夜雨聆风2026 年 7 月 10 日，老谷子朱老师为JSAQ职业技术学院骨干教师做了一场关于"教育数字化转型背景下教师素养与技能"的内部培训讲座。整场讲座包括 5 大章节，浓缩了从国家政策、技术拐点、五大核心素养到职教特、最新实践、未来挑战的一整套"教师 AI 素养与能力地图"。本文是这次讲座的深度还原与解读，把零散的要点重新编织成一段完整的叙事。
从一场讲座说起：为什么这场讲座在 2026 年必须被看见
朱老师做这场讲座的时机，恰好踩在中国教育数字化转型最关键的转折点上。
过去几年，"AI 进课堂"在很多学校还停留在"试点课""示范课"的层面，老师们可以在不参与的边缘观望。但 2026 年，局面发生了根本变化——AI 应用能力已经被写进教师资格认证的核心模块，师范生必须修满 32 学时的 AI 通识课程，全员培训考核也进入常态化。换句话说，"会不会用 AI"已经从一个软指标，悄悄升级为教师这个职业的硬约束。
朱立谷老师把这一变化总结为一句话："不会用 AI 的教师，将面临淘汰风险。" 听上去扎心，但放在当下的政策语境里，这句话其实没有任何夸张。
也正因为如此，他把整场讲座的核心精力，都放在了回答一个看似简单实则艰难的问题：当 AI 比学生还会做题、当 Agent 能独立完成备课、当大模型的成本两年下降 75%……教师这个职业的"不可替代性"，到底在哪里？
整场讲座的逻辑是层层递进的：先看时代，再看素养，再看职教特，再看实践，最后落到挑战和未来。这篇文章会沿着同样的脉络，把讲座里那些被打散在列表与图表中的洞察，重新串联成一段可以一口气读完的叙事。
一、2026 这一年：技术、政策与角色的"三重同步"
朱老师在讲座开篇就抛出一个观察：2026 年是教师必须"换操作系统"的一年。这一判断的背后，是技术、政策和角色三件事在同一时间发生。
技术这一侧，三大拐点同步出现。大模型能力迎来集体跃迁，GPT-5.5、Claude Opus 4.6、Gemini 3.5 Omni、DeepSeek V4 接连登场，其中 DeepSeek V4 把语言能力和推理能力合二为一，API 成本在两年间下降了 75% 以上。这意味着"用不用得起"第一次不再是中国教师的问题。与此同时，多模态原生统一走向成熟，文本、图像、视频、音频、代码被整合进同一个模型，视频生成已经达到 1 到 2 分钟，且物理逻辑合规——也就是说，"用得广"的空间第一次真正打开。
但朱老师认为这一年最值得教师关注的拐点，并不是模型的"更强"，而是 Agent 的"更主动"。2026 年被业界普遍称为 Agent 元年，MCP 协议成为打通大模型与外部工具、数据的事实标准，Agent 也呈现出从"高效助手"到"粗位专家"再到"执行专家"和"决策专家"的四象限分布。围绕 Agent 的多 Agent 协作框架走向成熟，记忆机制把工作记忆、情景记忆、语义记忆通过向量库和知识图谱融合在一起。换句话说，AI 不再是"等你提问才给答案"的工具，而是"主动接任务、自动调用工具、长期记住你和它的协作历史"的执行体。朱立谷老师用四个字概括这一年的质变：从"对话工具"到"自主执行 Agent"。
政策这一侧，走得同样快。2022 年教育部发布的《教师数字素养》行业标准 JY/T 0646—2022 是"启蒙"，确立了五大维度的基本框架；2024 到 2025 年间，《教育强国建设规划纲要（2024-2035 年）》《教育系统人工智能大模型应用示范行动》《数字化赋能教师发展行动》等文件密集出台，构成了"立法"层面的密集落子；2026 年则进入"硬约束"阶段，AI 应用能力正式纳入教师资格认证与全员培训考核。当一项能力被写进资格认证和职称评审，它就不再是"加分项"，而是"入场券"。
而角色这一侧，发生的是最根本的转变。朱老师在讲座中用一组对照给出了清晰的"三次跳跃"：教师要从"知识传授者"走向"学习设计师"，从"成绩评定者"走向"价值与伦理守护者"，从"技术使用者"走向"人机协同设计者"。这意味着教师的核心工作内容被重新定义——传授知识的工作可以越来越多地交给 AI，而设计学习路径、守护教育伦理、与 AI 协同设计教学的能力，则被前所未有地放大。
技术、政策、角色三件事的同步发生，让 2026 年成为教师专业发展的"分水岭"。朱老师把这一分水岭讲得相当冷静：他不贩卖焦虑，也不喊口号，而是把政策文件、技术指标和角色变化平铺在一起，让每一位听讲者自己得出结论——"现在不开始，什么时候开始？"
二、五大核心素养：教师必须长出的"新器官"
如果时代背景回答的是"为什么要变"，那朱老师在第二章回答的就是"变成什么样"。
他的依据是教育部 JY/T 0646—2022《教师数字素养》行业标准，把教师必须具备的核心素养拆成五个维度。整场讲座中，这一章是篇幅最大的一章，因为朱老师认为，这五个维度就是 2026 年每一位教师最值得花时间读一遍的能力清单。
第一个维度是"数字化意识"。朱老师在讲座中反复强调，数字化意识不是"我会用 AI"这么浅，而是"我能理解 AI 正在如何重塑教育的本质"。具体来说，它包括认知 AI 对教学范式的颠覆性影响，从"会用技术"转向"理解技术对教育本质的重塑"；包括主动拥抱人机协同的新模式，警惕算法偏见与技术依赖；包括树立"数据驱动决策"的思维，让教学决策从经验走向证据。朱老师特别指出，这一维度的关键转变是从"工具使用者"走向"教育思想者"——会用 AI 大约是 60 分，理解 AI 改变了什么、不能改变什么，才是 80 分。
第二个维度是"数字技术知识与技能"，它的实质是把教师从"操作员"升级为"技术架构师"。具体的内容包括熟练使用 AI 备课系统、学情分析平台、虚拟实验软件与智能教学工具；包括掌握提示词工程（Prompt Engineering）的撰写；包括能够解读课堂热力图、能力矩阵等数据报告；也包括理解 AI 的底层原理与能力边界，理解 MCP 协议、Agent 编排、知识图谱这些稍硬的概念。朱老师在讲座中打了一个比方：提示词工程是 2026 年教师的"新书写能力"——好的 Prompt 可以让 AI 备课效率提升 50% 以上，差的 Prompt 则让 AI 答非所问。
第三个维度是"数字化应用"，它把前面两个维度的能力真正落地到教学全过程。朱老师用课前、课中、课后三个场景来呈现"数字化应用"长什么样：课前是 AI 预习诊断、资源智能推送、学情画像更新；课中是 AI 助教答疑、实时翻译、课堂总结、互动数据采集；课后是作业智能批改、错题自动归集、个性化补习。在这背后，是四项核心能力——学情数据应用、混合式学习设计、个性化推送、形成性评价。朱老师用了一个非常具体的画面来描述这种应用：你布置完作业，AI 在 30 秒内批改完所有客观题，把易错题自动归类成五类，再给每位学生推送三道个性化的巩固题。这不是对未来的想象，而是 2026 年很多学校的日常。
第四个维度是"数字社会责任"，朱老师认为这是整个五大维度中最容易被忽视、却最不能忽视的一个。他在讲座中专门用一整节列出"AI 时代教育伦理的五个不能"：不能用 AI 替代师生情感交流，不能让学生数据成为商业资源，不能用 AI 生成虚假学术成果，不能让弱势群体被算法歧视，不能用技术异化教育本质。数据隐私方面，他强调要严格遵守《个人信息保护法》，坚持学生数据最小化采集、加密传输、分级授权。讲到这一段时，他讲了一个让人印象深刻的场景——一位留守儿童在 AI 答疑中反复答错、情绪低落，这是由算法判定"该推送更难的题"，还是由老师蹲下来问一句"今天是不是不开心"？朱老师认为，这种"灵魂拷问"才是 AI 时代教师最珍贵的价值。
第五个维度是"专业发展"，它定义了教师能力进化的方式。朱老师把它描述为"实践-反思-迭代"的成长闭环，由四条路径构成：微认证——数字教学技能认证，结果直接挂钩职称；教学竞赛——数字素养优质课大赛，用激励机制推动应用；研修社群——虚拟教研室、同伴互助，让教师在集体中成长；终身学习——国家智慧教育平台提供持续迭代的资源。这四条路径不是孤立的，而是共同构成一个让教师"持续进化"的数字胜任力生态。
在五大维度之外，朱老师还专门讲了一个升级模型：AI-TPACK。TPACK 是教师熟悉的"技术-教学法-学科内容"三元整合模型，而 AI-TPACK 在此基础上新增了 AI 素养维度：理解 AI 如何辅助知识建构、AI 辅助评估与反馈机制、人机协同的教学设计能力、AI 伦理与数据安全意识、提示词工程能力。朱师用一句话点出了 AI-TPACK 的核心升级：教师需要理解 AI 是"思维协作者"，而不仅仅是工具——AI 是认知伙伴，是教学过程中的另一个"思考者"。
三、职教特辑：为什么职业院校教师压力更大？
讲座的第三章，朱老师专门用一整章讲职业院校教师。这不是"偏爱"，而是因为他很清楚：职教教师面对的复杂度，是普通教育的 2 到 3 倍。
他用四个特点概括职教的独特性。第一个是"产教融合·双轮驱动"，教学内容必须紧贴产业需求，AI 工具必须和行业 Know-How 结合才能落地，真实项目要能直接驱动教学，企业案例要能直接转化为课堂。第二个是"实操占比高·虚拟仿真"，职教的实训和实习要求很高，但很多高危、高成本的场景没法真实演练，必须靠"数字孪生+大模型+3D"来弥补，让学生先在虚拟场景里完成沉浸式技能训练。第三个是"跨学科整合·多元技术域"，以智能制造为例，它本身就是机械、电子、AI、数据的融合，一个专业常常横跨多个技术域，课程设计必须考虑多学科融合。第四个是"设备约束·生源多元"，中职、高职、职业本科的差异很大，需要的是低成本、高复用的方案，而且很多学校缺乏可持续的支持机制。
基于这四个特点，朱老师给出了一个非常清醒的判断：通用 AI 方案在职业院校是行不通的，必须走"行业+AI+教育"三维融合的路。
针对职教场景，他给出了一套五维能力模型：理念与态度、知识与基础、工具与技能、教学融合能力、伦理与可持续。理念与态度层面，要求教师理解 AI 在职教中的价值与边界，愿意持续尝试，主动学习政策与产业趋势；知识与基础层面，要求教师掌握机器学习、深度学习、大模型的基本原理，理解多模态、Agent、RAG、提示词这些核心概念，并绘制本专业的 AI 应用图谱；工具与技能层面，要求教师熟悉主流大模型，包括 ChatGPT、Claude、DeepSeek、Kimi、豆包等，还要能使用 Coze、Dify 这样的工具搭建智能体；教学融合能力层面，要求教师把 AI 嵌入课前、课中、课后和评价的全链路；伦理与可持续层面，则把数据隐私、学术诚信、"人是目的"的底线以及终身学习的示范责任，固化为教师的行为准则。
在讲到"工具与技能"和"教学融合能力"时，朱老师用一组数据让现场气氛非常振奋：AI 备课效率提升 60% 以上，教师工作量减少 70% 以上，AI 评分一致性达到 90% 以上，数据驱动决策时间压缩 40% 以上。他特别强调，这些数据不是"AI 替代教师"的证据，而是"AI 把教师从低价值工作中解放出来"的证据——让教师终于有时间专注那些真正需要人的事，比如教学设计、情感引导、价值塑造。
最后，职教教师角色的重塑被朱老师总结为"五重跳跃"：从知识传授者走向学习引导者，激发兴趣、引导探究、培养思维；从技术使用者走向课程开发者与技术整合者，设计融合 AI 的课程；从经验型教师走向数据分析师，读懂学情数据、用数据驱动决策；从技能教练走向职业素养培育者，把职业精神、伦理道德、适应能力一起教给学生；从独立工作者走向协同合作者，进入"人机协同+跨校同伴+企业专家"的新生态。这五重跳跃的最终指向，是朱老师反复强调的那句话：从"教书匠"走向"教育家型教师"。
四、最新实践：2026 年国内与欧美怎么做？
讲座的第四章，朱老师从"理论框架"切换到"实战现场"，呈现了 2026 年教师 AI 素养提升的最新实践。这一章他用了一个很精炼的叙事结构：先看国内权威数据，再看高校典型案例，再看学科化融合，再看欧美镜鉴。
国内权威数据来自 2026 年 5 月中央电教馆发布的《中国教师生成式 AI 应用报告(2026)》。这份报告给出了五项核心发现：96% 的教师愿意学习 AI，86% 的教师担忧学生过度依赖；教师的新角色被定位为"工具使用者→人机协同设计师+价值守护者"；治理支撑体系被概括为"基座—护栏—引擎"三位一体；近三年 AI 素养培训的教师人次累计达到 3000 万以上。这组数据里最有价值的一项，是 96% 和 86% 的并存——绝大多数教师既渴望学 AI，也担心学生过度依赖，正是这种"既拥抱又谨慎"的心态，构成了 2026 年中国教师最真实的工作底色。
高校的典型培训案例，朱老师举了三所学校的实践。某科技大学在 2026 年 6 月组织了青年教师 AI 素养工作坊，由教师教学发展中心牵头，100 多名青年教师参训，培训节奏是"2 天 4 模块"——AI 基础、全流程赋能、PBL 设计、课程智能体搭建，强调"全流程实操、成果导向"。某医科大学的做法是每周三线上线下混合式培训，40 分钟讲座加 20 分钟答疑，覆盖大模型、智能体、AI 办公，并要求教师在 Kimi 和幕布思维导图上完成实操，最终目标是推动全校 AI+ 建设。某工程学院则在沉浸式仿真实训室开展教师 AI 素养培训，35 位骨干教师参与，整个培训被拆为"初见·识智—深耕·用智—破局·融智"三个阶段共 6 次课，本地部署了文、图、语音的 AI 中台作为基础设施。从这三所学校的实践里，朱老师提炼出高校教师 AI 素养培训的四大共性：实操化、系统化、分层化、学科化。
在高校实践之上，朱老师特别强调了"学科化融合"这条纵深路径。他用一句话概括了纵深跃迁的方向：从通用技能培训，走向学科化融合，再走向生态化重塑。在国内，他举了"XX 学院 HiOptics 乐学光电小助手"和"XX 大学医学/核学科/集成电路学科引擎"作为代表，前者把 AI 融入光学教学场景，后者把 AI 嵌入医学、核学科、集成电路等垂直领域，把教师的专业领域作为 AI 落地的真正战场。国际比较层面，他特别提到哈佛大学 AI Pedagogy·metaLAB 项目——国内目前更侧重"如何用好 AI 工具"，而哈佛项目更强调教育学原理与 AI 技术的深度融合，目标是"释放教师精力，专注于情感引导与高阶思维培养"。朱老师用这两个方向的对比，点出了中国教师 AI 素养提升的下一步：从"工具会用"走向"学科会用"，再走向"教育学层面的会用"。
欧美部分，朱老师用了三个国家的实践做横向参照。德国的"数字化教学能力中心"是系统化微认证的典型，由联邦政府投入 2.25 亿欧元建设"卓越教师教育计划"第二阶段，建立基础、进阶、高阶三层级培训体系，并把微认证与职称晋升挂钩；成效数据显示，已有 1.2 万多名职教教师获得微认证，AI 工具使用率提升 300%，学生实训任务完成率提升 27%，教师备课时间下降 40%。英国的 Teach First 协作网络则是同伴协作的代表，建立跨校"空中教研"、教学反思日志制度、数字教学案例库（累计收录超过 8000 个案例），被 OECD 评为"最具可持续性"模型，参与教师留任率提升 34%，87% 的教师反馈"同伴反馈显著提升技术应用信心"。美国的 ISTE 教育者标准则是"微认证+徽章"体系的代表，2018 年发布以来形成七类教师角色框架，加州圣何塞的"数字胜任力徽章"项目规定 5 枚徽章即可申请"数字教学导师"资格，并享受带薪研修和课程研发津贴；成效显示，78% 的教师获得两枚以上徽章，学生高阶思维提升 29%，教师技术焦虑下降 41%。
从这三个国家的实践里，朱老师提炼出欧美教师 AI 素养提升的五大共性：政策导向坚持"教师中心、伦理优先"，拒绝技术至上；能力框架采用"获取—深化—创造"的三维进阶；实施路径坚持"微认证+真实任务+同伴协作"；技术应用坚持"AI 辅助诊断与模拟，不替代教师判断"；评价机制坚持"成果认证"，以教学设计和反思代替培训学时。他用一句话点出欧美实践的精髓："教师不是孤岛，而是知识网络的节点——用真实教学成果说话，而非培训时长。"
五、挑战与应对：从认知落差到生态重构
讲座的第五章，朱老师从"应该做什么"转向"会遇到什么"。他给出的判断是：当前教师数字素养提升面临五大挑战，分别是认知落差、技能断层、评价缺失、生态脱节、伦理风险。
认知落差是最难突破的一关。一部分教师，特别是有多年教学经验的中老年教师，会本能地把 AI 视为"额外负担"而不是"效率工具"。他们不是不愿意学，而是在多年形成的教学惯性里，找不到 AI 嵌入的位置。技能断层则更结构化——城乡之间、区域之间、学科之间的差异非常显著，东部发达城市学校已经在做 AI 智能体教学，而西部一些学校连基础的网络条件都还不完善。评价缺失是制度层面的问题，目前还缺乏科学、动态的测评体系，能精确衡量教师 AI 素养的真实水平。生态脱节则是更普遍的工程问题——很多学校引入了 AI 平台和课程，但这些技术产品和日常教学之间，仍然存在"两张皮"，教师在用、学生在看、学校在评，但三件事没有真正打通。伦理风险则是 AI 时代特有的新问题，集中在数据隐私和算法偏见两个方面。
针对这五大挑战，朱老师给出的应对方向是清晰的：认知落差需要靠"强化人机协同 + 真实案例展示减负增效"来破；技能断层需要靠"精准培训下沉，薄弱地区重点支持"来补；评价缺失需要靠"行为数据测评 + 形成性评价 + 动态追踪"来建；生态脱节需要靠"平台-课程-教师-学生"四维协同设计来打通；伦理风险则需要靠"校级 AI 伦理委员会 + SOP 标准操作流程"来守。
在通用建议之外，他专门针对职教场景给出了六项更具体的攻坚建议，分别是组织保障、分类分层培训、评价机制创新、双轮资源驱动、伦理保障机制、示范引领推广。组织保障的关键是"一把手工程 + AI 教育办公室"，再由种子教师和系部 AI 应用小组把工作落到一线；分类分层培训要求建立基础、进阶、专家三级体系，强调教学场景驱动和"做中学"，并通过校企合作构建本地化职教标准；评价机制创新把 AI 素养纳入职称评审与评优，在课程评估中增设 AI 化指标，并把学生反馈纳入考核；双轮资源驱动把国家省级平台和校本资源库结合起来，鼓励系部建设专业垂类智能体，比如汽修 AI 助手、护理 AI 助手等；伦理保障机制要求建立校级 AI 伦理委员会，制定学生数据保护 SOP，明确学术诚信的 AI 使用边界；示范引领推广则通过 5 到 10 个 AI 示范课和示范专业、年度 AI 教学创新奖评选、跨专业共建共享来形成可复制的样本。
朱老师在最后这一章还专门讲了"课训证赛一体化 + 三阶培训体系"的闭环设计。"课训证赛一体化"是把教师能力提升拆成四个阶段：课程学习打基础，专项培训强实践，微认证促激励，教学竞赛推应用。配套的"三阶教师培训体系"则把教师分成三个层次递进培养：认知层通过 AI 资源案例课理解价值内涵，应用层通过实操工作坊在技术专员指导下掌握技能，创新层通过教学创新大赛探索新型模式。整个体系的设计逻辑很明确——不是一次培训了事，而是一个可以反复循环的成长闭环。
六、终极命题：教师角色的根本性重塑
讲座的第六章，也是最后一章，朱老师把所有讨论收束到一个终极命题上——教师角色的根本性重塑。
他给出的定义非常凝练：未来的教师应当是"学习设计师 + AI 协作者 + 伦理守护者"三位一体。这个定义不是口号，而是把前面五个章节的讨论压缩成了一个可执行的角色画像。学习设计师，意味着教师的核心工作不再是"把知识讲清楚"，而是"为不同的学生设计不同的学习路径"，AI 在其中承担大量的素材生成、过程评估和个性化推荐；AI 协作者，意味着教师要学会与 Agent 协同工作，把 AI 视为思维伙伴而不是替代者，教师负责方向、价值与最终判断，AI 负责速度、覆盖与重复性工作；伦理守护者，则意味着教师必须守住教育的伦理底线，包括数据隐私、算法公平、学术诚信、人文关怀等不可让渡的部分。
在角色定义之外，朱老师给出了培养路径：AI 素养 + 学科能力 + 教育智慧。这意味着教师的能力建设不能偏废任何一项——AI 素养让教师"会做"，学科能力让教师"做对"，教育智慧让教师"做好"。在生态构建层面，他提出要建立"人机协同 + 产教融合 + 终身学习"的支撑体系，把 AI 工具、产业资源和持续学习的机制整合起来，让教师在一个有生命力的生态里成长。
最后，他用一段几乎像宣言一样的话来结束这场讲座：教育的终极目标，是让 AI 成为教师教育智慧的放大器；当教师被赋权、被信任、被支持时，技术才能真正服务于人的成长。这段话放在整场讲座的最后，也是最让人安静下来的一句话。它提示我们，教师角色的重塑，归根结底不是"被 AI 改造"，而是"借 AI 回归"——回归到设计学习、守护成长、传递价值这些教育最本真的事情上。
写在最后
回头看这场讲座，朱老师做的事情其实可以概括为一句话：给JSAQ职业技术学院的骨干教师画了一张 2026 年教师专业能力的完整地图。
这张地图上有政策、有技术、有素养、有角色、有实践、有挑战。从政策侧看，AI 素养已经从软指标升级为硬约束；从技术侧看，2026 年是 Agent 元年，AI 从"对话工具"跃迁为"自主执行体"；从素养侧看，五大维度 + AI-TPACK 构成了教师必须长出的"新器官"；从角色侧看，学习设计师、AI 协作者、伦理守护者三位一体是未来的画像；从实践侧看，国内权威报告、高校三大典型、学科化融合、欧美五大共性都已经跑出了可借鉴的样本；从挑战侧看，认知落差、技能断层、评价缺失、生态脱节、伦理风险五大问题都有清晰的方向。
这张地图不是给少数"AI 极客"教师准备的，而是给每一位在 2026 年仍然站在讲台上的普通教师准备的。它不要求你今天就变成 Agent 工程师，也不要求你放弃所有过往的教学经验，它只要求你做一件事——把"教师专业能力"这个概念，主动升级到 AI 时代的版本。
朱老师在讲座的最后一页没有用任何煽情的语言，他只写了一句话："未来展望：从'会用 AI'到'AI 赋能教育智慧'。" 这句话既是对骨干教师的期望，也是对整个中国教师群体的期许。
愿每一位在 2026 年仍然相信"教育值得做"的教师，都能成为 AI 时代的学习设计师、AI 协作者和伦理守护者。
*本文基于朱老师 2026 年 7 月 10 日在JSAQ职业技术学院骨干教师培训讲座《教育数字化转型背景下教师素养与技能——AI 时代教师专业能力重构的系统性探索》整理。整场讲座包括 5 大章节，本文按讲座脉络完整还原。*