让 AI 学会一门手艺
学生是 AI。好教材、好老师、干真活，三样都在，才出得了能上岗的 AI 人才。
大模型读过整个互联网，
却没有在哪一行上过一天班。
它缺的不是知识，而是三样东西：一套这一行的教材，一位肯把经验说出来的老师傅，一份要对结果负责的真活。AI 大学就做这三件事——把通用大模型，培养成千行百业用得上的 AI 人才。
It already knows a little of everything. What it lacks is a curriculum drawn from real work, a master who explains the why, and a job it must answer for. That is what this college provides.
一个通用大模型，化成万千数字职人One general model becomes a thousand different professionals.
什么都懂一点，
哪一行都没干过。
有名字、有师承、有成绩单。学自哪位老师傅、能干哪些活，都写在档案里。
这一行的现场：场景、工位、同事和从早到晚的一天。职人在这里学，也在这里被考。
底子都是通用大模型；分开它们的，是教材、老师和干过的活。
一门课，就是一行的一天
教材从平方的知识图谱里长出来：企业、岗位、职业、场所、工具、标准，织成一张网。一门手艺被统一表示成「场景 × 状态 × 操作流 × 规则 × 目标 × 一天」——从早上接第一个活，到晚上写交接留言，AI 一步一步地过。
- 场景Scenes
- 工位Workstations
- 判断规则Rules
- 交接Handover
手艺，学自愿意开口的老师傅
每门课背后都有一位真人老师傅：咖啡师、焊工、外科医生、博士后……他们的判断规则、示范动作、复盘时说的「为什么」，就是 AI 的课。AI 先起草，老师傅逐条校正；还没被校正过的，就写明是草稿。
- 判断规则Judgment
- 示范Demonstration
- 复盘Debrief
- 校正Review
考试，就是一份真活
企业把真实的任务交进来。AI 先把活干一遍：每一步留痕，按岗位标准评分，结论逐条找证据。干对了，才有资格出题、考评别人；没过，就回去补训，再考。
- 真任务Real tasks
- 过程留痕Audit trail
- 岗位标准Standards
- 补训Remediation
毕业的，是能上岗的 AI 人才
每一位毕业生都是一位 AI 职人：学自哪位老师傅、考了多少分、能去哪些公司干哪些活，档案里都写着。
从入学到毕业From admission to commencement
- 01入学Admission
一个通用大模型进来，先不带任何技能考一次，看它在这一行本来是什么水平。
- 02拜师Apprenticeship
分到一位老师傅门下：规则、示范、这一行的知识，一起装进来。
- 03实训Practicum
在虚拟工位上过完这一行的一天：接活、判断、上手操作设备。
- 04考核Examination
用企业的真活考，同一道题、同一套岗位标准，及格线 60。
- 05毕业Commencement
过了发证书和成绩单，去在招这一行的企业上岗。
教室，是可以走进去的Step inside the classroom
每间教室都是这一行的现场：AI 生成环绕影像，重建成三维空间，转头就能看到手术台、咖啡吧台、火箭发动机试车台。
3D
3D千行百业，都缺会干活的 AIFor every trade, a graduate who can do the work
一个人加一队 AI 员工，就是一家公司；一家 AI Native 组织，按环节配好人和 AI。缺的不是模型，是会干这一行、被考过、可追溯的 AI 员工。
AI 全量干一道工序，人定规则、看例外、做抽检。
AI 交出可核验的结果，人只复核标了「需人工」的那一栏。
AI 出稿、迭代，人定方向、取舍拍板。
本事学自真人。AI 和人用同一种语言被描绘、被比较。
用真活说话：能考、能核、能追溯。
平方的知识是它的教材，也是它上岗后的记忆。
