近期，宇树科技首席执行官王兴兴关于国内AI教育现状的言论引发了广泛讨论。他指出，我国校园教学内容相对滞后，许多教材和课程仍沿用十几年甚至二十年前的知识体系，相比之下，海外教育体系则更加重视引入前沿技术和知识。
中国科学院的一份报告也揭示了类似的问题。报告指出，我国教材的平均更新周期为5.8年，部分教学内容甚至滞后科技发展十年之久。特别是在计算机科学领域，当业界已经飞速发展到云原生、大模型等前沿领域时，计算机等级考试的重点仍然停留在C语言等传统内容，而量子计算等新兴领域在教学体系中尚未形成独立系统的内容。
AI教育还面临着实践与理论脱节的挑战。国内传统教学往往侧重于理论知识的传授，导致学生缺乏实践机会。例如，工科学生能够熟练背诵理论公式，但在面对实际工程问题时往往束手无策。相比之下，德国应用技术大学的学生则拥有大量参与企业项目的机会，能够将所学知识应用于实际。
跨学科培养的不足也是AI教育面临的一大问题。现代社会问题往往需要跨学科知识的综合运用，但国内校园教育往往存在学科界限分明的现象，学生缺乏跨学科实践的机会。例如，设计智能产品需要机械、电子、计算机、设计等多学科知识的协同，但在校园教育中，学生很难获得这样的实践机会。
同时，教师知识更新的滞后也是制约AI教育发展的因素之一。据统计，45岁以上的教师中，掌握生成式AI工具的比例不足7%，元宇宙教学场景的覆盖率也仅有3.2%。部分教师长期脱离行业一线，导致教学内容与实际需求脱节。
针对这些问题，有网友提出，大学的培养计划和课程大纲往往是在学生入学前制定的，而专业课通常在大三或大四开设。这意味着学生所学的知识往往是三、四年前入学时确定的，即使当时是最新的内容，到学习时也可能已经过时。
为了解决高校知识老化的问题，需要教育部门、学校、教师、企业和学生等多方面的共同努力。教育部门和学校应加快教材的更新速度，改革教学方法，推动教师知识的更新，完善评价机制，并加强产学协同。同时，学生自身也应树立终身学习的理念，主动提升自己的综合素养。
值得注意的是，最新公布的《教育强国建设规划纲要（2024—2035年）》已经对上述问题作出了回应。规划提出增强高等教育综合实力，推出“中国系列”原创教材，打造自主教材体系，并建设一批本科和研究生一流核心教材，同时遴选引进一批理工农医学科前沿优质教材。
