为引导职业教育领域系统化、规范化地推进人工智能深度应用，教育部职业院校信息化教学指导委员会(以下简称信息化教指委)对2025年5月发布的《职业院校人工智能应用指引》进行修订，形成《职业院校人工智能应用指引(2026版)》。本《指引》旨在通过职业院校、行业企业、信息化教指委等多方协同合作，推动人工智能技术在职业院校教育教学中的深度融合，培养符合智能化产业需求的复合型高技能人才，助力产业智能化升级。《指引》内容共八个部分。
职业院校人工智能应用指引（2026版）
为适应智能时代发展趋势，落实中共中央、国务院《教育强国建设规划纲要（2024—2035年）》、国务院《关于深入实施“人工智能+”行动的意见》、教育部等五部门《“人工智能+教育”行动计划》等关于促进人工智能助力教育变革的战略部署，对2025年5月发布的《职业院校人工智能应用指引》进行修订，形成《职业院校人工智能应用指引（2026版）》。
一、总体目标、原则与路径
总体目标：引导职业院校开展适应智能时代的教育教学改革，推进人工智能技术与职业教育的深度融合，培养具备人工智能素养及职业能力的高技能人才，助力产业智能化升级。
编制原则：
职业导向——以产业需求为核心，强化岗位所需的人工智能素养及职业能力培养；分层分类——区分中职、高职专科、职业本科的培养目标；动态迭代——适应人工智能技术快速发展，动态更新相关课程内容与技能测评标准；伦理安全——遵循以人为本理念，保护数据隐私，负责任地使用人工智能。实施路径：以产业需求为牵引、国产技术为支撑、分层递进为策略，通过专业技术升级、课程内容重构，以及师资赋能、校企协同、伦理规范等多维创新，持续推进人工智能深入应用。
二、学生人工智能素养发展
职业院校应面向智能时代产业变革和岗位任务重构，将学生人工智能素养培养融入人才培养全过程，推动其与课程教学、实习实训、第二课堂等有机融合。要坚持立德树人，突出以人为本、实践导向和产教融合，系统提升学生理解人工智能、规范使用人工智能、借助人工智能解决专业问题和适应岗位变革的能力，培养具备人机协同意识、职业伦理、安全责任、持续学习和创新实践能力的高技能人才。
（一）学生人工智能素养标准
信息化教指委将研究制定学生人工智能素养标准，形成涵盖“以人为本的人工智能意识、人工智能社会责任、基础知识与技能、思维与行为、协作与交流、专业能力、职业能力”七个维度、“通识素养、专业技能、行业能力”三个层级的学生人工智能素养框架，明确学生在不同阶段必须具备的人工智能素养。“以人为本的人工智能意识”强调学生在人工智能应用中的主体意识与技术态度，是学生形成正确理念的重要基础。
“人工智能社会责任”强调学生对算法偏见、数据隐私与法律规范等问题的理解以及相关准则的遵循，是确保人工智能应用安全与合规的重要保障。
“基础知识与技能”是学生对人工智能基本原理、技术工具与应用方式的理解与操作能力，是后续高阶素养发展的基础。
“思维与行为”关注学生在问题解决与任务完成过程中会采用的数据思维、计算思维等。
“协作与交流”强调学生利用人工智能开展协作与沟通的能力，助力学生进行人智协同。
“专业能力”与“职业能力”从专业领域实践与真实岗位需求出发，强调人工智能与专业技能、典型工作任务、工作过程的深度融合，使学生能够应对未来工作和生活的复杂任务和问题情境。
通识素养层侧重建立学生对人工智能的基本认知框架与价值底线，确保学生在进入专业学习之前具备对人工智能运行逻辑、使用规范与潜在风险的基本理解，使技术使用建立在理性与审慎基础之上，为后续能力深化奠定认知与伦理基础。
专业技能层强调人工智能技术与专业技术的深度融合，人工智能的应用不再停留于一般工具调用，而是嵌入专业课程、问题解决与任务情境中，学生能够在专业情境中配置、调用与维护智能终端设备与智能体，理解其运行逻辑与数据交互机制，支撑专业技术问题分析、方案形成与过程优化等任务的高效执行与人机协同。学生人工智能素养不断生成、调整与协同发展，能够逐步支持稳定的人机互动模式。
行业能力层指向真实或准真实工作情境中的人工智能综合运用，学生需要在时间、资源与伦理等多重约束下规划、部署与维护智能终端及智能系统，针对行业具体需求完成智能系统的选型、部署与调试、日常维护与升级，确保智能系统在生产或服务环境中的稳定运行，完成复杂任务并实现工作过程优化，体现在复杂情境中的整合与迁移能力，这是对学生人机协作能力与风险判断能力的综合体现。
（二）学生人工智能素养发展要求
职业院校学生人工智能素养培养应坚持分段递进、纵向衔接，根据不同学段突出差异化培养重点。中职阶段以启蒙和普及为主，重点是让学生理解人工智能的基本概念、发展脉络与典型应用场景，了解人工智能关键技术的基础原理，认知人工智能系统构成及与传统信息系统的区别；能够使用智能搜索、推荐系统及生成式人工智能工具完成信息获取与内容创作，初步体验图形化智能体的搭建与交互；树立正确的技术使用观，增强数据安全、隐私保护与科技伦理意识，能够辨识人工智能应用中的潜在风险并践行负责任的使用行为。
高职专科阶段以应用和实践为主，重点是让学生能够理解物联网、大数据、人工智能等典型新一代信息技术的原理、技术间的关系及融合应用；熟悉网络与数据安全法规，辨析算法偏见等伦理风险，建立负责任的技术应用观。在技能上，能利用人工智能技术形成适配生产生活场景的应用解决方案；遵循无码化、工具化、场景化原则，创造性地运用数字化资源和人工智能工具解决实际问题。在素养上，强化团队协作、人机协同与创新能力；提升职业伦理与法规意识；树立信息社会责任感，推动技术健康发展。
职业本科阶段以深化和拓展为主，重点是让学生理解人工智能的核心概念与典型应用范式；理解数据、算法、算力在智能系统中的协同机制；理解人工智能关键技术的基本工作原理及能力边界；具备运用智能技术分析问题、解决问题的思维能力；树立正确的技术伦理观，深化对数据安全、隐私保护及算法公平性的认知；在人机协作中坚持人类主体地位，自觉践行科技向善的社会责任。
（三）学生人工智能素养评价
职业院校应将学生人工智能素养评价贯穿课程学习、实训和岗位实习等环节，注重多场景贯通。课程学习评价应结合人工智能通识课、专业课程和项目化教学开展过程性评价；实训评价重点考查任务完成质量、工具使用水平、问题解决过程和规范意识；岗位实习、第二课堂、创新创业教育、技能竞赛和社会实践评价应将人工智能应用实践、作品开发、项目实施和成果展示纳入评价范围。职业院校应推动学生人工智能素养评价由单一知识掌握转向能力获取，评价内容应包括：对人工智能基本概念、关键技术原理、典型应用场景和适用边界的理解能力；运用人工智能工具开展信息获取、内容生成、数据处理和结果优化的应用能力；在学习、项目实践和职业场景中运用人工智能分析问题、解决问题的实践能力；在人机协作过程中体现数据安全、隐私保护、伦理规范、责任意识和风险识别的能力；面向学习发展和职业发展形成的协作交流、迁移应用和创新实践能力。
职业院校应开展综合性的学生人工智能素养评价，将基础测评、项目作业、作品展示、实操考核、实习表现、职业技能证书及相关企业认证有机结合。职业院校应将学生人工智能素养评价结果应用于课程改进、教学诊断、个性化辅导、实习实训安排和学生综合素质评价。
三、人工智能通识课程体系建设
信息化教指委将遵循中职—高职专科—职业本科贯通递进、分层分类、能力进阶的原则，联合职业院校、行业企业研究制定并不断完善职业院校人工智能通识课程体系及相应标准。
职业院校应结合本校专业实际情况，借助本校人工智能相关院系、信息中心等技术部门的资源，建设“通识素养—专业技能—行业能力”三层课程体系，通过必修、选修相结合的人工智能通识课程、专业人工智能技能课程和行业人工智能应用课程，实现对学生的人工智能素养培养。
（一）中高本贯进的通识课程体系建设
职业院校应依照信息化教指委编制的《人工智能通识课教学指南》，结合学生和专业特点细化课程培养定位、核心目标、教学内容与评价等要求，确保知识技能有序衔接、能力素养逐级提升，避免重复教学与内容断层。中职通识课程内容以人工智能基础认知与工具体验为重点，强化基本概念理解、常用工具操作及安全伦理意识培养。高职专科通识课程内容以技术应用与实践能力为重点，突出人工智能工具在专业场景中的应用能力与合规意识。职业本科通识课程内容以复杂问题解决与创新应用为重点，强化人机协同能力、系统设计能力与工程伦理意识。
（二）人工智能通识课程分层模块化建设
职业院校应采用“通识素养—专业技能—行业能力”分层模块化的课程结构，遵循由浅入深、由通用到专用、由技能到能力的培养逻辑，培养学生从人工智能基础知识到技术技能、从通用技能到工作能力、从基础应用到创新实践的全链条素养。人工智能通识素养模块（基础层，必修）应包括人工智能基本概念、发展历程、核心技术原理、数据安全、伦理规范、法律法规等。学生应系统了解人工智能的基本原理及其在学习、生活和产业中的典型应用场景，建立技术理性与伦理底线，具备数字化生存基本素养。
人工智能专业技能模块（核心层，必修+选修）应包括专业领域智能工具操作、数据分析、机器学习基础应用、智能设备运维、提示词工程、轻量级模型应用等。学生应能掌握所学专业适配的人工智能技术应用方法，具备用智能工具解决专业常见问题的实操能力，形成“AI+专业”基础应用能力。人工智能行业应用能力模块（提升层，选修+实践）应包括所学专业对应行业的人工智能解决方案、业务流程智能化改造、真实项目实践、创新方案设计等。学生应掌握行业真实场景中人工智能技术的落地逻辑与实施路径，具备拆解业务痛点、设计智能化改进方案、完成原型开发与迭代优化的能力，形成行业专属智能应用能力。
（三）课程建设与实施保障
职业院校应满足人工智能通识课教学指南的学时要求，总学时不低于16学时。课程实施应结合不同专业特点与学生学情，采用线上线下混合式教学，综合运用项目化、案例化、探究式教学方法。职业院校应配齐配强兼具人工智能理论基础、技术应用能力与科技伦理素养的人工智能通识课专任教师队伍；建立校企人员双向流动机制，广泛引进企业技术专家、行业能手、大国工匠担任产业导师，强化课程教学的实践性与行业适配性。信息化教指委支持职业院校开发人工智能通识课学习智能体，组建虚拟教研室并开展人工智能通识课教学研究。职业院校应建设满足教学需求的标准化人工智能教学机房，配置轻量级模型运行环境、低代码/无代码开发平台、主流生成式人工智能工具等软件资源。
职业院校应依托国家职业教育智慧教育平台等国家级资源库，与企业共建共享人工智能教学案例库、项目任务库、虚拟仿真实训资源、活页8式教材与数字教材。职业院校应依托区域产教联合体、行业产教融合共同体，校企共建校外人工智能实践教学基地。职业院校应建立教学内容与资源动态更新机制，及时融入大模型等前沿技术与产业真实应用场景，确保教学内容与产业发展同频同步。
职业院校应构建人工智能通识课过程性评价（占比不低于50%）与终结性评价相结合的多元综合评价体系，引入教师评价、学生自评、同伴互评、企业导师参评及AI智能助教辅助评价，重点考核学生智能素养、技术应用能力、工程伦理意识与创新实践水平。
四、人工智能专业建设和专业智能化升级
职业院校应紧扣智能原生业态发展和传统产业智能化改造升级需求，建立“行业—企业—院校”三方联动的技能需求动态数据库，梳理典型工作岗位的人工智能应用能力要求和职业素养要求，以教育部《职业教育专业教学标准》为基础，共同制定、定期更新与完善适配人工智能技术发展的专业人才培养方案，共同建设人工智能产教融合实训基地，开展智能化专业技能、行业能力评测，进一步提升人才培养质量及服务经济社会发展的能力。
（一）科学发展人工智能相关专业
职业院校应联合行业企业，精准对接人工智能产业发展需求和国家战略重点，依据教育部《职业教育专业目录》，结合学校自身优势，科学规划、规范设置人工智能相关专业，避免低水平同质化建设，深化校企协同育人。职业院校应推动人工智能相关专业建设全过程紧贴产业细分赛道、紧扣岗位核心任务，按照对应的岗位能力要求，细化培养目标、课程体系、实训条件和评价标准，切实增强人才培养对产业需求和技术变革的响应能力。
（二）推进已有专业智能化升级
职业院校应主动对接各行业智能化升级要求，系统修订人才培养方案，更新人才培养目标，探索适应智能时代的专业思维培养，将行业智能化升级相关内容融入专业教学内容，注重把行业企业人工智能真实项目转化为教学案例，改造实训条件，推动传统专业实现深层次智能化升级。
（三）建立智能化专业分析平台与技能测评体系
职业院校应建立智能化专业分析平台，利用人工智能对产业、行业、企业、岗位、任务相关数据进行分析，为专业建设提供支持。通过预测关键领域人才供需情况为专业设置和动态调整提供科学依据；通过岗位能力分析为专业人才培养方案修订提供支持；通过岗位任务和能力分析为课程体系调整和课程开发提供支持。信息化教指委支持有条件的职业院校联合行业企业、科技企业，分析行业标准和岗位需求，编制行业及相关专业的能力图谱，构建智能化技能测评体系，开发基于大模型的技能评测系统，动态评估学生人工智能专业技能和行业能力。职业院校应积极推进智能化技能评测系统的应用，精准识别每位学生的优劣势，生成个性化的学习建议与技能提升方案。将测评结果与学生的就业需求进行智能匹配，帮助学生了解自身职业定位，为其量身定制发展路径，提升就业匹配度。
五、人工智能教学模式创新
职业院校应推动人工智能融入教学环境、教学方法、教学资源、教学评价，积极探索个性化学习与技能训练、项目驱动与案例教学、智能化实训教学、多元协同实习管理、精细教学管理与虚拟教学研究等新模式。
（一）个性化学习与技能训练
职业院校应支持对学生全学习过程的多模态学习数据采集，利用人工智能教学系统对学生的过往学习行为和结果数据进行分析，形成学生学习风格和偏好、知识基础和技能水平报告，结合未来岗位能力要求，为学生规划个性化学习路径、推荐适切的教学资源、提供针对性的问题答疑，支持学生开展一人一策的学习和技能训练，推动学习和技能训练由统一向个性化转变。
（二）项目驱动与案例教学
职业院校应主动与企业和行业协会对接，建立企业和行业协会参与课程设计、资源开发和实施评价的协同机制，引进以本地企业为主的真实智能化生产任务和案例，实现企业真实生产过程与学校教学过程的无缝对接。教师应指导学生运用人工智能开展案例资料分析、方案设计、协同实践、过程优化和成果迭代，支持学生与人工智能协同学习。
（三）智能化实训教学
职业院校应利用人工智能优化实训资源与流程管理，实现实训场地、设备、师资等资源的动态配置，并基于阶段评估结果优化实训进度规划和任务分配；分析学生群体背景、能力差异与需求特征，基于数据反馈动态优化实训设计，调整实训教学目标，优化实训方案、任务和评估标准。职业院校应加强人工智能与虚拟仿真技术在实训教学中的融合应用，围绕“三高三难”类实训项目构建面向岗位技能训练的智能化虚拟仿真实训教学场景。对于强调操作性的实训项目，可在虚拟仿真实训过程中利用人工智能对学生进行实训引导与实操动作纠偏，提升学生操作熟练度。对于岗位任务链清晰、操作过程可分解的实训项目，可通过人工智能对学生过往技能操作行为分析实时生成实训参数，动态构建虚拟仿真实训场景，增强学生的沉浸体验和问题处置能力。
职业院校应借助人工智能构建未来实训中心，形成“校内实训环境+线上虚拟环境+远程工作环境”深度融合的教学环境，实现学校教师、企业导师、智能助教的协同实训指导，探索跨区域、多主体协同的远程协同实训新模式，提升实训资源利用效率和实训教学覆盖范围，提高企业教师远程实训指导的效率和效果，提升学生技能训练水平与团队协作能力。
（四）多主体协同实习管理
职业院校应依托数智技术实现实习的多主体协同管理。建立企业信息库和岗位需求库，智能分析企业岗位需求与学生专业技能、职业兴趣的匹配度，实现学生与企业的双向精准匹配；利用智能岗位匹配工具优化从实习前期、实习过程到后期反馈的全周期管理，确保各环节的高效协同；联合实习企业依托人工智能感知分析实习环境、设备状态和学生行为，实时预测并预警潜在安全风险，保障实习过程中的安全性与风险可控性。
（五）精细教学管理与虚拟教学研究
职业院校应基于历史数据和实时数据，开发智能决策辅助工具，帮助教学管理部门制定更科学的教学资源配置方案，实施更精细的教学管理。职业院校应根据教师的研究方向、兴趣点及历史行为，智能推荐相关文献、会议、项目合作机会，提高教研工作效率；将智能助手融入虚拟教研室，助力教师探索教学规律、教学方法创新，实现教师教研能力的持续提升。
六、教师人工智能教学胜任力提升
教师的人工智能教学胜任力是职业院校人工智能应用的关键，职业院校应开展教师培训，建立保障体系，推动教师人工智能教学胜任力提升。
（一）教师人工智能教学胜任力标准
信息化教指委将组织制定教师人工智能教学胜任力标准，形成涵盖“以人为本的理念、社会责任、知识与技能、教学应用、职业能力、专业发展”六个维度、“普及层、深化层、研发层”三个层级的能力框架，明确教师在不同阶段必须具备的人工智能教学胜任力。
“以人为本的理念”是职业院校教师开展人工智能教学的思想基础和价值导向。教师须形成正确的人工智能价值认识，理解人工智能对经济、产业发展以及职业教育内涵提升和人才培养模式变革的推动作用，认识其在创新教学模式、提升教育质量中的价值，并认识到保持人类能动性与师生主体性的重要性，警惕过度依赖技术可能带来的负面影响。
“人工智能社会责任”将技术应用的规范性和安全性内化为教师的基本素养。教师在使用人工智能技术时应自觉遵守数智社会的价值观念、道德责任和行为准则，遵循正当必要、知情同意、目的明确、安全保障原则，尊重知识产权，避免侵犯他人权益，理性参与网络传播；教师还须具备人工智能安全意识，能够采取措施防止隐私泄露，有效辨别和应对网络风险。
“人工智能知识与技能”是教师进行人工智能教学的基础。在知识层面，教师需要了解高技能人才培养对人工智能技术的需求，理解利用人工智能开展教学的基本概念和理论，掌握人工智能环境下的教学设计模式，熟悉专业相关的人工智能教学资源和工具，理解教学效果评价的理论与方法；在技能层面，教师则需能够熟练操作常用智能化硬件设施和工具、软件、平台，具备构建知识库、进行数据处理与分析、训练并调试优化模型的能力。
“人工智能教学应用”是教师在技能人才培养的实践过程中应用人工智能开展创新教学实践的外在体现，包括教学设计、教学实施、教学评价和协同育人四个核心教学环节，包括创设智能学习环境、获取与开发智能教育资源、组织与实施人机协同教学活动、选择和运用智能工具采集数据并进行学业分析，实现学业数据可视化、分析解释和教学决策，开展校企合作、协同育人等复杂的人机协同教学过程。
“人工智能职业能力”将人工智能能力与教师的职业角色和专业领域紧密结合，包括人工智能职业知识和人工智能职业技能。教师不仅需要掌握人工智能技术与专业知识、教学理论有机结合的方法，以及技术有效融入教育教学活动的方法，而且要将行业企业对从业者的智能素养与技能要求等融入专业人才培养方案、课程教学目标、教学内容等教学要素中，从而培养真正能够适应未来工作岗位的高技能人才。
“人工智能支持下的专业发展”是职业院校教师持续更新教育教学中人工智能应用的理念、知识和技能，提升应用水平的关键策略，包括基于人工智能的教学研究、教学创新、终身学习和专业发展四个方面。教师不仅需要“用人工智能教好学生”，更需要借助人工智能增强自我迭代与创新实践的能力，从而“借助人工智能成为更好的自己”。
（二）培训与发展要求
职业院校应采用“分层分类+产教融合”策略，开展全员培训，推动教师人工智能教学胜任力发展，构建全员通识素养、专业技能和行业能力并举、校企协同的双师型团队，促进人工智能教育教学的创新发展。职业院校应充分考虑教师专业背景、技术基础和教学需求差异，通过分层分类的培训和形式多样的教师发展活动提升教师的人工智能教学胜任力。普及层应能熟练使用人工智能教学工具开展教学；深化层应能熟练使用行业企业中常用的人工智能技术与方法开展教学；研发层应能参与企业人工智能项目，具备行业企业人工智能应用的研发能力。职业院校应积极联合行业企业推动“双师型”教师培训团队建设，由人工智能教育方面的专家和企业工程师联合开展教师培训。
职业院校应鼓励教师将企业项目经验（如通过人工智能优化工业生产流程）转化为教学案例，并逐步建立校内外共享的案例库。信息化教指委将定期组织人工智能教学能力研修、人工智能教学典型案例征集、人工智能教学优秀课程观摩等活动，发挥示范引领作用，共享优秀资源，推广成功经验。
（三）胜任力提升保障
职业院校应构建全面的保障体系，推动教师人工智能教学胜任力提升。职业院校应建立教师人工智能教学胜任力发展的技术赋能平台，收集多模态的教学过程数据、学生学习数据以及教师发展活动数据，实现数据驱动的教师人工智能教学胜任力的精准诊断与持续跟踪。职业院校应将教师人工智能教学胜任力纳入教师评价考核范畴，构建教师人工智能教学应用的动态评价机制，对表现突出的教师给予重点支持，对暂时落后的教师提供针对性帮扶。
职业院校应建立健全激励机制，鼓励教师积极参与各类人工智能教学实践与研修活动，形成“评价－反馈－激励－改进”的良性循环。职业院校应营造良好的环境氛围，宣传人工智能教学的先进理念与成功案例，鼓励教师人工智能教学创新应用，让教师感受创新的氛围，减少其尝试新技术的后顾之忧。
七、人工智能伦理与安全要求
职业院校应坚持审慎而积极的态度，既主动探索人工智能赋能高技能人才培养的创新路径，又严守伦理底线和安全规范，确保人工智能应用始终服务于立德树人根本任务。
（一）加强伦理教育
职业院校应将伦理教育贯穿教学全过程，培养师生批判性使用人工智能的意识和能力。建立教师主导、学生主动、人工智能辅助的人机协作关系。教师应引导学生理解人工智能的原理与局限，能够识别适用场景、掌握有效使用方法、判断输出准确性，坚守实践诚信和职业道德，形成负责任的应用习惯。
（二）严格数据隐私与算法公平
职业院校应建立健全数据全生命周期管理制度，规范数据收集、存储、使用和销毁流程，实施数据分级分类管理，防止数据滥用和未经授权访问。建立内容审核与算法公平评估机制，对人工智能用于关键决策保持可解释性，定期检测和纠正算法偏见，防止技术应用对特定群体的歧视性影响。
（三）健全敏捷协同的治理机制
职业院校应建立人工智能应用的责任清单和问责机制，明确各方职责，支持跨部门敏捷协同治理。建立常态化安全管理与审计机制，实施风险分级管理。引入第三方评估和行业监督，明确校企合作中人工智能应用的伦理安全责任，形成共建共治的治理格局。
（四）加强人工智能的合规建设与应用
职业院校在建设或引入大模型、智能体时，应确保语料来源合法、内容合规，应优先采用符合国家信息安全标准的国产技术，应建立涵盖研发、上线到应用的安全运维体系，在确保安全可控的前提下支持创新应用。
八、人工智能应用的保障措施
职业院校应实现人工智能应用的跨区域、跨行业的多方协同合作，从组织体系、专用大模型、技术系统等方面制定保障措施，促进人工智能教育资源、技术和成果的共享。
（一）人工智能应用的组织保障
职业院校应设立专门机构，配备专业人员，出台专项工作方案，推动人工智能应用。职业院校应设立智能运行中心（IOC）或人工智能教育中心等专门机构，强化人工智能应用的数据统筹、技术支撑与教学协同；建立由学校统筹领导、专门机构协调、各职能部门和二级院系具体落实的运行机制，明确相关部门和人员工作流程。专项工作方案应围绕学校教育教学改革需要，统筹推进专业智能化升级改造、人工智能课程建设、人工智能教学模式创新、师生智能素养及能力提升，促进人工智能的常态化应用。
（二）职业教育人工智能专用大模型应用
相比通用大模型，职业教育专用大模型在行业知识领域出现幻觉的概率更低，在专业教学应用中的适用性更强。信息化教指委将联合职业院校、行业企业等相关方遵循从行业到专业的逻辑，积极推进职业教育领域专用大模型（即行业—专业大模型）的共建共享。
职业院校应积极参与专用大模型建设，结合自身办学定位、专业特色和人才培养特点提供场景需求，在政府部门、教科研机构、行业企业和教育科技企业的支持下参与试点验证、场景测试和应用反馈。
职业院校应制定适合的专用大模型应用方案，将大模型作为专业智能化升级、课程智能化改造、教材智能化开发、实训基地智能化建设、教师人工智能教学胜任力提升的重要抓手和支撑，深入推进专用大模型的应用。职业院校应通过试点先行、分层推进、示范带动等方式，逐步形成可复制、可推广的专用大模型应用模式；持续优化专用大模型的应用适配效果，通过教师、学生、企业导师等多元主体的应用反馈，及时发现模型存在的问题，推动自身应用方案、专用大模型数据和算法、组织协调机制等方面不断完善。
职业院校应加强专用大模型应用过程中的内容审核和伦理规范建设，确保专用大模型在应用过程中符合教育规律、专业规范和人工智能伦理要求。
（三）人工智能应用的技术保障
职业院校应充分借助科技企业的共享算力资源，结合私有算力建设，构建云边端协同的人工智能算力与服务环境，支撑人工智能在校内安全、稳定、高效落地应用。职业院校应通过引入通用大模型、行业—专业大模型、智能体等，建设支持文本、图像、音频、视频和结构化数据处理的人工智能基座，为学校人工智能的各类应用提供算法基础支撑。职业院校应将人工智能与智慧校园已有技术系统进行集成，完善数据接口、身份认证、权限管理和日志审计等机制，为学校人才培养和治理提供智能化技术与工具的支持。
（转载：教育部职业院校信息化教学指导委员会）
一审：付燕华 二审：梁建胜 三审：谭继安
