课程更新周期。等教材编好、师资培训完，技术已经迭代了两三轮。
解法不在追求"追上技术"，而在培养学生的底层能力——AI认知、工具应用和人机协同。具体技术会变，但"理解AI能做什么、不能做什么"这个认知框架不会过时。我们建议高职院校在课程中直接引入企业级AI工具，让学生在真实场景中练手。源势AI的Token聚合平台和企业级Agent方案，可以作为实训环境的一部分，让学生体验从模型选择、工具调用到任务编排的完整流程。
AI通识课不是教学生写代码，是教学生在AI时代怎么工作。这个定位想清楚了，课程设计就有方向了。
