在某智能制造工厂，AI视觉质检系统常因光照、材质差异误报；在某智慧仓储园区，面对算法调度的异常，一线人员却只能“按提示走”，难解原因、难调策略。再看高职课堂，学生将通用大模型视作“高级搜索”，不善拆解任务、核验结果。显然，仅会操作已不够，AI素养欠缺正成为未来十年高职人才的关键能力短板。

在高职教育语境下，“AI素养”绝非仅仅等同于学会使用某个AI软件，其核心应被界定为一种面向真实职业任务的人机协同能力。它意味着学生能够在具体岗位情境中，安全、合规、有效地调用AI工具，理解其基本机理与能力边界，并通过验证与迭代，确保结果可靠、流程优化，最终实现问题解决与价值创新。这种素养不仅关乎学生个人的就业竞争力，也直接影响着产业升级的质量与韧性。因此，补齐AI素养的短板，不能止于“加一门课”，而必须紧扣教育数字化与产业智能化的双重变革，培养学生在职业场景中创造性运用AI技术的综合能力。

从职业能力结构看，高职AI素养至少包含“四项核心能力”。一是任务识别与判断力。能界定问题，识别适合AI介入的环节，明确哪些必须由人把关，避免“盲用”。二是工具协同与表达力。会选择专业AI工具与通用大模型，能用清晰指令、数据与约束条件“讲明白需求”，并能通过追问与反思迭代提示。三是流程优化与再造力。能基于AI特性重组工序、优化工时与质量控制，把AI嵌入作业标准与岗位职责，实现从“完成任务”到“提升系统效率”。四是伦理安全与质量治理力。遵守数据与隐私合规，识别偏见与“幻觉”风险，建立验证、留痕、复核机制，守住生产安全与职业伦理底线。换言之，AI素养不是“会不会用AI”，而是“能不能在岗位上把AI用对、用稳、用出价值”。

AI素养缺口为何在扩大？一是技术迭代与教育更新存在结构性时滞。企业平台、模型与应用快速迭代，而课程标准、教材与实训条件更新周期较长。二是培养模式仍偏向确定性技能。传统训练强调按规程操作、追求一致性，但AI赋能岗位更需要面对不确定情境的判断、验证与持续学习。三是场景与数据供给不足。缺少可开放的数据、可复用的岗位任务与工业场景，学生难以在真实问题中练出协同能力。四是师资与评价体系适配不够。教师的工具掌握与教学设计能力亟待提升，现有考核又较少衡量协同效率、流程改进贡献与安全合规水平，导致“教、学、评”与岗位标准脱节。资源差异还可能放大数字鸿沟。

如何补齐缺口？建议以“标准牵引—课程重构—评价闭环”为主线，贯通“岗位任务链—数据场景链—模型工具链—质量治理链”，推动职业教育从“教会操作”转向“培养协同”。具体如下：

在宏观层面，以机制与生态为先导，将“AI素养达标率”纳入职业教育质量监测与“双高”建设关键指标，强化对普通院校的公共支持；依托产教联合体、行业龙头和教指委，分专业大类研制《高职学生职业AI素养等级标准》，把“人机协同、流程再造、伦理安全”写进人才培养方案与职业能力标准。同步建设国家级职业教育AI资源与实训公共平台，汇聚开放案例、仿真实训、合规模板与典型工单，降低学校“从零搭建”的门槛。

在中观层面，以课程体系重塑为抓手，推动“AI+通识”与“专业+场景”双轨融合。面向全体学生设置通识必修模块，重点训练AI基本原理、提示与验证方法、数据合规、风险识别等底座能力；在专业核心课程中嵌入岗位场景单元，把AI作为“新工艺”纳入工单与作业规范。例如，装备制造类聚焦预测性维护与质量追溯，智慧商贸类聚焦智能选品与客服协同，护理康养类聚焦智能评估与风险预警。教学组织上，以项目化、任务化替代知识点堆砌，围绕企业真实任务设计“AI赋能项目”，要求学生提交方案、过程记录、效果数据与安全说明，实现“做中学”“用中评”。可将AI素养纳入“岗课赛证”与学校微证书体系，形成可积累、可转换的学习成果。

在微观层面，以师生能力激活与评价革新落地。教师端应完成从“授课者”到“协同者、设计者”的转变，通过企业实践、工作坊与微证书培训，提升教师使用大模型、开发案例、设计验证机制与组织项目教学的能力，形成跨专业教学共同体。学生端要提供“可持续练习”的载体，建设AI应用创新工坊、开放式实训室与社团，常态化开展以岗位任务为导向的校赛、行赛，促成从“会用”到“敢用、善用、创用”。评价端要建立闭环，在毕业设计、技能竞赛、顶岗实习中增加三类指标——协同效率、流程贡献、安全合规，并引入企业共评。

AI素养不是“高职生要不要学AI”的选择题，而是职业教育能否在新质生产力背景下完成能力供给升级的必答题。只有把AI素养嵌入标准、课程、实训与评价，把“人机协同”培养成面向岗位的通用能力，才能将人口规模优势转化为智能时代的人力资源优势。未来十年，一名优秀的高职毕业生应当既精于一技之长，更能与智能系统协同作业、持续优化流程、守住安全底线，成长为支撑“中国制造”向“中国智造”跃升的“智能工匠”。

《中国教育报》2026年03月10日 第05版

在某智能制造工厂，AI视觉质检系统常因光照、材质差异误报；在某智慧仓储园区，面对算法调度的异常，一线人员却只能“按提示走”，难解原因、难调策略。再看高职课堂，学生将通用大模型视作“高级搜索”，不善拆解任务、核验结果。显然，仅会操作已不够，AI素养欠缺正成为未来十年高职人才的关键能力短板。

在高职教育语境下，“AI素养”绝非仅仅等同于学会使用某个AI软件，其核心应被界定为一种面向真实职业任务的人机协同能力。它意味着学生能够在具体岗位情境中，安全、合规、有效地调用AI工具，理解其基本机理与能力边界，并通过验证与迭代，确保结果可靠、流程优化，最终实现问题解决与价值创新。这种素养不仅关乎学生个人的就业竞争力，也直接影响着产业升级的质量与韧性。因此，补齐AI素养的短板，不能止于“加一门课”，而必须紧扣教育数字化与产业智能化的双重变革，培养学生在职业场景中创造性运用AI技术的综合能力。

从职业能力结构看，高职AI素养至少包含“四项核心能力”。一是任务识别与判断力。能界定问题，识别适合AI介入的环节，明确哪些必须由人把关，避免“盲用”。二是工具协同与表达力。会选择专业AI工具与通用大模型，能用清晰指令、数据与约束条件“讲明白需求”，并能通过追问与反思迭代提示。三是流程优化与再造力。能基于AI特性重组工序、优化工时与质量控制，把AI嵌入作业标准与岗位职责，实现从“完成任务”到“提升系统效率”。四是伦理安全与质量治理力。遵守数据与隐私合规，识别偏见与“幻觉”风险，建立验证、留痕、复核机制，守住生产安全与职业伦理底线。换言之，AI素养不是“会不会用AI”，而是“能不能在岗位上把AI用对、用稳、用出价值”。

AI素养缺口为何在扩大？一是技术迭代与教育更新存在结构性时滞。企业平台、模型与应用快速迭代，而课程标准、教材与实训条件更新周期较长。二是培养模式仍偏向确定性技能。传统训练强调按规程操作、追求一致性，但AI赋能岗位更需要面对不确定情境的判断、验证与持续学习。三是场景与数据供给不足。缺少可开放的数据、可复用的岗位任务与工业场景，学生难以在真实问题中练出协同能力。四是师资与评价体系适配不够。教师的工具掌握与教学设计能力亟待提升，现有考核又较少衡量协同效率、流程改进贡献与安全合规水平，导致“教、学、评”与岗位标准脱节。资源差异还可能放大数字鸿沟。

如何补齐缺口？建议以“标准牵引—课程重构—评价闭环”为主线，贯通“岗位任务链—数据场景链—模型工具链—质量治理链”，推动职业教育从“教会操作”转向“培养协同”。具体如下：

在宏观层面，以机制与生态为先导，将“AI素养达标率”纳入职业教育质量监测与“双高”建设关键指标，强化对普通院校的公共支持；依托产教联合体、行业龙头和教指委，分专业大类研制《高职学生职业AI素养等级标准》，把“人机协同、流程再造、伦理安全”写进人才培养方案与职业能力标准。同步建设国家级职业教育AI资源与实训公共平台，汇聚开放案例、仿真实训、合规模板与典型工单，降低学校“从零搭建”的门槛。

在中观层面，以课程体系重塑为抓手，推动“AI+通识”与“专业+场景”双轨融合。面向全体学生设置通识必修模块，重点训练AI基本原理、提示与验证方法、数据合规、风险识别等底座能力；在专业核心课程中嵌入岗位场景单元，把AI作为“新工艺”纳入工单与作业规范。例如，装备制造类聚焦预测性维护与质量追溯，智慧商贸类聚焦智能选品与客服协同，护理康养类聚焦智能评估与风险预警。教学组织上，以项目化、任务化替代知识点堆砌，围绕企业真实任务设计“AI赋能项目”，要求学生提交方案、过程记录、效果数据与安全说明，实现“做中学”“用中评”。可将AI素养纳入“岗课赛证”与学校微证书体系，形成可积累、可转换的学习成果。

在微观层面，以师生能力激活与评价革新落地。教师端应完成从“授课者”到“协同者、设计者”的转变，通过企业实践、工作坊与微证书培训，提升教师使用大模型、开发案例、设计验证机制与组织项目教学的能力，形成跨专业教学共同体。学生端要提供“可持续练习”的载体，建设AI应用创新工坊、开放式实训室与社团，常态化开展以岗位任务为导向的校赛、行赛，促成从“会用”到“敢用、善用、创用”。评价端要建立闭环，在毕业设计、技能竞赛、顶岗实习中增加三类指标——协同效率、流程贡献、安全合规，并引入企业共评。

AI素养不是“高职生要不要学AI”的选择题，而是职业教育能否在新质生产力背景下完成能力供给升级的必答题。只有把AI素养嵌入标准、课程、实训与评价，把“人机协同”培养成面向岗位的通用能力，才能将人口规模优势转化为智能时代的人力资源优势。未来十年，一名优秀的高职毕业生应当既精于一技之长，更能与智能系统协同作业、持续优化流程、守住安全底线，成长为支撑“中国制造”向“中国智造”跃升的“智能工匠”。

《中国教育报》2026年03月10日 第05版

在某智能制造工厂，AI视觉质检系统常因光照、材质差异误报；在某智慧仓储园区，面对算法调度的异常，一线人员却只能“按提示走”，难解原因、难调策略。再看高职课堂，学生将通用大模型视作“高级搜索”，不善拆解任务、核验结果。显然，仅会操作已不够，AI素养欠缺正成为未来十年高职人才的关键能力短板。

在高职教育语境下，“AI素养”绝非仅仅等同于学会使用某个AI软件，其核心应被界定为一种面向真实职业任务的人机协同能力。它意味着学生能够在具体岗位情境中，安全、合规、有效地调用AI工具，理解其基本机理与能力边界，并通过验证与迭代，确保结果可靠、流程优化，最终实现问题解决与价值创新。这种素养不仅关乎学生个人的就业竞争力，也直接影响着产业升级的质量与韧性。因此，补齐AI素养的短板，不能止于“加一门课”，而必须紧扣教育数字化与产业智能化的双重变革，培养学生在职业场景中创造性运用AI技术的综合能力。

从职业能力结构看，高职AI素养至少包含“四项核心能力”。一是任务识别与判断力。能界定问题，识别适合AI介入的环节，明确哪些必须由人把关，避免“盲用”。二是工具协同与表达力。会选择专业AI工具与通用大模型，能用清晰指令、数据与约束条件“讲明白需求”，并能通过追问与反思迭代提示。三是流程优化与再造力。能基于AI特性重组工序、优化工时与质量控制，把AI嵌入作业标准与岗位职责，实现从“完成任务”到“提升系统效率”。四是伦理安全与质量治理力。遵守数据与隐私合规，识别偏见与“幻觉”风险，建立验证、留痕、复核机制，守住生产安全与职业伦理底线。换言之，AI素养不是“会不会用AI”，而是“能不能在岗位上把AI用对、用稳、用出价值”。

AI素养缺口为何在扩大？一是技术迭代与教育更新存在结构性时滞。企业平台、模型与应用快速迭代，而课程标准、教材与实训条件更新周期较长。二是培养模式仍偏向确定性技能。传统训练强调按规程操作、追求一致性，但AI赋能岗位更需要面对不确定情境的判断、验证与持续学习。三是场景与数据供给不足。缺少可开放的数据、可复用的岗位任务与工业场景，学生难以在真实问题中练出协同能力。四是师资与评价体系适配不够。教师的工具掌握与教学设计能力亟待提升，现有考核又较少衡量协同效率、流程改进贡献与安全合规水平，导致“教、学、评”与岗位标准脱节。资源差异还可能放大数字鸿沟。

如何补齐缺口？建议以“标准牵引—课程重构—评价闭环”为主线，贯通“岗位任务链—数据场景链—模型工具链—质量治理链”，推动职业教育从“教会操作”转向“培养协同”。具体如下：

在宏观层面，以机制与生态为先导，将“AI素养达标率”纳入职业教育质量监测与“双高”建设关键指标，强化对普通院校的公共支持；依托产教联合体、行业龙头和教指委，分专业大类研制《高职学生职业AI素养等级标准》，把“人机协同、流程再造、伦理安全”写进人才培养方案与职业能力标准。同步建设国家级职业教育AI资源与实训公共平台，汇聚开放案例、仿真实训、合规模板与典型工单，降低学校“从零搭建”的门槛。

在中观层面，以课程体系重塑为抓手，推动“AI+通识”与“专业+场景”双轨融合。面向全体学生设置通识必修模块，重点训练AI基本原理、提示与验证方法、数据合规、风险识别等底座能力；在专业核心课程中嵌入岗位场景单元，把AI作为“新工艺”纳入工单与作业规范。例如，装备制造类聚焦预测性维护与质量追溯，智慧商贸类聚焦智能选品与客服协同，护理康养类聚焦智能评估与风险预警。教学组织上，以项目化、任务化替代知识点堆砌，围绕企业真实任务设计“AI赋能项目”，要求学生提交方案、过程记录、效果数据与安全说明，实现“做中学”“用中评”。可将AI素养纳入“岗课赛证”与学校微证书体系，形成可积累、可转换的学习成果。

在微观层面，以师生能力激活与评价革新落地。教师端应完成从“授课者”到“协同者、设计者”的转变，通过企业实践、工作坊与微证书培训，提升教师使用大模型、开发案例、设计验证机制与组织项目教学的能力，形成跨专业教学共同体。学生端要提供“可持续练习”的载体，建设AI应用创新工坊、开放式实训室与社团，常态化开展以岗位任务为导向的校赛、行赛，促成从“会用”到“敢用、善用、创用”。评价端要建立闭环，在毕业设计、技能竞赛、顶岗实习中增加三类指标——协同效率、流程贡献、安全合规，并引入企业共评。

AI素养不是“高职生要不要学AI”的选择题，而是职业教育能否在新质生产力背景下完成能力供给升级的必答题。只有把AI素养嵌入标准、课程、实训与评价，把“人机协同”培养成面向岗位的通用能力，才能将人口规模优势转化为智能时代的人力资源优势。未来十年，一名优秀的高职毕业生应当既精于一技之长，更能与智能系统协同作业、持续优化流程、守住安全底线，成长为支撑“中国制造”向“中国智造”跃升的“智能工匠”。

《中国教育报》2026年03月10日 第05版

在某智能制造工厂，AI视觉质检系统常因光照、材质差异误报；在某智慧仓储园区，面对算法调度的异常，一线人员却只能“按提示走”，难解原因、难调策略。再看高职课堂，学生将通用大模型视作“高级搜索”，不善拆解任务、核验结果。显然，仅会操作已不够，AI素养欠缺正成为未来十年高职人才的关键能力短板。

在高职教育语境下，“AI素养”绝非仅仅等同于学会使用某个AI软件，其核心应被界定为一种面向真实职业任务的人机协同能力。它意味着学生能够在具体岗位情境中，安全、合规、有效地调用AI工具，理解其基本机理与能力边界，并通过验证与迭代，确保结果可靠、流程优化，最终实现问题解决与价值创新。这种素养不仅关乎学生个人的就业竞争力，也直接影响着产业升级的质量与韧性。因此，补齐AI素养的短板，不能止于“加一门课”，而必须紧扣教育数字化与产业智能化的双重变革，培养学生在职业场景中创造性运用AI技术的综合能力。

从职业能力结构看，高职AI素养至少包含“四项核心能力”。一是任务识别与判断力。能界定问题，识别适合AI介入的环节，明确哪些必须由人把关，避免“盲用”。二是工具协同与表达力。会选择专业AI工具与通用大模型，能用清晰指令、数据与约束条件“讲明白需求”，并能通过追问与反思迭代提示。三是流程优化与再造力。能基于AI特性重组工序、优化工时与质量控制，把AI嵌入作业标准与岗位职责，实现从“完成任务”到“提升系统效率”。四是伦理安全与质量治理力。遵守数据与隐私合规，识别偏见与“幻觉”风险，建立验证、留痕、复核机制，守住生产安全与职业伦理底线。换言之，AI素养不是“会不会用AI”，而是“能不能在岗位上把AI用对、用稳、用出价值”。

AI素养缺口为何在扩大？一是技术迭代与教育更新存在结构性时滞。企业平台、模型与应用快速迭代，而课程标准、教材与实训条件更新周期较长。二是培养模式仍偏向确定性技能。传统训练强调按规程操作、追求一致性，但AI赋能岗位更需要面对不确定情境的判断、验证与持续学习。三是场景与数据供给不足。缺少可开放的数据、可复用的岗位任务与工业场景，学生难以在真实问题中练出协同能力。四是师资与评价体系适配不够。教师的工具掌握与教学设计能力亟待提升，现有考核又较少衡量协同效率、流程改进贡献与安全合规水平，导致“教、学、评”与岗位标准脱节。资源差异还可能放大数字鸿沟。

如何补齐缺口？建议以“标准牵引—课程重构—评价闭环”为主线，贯通“岗位任务链—数据场景链—模型工具链—质量治理链”，推动职业教育从“教会操作”转向“培养协同”。具体如下：

在宏观层面，以机制与生态为先导，将“AI素养达标率”纳入职业教育质量监测与“双高”建设关键指标，强化对普通院校的公共支持；依托产教联合体、行业龙头和教指委，分专业大类研制《高职学生职业AI素养等级标准》，把“人机协同、流程再造、伦理安全”写进人才培养方案与职业能力标准。同步建设国家级职业教育AI资源与实训公共平台，汇聚开放案例、仿真实训、合规模板与典型工单，降低学校“从零搭建”的门槛。

在中观层面，以课程体系重塑为抓手，推动“AI+通识”与“专业+场景”双轨融合。面向全体学生设置通识必修模块，重点训练AI基本原理、提示与验证方法、数据合规、风险识别等底座能力；在专业核心课程中嵌入岗位场景单元，把AI作为“新工艺”纳入工单与作业规范。例如，装备制造类聚焦预测性维护与质量追溯，智慧商贸类聚焦智能选品与客服协同，护理康养类聚焦智能评估与风险预警。教学组织上，以项目化、任务化替代知识点堆砌，围绕企业真实任务设计“AI赋能项目”，要求学生提交方案、过程记录、效果数据与安全说明，实现“做中学”“用中评”。可将AI素养纳入“岗课赛证”与学校微证书体系，形成可积累、可转换的学习成果。

在微观层面，以师生能力激活与评价革新落地。教师端应完成从“授课者”到“协同者、设计者”的转变，通过企业实践、工作坊与微证书培训，提升教师使用大模型、开发案例、设计验证机制与组织项目教学的能力，形成跨专业教学共同体。学生端要提供“可持续练习”的载体，建设AI应用创新工坊、开放式实训室与社团，常态化开展以岗位任务为导向的校赛、行赛，促成从“会用”到“敢用、善用、创用”。评价端要建立闭环，在毕业设计、技能竞赛、顶岗实习中增加三类指标——协同效率、流程贡献、安全合规，并引入企业共评。

AI素养不是“高职生要不要学AI”的选择题，而是职业教育能否在新质生产力背景下完成能力供给升级的必答题。只有把AI素养嵌入标准、课程、实训与评价，把“人机协同”培养成面向岗位的通用能力，才能将人口规模优势转化为智能时代的人力资源优势。未来十年，一名优秀的高职毕业生应当既精于一技之长，更能与智能系统协同作业、持续优化流程、守住安全底线，成长为支撑“中国制造”向“中国智造”跃升的“智能工匠”。

《中国教育报》2026年03月10日 第05版

在某智能制造工厂，AI视觉质检系统常因光照、材质差异误报；在某智慧仓储园区，面对算法调度的异常，一线人员却只能“按提示走”，难解原因、难调策略。再看高职课堂，学生将通用大模型视作“高级搜索”，不善拆解任务、核验结果。显然，仅会操作已不够，AI素养欠缺正成为未来十年高职人才的关键能力短板。

在高职教育语境下，“AI素养”绝非仅仅等同于学会使用某个AI软件，其核心应被界定为一种面向真实职业任务的人机协同能力。它意味着学生能够在具体岗位情境中，安全、合规、有效地调用AI工具，理解其基本机理与能力边界，并通过验证与迭代，确保结果可靠、流程优化，最终实现问题解决与价值创新。这种素养不仅关乎学生个人的就业竞争力，也直接影响着产业升级的质量与韧性。因此，补齐AI素养的短板，不能止于“加一门课”，而必须紧扣教育数字化与产业智能化的双重变革，培养学生在职业场景中创造性运用AI技术的综合能力。

从职业能力结构看，高职AI素养至少包含“四项核心能力”。一是任务识别与判断力。能界定问题，识别适合AI介入的环节，明确哪些必须由人把关，避免“盲用”。二是工具协同与表达力。会选择专业AI工具与通用大模型，能用清晰指令、数据与约束条件“讲明白需求”，并能通过追问与反思迭代提示。三是流程优化与再造力。能基于AI特性重组工序、优化工时与质量控制，把AI嵌入作业标准与岗位职责，实现从“完成任务”到“提升系统效率”。四是伦理安全与质量治理力。遵守数据与隐私合规，识别偏见与“幻觉”风险，建立验证、留痕、复核机制，守住生产安全与职业伦理底线。换言之，AI素养不是“会不会用AI”，而是“能不能在岗位上把AI用对、用稳、用出价值”。

AI素养缺口为何在扩大？一是技术迭代与教育更新存在结构性时滞。企业平台、模型与应用快速迭代，而课程标准、教材与实训条件更新周期较长。二是培养模式仍偏向确定性技能。传统训练强调按规程操作、追求一致性，但AI赋能岗位更需要面对不确定情境的判断、验证与持续学习。三是场景与数据供给不足。缺少可开放的数据、可复用的岗位任务与工业场景，学生难以在真实问题中练出协同能力。四是师资与评价体系适配不够。教师的工具掌握与教学设计能力亟待提升，现有考核又较少衡量协同效率、流程改进贡献与安全合规水平，导致“教、学、评”与岗位标准脱节。资源差异还可能放大数字鸿沟。

如何补齐缺口？建议以“标准牵引—课程重构—评价闭环”为主线，贯通“岗位任务链—数据场景链—模型工具链—质量治理链”，推动职业教育从“教会操作”转向“培养协同”。具体如下：

在宏观层面，以机制与生态为先导，将“AI素养达标率”纳入职业教育质量监测与“双高”建设关键指标，强化对普通院校的公共支持；依托产教联合体、行业龙头和教指委，分专业大类研制《高职学生职业AI素养等级标准》，把“人机协同、流程再造、伦理安全”写进人才培养方案与职业能力标准。同步建设国家级职业教育AI资源与实训公共平台，汇聚开放案例、仿真实训、合规模板与典型工单，降低学校“从零搭建”的门槛。

在中观层面，以课程体系重塑为抓手，推动“AI+通识”与“专业+场景”双轨融合。面向全体学生设置通识必修模块，重点训练AI基本原理、提示与验证方法、数据合规、风险识别等底座能力；在专业核心课程中嵌入岗位场景单元，把AI作为“新工艺”纳入工单与作业规范。例如，装备制造类聚焦预测性维护与质量追溯，智慧商贸类聚焦智能选品与客服协同，护理康养类聚焦智能评估与风险预警。教学组织上，以项目化、任务化替代知识点堆砌，围绕企业真实任务设计“AI赋能项目”，要求学生提交方案、过程记录、效果数据与安全说明，实现“做中学”“用中评”。可将AI素养纳入“岗课赛证”与学校微证书体系，形成可积累、可转换的学习成果。

在微观层面，以师生能力激活与评价革新落地。教师端应完成从“授课者”到“协同者、设计者”的转变，通过企业实践、工作坊与微证书培训，提升教师使用大模型、开发案例、设计验证机制与组织项目教学的能力，形成跨专业教学共同体。学生端要提供“可持续练习”的载体，建设AI应用创新工坊、开放式实训室与社团，常态化开展以岗位任务为导向的校赛、行赛，促成从“会用”到“敢用、善用、创用”。评价端要建立闭环，在毕业设计、技能竞赛、顶岗实习中增加三类指标——协同效率、流程贡献、安全合规，并引入企业共评。

AI素养不是“高职生要不要学AI”的选择题，而是职业教育能否在新质生产力背景下完成能力供给升级的必答题。只有把AI素养嵌入标准、课程、实训与评价，把“人机协同”培养成面向岗位的通用能力，才能将人口规模优势转化为智能时代的人力资源优势。未来十年，一名优秀的高职毕业生应当既精于一技之长，更能与智能系统协同作业、持续优化流程、守住安全底线，成长为支撑“中国制造”向“中国智造”跃升的“智能工匠”。

《中国教育报》2026年03月10日 第05版