澳大利亚大学里，AI并不是一门等毕业后再补的技能。OpenAI委托的调查显示，受访学生中已有81%每周多次使用AI，33%每天使用多次，28%甚至做过帮助学习、工作或生活的智能体。学生已经把工具带进校园，学校面对的问题因而变了：不再只是要不要允许，而是如何让大规模使用不挤掉独立判断和专业训练。

11月5日，OpenAI集中披露与新南威尔士大学、悉尼大学、拉筹伯大学和阿德莱德大学的合作。规模最醒目的一项来自新南威尔士大学，ChatGPT Edu将覆盖超过8万名学生和教职员工。悉尼大学计划在试点后于2027年第一学期向所有学生开放；拉筹伯大学已有3500名员工获得权限，并计划在2027年第一季度覆盖4.5万名学生和员工。

账号普及只是最外层

如果只看账号数量，这像一次校园软件采购。但这些学校正在把AI放进具体训练场景。拉筹伯大学的急救医学课程用ChatGPT生成临床情境，让学生判断心电图、识别心脏事件或处理大规模伤亡分诊。教育学院则用搭载大模型的社交机器人，模拟未来教师与家长发生冲突的谈话。学生不是交出一段漂亮文字，而是要解释证据、说清推理并为决定负责。

这种设计揭示了规模化接入后的真正成本。工具能快速生成情境，却不能替学校定义何为合格判断；它能帮助学生反复练习，却不能替代教师决定哪些能力必须在没有AI协助时展示。拉筹伯大学披露，扩大使用还伴随权限管理、培训和token成本。活跃用户月度增长10%，意味着后台治理必须跟上前台热情，否则“人人可用”很容易变成少数人熟练使用、其他人只获得一个登录入口。

悉尼大学把同一问题延伸到了基础设施。学校除分阶段上线ChatGPT Edu，还设立100万澳元的AI可持续性研究与创新基金，用自身部署观察能源、冷却和生命周期影响。这里出现了一个常被忽略的变化：当AI从个人订阅变成校园公共设施，它的成本不再只是一张软件账单，也包括数据治理、环境测量、教师培训和课程重写。

考试开始区分“会不会”与“会不会用”

更关键的动作发生在评估规则。新南威尔士大学引入Can、Can’t、Must框架，教师可根据学习目标明确规定AI可以使用、不得使用或必须使用。悉尼大学则把受监督环境中的独立能力，与开放评估中的AI协作能力分开验证。规则没有把AI一概挡在门外，也没有把使用工具等同于掌握知识。

这套分法让两个问题可以同时被检查。一个学生能否在没有模型代答时证明基础知识？在允许使用AI时，他又能否提出合适问题、核验结果并承担后果？前者保护学科底座，后者对应进入职场后的真实工作。若只保留其一，学校要么培养会考试却不会调用新工具的人，要么培养会生成答案却无法判断答案的人。

调查样本为1018名18岁以上的澳大利亚大学生，访问发生在8月3日至7日。它由OpenAI委托，不能被当作整个高教系统的独立普查，但足以说明参与合作的学校为何把“使用”与“判断”同时写进方案。79%的受访者希望学校提供更多机会，让他们用高级AI工具解决真实项目；同样比例的人想把AI用于健康、气候、科学或网络安全问题。

大学扩容ChatGPT之后，变化最大的并不是机房里多了多少账号，而是能力证明的结构。学生需要在有工具和无工具的两种环境里交付证据，教师需要把课程目标翻译成明确的使用边界。AI从课外捷径变成正式训练设施，学校也就从“防止学生使用”转向“设计怎样使用才算学会”。