在人腦與AI共生的世界，教育將會變成怎樣？

公元前4世紀，柏拉圖在《斐德羅篇》中記錄了蘇格拉底的警告：文字會讓人們“不再從內部回憶，而是依賴外部符號”，最終“忘記真理，只記住文字的影像”。

公元15世紀，德國修道院院長特里特米烏斯在《關于抄寫員的筆記》中痛斥印刷術：“我們將失去記憶的鍛煉，變得懶惰而空虛。”

2008年，《大西洋月刊》刊出《Google讓我們變笨了嗎？》：“我們正在失去深度閱讀和持續專注的能力。”

2026年，北京某中學的家長群里，一位母親深夜發問：“孩子用AI五分鐘就寫完了作文，我該怎么辦？”

從文字到印刷術，從互聯網到AI，四個時代，同一種焦慮。

顯而易見的是，前三種焦慮已經被歷史充分證偽。文字、印刷和互聯網，這種只是提升了知識傳播效率的工具，不但沒有弱化人類學習的能力，反而極大地提高了學習的效率，甚至作為核心要素推進了整個人類文明的進步。

但這次，情況有些不同。

AI優化的并非只是人類觸達知識的媒介，而是完全替代了人類去記憶、推理、甚至解決問題、給出結果的全過程。一夜之間，所有家長和老師們都被卷入深深的焦慮：AI已經變成了最頂級的作弊工具。

此前，斯坦福大學教授李飛飛在與鈦媒體的對話（趙何娟獨家對話李飛飛：“我信仰的是人類，不是AI”）中曾提到：“AI正在快速地證明，很多東西是機器可以做到的。再讓人花十幾年、幾十年的時間，去學習做機器可以做到的事情，對人類來說是一種巨大的浪費。人們應該借助AI釋放出的時間和精力，轉向培養AI無法替代的能力——認知力、創造力、共情力，以及“做人”的根本素養。”

而OpenClaw的出現，更是把人類與AI協同共生世界的降臨時間又提前了數年。如果歷史的必然是人機共生，我們確實沒有必要執著于保護那些未來一定會被AI取代的能力。也因此，我們可以跳過“AI到底是作弊工具還是學習助手？”這種短期焦慮，去討論一個更底層的命題：

當Agent成為未來人類的必要組件，人類本身的“能力系統”需要怎樣升級？教育體系這個龐大的社會基礎設施該如何重構？而重構下的教育體系，又存在哪些新的機會？

提出好問題的底層能力是什么？

在未來，衡量一個人能力的標準，不再是“他獨立完成了什么”，而是“他在與Agent協作中貢獻了什么獨特價值”。這不是簡單的“人與工具”的關系，而是人類內核能力的轉移。

一直專注于“人機協同學習”的創業者李可佳提出一個“90/10模型”：人類應該把90%的信息搬運、整理、初篩等工作交給Agent，而把剩下的10%的提問、判斷和決策由人來完成。

傳統教育邏輯中，知識的存儲量是衡量學生的首要指標。但在Agent時代，這個邏輯正在失效。當AI能在零點幾秒內就能調取人類文明的全部知識庫時，“博學”已不再是什么稀缺能力，“答案”也慢慢變得不再重要，所有人都在說：“提出好問題”的能力變得彌足珍貴。但是，卻鮮有人追問，“提出好問題”的底層能力到底是什么？

洋蔥學園的聯合創始人兼董事長楊臨風對這個問題有著獨特的思考，他認為這個能力根植于一種“骨架式”的知識結構。“其實真正能把知識學透的人，并非是對知識點的死記硬背。我們以前學習有一個習慣，會把老師講的邊邊角角記下來，包括那些不考的內容。比如生物課講蜜蜂，我會把工蜂、蜂王、雄蜂的差異和分工全都吃透。這些東西不考，但因為你記住的是一個更大的領域，知識之間產生了連接，于是你便不會輕易忘記這個體系上的所有知識點。這就是系統化學習產生的框架的力量。”

“記住知識點”的價值確實在變，但并不是變得不重要了，而是需要記住的，從孤立的知識點，變成了知識的連接方式。就像建房子，AI可以提供磚瓦，但學生腦子里得有自己的建筑架構。一個人不可能對一個完全陌生的領域提出好問題，而“提出好問題”這件事本身，是離不開知識骨架支撐的。

“系統性學習的價值在于，它搭好了一個認知腳手架。有了這個腳手架，學生在用AI學習的時候，才知道自己缺什么、該補什么。如果沒有體系，所謂的“AI答疑”就像是在沙灘上撿貝殼，撿了很多，但拼不出一幅完整的圖。”楊臨風補充道。“在我看來，未來的學習過程是系統性學習和AI答疑并存的狀態，“先有骨架，再填充血肉”。系統性學習打底，Agent幫助你在具體場景中靈活調用和延伸。”

這一理念在行業內也得到廣泛認同。李可佳也認為：“記憶的價值不再是“存儲”，而是為大腦提供“安放答案的結構”。框架能力所提供的，是對信息缺口的敏銳感知，學生只有能夠清晰地看到信息的缺位，才有提出好問題的可能。同時，也只有當學生見過足夠多的框架，才能具備把一個宏觀敘事還原成可驗證命題的拆解能力。”

如何擁有“好的審美”？

當Agent能在幾秒鐘內生成十個版本的方案，人類的核心價值變成了“在眾多答案里選一個”，很多人將選擇的能力稱之為“好的審美”，香港科技大學的胡旭明教授將這種審美稱作“鑒賞力”，而無論是“審美”還是“鑒賞力”，聽起來都是一個很難具象化傳授能力。

某位資深的前教育賽道投資人姜峰（化名）對我們說：鑒賞力的本質是兩種能力，提出質疑和評判價值。

AI最危險的地方不是犯錯，而是犯錯時依然自信滿滿。人類天生有惰性，當AI給出答案時，普通人的第一反應是接受，而不是質疑。神經科學的證據顯示：被動接受AI輸出會觸發長期抑制（LTD），削弱突觸強度；而主動質疑、改進、協作創作則促進長期增強（LTP），真正增強學習能力。

李飛飛教授在訪談中也提到：AI不應該是“答題機”，而應該成為“蘇格拉底式對話”的工具。蘇格拉底從不直接給答案，只問問題，逼你自己想明白你到底想要什么。而追問能力的本質就是養成對權威答案的本能性質疑。

在教學實踐上，楊臨風也很早就開始布局培養學生的質疑和追問能力。“洋蔥學園的AI智能學伴不會替學生思考，而是通過蘇格拉底式追問，引導學生審視AI的推理鏈條，引導學生拆解問題、構建邏輯。”

而姜峰提到的另一個底層能力——價值判斷，同樣是可以通過訓練而得到強化的思維框架。

香港理工大學李健杓教授提出的“最終決策者”概念，指向價值判斷能力的核心：當AI能生成無限方案，人類必須建立屬于自己的價值坐標系。據悉，在教學實踐中，港理工不但鼓勵學生在作業中主動使用AI，而且要求學生能獨立表達出自己與AI協作的過程，以及每一次選擇的判斷邏輯。

教學內容與評價體系的重構

李飛飛教授在訪談中還公開呼吁：“現代的教育，如果還用100多年前的方法強調標準答案、知識灌輸，這將嚴重滯后于時代。思考教育的人，能影響教育政策的人，和在執行教育的人，應該去好好地把握這個時代的機會。”

誠然，時代對人類的能力需求已經發生了變化，我們現有的課程體系、考核體系，包括教育生態中各個角色的定位，理應也發生一些改變。

而這種改變其實正在發生。

2026年2月，教育部召開全國基礎教育重點工作部署會，明確提出“推動人工智能進入中小學課程標準、日常教學、考試評價”。而從2025年秋季起，北京市和上海市已經將AI通識類課程安排進中小學的課程體系之中，AI不再是“興趣班”，而更像是語文、數學一樣的必修內容。

成人教育方面，2026年3月，中國傳媒大學宣布砍掉翻譯、攝影等16個本科專業。這些被裁撤的專業大多具有“程序性較強、創造性較弱、AI替代成本較低”的特征。而另一方面，清華大學2024年就新成立了人工智能學院，并為每一位新生配備了AI成長助手；浙江大學也在2024年就將AI課程作為通識必修課納入本科生的課程體系。

這一系列的變化體現AI對教育內容的兩個影響趨勢，一個是傳統學科的重構，另一個就是AI素養的培育。

當AI讓coding能夠被文科生所用，也能幫理科生更好地感受文字和藝術之美，這使得工科與文科的界限，正在被抹平。清華大學近期也開設了針對文科生的自然語言編程課程，工科與文科的界限確實在變得模糊。但對于更多基礎學科，如語文、數學、物理、化學等，又會產生怎樣的影響？傳統分科還是否必要？如果不必要，那基礎教育又將會變成怎樣的形態？

“傳統分科依然是重要的。每個學科都有自己獨特的思維方式，數學講邏輯，物理講因果，語文講理解和表達。這些思維方式就是長期訓練形成的認知框架，也就是我們之前提到過的“問出好問題”的關鍵能力。一個沒有數學思維的人，即使有Agent幫忙，也做不好復雜的定量分析。”楊臨風對我們表示。

“變化在于，學科之間的“墻”會變薄。以前我們按學科分科教，是因為知識量太大，不分科學生裝不下。現在AI可以隨時跨學科整合信息，那我們的課程設計就可以更大膽一些。比如以“主題”或“真實問題”為中心，把多個學科的知識串起來。這和我們十多年前研發課程時，新課標就提倡的“大單元設計”的底層邏輯吻合。”

而聊到目前貫穿整個教育體系的AI素養類課程，姜峰認為這只是暫時性的產物。“就像90年代的微機課，需要在教育體系里單獨開課，只是因為這個東西太新了，普及程度還遠遠不夠。”

李可佳也持相同的觀點，他認為AI素養的培養應該滲透在所有課程里，因為這門課本質上不是“關于AI的知識”，而是“在和AI協作中培養出來的能力”。

“我們已經在教學生“怎么用Agent”這件事了。”楊臨風補充道，“但方式不是直接教學生用AI，而是把AI設計成智能學伴，嵌入到學習流程中。學生只要正常學數學、學物理，Agent就在旁邊幫忙解釋概念、引導思考、規劃路徑。學生們會在正常學習過程中自然而然地建立和AI協作的能力。”

隨著教學內容和方式的改變，考核方式和評估體系同樣面臨著革命。傳統閉卷考試正在喪失意義，因為它測量的是一個即將被AI徹底替代的能力——記憶。

其實，考試改革的旋風也已經刮起來了。

2025年初，深圳南山區四年級期末數學考試引發熱議，試卷中出現了大量長文字題目，這些題目聚焦生活中的實際問題，學生因閱讀量過大難以完成，教育部門甚至臨時通知延長考試時間20分鐘。這件事聽起來與AI無關，但其實反映出一個趨勢——未來的考試會更傾向考核“用學科思維解決真實問題”的能力，而不是你記住了多少。

與之對應的，整個教育系統的評價體系也會從“結果評價”轉向“過程評價”。學生用Agent寫一篇作文，但他有沒有能力判斷這篇作文的好壞，能否改得更好，能否看出哪里邏輯不通，這些過程性的能力，可能會是未來教育評價體系更關注的問題。

教師的角色變化

教學內容和評價體系的革命直接落在了最直接的角色身上：老師。

在2026年崇禮論壇上，新東方創始人俞敏洪拋出了一個尖銳判斷：“AI+教育極有可能會消滅大量老師崗位。按照新的標準，坦率地說，現在中國的中小學老師，一大半是不合格的。"

新標準是什么？不是比誰更對考點更熟悉、更能押題。當AI能批改作業、陪練口語、把名師的課程復制到任何一個角落，被淘汰的不是教師這個職業，而是教師身上那個“教書匠”的職能。

2025年5月，教育部基礎教育教學指導委員會發布《中小學生成式人工智能使用指南》，明確劃定了AI在課堂中的角色邊界：教師不得將生成式AI作為替代性教學主體，禁止直接用AI回答學生問題，同時要求教師積極參與專業培訓，提升人工智能素養。這里面有三個關鍵信息，正體現了教師角色的三條底線：

教育主體必須是人；

不能養成學生直接從AI獲取答案的習慣；

教師自己必須熟練使用AI。

“教師角色最現實的變化就是從知識傳授者變成提問的教練”，李可佳說，“停止做知識的搬運工，還是回到最珍貴的提問能力，做學生提問能力的鍛造者。在AI能回答一切的時代，能教會學生“追問”的老師，才是最稀缺的老師。”

擁有400萬教師用戶的洋蔥學園對教師角色的變化也有著深刻的理解，“我們和學校合作時發現，老師不是在被技術替代，而是被技術賦能。我們一直在學校推行一種新的AI課堂模式，僅讓AI承擔一部分基礎性的講解和練習反饋職能，老師則把精力放在組織討論、診斷學生困難、做情感支持這些對于能力塑造更重要的事上。”

從知識的搬運工，到能力的鍛造者，這個變化之中還有一個更加關鍵的職責——AI的監督者。“并不是監督AI有沒有犯錯，而是監督整個學習流程是否對每個學生真正有效。”楊臨風強調，“老師在整個教育過程中，同樣需要對AI給與學生的輔助方案做選擇，做判斷。”

教育行業的新機遇

教育體系迫在眉睫的變革，給教育賽道的公司們也留下了新一輪巨大的想象空間。

姜峰認為AI浪潮下給教育賽道公司營造了三個新的機會：

第一個就是優質的教學內容設計公司。目前的行業共識是，大模型也好，Agent也好，如果只是使用互聯網上的公共數據集，一定無法滿足當前教育場景下的需求。就跟具身智能行業需要高質量數據一樣，教育賽道更需要專業的教學數據和內容設計。不但能讓學生更易于理解學習內容，更能將提問、追問、價值判斷等核心能力的訓練融入其中。

“洋蔥學園要做的就是用技術重構內容的Agent。”楊臨風對數據和內容這件事非常自信，“我們的信心來源于背后1萬節精心設計的課程內容、5000億次互動數據沉淀的學情理解、以及我們對“怎么教孩子才能學懂”的深刻認知。沒有這些，Agent只是一個空殼。”

第二個機會在于課堂設計。課堂設計的關鍵，在于幫助學校和教師找到“人機協同”以及“能力與考核”的黃金分割點。這件事上，教育科技公司比學校更擅長。課堂設計需要在線下重新分配人機協作的方式與密度，重新定位各個角色參與的環節與形式，還要差異化于學生自己的線上自主學習體驗。其重要性，不亞于這個時代的教材編寫。

更深層的挑戰是與考核體系的配套。當考試也開始強調批判性思維和人機協作素養時，學校教育如何跟上？這需要在線下教學內容的設計階段就介入，把“能力培養”和“應試剛需”編織進同一套產品邏輯。

第三個機會落在價值體系和人文素養的培養。當技術抹平了知識獲取的門檻，教育回到了它最初的樣子——培養完整的人。好奇心、抗挫力、合作精神、道德感、對美的感知，這些在舊時代被應試體系淹沒的素質，在AI時代會成為人與人之間最大的差異化優勢。而與之相關的所有培訓體系，都應該得到下個時代家長們更高緯度的重視。

回到那位焦慮的母親

那位深夜在家長群里發問的母親，或許不必如此焦慮。歷史已經證明，文字沒有讓人變笨，印刷術沒有讓人懶惰，互聯網也沒有讓人失去思考能力。這一次，AI大概也不會。

真正需要關注的，不是孩子用不用AI，而是我們如何定義“教育”。由系統性學習和框架能力支撐的提問能力，由質疑和價值判斷支撐起的選擇能力，由人文素養支撐起的人類靈魂。如何幫助孩子建立起穩定的這三重能力，才是家長們真正該關心的課題。

教育體系的變革也不會一蹴而就。它需要政策放下百年路徑依賴，需要教師完成從教書匠到引路人的轉身，需要家長在應試焦慮與長遠能力之間做出艱難平衡。

但對于那個母親和她的孩子來說，答案可能很簡單：先讓孩子描述一下自己是如何與AI協作的，以及為什么覺得這篇文章是好的。其他的，交給時間。

（作者 | 陶天宇，編輯 | 楊林）