澳大利亚的大学正在把生成式AI从学生自行开设的个人账号，变成学校能管理、能培训、能设定使用边界的公共工具。UNSW与悉尼大学公开的合作信息显示，ChatGPT Edu正在进入教学、研究和校园运营。表面看，这是一次校园软件扩容；更深的变化是，大学开始重写“学生毕业时应该会什么”。
从个人试用变成公共基础设施
学生早就在宿舍、图书馆和兼职工作中使用AI。大学现在要解决的，是把一种高度个人化、付费能力不均、使用方法参差的工具，变成有培训、有边界、能被审计的公共设施。从个人订阅转向校方统一采购，不只是多发一个账号，还意味着学校要对身份、数据、课程和使用记录承担责任。
UNSW计划分阶段把ChatGPT Edu扩大到超过8万名学生和员工。悉尼大学则计划于2027年第一学期向全体学生开放，同时设立100万澳元的AI可持续性研究与创新基金。规模一旦从试验账号变成全校基础设施，问题就不再只是“模型好不好用”，而是权限、数据、算力预算和教学责任如何共同运转。
一张Can、Can’t、Must表改变了考核逻辑
UNSW采用了Can、Can’t、Must框架：有些任务可以使用AI，有些必须独立完成，有些则要求学生主动使用AI。这个三分法看似简单，却比笼统的“禁止作弊”更接近真实工作。医生、律师、工程师和教师未来都可能需要AI，但他们仍要在关键环节证明自己掌握基础知识，并能识别工具的错误。
考核因此从检查“答案是不是一个人写的”，转向检查“学生能不能说明判断过程”。一份允许AI参与的作业，可以要求提交原始材料、验证步骤和被推翻的建议；一份禁止AI的考试，则用来确认学生是否真的具备底层能力。最值得注意的变化不是大学接受了某个聊天工具，而是它开始把工具选择本身纳入专业能力。
真正稀缺的不是提示词
当AI能在短时间内给出一个完整答案，教学的重心便不应停在“有没有用”，而要转向学生如何验证、如何修正、如何为最后的决定负责。模型可以成为可重复的练习对手，却不能替学生承担专业判断的后果。这条界线比“会不会写提示词”更重要。
这也解释了为什么“会写提示词”不是最终目标。真实能力包括定义问题、选择材料、发现幻觉、保护隐私、理解学科规范，以及在工具给出漂亮答案时仍敢于说“不”。当人人都能生成一段像样的文字，判断哪些话不能直接相信，反而成为更稀缺的技能。
大规模开放也会带来新的不平等
统一采购可以缓解个人订阅造成的差距，却不会自动消除差异。不同专业能否获得适合自己的案例，教师有没有时间重做课程，残障学生能否顺利使用，学校是否记录敏感研究数据，都会影响实际收益。集中平台还可能形成供应商依赖：课程一旦围绕某套工具设计，未来更换模型、价格或政策的成本会迅速上升。
因此，大学需要的不只是账号发放，还要有多模型选择、退出路径、数据分级和清晰的学习目标。悉尼大学公开说明中写明，账号由学校单点登录管理，输入内容默认不用于训练公开模型，并配套身份管理、加密、审计日志和可配置的数据保留。这些不是产品卖点的附属品，而是全校推广能否成立的前提。
澳大利亚高校的实验最有意思之处，是它把争论从“学生能不能用AI”推进到“学生使用AI时必须证明什么”。作业形式当然会变，但更深的变化发生在能力标准：未来的毕业生既不能只靠模型，也不能假装模型不存在。大学真正要交付的，不是熟练点击某个产品的人，而是知道何时调用机器、何时停下，并愿意为最后判断负责的人。
