未来社会系列 · 第九篇

两会开幕前两天，马云带着阿里核心高管集体现身云谷学校。他说了一段话，被无数教育自媒体转发，赞誉声一片。

同期，两会上的教育学者、专家委员们也说了很多话，同样赢得广泛认同。

这些话有一个共同的词汇表：好奇心、想象力、创造力、批判性思维、终身学习。

我认真看完这些发言之后，有一个不舒服的问题想问：说这些话的人，真的知道在AI时代应该怎么教吗？还是说，这套话语本身就是一种回避？

一、两会的AI教育发言：有多少是真知，有多少是话术

今年两会，AI与教育是出镜率最高的议题之一。我把主要发言梳理了一遍，试图找到真正有信息量的判断。

教育部长怀进鹏的核心表述：2026年将出台AI赋能教育政策文件，系统部署全学段AI通识教育。已有AI精品课程超1000门，覆盖2000余所高校50万师生。AI是"金钥匙"，"不仅影响未来的教育，也影响教育的未来"。

科大讯飞董事长刘庆峰带来7份建议，6份聚焦AI，呼吁建立"全民AI素养+AI复合型人才"体系。

北京通用AI研究院院长朱松纯说：AI正在抹平智力差异，教育重心必须从"智力"转向"德力"，回归"大学之道，在明明德"。

马云说：AI时代老师可以从知识灌输者变成培养孩子好奇心、想象力、创造力的人。

听起来对不对？听起来都对。

但我想在这里做一个简单的测试：把这些话里的"AI时代"四个字去掉，它们还成立吗？

"教育应该培养孩子的好奇心、想象力、创造力"——这句话在1960年代的进步教育运动里说过，在1990年代的多元智能理论里说过，在2000年代的创新教育浪潮里说过，在每一次技术革命前后都被重新说一遍。它在任何时代都是对的，也正因为如此，它在任何时代都没有被真正落实过。

一句在任何时代都成立的话，对理解这个时代没有任何帮助。

这就是"好奇心、想象力、创造力"这个词汇表的本质：它是教育理想主义的万能包装，可以套在任何时代的任何技术冲击上，既不会说错，也不承担任何具体责任。

更值得深想的问题是：这些人是因为立场而说这些话，还是他们真的说不清AI时代真正重要的是什么？

两者都有，但后者比我们想象的更普遍。

AI时代到底应该教什么、怎么教——这是一个目前没有人真正回答清楚的问题。不是因为没人聪明，是因为这个问题本身的答案还没有被历史沉淀出来。站在浪头上的人，最容易用漂亮的话掩盖自己的茫然。

朱松纯是一个例外。他说的"从筛选智力转向培养判断力和价值体系"，触碰了真实的矛盾。但他也没有说下去——那高考怎么办？评价体系怎么改？他的边界是体制内人的边界，真正的雷区他没有越过。

刘庆峰的"全民AI素养体系"，说到底需要标准化课程、认证和实训平台，这些恰好都是科大讯飞的产品边界。用两会话语为商业版图画护城河，是另一种话术，只是包装更精密。

怀进鹏用的词是"赋能"，不是"重塑"。AI赋能教育，是AI来帮助现有体制更好地运转；AI重塑教育，是现有体制的部分合法性要被质疑。前者是政策语言，后者是没人敢说的话。

二、一个真正做了事的人：廖祥忠和中传的课堂革命

在这片话术的海洋里，有一个人做了不一样的事，值得单独讲。

全国政协委员、中国传媒大学党委书记廖祥忠在两会上透露：去年中传一口气砍掉了翻译、摄影等16个本科专业方向。理由很直接——未来是"人机分工时代"，这些课继续教下去意义已经不大了。

他的原话是这样的："作为老师必须清楚：这门课为什么要上？这门课在整个知识体系中承担什么作用？支点在哪里，难点在哪里，和未来的对接点在哪里？解决了这些，剩下的交给AI，让学生去学习。"

今年Seedance 2.0出现之后，他说"感到非常震惊，以后何去何从"。

这句话的信息量，远大于所有关于"好奇心"的演讲。一个高校管理者公开说"我不知道以后怎么办"，这是真实的、有价值的困惑，不是话术。

中传的动作不只是砍课。他们同时在增设游戏科学与技术、电子竞技、品牌学等新专业，推进"四个一批"专业建设，全面重构通识教育体系，鼓励老师在课堂上明确要求学生使用AI并标注使用了哪些部分。在校学生的感受也印证了这一点——课堂确实变了，老师开始说"用AI帮你查文献、搭框架，但核心判断要是你自己的"。

但这里有一个真正的矛盾值得深入。

砍掉翻译、摄影专业，是因为AI替代了这些技能的基础部分，这个判断是准确的。但"剩下的交给AI"这句话本身，埋着一个没有被回答的问题：那留下来的是什么？

如果AI能做翻译的基础部分，留下的是"高端翻译"——那我们培养的是能驾驭AI翻译工具的人，还是真正理解语言深层结构的人？这两者是不一样的教育路径。如果AI能做摄影的技术部分，留下的是"创意摄影"——但创意从哪里来？怎么教？

廖祥忠是这批人里行动力最强的。他知道要变，也真的在变。但"人机分工"这个框架，回答了"谁做什么"，没有回答"人应该发展出什么能力才能在分工中不被边缘化"。

这个问题，不只是中传，是整个教育界都还没有想清楚的事。

三、美国正在发生什么——真实的混乱与真实的探索

我在中国的AI教育讨论里，很少看到有人系统地说美国在发生什么。但美国恰恰是最重要的参照——不是因为美国的路径一定正确，而是因为它是目前AI与教育碰撞最激烈、实验最密集、问题也最裸露的地方。

先说真实的混乱

2025年，美国54%的学生和53%的教师表示在学校使用AI，比一两年前提高了超过15个百分点。这个速度意味着：政策、伦理框架、教学法改革，全都跟不上实际使用的速度。

学术诚信体系接近崩溃。这不是夸张的说法，是有数据支撑的描述。亚利桑那州立大学的一名生物学教授做了一个审计：21门面授课程里，平均45%的得分可以通过AI轻松获得，而不需要学生付出真实的学习努力。这不是"作弊比例"，这是评估体系的失效比例——那些本来用来测量学习成果的作业，已经失去了测量功能。

更荒诞的是正在上演的军备竞赛。教授用AI检测工具检查作业→AI检测器被反复证明不可靠，更容易误判非英语母语学生→学生为了避免被误判，用另一个AI工具把自己的文章改成"不像AI写的"。一个大学生说出了这件事的本质："我的写作没有任何真实想法，我只是在写让AI检测器不报警的文字。"

这个循环的终点是什么？评估的意义彻底瓦解。大学正在大规模回归纸笔考试和口头答辩——不是因为这是更好的教育方式，而是因为这是目前唯一能确认"是这个学生在思考"的方式。这不是进步，这是退守。

联邦层面的混乱也值得说。拜登政府时期的教育部倾向于立护栏，强调AI使用的安全性和公平性。特朗普第二任期的逻辑完全不同——2025年4月签署行政令"推进美国青年AI教育"，核心词是"维持美国在技术革命中的全球主导地位"。注意这个框架：AI教育政策的目标是国家竞争，不是人的发展。这和中国两会的叙事框架，惊人地一致。

再说真实的探索

但美国也有真正值得认真对待的实验，这是我们鲜少看到的另一面。

Khan Academy的Khanmigo是目前最值得看的案例之一。它的用户从2023-24学年的6.8万，增长到2024-25学年的超过70万，合作学区从45个扩展到380多个。它的核心设计原则是：不给答案，用苏格拉底式追问引导学生自己找到答案。在理念上，这比"AI告诉你正确答案"的路径更诚实，更接近学习的本质。

但Khan Academy的首席学习官的一段话，是整个AI教育讨论里我见过最诚实的表达。她说：当我查看学生与Khanmigo的对话记录，有些完全符合期望，学生在回答问题后提出自己的问题来深化理解。但也有大量对话，学生只是回复"不知道"，或者——"兄弟，IDK（我不知道）"。如果学生不付出认知努力，就没有理由期待他们能从中学到什么。

这句话揭示了AI教育工具最根本的悖论：工具的上限取决于使用者的意愿，而意愿是技术本身解决不了的问题。

麻省理工的研究者也发现了另一面：当高中教师从"管控AI"转向"把AI整合进教学设计"时，学生对复杂学科的理解反而更深。关键不是AI出现或消失，而是教学设计如何回应AI的存在。

美国各州的立法实验，也呈现出一种中国体制下几乎不可能发生的碎片化：加州、康涅狄格州在建立"监管沙盒"；俄亥俄州和田纳西州要求每个学区自己制定AI政策而不是统一规定；超过一半的州教育部门发布了AI使用指南，但大多数不具有法律约束力。这种碎片化既是效率低下的来源，也是真实实验的来源——50个州正在进行50种不同的尝试，没有人规划整体，但知识在积累。

美国给我们最重要的教训

不是它的成功，是它的失败模式。

一旦AI工具进入课堂，原来用来测量学习的评估体系会先失效，然后才是教学体系的重建。这两个阶段之间有一段真空，这段真空里充满混乱。中国的AI教育浪潮还在"如何推广"的阶段，美国已经在"推广之后怎么收拾"的阶段了。提前看清这个过程，是比学习任何具体工具都更有价值的东西。

四、真正的增量：自我、家庭、社群

前面说的都是机构在做什么。但我认为教育真正的变量，恰恰在机构触达不到的地方。

传统教育体系有一个根深蒂固的假设：学校是主体，家庭是辅助，自学是例外。这个假设在工业化时代有其逻辑——知识需要专业传递，普通家庭没有能力承担系统教育。

AI出现后，这个假设的地基被抽掉了。一旦任何人随时可以获得高质量的知识传递，"学校是主体"就不再是技术约束，只是制度惯性。

AI做的事情，是把以前只有精英家庭才能买到的东西——一个有耐心、有学识、随时在线的陪伴者——变成了有手机就能用的工具。 这是真实的权力转移，不是口号。

自我教育、家庭教育、社群教育，因此成为真正的增量，而不只是补充。

自我教育提供的是内驱动机的生长空间。学校的评价体系天然压制内驱力——评价是外部的，动机就会外部化。自我教育发生在评价缺席的地方，失败没有代价，探索不需要理由。一个孩子在没人打分的情况下持续做一件事，那才是真实的动机信号。

家庭教育提供的是个性匹配。一个教育者面对三十个孩子，能做到的个性化是有限的，不是因为他不够好，是因为结构不允许。家庭里一个大人面对一两个孩子，可以做到真正的个性化——不是"因材施教"的口号，而是对这个具体孩子的长期观察和持续调整。

社群教育提供的是真实问题和真实他者。学校里的问题是人造的，答案是已知的，目标是标准化。社群里的学习发生在真实摩擦里——和背景不同的人协作、争论、失败、重建共识。这是AI最难替代的场景，也是最接近真实世界的场景。

但这三种教育有一个共同的前提，一直以来都是稀缺的：会提问的大人。

大多数家长没有接受过任何关于如何引导孩子思考的训练。他们要么直接给答案（因为焦虑，因为效率），要么不知道怎么提一个让孩子真正开始思考的问题。这个缺口，才是AI能做点什么的真实入口。

五、"IDK"，以及中国家庭面对的真实困境

在继续往下说之前，我想停在"IDK"这个时刻多说几句。

Khanmigo的学生回复"兄弟，IDK"，这不是一个作弊的故事，也不是一个懒惰的故事。这是一个动机的故事。

工具在那里，能力也在那里，但孩子选择不用。这不稀奇——人类几千年来一直有比努力学习更轻松的选择，大多数时候我们都选了更轻松的那个。AI没有改变这个基本事实，它只是把"最轻松的选择"变得更触手可及了。

中国家庭面对的处境更复杂。

很多家长告诉我，他们对孩子的想法是左右不了的，甚至孩子总是反着来。现在的孩子比以前更早开始寻求身份独立感——"你不懂"是最高频的句子。这不完全是叛逆，有时候是真的：孩子在某些领域确实比父母接触得更多，父母的信息来源确实已经落后了。

AI的出现加了一个新变量。孩子以前叛逆，最多是不听父母的，转而听同学的、听网红的。这些影响源虽然参差不齐，但有一个特征：都是人，都有局限，孩子能感受到摩擦。

AI的不同在于它没有摩擦。它永远耐心，永远站在你这边，永远有更多知识，永远不觉得你的问题蠢。对一个正在建立独立判断系统的孩子来说，这种无摩擦的权威，比父母的强制管控更难被察觉，也更难被质疑。

表面上叛逆、独立，实际上可能是换了一个更隐蔽的权威来服从。

小城市的家庭还有另一层处境。那里暂时还没有大城市那种"鸡娃"焦虑，但家长们隐约感受到AI在改变什么，只是说不清楚。他们担忧孩子的未来，但不知道具体担忧什么、能做什么。与此同时，孩子对某些事情一定有兴趣——打游戏，拆东西，画画，跟朋友聊某个话题。这个兴趣，和孩子未来怎么在AI时代找到自己的位置，之间有一段路，但这段路目前没有人帮他们找到。

这里有一个真正的机会，不在学校里，在家庭里。

一个普通家长，如果能做到一件事——用真实的好奇而不是焦虑的管控去面对孩子，今天问一个自己也不知道答案的问题，然后真的听——这件事的教育价值，比任何AI通识课程都要大。

困难的不是方法，是习惯。焦虑催生的是管控，不是陪伴。而习惯是可以改变的，如果有足够好的工具帮助。

六、一些正在发生的好事

前面说了太多困境，我想在这里停下来说说真实存在的好事。因为这些好事，才是理解教育真正走向的线索。

第一件好事：中传的"课堂革命"，尽管还没有完整答案，但提出了正确问题。

廖祥忠说的"这门课在整个知识体系中承担什么作用"——这才是所有教育者在AI时代需要认真回答的问题。以前这个问题不重要，因为课程是历史积累的，有课就教，教了就考。现在这个问题变得生死攸关。中传的做法是：逼着每个老师去回答这个问题，回答不了的课就先停。这是一种粗糙但真实的清理。

第二件好事：Khan Academy的苏格拉底式设计，证明了AI工具可以有不同的价值取向。

大多数AI工具的设计逻辑是：用户输入问题，AI输出答案，效率最大化。Khanmigo的逻辑是反的：AI的工作是让学生付出更多认知努力，而不是更少。这两种设计取向背后是两种完全不同的教育哲学。前者在商业上更成功，后者在教育上更诚实。两者都存在，说明市场没有完全压倒教育哲学。

第三件好事：开源生态里正在涌现真实有用的工具，而且是免费的。

Hugging Face上有大量针对教育场景的开源模型和工具，有人在做读写支持，有人在做数学引导，有人在做编程入门。这些不是商业产品，是真正认为这件事值得做的人做出来的。开源这个逻辑，在软件世界已经被证明能让好东西迅速传播和进化：没有人规划整体，但整体在涌现。这个逻辑完全可以应用在教育工具上。

第四件好事：越来越多的家长开始意识到，陪伴的质量比陪伴的时长更重要。

这个意识的转变很慢，但它确实在发生。部分原因是AI时代的焦虑倒逼：当"让孩子学更多"的路越走越窄，家长开始重新想"让孩子成为什么样的人"。这是一个更难的问题，但也是一个更正确的问题。

第五件好事：奇阅魔方这类工具的出现，让"吸收全人类最优秀知识"不再是精英的专利。

一个在县城的孩子和一个在北京的孩子，现在可以用同样的工具去接触人类最好的书和思想。这不解决所有问题，但它改变了一个基本条件：知识的可及性，已经不再是阶层分隔的主要壁垒了。

七、开源工具的方向

回到可以做什么这件事上。

关键的一个判断：不要做通用平台，要做足够小、足够聚焦的工具。平台意味着隐私、合规、成本、规模、商业模式，每一道门槛都在把真正需要帮助的人挡在外面。工具不一样——你提供出来，用的人自己决定怎么用，自己承担责任，出了问题自己改。

开源工具包的逻辑，是让每一个工具都只解决一个真实的痛点：专攻经典阅读的，游戏作为入口引导编程的，帮助孩子用自己感兴趣的领域学数学的，帮助家长重新看见孩子的。每一个都可以被单独拿走用、单独改造，不需要等整体完成。

这些工具有几个共同特征：它们不替代思考，它们引发思考。它们不替代关系，它们撬动关系。它们可以用API key直接运行，成本只是token费，不需要任何后端或账号系统。

门槛足够低，才能真正进入小城市、进入没有资源的家庭。这不是公益叙事，是这套逻辑本来应该有的形态。

社群比工具更重要。工具可以复制，社群不能复制。家长和孩子用工具成长之后，需要输出和社会认同，需要找到同类。一个好的社群，能让工具的效果持续发酵，能让每一个"今晚问了孩子一个好问题"的家长知道自己不孤单。这是整个体系里最难建立但最有价值的部分。

八、旧体制不需要被打倒，它已经在瓦解

我想用这个收尾，不是因为这是一个乐观的结局，而是因为这是真实的现状。

两会上说的话，马云说的话，怀进鹏说的话——它们代表的是一个正在维持自身稳定的体制，试图把AI的冲击转化为自我延续的资源。这没有什么可指责的，任何体制都会这样做。

但有一件事，是任何机构都控制不了的：AI把知识传递的能力，交给了每一个有手机的人。

这个转移不需要任何政策批准，不需要任何机构同意，也不需要等待任何改革完成。它已经在发生。

传统教育的权威建立在知识的双重稀缺上——知识本身稀缺，传递知识的能力也稀缺。AI正在把这两种稀缺同时清零。围墙没有被推倒，但墙里的东西已经不是唯一能进城的路了。

真正的变量不在任何一次两会的讨论里。它在一个小城市的家庭里，一个家长第一次不是在管孩子，而是好奇地问孩子：你在研究什么。它在一个孩子第一次发现，他提出的问题没有标准答案，而且这不是一个问题，这是真正开始思考的地方。

过去这类时刻需要特殊的家庭背景、特殊的教育资源、特殊的运气才能发生。

现在，门槛低了很多。

旧体制在瓦解，但瓦解不是终点。在旧围墙的缝隙里，新的东西在生长。谁来种，种什么，这才是值得真正花时间想的问题。

下一篇讲一些具体的开源工具方向和已有案例。

（本篇完）