夜雨聆风
2025年5月，教育部职业院校信息化教学指导委员会首次发布《职业院校人工智能应用指引》，为职业院校的 AI 教育画出了第一张草图。
一年后，2026版指引发布。通知开篇即点明修订目标——“引导职业教育领域系统化、规范化地推进人工智能深度应用”。“系统化”和“规范化”这两个词，概括了2026版最核心的变化方向。
如果说2025版回答的是“要不要做”，2026版回答的则是“做到什么程度才算数”。其中最具分量的升级，是两个长期只有口号、没有标准的核心概念——学生人工智能素养和教师人工智能教学胜任力，首次获得了结构化的维度定义与分层标准。
学生素养：从总体方针到7×3矩阵
2025版对学生素养的表述近乎一条口号：中职了解、高职应用、本科创新。方向正确，但落到课程设计和教学评估上，教务处长们缺少可操作的锚点。
2026版的变化是结构性的。指引明确写道，信息化教指委将研究制定学生人工智能素养标准，形成涵盖——
“以人为本的人工智能意识、人工智能社会责任、基础知识与技能、思维与行为、协作与交流、专业能力、职业能力”七个维度、“通识素养、专业技能、行业能力”三个层级的学生人工智能素养框架。
这七个维度不是在判断学生“会不会用 AI 工具”，而是将伦理判断（人本意识、社会责任）、认知方式（思维与行为）、协作沟通、专业纵深和职业落地全部纳入一个闭环。“协作与交流”维度强调学生“利用人工智能开展协作与沟通的能力，助力学生进行人智协同”；“专业能力”与“职业能力”则从专业领域实践与真实岗位需求出发，强调人工智能与“专业技能、典型工作任务、工作过程的深度融合”。AI 在这里不是一门孤立的技术课，而是一种贯穿专业学习和未来工作的基础能力。
三个层级沿素养深度递进：
通识素养层侧重建立基本认知框架与价值底线，“确保学生在进入专业学习之前具备对人工智能运行逻辑、使用规范与潜在风险的基本理解，使技术使用建立在理性与审慎基础之上”。
专业技能层要求人工智能与专业技术的深度融合，学生需在专业情境中“配置、调用与维护智能终端设备与智能体，理解其运行逻辑与数据交互机制”。
行业能力层指向真实或准真实工作情境中的综合运用，学生需“在时间、资源与伦理等多重约束下”完成智能系统的规划、部署与维护，“体现在复杂情境中的整合与迁移能力”。三个层级从认知底线到专业融合再到行业实战，递进逻辑清晰而务实。
在此基础上，指引进一步按学段明确差异化培养重点。中职阶段“以启蒙和普及为主”——
“让学生理解人工智能的基本概念、发展脉络与典型应用场景……能够使用智能搜索、推荐系统及生成式人工智能工具完成信息获取与内容创作，初步体验图形化智能体的搭建与交互。”
高职专科阶段“以应用和实践为主”——
“遵循无码化、工具化、场景化原则，创造性地运用数字化资源和人工智能工具解决实际问题。”
职业本科阶段“以深化和拓展为主”——
“理解数据、算法、算力在智能系统中的协同机制……在人机协作中坚持人类主体地位，自觉践行科技向善的社会责任。”
“人机协同”在七个维度和三层级中反复出现。这不是修辞上的重复，而是贯穿全文的判断：未来的职业世界里，AI 不是替代人的工具，而是每个人都需要学会与之协作的工作伙伴。职业教育的任务，是从一开始就把这种伙伴关系建立在对的方向上。
教师胜任力：从一句“分层培训”到6×3框架加闭环保障
2025版对教师队伍的要求可以归结为四个字：分层培训。至于谁来分、分几层、每层掌握什么——均未展开。
但现实中的挑战比文字上的留白更紧迫。职业院校的 AI 教学目前主要由计算机专业教师兼任，他们中的大多数并未接受过系统的 AI 教学训练。更深的矛盾在于，AI 教育不是一门可以交给一个教研室就了事的独立课程——它需要渗透到汽修、护理、数控、电商等各个专业方向中。这意味着，每一个专业的教师，都需要具备基础的 AI 教学胜任力。
2026版对这个难题的回应，是一个“6维度×3层级”的教师胜任力框架——
“以人为本的理念、社会责任、知识与技能、教学应用、职业能力、专业发展”六个维度、“普及层、深化层、研发层”三个层级。
六个维度的排列顺序本身就传递了价值取向。“以人为本的理念”被置于首位，指引将其定义为教师“开展人工智能教学的思想基础和价值导向”，要求教师“认识到保持人类能动性与师生主体性的重要性，警惕过度依赖技术可能带来的负面影响”。换言之，一个好的人工智能教师，首先是一个有判断力的人，其次才是一个掌握工具的人。
三个层级对应不同角色分工。
普及层面向全体教师，“应能熟练使用人工智能教学工具开展教学”。
深化层面向专业带头人和骨干教师，“应能熟练使用行业企业中常用的人工智能技术与方法开展教学”。
研发层面向教育技术研发人员和领军人才，“应能参与企业人工智能项目，具备行业企业人工智能应用的研发能力”。
配套保障体系的设计更具分量。2025版仅提出将教师 AI 教学创新应用“纳入绩效考核”。2026版则新增了“技术赋能平台—评价考核—激励机制—氛围营造”四个支撑环节——
“建立教师人工智能教学胜任力发展的技术赋能平台，收集多模态的教学过程数据、学生学习数据以及教师发展活动数据，实现数据驱动的教师人工智能教学胜任力的精准诊断与持续跟踪。”
同时，“将教师人工智能教学胜任力纳入教师评价考核范畴”，并构建“评价—反馈—激励—改进”的良性循环。教师 AI 能力的提升，不再被默认为个人业余自修任务，而是被纳入了院校的制度性安排。对于资源有限、教师编制紧张的地方院校而言，这一条的落地难度可能恰恰是最大的——但它至少指明了方向。
通识课程：16学时与50%过程性评价
有了学生标准和教师标准，课程建设就有了骨架。2026版在通识课程上给出了一个具体且务实的约束：总学时不低于16学时。
16学时不算多——约半个学期的三分之一学分。但这个数字体现了制定者的现实感。职业院校的核心任务是培养专业技能，AI 通识课的目标不是培养 AI 工程师，而是确保每一个毕业生走向岗位时都具备基本的 AI 认知和协作能力。学时太少，容易沦为走过场；学时过多，挤压本就紧张的专业课时。16学时的约束，恰好防住了两种极端。
课程结构被明确划分为三层：基础层（必修，涵盖概念、伦理、安全）、核心层（必修+选修，涵盖专业智能工具、提示词工程、轻量级模型应用）、提升层（选修+实践，涵盖行业解决方案、流程改造、真实项目）。递进逻辑清晰——从认知到应用再到创新，从个人到协作再到行业。
评价方式的改革同样务实。2026版要求——
“过程性评价（占比不低于50%）与终结性评价相结合的多元综合评价体系，引入教师评价、学生自评、同伴互评、企业导师参评及 AI 智能助教辅助评价。”
通识课不能靠一张期末试卷定成绩。学生在真实或模拟项目中的表现、与 AI 工具的实际交互记录、企业导师对交付质量的判断，都应纳入评价体系。对于习惯了传统考核方式的院校，这意味着评价体系的重构，不仅仅是加一门新课。
教学模式：从3种到5种，场景向真实延伸
教学模式的扩充同样指向现实。2025版提出三种模式——个性化学习与技能训练、智能化实训教学、项目驱动与案例教学。2026版扩展为五种，新增“多主体协同实习管理”和“精细教学管理与虚拟教学研究”。
新增的两项具有明确的现实指向。前者提出依托数智技术——
“智能分析企业岗位需求与学生专业技能、职业兴趣的匹配度，实现学生与企业的双向精准匹配……联合实习企业依托人工智能感知分析实习环境、设备状态和学生行为，实时预测并预警潜在安全风险。”
这直击了职业院校实习管理中岗位错配、过程粗放、安全风险难预警的长期痛点。后者则将 AI 嵌入教学管理本身，通过智能决策辅助、虚拟教研室助手和教研资源精准推荐，提升教研工作的效率和效果。
实训教学方面，2026版特别强调了 AI 与虚拟仿真技术在“三高三难”项目中的融合——即“高风险、高投入、高污染”和“难观摩、难复现、难进入”的实训项目。指引要求——
“对于强调操作性的实训项目，可在虚拟仿真实训过程中利用人工智能对学生进行实训引导与实操动作纠偏，提升学生操作熟练度。”
同时探索跨区域、多主体协同的远程协同实训新模式。这些不是技术想象，而是对职业院校实训教学中真实瓶颈的直接回应。
一份“能落地”的文件
2026版最大的变化不是某一条具体条款的增减，而是文件的气质从“该做什么”转向了“怎么做才算数”。
一个细节：专业建设在2025版中的表述是“积极开展人工智能相关专业的建设”，2026版改为——
“科学规划、规范设置人工智能相关专业，避免低水平同质化建设。”
措辞变化的背后，是对过去几年各地一哄而上开设 AI 相关专业的清醒纠偏。同时，新增了“智能化专业分析平台”的要求，要求院校“利用人工智能对产业、行业、企业、岗位、任务相关数据进行分析，为专业建设提供支持”，通过预测关键领域人才供需情况为专业设置和动态调整提供科学依据。这正是在推动院校的治理能力与专业建设同步升级。
保障措施也更加具体。组织层面，要求设立智能运行中心（IOC）或人工智能教育中心作为统筹机构——
“建立由学校统筹领导、专门机构协调、各职能部门和二级院系具体落实的运行机制。”
专用大模型方面，从“建设”转向“共建共享”，强调——
“试点先行、分层推进、示范带动……通过教师、学生、企业导师等多元主体的应用反馈，及时发现模型存在的问题，推动自身应用方案、专用大模型数据和算法、组织协调机制等方面不断完善。”
技术保障层面，明确提出——
“构建云边端协同的人工智能算力与服务环境……将人工智能与智慧校园已有技术系统进行集成，完善数据接口、身份认证、权限管理和日志审计等机制。”
这些规定指向同一个方向：职业院校的 AI 应用不能再是某个教务处或信息中心的孤军奋战，它必须嵌入学校的组织架构、资源配置和日常运行之中。对于许多仍处于数字化转型早期阶段的院校而言，这一要求既是方向，也是实实在在的挑战。
结语：对职业院校管理层的三条启示
回顾2025版到2026版的升级轨迹，核心线索只有一条：从“原则倡导”到“标准落地”。对于职业院校的院长和教务处长而言，这份指引不只是一个政策信号，更是一份可以对照执行的工作清单。从中可以提炼出三条启示。
第一，AI 应用必须从自发探索走向制度化推进。 2026版在组织保障上的要求是明确的——设立智能运行中心或人工智能教育中心，“建立由学校统筹领导、专门机构协调、各职能部门和二级院系具体落实的运行机制”。这意味着 AI 不再是某个教务处或信息中心的“自选动作”，而是需要嵌入学校治理结构的制度性安排。对于管理层而言，当下最紧迫的决策不是选哪个大模型或买什么工具，而是先把统筹机构立起来、把责任分工定清楚。没有组织保障，技术投入很难产生持续效果。
第二，教师能力建设需要从零散培训转向系统性制度设计。 “6维度×3层级”的胜任力框架背后是一种清晰的判断：教师 AI 能力的提升不是靠几期培训班能解决的。指引给出的答案是“技术赋能平台—评价考核—激励机制—氛围营造”四位一体的闭环——用数据精准诊断每一位教师的胜任力短板，将 AI 教学能力纳入考核，对先行者给激励、对落后者给帮扶，让教师在制度性的支持中成长，而非在业余时间独自摸索。对于资源有限的地方院校而言，这条启示的落地难度最大，但方向已经明确：教师 AI 能力建设必须从“运动式培训”转向“常态化制度设计”。
第三，从模糊表态到可衡量标准，每一个条款都可以翻译成本校的实施方案。 16学时不再是建议而是底线，过程性评价不低于50%给出了考核改革的具体抓手，7维度的学生素养框架为人才培养方案修订提供了对照清单，算法公平评估和敏捷协同治理为伦理合规提供了操作路径。2026版最有价值的地方，在于它把过去只能“领会精神”的要求变成了可以逐条对照的标准。管理层的任务，是把这些标准翻译成本校的实际行动——哪些条款本学期就可以启动试点，哪些需要纳入下一轮人才培养方案修订，哪些需要提前做预算和编制准备。
这不是一份读完就归档的文件。它是一个坐标系，让“做没做”“做到什么程度”不再是可以含糊过去的问题。而坐标系的价值，最终取决于拿它来导航的人。
关于火光智能
火光智能是一家专注于 AI 时代教育创新的技术服务企业。公司以“赋能 AI 时代的教育创新者”为使命，围绕“学 AI、用 AI、造 AI”三大业务主线，为高校和职业院校提供 AI 素养课程体系、ifAI 资源库、“学科+AI”实践式教学平台及 Agentic Service等解决方案。从四川大学图书馆AI素养教育创新实验室到宁波大学ifAI资源库，从成都理工大学学科备考学伴到未来学习中心整体方案，火光智能始终坚持“Learning by doing”的核心理念，帮助院校将 AI 从政策文本转化为可落地的教学能力。
心中有火，眼里有光——让 AI 点亮每一位学习者和教育者的智慧火光。
扫码添加小助理，获取2026版《职业院校人工智能应用指引》全文。
