过去一年，很多学生都有一种隐约的不安。
AI 没有像传言里那样一夜之间“毁掉一切工作”，但它确实在悄悄改变一些更底层的东西：
它改变了人们是如何完成任务的，也开始动摇一个更核心的问题——如果知识本身可以被即时生成，那学生到底还要学什么？
这个问题，最先被逼着回答的，并不是学生，而是大学。
最早的时候，美国高校的反应几乎是本能式的防御。禁止 AI、严查 AI、把“是否使用 AI”当作学术诚信问题处理。
但短短一两年后，风向彻底转了。
不是因为高校突然“想通了”，而是因为他们意识到：如果大学继续假装 AI 不存在，学生毕业后将直接暴露在一个他们完全没被训练过的世界里。
于是你开始看到一些看起来“很激进”的举动。
当普渡大学说：
不会用AI，你毕不了业。
普渡大学董事会通过了一项在美国高等教育圈引发强烈讨论的决定：从 2026 级新生开始，所有本科生必须展示“AI working competency”，否则无法毕业。
这并不是开一门“AI 入门课”那么简单。
普渡并没有规定学生必须学 Python、训练模型或写算法，而是把 AI 能力拆解成一种跨学科的“工作素养”，并明确要求它必须被嵌入每一个专业。
工程学院、农业学院、商学院、文科专业，要求都不一样，但有一个共同点：学生必须在与自己专业高度相关的项目中，证明自己知道：
- AI 能帮什么，不能帮什么
- 在真实决策中，什么时候该用 AI，什么时候不该
- AI 的结果应该如何被验证、修正、质疑
校方甚至明确表示，这个要求不增加额外学分，而是直接重塑既有课程结构。
换句话说，普渡并不是在“教你用 AI”，而是在告诉你：
AI 已经被视为一种像写作、数据分析一样的基础能力，而不是锦上添花的技能。它意味着, 大学第一次在制度层面承认，“不会用 AI”本身，已经是一种能力缺陷。
但更微妙的变化，
发生在精英名校内部
如果说普渡的做法是制度上的正面迎战，那么斯坦福的变化更像是一种不安中的试探。
2024 年秋季，一门名为The Modern Software Developer 的课程在斯坦福爆满。
这门课最引发争议的一点是：学生几乎不需要写代码。老师教的是如何用 Cursor、Claude 等工具完成复杂软件任务，包括需求拆解、系统设计、调试、测试、迭代。
很多 CS 学生一开始是恐慌的。
因为他们突然意识到：过去那些“我会写代码”的优势，正在被迅速压缩。
与此同时，斯坦福内部的一些研究数据也开始流出：22–25 岁的初级软件工程岗位数量，相比 2022 年峰值已经下降近 20%。
而生成式 AI 的渗透，恰恰发生在这个时间段。
在课堂之外，产业端的反馈更加残酷。
Anthropic 的 CEO 曾公开表示，其部分产品代码中，70%–90% 由 AI 生成。
招聘经理也越来越直白：“过去需要 10 个初级工程师，现在是 2 个资深工程师 + AI。”
斯坦福这门“不写代码的课”，本质上不是在取悦学生，而是在替他们提前适应一个事实：未来工程师的价值，不再是执行，而是判断、管理和责任承担。
这不是个别学校的“激进实验”
如果只有普渡和斯坦福，事情还可以被当作个案。但真正让人警惕的是：类似的调整正在大规模发生。
佛罗里达大学推出了 AI Across the Curriculum 计划，明确要求 16 个学院把 AI 素养融入各自课程体系。
不是统一模板，而是让每个专业思考：
“在你这个学科里，AI 会改变什么？风险在哪里？人还剩下什么判断权？”
俄亥俄州立大学启动 AI Fluency Initiative，把 AI 素养直接纳入本科通识教育，与学术诚信并列讨论。
它传递的信息很清楚：AI 不是作弊工具，而是一种需要被规范使用的认知工具。
纽约市立大学系统（CUNY）甚至专门设立了 AI Academic Hub，强调 AI 的社会责任、公平性和伦理问题，试图让学生理解：AI 不只是“提高效率”，它也在重塑权力结构。
Colby College 这样的 Liberal Arts 学校，明确提出：在一个 AI 会“编造事实”的时代，判断信息可信度、拆解论证逻辑的能力，比任何工具操作都重要。
这并不是在背叛博雅教育，而是在用 AI 逼迫博雅教育回到它最核心的位置。
那大学是不是正在“放弃知识本身”？
很多家长和学生的直觉反应是：
“那我交这么多学费，是来学怎么用工具的吗？”
但如果把这些案例放在一起看，会发现一个被频繁误解的事实：大学并没有减少对知识的要求，反而在提高门槛。
区别在于，知识不再被视为“答案库”，而是被当作判断 AI 输出的参照系。
不会统计学的人，
很难判断模型结果是否站得住脚；
不理解历史语境的人，
无法分辨生成文本的价值立场；
没有理论训练的人，
根本无法意识到 AI 给出的方案里隐含了哪些假设。
这也是为什么，真正推动 AI 教育改革的高校，几乎都在强调一个词：critical use，而不是 mere usage。
所以，学生到底应该学什么？
答案可能并不浪漫，但非常现实。
未来的竞争，不在于谁“会不会用 AI”，而在于谁：
- 能不能拆解问题，而不是直接问答案
- 能不能发现 AI 的漏洞，而不是照单全收
- 能不能在复杂情境中承担判断后果
大学正在用一种近乎残酷的方式告诉学生：工具会越来越强，但“替你负责”的人，永远只能是你自己。
AI 并没有让大学教育失效。
它只是让“混过去”的空间，急剧缩小了。
当高校开始把 AI 能力写进毕业要求、课堂结构和通识体系时，它们其实在做一件很冒险的事：承认自己无法再用“知识垄断”来定义价值。
但或许，这正是大学教育真正需要面对的时刻。
不是问“AI 会不会取代你”，而是问：当答案唾手可得，你是否还知道该问什么问题。
【竞赛报名/项目咨询+微信：mollywei007】
