公元前4世纪，柏拉图在《斐德罗篇》里记下了苏格拉底的警告：文字会让人"不再从内部回忆，而是依赖外部符号"，最终"忘记真理，只记住文字的影像"。
公元15世纪，德国修道院院长特里特米乌斯在《关于抄写员的笔记》里痛斥印刷术："我们将失去记忆的锻炼，变得懒惰而空虚。"
2008年，《大西洋月刊》刊出《Google让我们变笨了吗？》："我们正在失去深度阅读和持续专注的能力。"
2026年，北京某中学的家长群里，一位母亲深夜发问："孩子用AI五分钟就写完了作文，我该怎么办？"
从文字到印刷术，从互联网到AI，四个时代，同一种焦虑。历史像个复读机，只是这次换了个更快的倍速。
前三种焦虑已经被证伪。文字、印刷、互联网这些工具，没有弱化人类学习的能力，反而推高了效率，甚至成为文明进步的燃料。但AI的情况有点不一样——它优化的不是知识触达的媒介，而是完全替代了记忆、推理、解决问题的全过程。一夜之间，家长和老师们被卷入同一个噩梦：AI变成了最顶级的作弊工具。
斯坦福大学教授李飞飞在与钛媒体的对话中提过："AI正在快速证明，很多东西是机器可以做到的。再让人花十几年、几十年去学习做机器能做到的事，对人类来说是巨大的浪费。人们应该借助AI释放出的时间和精力，转向培养AI无法替代的能力——认知力、创造力、共情力，以及'做人'的根本素养。"
如果历史的必然是人机共生，我们确实没必要执着于保护那些注定被取代的能力。可以跳过"AI到底是作弊工具还是学习助手"这种短期焦虑，去讨论一个更底层的命题：当Agent成为未来人类的必要组件，人类的"能力系统"需要怎样升级？教育体系这个庞大的社会基础设施该如何重构？
未来衡量能力的标准，不再是"他独立完成了什么"，而是"他在与Agent协作中贡献了什么独特价值"。这不是简单的"人与工具"关系，而是人类内核能力的转移。
专注于"人机协同学习"的创业者李可佳提出"90/10模型"：人类把90%的信息搬运、整理、初筛交给Agent，剩下的10%提问、判断和决策由人完成。
传统教育逻辑中，知识存储量是衡量学生的首要指标。但在Agent时代，这个逻辑正在失效。当AI能在零点几秒内调取人类文明的全部知识库，"博学"不再稀缺，"答案"慢慢变得不重要。所有人都在说"提出好问题"的能力弥足珍贵，却鲜少追问：这个能力的底层到底是什么？
洋葱学园联合创始人杨临风有个独特的思考——它根植于"骨架式"的知识结构。"真正能把知识学透的人，并非死记硬背。以前学习有个习惯，会把老师讲的边边角角记下来，包括不考的内容。比如生物课讲蜜蜂，我会把工蜂、蜂王、雄蜂的差异和分工全都吃透。这些东西不考，但你记住的是一个更大的领域，知识之间产生了连接，便不会轻易忘记这个体系上的所有知识点。这就是系统化学习产生的框架的力量。"
"记住知识点"的价值确实在变，但不是变得不重要，而是需要记住的从孤立知识点变成了知识的连接方式。AI可以提供砖瓦，但学生脑子里得有自己的建筑架构。一个人不可能对完全陌生的领域提出好问题，而"提出好问题"本身离不开知识骨架的支撑。
"系统性学习的价值在于搭好认知脚手架。有了这个脚手架，学生用AI学习时才知道自己缺什么、该补什么。没有体系，所谓的'AI答疑'就像沙滩上捡贝壳，捡了很多，拼不出一幅完整的图。"杨临风补充道，"未来的学习是系统性学习和AI答疑并存，'先有骨架，再填充血肉'。系统性学习打底，Agent帮助在具体场景中灵活调用和延伸。"
这一理念在行业内得到广泛认同。李可佳也认为："记忆的价值不再是'存储'，而是为大脑提供'安放答案的结构'。框架能力提供的是对信息缺口的敏锐感知，学生只有清晰看到信息的缺位，才有提出好问题的可能。同时，只有见过足够多的框架，才能具备把宏观叙事还原成可验证命题的拆解能力。"
当Agent能在几秒钟内生成十个版本的方案，人类的核心价值变成了"在众多答案里选一个"。很多人将这种选择能力称为"好的审美"，香港科技大学胡旭明教授称之为"鉴赏力"。但无论是"审美"还是"鉴赏力"，听起来都是很难具象化传授的能力。
资深前教育赛道投资人姜峰（化名）说：鉴赏力的本质是两种能力，提出质疑和评判价值。
AI最危险的地方不是犯错，而是犯错时依然自信满满。人类天生有惰性，当AI给出答案，普通人的第一反应是接受而非质疑。神经科学证据显示：被动接受AI输出会触发长期抑制（LTD），削弱突触强度；主动质疑、改进、协作创作则促进长期增强（LTP），真正增强学习能力。
李飞飞在访谈中也提到：AI不应该是"答题机"，而应该成为"苏格拉底式对话"的工具。苏格拉底从不直接给答案，只问问题，逼你自己想明白到底想要什么。追问能力的本质，是养成对权威答案的本能性质疑。
在教学实践上，杨临风很早就开始布局培养学生的质疑和追问能力。"洋葱学园的AI智能学伴不会替学生思考，而是通过苏格拉底式追问，引导学生审视AI的推理链条，拆解问题、构建逻辑。"
姜峰提到的另一个底层能力——价值判断，同样可以通过训练得到强化。
香港理工大学李健杓教授提出"最终决策者"概念，指向价值判断能力的核心：当AI能生成无限方案，人类必须建立属于自己的价值坐标系。据悉，港理工不但鼓励学生在作业中主动使用AI，而且要求学生能独立表达与AI协作的过程，以及每一次选择的判断逻辑。
李飞飞在访谈中公开呼吁："现代的教育如果还用100多年前的方法强调标准答案、知识灌输，将严重滞后于时代。思考教育的人、能影响教育政策的人、在执行教育的人，应该好好把握这个时代的机会。"
时代对人类的能力需求已经发生变化，现有的课程体系、考核体系，包括教育生态中各个角色的定位，理应也发生改变。
2026年2月，教育部召开全国基础教育重点工作部署会，明确提出"推动人工智能进入中小学课程标准、日常教学、考试评价"。从2025年秋季起，北京市和上海市已将AI通识类课程安排进中小学课程体系，AI不再是"兴趣班"，而更像语文、数学一样的必修内容。
成人教育方面，2026年3月，中国传媒大学宣布砍掉翻译、摄影等16个本科专业。这些被裁撤的专业大多具有"程序性较强、创造性较弱、AI替代成本较低"的特征。另一方面，清华大学2024年新成立人工智能学院，为每一位新生配备AI成长助手；浙江大学也在2024年将AI课程作为通识必修课纳入本科生课程体系。
这一系列变化体现AI对教育内容的两个影响趋势：传统学科的重构，以及AI素养的培育。
当AI让coding能够被文科生所用，也能帮理科生更好地感受文字和艺术之美，工科与文科的界限正在被抹平。清华大学近期开设了针对文科生的自然语言编程课程。但对于更多基础学科，如语文、数学、物理、化学等，又会产生怎样的影响？传统分科还是否必要？如果不必要，基础教育将会变成怎样的形态？
"传统分科依然重要。每个学科都有自己独特的思维方式，数学讲逻辑，物理讲因果，语文讲理解和表达。这些思维方式是长期训练形成的认知框架，也就是我们之前提到过的'问出好问题'的关键能力。一个没有数学思维的人，即使有Agent帮忙，也做不好复杂的定量分析。"杨临风表示。
"变化在于，学科之间的'墙'会变薄。以前按学科分科，是因为知识量太大，不分科学生装不下。现在AI可以随时跨学科整合信息，课程设计就可以更大胆。比如以'主题'或'真实问题'为中心，把多个学科的知识串起来。这和我们十多年前研发课程时，新课标就提倡的'大单元设计'的底层逻辑吻合。"
聊到目前贯穿整个教育体系的AI素养类课程，姜峰认为这只是暂时性的产物。"就像90年代的微机课，需要在教育体系里单独开课，只是因为这个东西太新了，普及程度还远远不够。"
李可佳也持相同观点，他认为AI素养的培养应该渗透在所有课程里，因为这门课本质上不是"关于AI的知识"，而是"在和AI协作中培养出来的能力"。
"我们已经在教学生'怎么用Agent'这件事了。"杨临风补充道，"但方式不是直接教学生用AI，而是把AI设计成智能学伴，嵌入到学习流程中。学生只要正常学数学、学物理，Agent就在旁边帮忙解释概念、引导思考、规划路径。学生们会在正常学习过程中自然而然地建立和AI协作的能力。"
随着教学内容和方式的改变，考核方式和评估体系同样面临革命。传统闭卷考试正在丧失意义，因为它测量的是一个即将被AI彻底替代的能力——记忆。
2025年初，深圳南山区四年级期末数学考试引发热议，试卷中出现大量长文字题目，聚焦生活中的实际问题，学生因阅读量过大难以完成，教育部门甚至临时通知延长考试时间20分钟。这件事听起来与AI无关，但其实反映出一个趋势——未来的考试会更倾向考核"用学科思维解决真实问题"的能力，而不是你记住了多少。
与之对应的，整个教育系统的评价体系也会从"结果评价"转向"过程评价"。学生用Agent写一篇作文，但他有没有能力判断这篇作文的好坏，能否改得更好，能否看出哪里逻辑不通，这些过程性的能力，可能是未来教育评价体系更关注的问题。
教学内容和评价体系的革命直接落在最直接的角色身上：老师。
2026年崇礼论坛上，新东方创始人俞敏洪抛出一个尖锐判断："AI+教育极有可能会消灭大量老师岗位。按照新的标准，坦率地说，现在中国的中小学老师，一大半是不合格的。"
新标准是什么？不是比谁对考点更熟悉、更能押题。当AI能批改作业、陪练口语、把名师的课程复制到任何一个角落，被淘汰的不是教师这个职业，而是教师身上那个"教书匠"的职能。
2025年5月，教育部基础教育教学指导委员会发布《中小学生成式人工智能使用指南》，明确划定AI在课堂中的角色边界：教师不得将生成式AI作为替代性教学主体，禁止直接用AI回答学生问题，同时要求教师积极参与专业培训，提升人工智能素养。这里面有三个关键信息，正体现教师角色的三条底线。
"教师角色最现实的变化就是从知识传授者变成提问的教练"，李可佳说，"停止做知识的搬运工，还是回到最珍贵的提问能力，做学生提问能力的锻造者。在AI能回答一切的时代，能教会学生'追问'的老师，才是最稀缺的老师。"
拥有400万教师用户的洋葱学园对教师角色的变化也有深刻理解。"我们和学校合作时发现，老师不是在被技术替代，而是被技术赋能。我们一直在学校推行一种新的AI课堂模式，仅让AI承担一部分基础性的讲解和练习反馈职能，老师则把精力放在组织讨论、诊断学生困难、做情感支持这些对能力塑造更重要的事上。"
从知识的搬运工到能力的锻造者，这个变化之中还有一个更加关键的职责——AI的监督者。"并不是监督AI有没有犯错，而是监督整个学习流程是否对每个学生真正有效。"杨临风强调，"老师在整个教育过程中，同样需要对AI给学生的辅助方案做选择、做判断。"
教育体系迫在眉睫的变革，给教育赛道的公司们也留下了新一轮巨大的想象空间。
姜峰认为AI浪潮下给教育赛道公司营造了三个新的机会：
第一个是优质的教学内容设计公司。目前的行业共识是，大模型也好，Agent也好，如果只是使用互联网上的公共数据集，一定无法满足当前教育场景下的需求。就像具身智能行业需要高质量数据一样，教育赛道更需要专业的教学数据和内容设计。不但能让学生更易于理解学习内容，更能将提问、追问、价值判断等核心能力的训练融入其中。
"洋葱学园要做的就是用技术重构内容的Agent。"杨临风对数据和内容这件事非常自信，"我们的信心来源于背后1万节精心设计的课程内容、5000亿次互动数据沉淀的学情理解、以及我们对'怎么教孩子才能学懂'的深刻认知。没有这些，Agent只是一个空壳。"
第二个机会在于课堂设计。课堂设计的关键，在于帮助学校和教师找到"人机协同"以及"能力与考核"的黄金分割点。这件事上，教育科技公司比学校更擅长。课堂设计需要在线下重新分配人机协作的方式与密度，重新定位各个角色参与的环节与形式，还要差异化于学生自己的线上自主学习体验。其重要性，不亚于这个时代的教材编写。
更深层的挑战是与考核体系的配套。当考试也开始强调批判性思维和人机协作素养时，学校教育如何跟上？这需要在线下教学内容的设计阶段就介入，把"能力培养"和"应试刚需"编织进同一套产品逻辑。
第三个机会落在价值体系和人文素养的培养。当技术抹平了知识获取的门槛，教育回到了它最初的样子——培养完整的人。好奇心、抗挫力、合作精神、道德感、对美的感知，这些在旧时代被应试体系淹没的素质，在AI时代会成为人与人之间最大的差异化优势。而与之相关的所有培训体系，都应该得到下个时代家长们更高纬度的重视。
那位深夜在家长群里发问的母亲，或许不必如此焦虑。历史已经证明，文字没有让人变笨，印刷术没有让人懒惰，互联网也没有让人失去思考能力。这一次，AI大概也不会。
真正需要关注的，不是孩子用不用AI，而是我们如何定义"教育"。由系统性学习和框架能力支撑的提问能力，由质疑和价值判断支撑起的选择能力，由人文素养支撑起的人类灵魂。如何帮助孩子建立起稳定的三重能力，才是家长们真正该关心的课题。
教育体系的变革不会一蹴而就。它需要政策放下百年路径依赖，需要教师完成从教书匠到引路人的转身，需要家长在应试焦虑与长远能力之间做出艰难平衡。
但对于那个母亲和她的孩子来说，答案可能很简单：先让孩子描述一下自己是如何与AI协作的，以及为什么觉得这篇文章是好的。其他的，交给时间。
热门跟贴