摘要：创新人才的贯通式培养是国际趋势、时代所需。文章以建立长周期的人工智能创新人才贯通式培养体系为目的，旨在破除当前人工智能教育学段割裂、简单交叉重复的窠臼。文章分析了人工智能创新人才贯通式培养的价值意涵，结合现实中普遍存在的“四个不贯通”挑战，提出并阐释了融合“普

感谢您关注“永大英语”！

曹晓明 罗九同 何 涛 李 臣 曾 莹

摘要：创新人才的贯通式培养是国际趋势、时代所需。文章以建立长周期的人工智能创新人才贯通式培养体系为目的，旨在破除当前人工智能教育学段割裂、简单交叉重复的窠臼。文章分析了人工智能创新人才贯通式培养的价值意涵，结合现实中普遍存在的“四个不贯通”挑战，提出并阐释了融合“普及—提升—拔尖”三个阶段，贯通目标体系、能力与素养、内容体系、课程与教材、评价体系和平台与资源六个维度的“三阶六维”人工智能创新人才贯通式培养体系与构建路径。最后，文章从顶层设计、高校引领、早期选育、UGBS协同和师资队伍建设等方面提出了五条具体建议，以期为人工智能拔尖创新人才的自主培养及深入落实教育部人工智能普及任务提供理论参考。

关键词：人工智能教育；创新人才；人工智能素养；一体化；贯通培养

一、引言

当前，以人工智能为引领的新一代信息技术已成为加快新质生产力发展的关键驱动力。培养人工智能人才，教育需先行。世界各国政府与机构相继发布了一系列人工智能教育计划[1-2]。截至2022年，全球已有15个国家将人工智能教育纳入国家课程体系[3]；我国440所高校设置了人工智能本科专业，248所高校设置了智能科学与技术本科专业[4]。2024年11月，教育部办公厅发布《关于加强中小学人工智能教育的通知》（以下简称教育部通知），明确提出2030年前在中小学基本普及人工智能教育[5]。该通知为“人工智能教育从娃娃抓起”，下好人工智能教育“先手棋”做出了系统安排，体现了国家为人工智能教育“筑基”“强基”的长远规划。高质量实施人工智能教育事关夯实人工智能领域人才储备和梯队建设，已经成为我国建设教育强国的重要任务，具有战略紧迫性。

然而，我国大学、中小学、幼儿园（简称大中小幼）各学段人工智能教育在客观上存在一定割裂，缺乏贯通性和系统性[6]，导致人工智能教育低水平交叉重复、创新人才培养效果难以彰显。教育部通知特别强调要“统筹推进中小学和大学人工智能教育一体化发展”[5]。但如何落实该项举措尚无充分研究，本研究聚焦人工智能教育的一体化发展，全面探讨人工智能创新人才贯通式培养议题，以期为教育部通知的落地实施和人工智能创新人才培养的相关实践提供理论参考。

二、人工智能创新人才贯通式培养的价值意涵

近年来，一体化贯通式培养成为我国思政、科技教育领域的重要战略举措，取得较好成果[7]。实施人工智能创新人才的贯通式培养具有四方面重要价值：

（一） 有利于人工智能教育的规模化普及

教育部通知要求2030年前在中小学基本普及人工智能教育，时间紧、任务重。当前，我国在高等教育阶段业已基本普及人工智能教育，需要突破的主要为K12阶段。实施人工智能创新人才的贯通式培养将有利于推动形成高等教育带动基础教育，先发区域带动后发区域，先试点学校带动后发学校的良好局面，从而为人工智能教育的规模化普及创设条件。

（二） 有利于人工智能素养的系统化养成

提升公民的人工智能素养已成为全球共识。世界各国及研究机构均高度重视人工智能素养的内涵诠释与提升策略，建立素养导向的课程体系。2024年，联合国教科文组织（UNESCO）发布《学生人工智能能力框架》[2]，框架内容呈现了从知识到素养嬗变的进阶性特点。采用贯通式人才培养策略，针对不同学段学生分层设定培养目标，可高效促进人工智能素养的系统化养成。

（三） 有利于人工智能课程的体系化建设

人工智能知识体系涵盖范围广、更新迭代快、跨学科特征强，采用贯通式人才培养策略，在横向上突破学科壁垒，在纵向上做好学段衔接，有利于建立清晰的课程时空逻辑，确保人工智能知识图谱在各学段科学合理分布，形成良构的课程体系。

（四） 有利于人工智能创新人才的一体化培养

当前，我国人工智能人才培养基本上是从高等教育起步，长达12年的基础教育未能有效发挥人工智能创新人才识别、选育、输送的主体作用。通过建立贯通式培养体系，将高校人工智能相关各专业的培养目标向下兼容，同时打通基础教育人工智能创新人才的上行通道，可把基础教育打造为高校人工智能创新人才培养的“底座”，形成一体化的人才培养生态。

三、人工智能创新人才贯通式培养的现实挑战

然而，我国各学段人工智能创新人才培养的现状不容乐观，具体表现为：

（一） 目标体系不贯通

当前，我国在基础教育与高等教育两端分别采取了一系列举措推动人工智能教育，但尚未能紧密衔接。K12阶段人工智能教育瞄准的首要目标是“普及”，少部分学校锚定“提升”，但对“拔尖”创新的关注普遍不足。“普及—提升—拔尖”的人才培养金字塔体系尚未形成，缺少对顶端目标的关注与投入。高等教育领域开展的“英才计划”“拔尖计划2.0”“强基计划”等主要是在高中与大学之间，从小学到大学的完整培养链条存在断裂现象[8-9]，衔接不畅、衔接不上的问题较为普遍[10]，“拔尖”人才的培养机制不畅、基数不足。

（二） 课程体系不贯通

当前，人工智能教育在中小幼阶段中呈现多样化、碎片化的格局，并普遍存在“纵向不贯通，横向不沟通”的问题[8]。大学阶段主要聚焦于高教系统内部的课程创新，鲜少考虑向下兼容或链接中小幼阶段课程[6]。大中小幼人工智能一体化课程体系尚未形成，各段教学内容不可避免的存在一定的重合、遗漏，相邻学段在人工智能知识域上容易出现简单重复、知识断层，严重影响人工智能创新人才培养的可持续性。

（三） 评价体系不贯通

人工智能创新人才要早发现、早培养，需要统筹考虑培养与评价、选拔。目前，尚未形成能够影响中小学AI创新人才选拔的“新赛道”。例如，在“强基计划”中，高校较多给予数学、物理等全国统考单科成绩优异的学生破格入围资格，对人工智能方面表现优异的学生关注不足[11]。同时，人工智能课程尚未成为升学所关注的“主科”，高校人工智能创新人才选拔也亟待进行机制创新与突破。

（四） 资源体系不贯通

人工智能教育资源的分配存在严重不均衡。一些地区人工智能教育启动早，普及程度高，而广大农村地区和薄弱学校则面临人工智能教育资源匮乏，甚至开不出相关课程的窘境[12]，这势必将影响国家人工智能创新人才培养土壤的丰厚度及人才总量的基数，造成“智能鸿沟”。同时，各学段人工智能学习平台和资源缺乏连贯性，导致学习数据难以持续累积，高校也难以获得过程数据进行效果追踪，客观上影响了基于证据的拔尖创新人才选育。

四、人工智能创新人才贯通式培养体系及其构建路径

为破解人工智能教育领域的不贯通问题，更好地落实教育部通知，本研究立足大中小幼人工智能教育实践，构建了如图1所示的“三阶六维”人工智能创新人才贯通式培养体系（以下简称培养体系）。

该培养体系从“普及—提升—拔尖”三阶人工智能培养需求出发，提出从“目标体系贯通（P1）、能力与素养贯通（P2）、内容体系贯通（P3）、课程与教材贯通（P4）、评价体系贯通（P5）、平台与资源贯通（P6）” 六个维度一体化推进。培养体系涵盖了人工智能通识教育与人工智能专业教育，强调通专并举、通专融合，具有层次性、系统性、联动性、发展性特征。六个维度的构建路径主要阐释如下：

（一） 目标体系贯通（P1）

目标体系的贯通，是建立人工智能创新人才贯通培养体系的前提，需要建立循序渐进的学段目标。建议依照“启蒙—体验—筑基—强基—创新”序列安排幼小中大各学段的目标体系。其中，幼儿园阶段主要目标是“启蒙”，消除幼儿对人工智能技术的神秘感、陌生感，增进了解和激发兴趣[13-14]；小学阶段主要目标是“体验”，增加小学生对人工智能的感知机会；初中阶段主要目标是“筑基”，在深入体验中逐步建立人工智能知识体系；高中阶段主要目标是“强基”，拓展人工智能知识广度，掌握发展与应用前沿，进行项目创作和应用，为未来人工智能专业学习夯实基础；大学阶段主要目标是“创新”，全面理解和建构人工智能知识体系，开展专业的实践开发[15]，部分优秀人才成为拔尖创新人才，胜任人工智能领域基础研究、实际问题解决和交叉创新应用。

（二） 能力与素养贯通（P2）

能力与素养衡量标准的贯通，是实施人工智能创新人才贯通培养体系的依据。教育部通知明确要求，要关注学生人工智能素养的提升，并评价创新思维和实践能力。因此，需建立符合我国国情的学生人工智能能力与素养框架，指导人工智能教育实践。该框架要以创新能力为主线，以理解、应用和创造为支线，以人工智能态度与意识、知识与技能、应用与设计、实践与创新、伦理与责任为主干，以学段为进阶，形成脉络清晰、衔接有序、操作性强的标准指引。

（三） 内容体系贯通（P3）

内容体系的贯通，是打造人工智能创新人才贯通培养体系的支撑。经过近70年的发展，人工智能内容体系呈现鲜明的“跨学科、宽基础、厚专业、强实践、重伦理”的特征，知识网络宏大复杂[16]。对人工智能所涵盖内容分类越细致，对不同内容之间的边界和联系界定越清晰，人工智能教育就越高效。为此，需要建立科学合理的人工智能知识图谱，将人工智能的不同知识概念有序组织并按照贯通的原则分布于各学段，形成系统化的全局图景，引导各学段学生分阶段、有重点地进行学习，从而由点到线、由线到面、由面到体，确保学生逐步明晰并建立完善的人工智能知识体系。

（四） 课程与教材贯通（P4）

课程与教材是落实人工智能创新人才贯通培养的载体。应在整体架构上做到各学段目标的衔接和内容层级的递进，形成由浅入深、由感知到实践、由基础到专业的系统化课程图谱；要制定统一课程标准和框架，确保各学段之间的内容贯通，可从课程体系的“宽度”“长度”“高度”与“温度”等维度，建立立体化课程框架，并形成与之配套的系列化教材。

1. 课程体系的宽度

以课程群的“宽”支撑人工智能知识域的“广”。课程体系应体现系统化设计思维，包括基础理论、核心技术和应用实践等三个部分，形成立体化的课程群。教育部“101计划”是拔尖创新人才培养的一项筑基性工程。该计划在计算机专业列举了12门核心课程，分别是：计算概论、数据结构、算法设计与分析、离散数学、计算机系统导论、操作系统、计算机组成与系统结构、编译原理、计算机网络、数据库系统、软件工程、人工智能引论[17]。借鉴该计划经验，可建立基于人工智能广知识域的立体化课程群图谱（如图2所示）。

该课程群图谱以人工智能知识域的广覆盖为核心，由内到外共分为三层。第一层（C1）为人工智能核心课程群，主要包含机器学习、深度学习、神经网络等人工智能专业需要修习的骨干课程，并提供动手实验和项目开发机会，使学生具备人工智能专业核心能力；第二层（C2）为人工智能基础课程群，主要包括编程语言、数据科学、高等数学等与人工智能紧密相关的基础性课程；第三层（C3）为人工智能交叉课程群，主要包括伦理与法律、认知科学、机器人学等交叉融合课程及“人工智能+X”课程（其中X为其他学科），拓展学生的知识广度，为其成为跨学科复合型人才奠定基础。

2. 课程体系的长度

建立贯通“大中小幼”的长周期课程方案。针对当前人工智能教育内容碎片化倾向[15-16]，应结合人工智能贯通培养体系科学规划长周期课程框架（如图3所示）。通过系统化的人工智能教育课程供给，形成完整的人才培养链条。

3. 课程体系的高度

人工智能国家战略的深入实施，不仅对高校人工智能人才培养提出了更高要求，而且进一步确立了中小学人工智能教育的价值取向，即统筹兼顾普及性、提升性与拔尖创新人才培养。应正确认识人工智能教育“普及—提升—拔尖”三阶金字塔的内在关联关系，特别是要把握 “普及”和“拔尖” 之间的辩证关系，即“普及”为“拔尖”提供创新土壤，“拔尖”为“普及”注入持续动力。为此，要以拔尖创新人才培养的高要求为目标，构建进阶式、发展性和创新性的课程体系。

4. 课程体系的温度

提供适合学习者个性化学习的课程内容，开展有温度的人工智能教育。教育部通知强调要遵循教育规律和人才成长规律，以人工智能引领构建以人为本的创新教育生态。课程体系应立足帮助学生成为具备人工智能素养未来公民，为学生提供满足其未来发展需要的有温度的课程内容。一是要坚持兴趣导向，提供定制化的教学内容，激发学习动机和创新潜力；二是要坚持素养导向，支持学生以最短时间、最少资源消耗提升人工智能素养；三是要坚持伦理导向，要特别关注学生的人工智能社会责任感和伦理道德，避免出现智能时代的“弗兰肯斯坦”[18]。

（五） 评价体系贯通（P5）

评价体系是促进人工智能创新人才贯通培养的突破口。因此，要建立畅通的人才选育机制，为人工智能创新人才的早期识别、针对性培养和成效追踪提供线索和依据。在评价方式上，要依托人工智能素养框架开展过程性评价和发展性评价；在评价手段上，要超越传统知识性评价，开展数据跟踪与智能性评价；在评价场景上，要强调课程与竞赛相结合，以赛促学、以赛促评。全面掌握人工智能创新人才的发展情况，并将其作为学生升学与高校人才选拔的重要依据，打造评价的新机制、新通道，助力人工智能创新人才崭露头角、不断涌现。

（六） 平台与资源贯通（P6）

平台与资源体系的贯通，是健全人工智能创新人才贯通培养体系的保障。应制定统一的人工智能教育资源开发标准和教学规范，构建更加完善的人工智能教育生态，以“国家智慧教育平台”为基础，建成覆盖各省各级各类教育的人工智能教育大平台，支撑大中小幼在同一平台生态下进行人工智能教育，形成由低到高、由浅入深、层层递进的人工智能教育数字化学习生态。应推进人工智能教育资源均衡发展，加大对教育薄弱地区的人工智能教育软硬件扶持力度，确保人工智能教育惠及农村与边远地区的学习者，避免“智能鸿沟”。

五、人工智能创新人才贯通式培养体系的实施建议

人工智能创新人才贯通式培养体系及相关路径的实施需从顶层设计、高校引领、早期选育、UGBS协同以及师资队伍建设等方面充分考虑，科学施策。

（一） 加强政府顶层设计

人工智能教育顶层设计一直是世界各国关注的重点内容。要参考国际经验，完善我国人工智能教育的顶层设计，促进上下有效衔接、横向有序连接。对接教育部通知，可进一步研究制定《人工智能人才贯通培养实施方案（2025—2030年）》，统筹谋划落实2030年前在中小学基本普及人工智能教育的总体目标，基本形成贯通式的人工智能教育体系；适时将人工智能教育纳入国家教育法律体系；将人工智能教育纳入教育质量监测和督导体系，定期开展考核与督导评估；鼓励高校设立人工智能专业招生专项计划，为中学阶段人工智能创新人才提供专门升学通道。紧跟人工智能前沿发展趋势，研究生成式人工智能接入国家人工智能教育平台的模式与机制，并关注DeepSeek-V3、OpenAI o3模型等新技术动态对人工智能教育的冲击。应制定并完善跨学科教师协作机制，促进人工智能教育与学科教学、创客教育、STEM教育等有机融合，探索形成人工智能教育的跨学科实践范式。

（二） 加强高校引领作用

高校处于人工智能创新人才培养的后端，其本身对AI创新人才期望较高。为此，要进一步发挥高校在人工智能教育领域的导向和服务作用，以大学人工智能教育体系为基础，下探至中学乃至小学、幼儿园阶段，构建大中小幼全学段贯通式课程体系，鼓励高校、人工智能科研院所组织专家参与中小学人工智能课程和教材开发，建设一批具有示范性、推广性的人工智能教育课程群和精品教材。支持高校和中小幼学校联合开展人工智能教研活动，拓展学习空间，共建共享人工智能教育资源。鼓励高校人工智能专家以“人工智能专员”“科学副校长”等智囊身份服务中小学人工智能教育。

（三） 加强人才早期选育

对拔尖创新人才的早期选育与培养是世界各国的普遍做法。例如：日本为天才儿童在升学和继续教育方面设有整体性和连贯性的通道[19]；俄罗斯高校通过竞赛和考试选拔能力较高的学生[19]；法国通过制度安排保障智力卓越的孩子在常规升学过程中被有效识别和高效培养[20]。我国也应进一步贯通人工智能创新人才培养体系，打破学段壁垒，早识别、早培养，实现人工智能创新人才培养的连续性和系统性。首先，在有条件的基础教育学校设置人工智能特色班，普及培养与分流式培养相结合，通过科学有效的识别机制与评价标准，为更多潜力学生创造公平、开放、适合发展的成长路径，为人工智能领域涌现更多拔尖创新人才提供制度保障和教育生态支持；其次，通过联合培养、跨学段导师制等创新机制，拓宽人工智能拔尖创新人才的优秀教师供给；再次，探索跨学段评价和选拔模式，例如通过区域性人工智能教育竞赛、综合能力评估等方式发掘优秀学生，并为其提供贯通式培养支持；最后，要关注拔尖创新人才的心理健康与可持续发展，避免“伤仲永”的悲剧在人工智能时代重现。

（四） 加强UGBS协同

高校（U）、政府（G）、企业（B）、中小幼学校（S）协同（简称UGBS）是我国教育信息化创新实践的重要支撑[21]。加强UGBS协同，将科学研究和产业发展前沿问题、实践项目纳入人工智能人才培养十分必要。为此，要不断加大UGBS四方合作育人力度，创新体制机制，破解合作壁垒，充分挖掘和发挥组团优势，不断拓展中小学生人工智能实践场域。例如：探索高校与各地政府“一校一地”结对共建机制；推动高校和科研院所的人工智能场馆、实验室向中小学校常态化开放；鼓励人工智能企业建立各类实训基地；鼓励各方支持中小学校建立人工智能联合实验室等。

（五） 加强师资队伍建设

当前，我国中小学人工智能教师队伍整体情况不容乐观，特别是高水平人工智能教师稀缺，客观上制约了人工智能创新人才的培养。因此，有必要实施人工智能教育“强师计划”，提升人工智能优质师资供给能力。首先，要建立人工智能教育教师标准，实施人工智能教师胜任力评估，不断提升人工智能普及教育的质量基线，鼓励各地建立定期培训提升机制，支持中小学教师进入高校进行研修深造，确保“师师能教”；其次，高质量配齐配足人工智能教师队伍，确保“有师可教”；再次，鼓励有条件地区、学校通过多种聘用形式，畅通流动通道和机制，吸纳高校、科研院所、科研型行业企业人员担任兼职和专职人工智能教师，打造“AI讲师团”，不断拓展人工智能高端师资规模，确保“跨段可教”；最后，加强高校在职前人工智能教师培养方面的作用，设定专门的人工智能教师培养专业，确保“未来可教”。同时，也可考虑生成式人工智能构建沉浸式AI教育环境，探索智能陪练等人机协同的人工智能教育新模式[22]。

六、结束语

创新人才的贯通培养是世界性难题，探索人工智能创新人才的贯通式培养是教育部通知的要旨之一。在中小幼基本普及人工智能教育并与高等教育有效对接是我国人工智能教育战略的重要选择。本研究以人工智能创新人才贯通式培养理念为依托，构建“三阶六维”的人工智能创新人才贯通式培养体系，以期实现人工智能创新人才从“入口”到“出口”的全链条培养，改变我国人工智能教育中普遍存在的学段割裂、简单交叉重复现状，提高创新人才培养的底色与基数。

大中小幼人工智能创新人才的贯通式培养应是在目标与内容联动基础上的“双向奔赴”：一方面，基础教育应清晰了解高校在人工智能领域的专业设置、招生政策及人才需求，立足长远供给人才；另一方面，高校要做好对基础教育人工智能课程的支撑与引领，并为人工智能创新人才的升学提供“赛道”与“出口”。为此，要坚持统筹推进教育科技人才一体化战略，加强政府顶层设计、高校引领、早期选育、UGBS协同和师资队伍建设等，助力人工智能创新人才的贯通式培养，促进人工智能创新人才的持续不断涌现，为建成人工智能人才强国做出更大贡献。

参考文献

[1] TOURETZKY D， GARDNER-MCCUNE C， MARTIN F， SEEHORN D. Envisioning AI for K-12：what should every child know about AI? Proceedings of the AAAI Conference on Artificial Intelligence， Honolulu， January 27-February 1， 2019[C]. California：AAAI Press， c2019.

[2] MIAO F， KELLY S. AI competency framework for students[M]. Paris：UNESCO，2024.

[3] UNESCO. K-12 AI curricula：a mapping of government-endorsed AI curricula[M]. Paris：UNESCO，2022.

[4] 中国新一代人工智能发展战略研究院. 中国新一代人工智能科技产业发展2023：建设具有全球竞争力的人工智能产业集群[EB/OL]. （2023-05-19）[2024-12-27]. https://cingai.nankai.edu.cn/2023/0519/c10232a512669/page.htm.

[5] 中华人民共和国教育部.教育部部署加强中小学人工智能教育[EB/OL]. （2024-12-03）[2024-12-27]. https://www.gov.cn/lianbo/bumen/202412/content_6990729.htm.

[6] 张珊珊，杜晓敏，张安然. 中小学开展人工智能教育的挑战、重点和策略[J]. 中国电化教育，2020（11）：67-72.

[7] 韩震. 推进德育一体化的时代背景、内涵要求与实践进路[J]. 思想政治课教学，2021（3）：4-7.

[8] 张海生. 我国高校人工智能人才培养：问题与策略[J]. 高校教育管理，2020，14（2）：37-43.

[9] 仇立岗，胡文玥. 小学人工智能校本课程开发依据及其组织逻辑[J]. 电化教育研究，2024，45（12）：83-88.

[10] 张丹，崔光佐. 中小学阶段的人工智能教育研究[J]. 现代教育技术，2020，30（1）：39-44.

[11] 闫广芬，杜剑涛. “双一流”背景下的“强基计划”：功能定位、现实困境与优化路径[J].高教探索，2022（6）：26-33.

[12] 张志新，杜慧，高露，等. 发达地区中小学人工智能课程建设现状、问题与对策——以某“新一线”城市为例探讨[J]. 中国电化教育，2020（9）：40-49.

[13] 陈维维. 学龄前儿童人工智能启蒙教育的研究现状与实践路径[J]. 电化教育研究，2020，41（9）：88-93.

[14] 马涛，赵峰，王有学，高洁.海淀区中小学人工智能教育发展之路[J].中国电化教育，2019（5）：128-132.

[15] 刘峡壁，冷晓莉，李海花. 人工智能全学段贯通式人才培养的作用与策略[J]. 中国科技教育，2023（4）：17-20.

[16] 中国人工智能学会. 人工智能知识点全景图：迈向智能+时代蓝皮书[EB/OL].（2022-08-19）[2024-12-27]. https：//www.caai.cn/index.php?s=/home/article/detail/id/2103.html.

[17] 李晓明. 我对“101计划”的认识与期待——一个以改进为宗旨的实验性项目[J]. 中国大学教学，2022（8）：4-6.

[18] 赵磊. 人工智能恐惧及其存在语境[J]. 西南民族大学学报（人文社会科学版），2021，42（11）：65-71.

[19] 白学军，刘颖，卢柳柳，等. 拔尖创新人才早期培养的国际经验[J]. 基础教育参考，2023（4）：3-21.

[20] 王晓宁. 拔尖创新人才的体系化培养刻不容缓——以法国为例的“举国体制”式国际经验的梳理与借鉴[J]. 人民教育，2022（24）：25-27.

[21] 房立，郭炯. UGBS协同视域下区域创新教学实践内涵、特征及价值意蕴[J]. 电化教育研究，2024，45（6）：74-80.

[22] 闫寒冰，杨淑婷，余淑珍，等. 生成式人工智能赋能沉浸式学习：机理、模式与应用[J]. 电化教育研究，2025，46（2）：64-71.

CAO Xiaoming LUO Jiutong HE Tao LI Chen ZENG Ying

Abstract: Continuous cultivation of innovation talents represents an international trend and critical need of the era. With the purpose of establishing a long-term continuous cultivation system for AI innovative talents, the article aims to break the current stereotypes of segmentation and simple cross-repeat in AI education. This study examines the value of a continuous cultivation system for innovative AI talents. It identifies and analyzes the "four disconnections" challenges prevailing in current AI education, and proposes the "three-stage and six-dimensional" system as a solution. This system integrates three stages of "popularization, enhancement and excellence cultivation" and six construction pathways, i.e., goal systems, capabilities and literacy, content frameworks, curricula and teaching materials, evaluation systems, and platforms and resources. Specific recommendations are provided in areas such as top-level design, university leadership, early talents identification and cultivation, UGBS collaboration, and faculty development. This study provides theoretical guidance for the independent cultivation of Chinese top-tier innovative AI talents and the effective implementation of the Ministry of Education's recent AI education popularization mission.

Key words: AI Education; Innovative Talents; AI Literacy; Holistic; Continuous Cultivation

基金项目：2023年度教育部科技委重大研究项目“粤港澳大湾区科技创新人才发展体系研究”（项目编号：23ZD004）；2022年度广东省本科高校教学质量与教学改革工程建设项目“智能教育课程群虚拟教研室”（项目编号：0000027326）。

（本文首次发表在《电化教育研究》2025年第3期）

来源：永大英语