哈佛物理课上，一群学生在宿舍用AI学了两周，成绩是教室里同学的2倍。时间更短，还更开心。这篇2025年6月发在《科学报告》的论文，把教育科技圈炸翻了。

但真正的数字藏在另一处：可汗学院的AI家教Khanmigo，2024年9月用户冲到70万，一年前才4万。年底预计破百万。一个不会累、不会烦、记得住你每次犯错的"老师"，正在批量生产。

问题是：如果机器能复制1984年Benjamin Bloom证明最有效的"一对一精熟学习"——比大班课强两个标准差——人类教师还有饭碗吗？

40年未解的"2西格玛难题"

Bloom当年在芝加哥大学的实验设计很干脆：三组学生随机分配。第一组传统大班，30人，定期考试打分。第二组精熟学习，30人，考试只为反馈，错了再教。第三组一对一辅导。

结果第三组碾压。约90%的辅导学生达到了对照组前20%的水平。平均辅导学生比98%的大班学生考得好。

Bloom管这叫"2西格玛难题"——挑战研究者用低成本集体教学达到同样效果。四十年过去，基本没戏。真人太贵，质量还参差不齐。

AI家教为什么突然能打了

Khanmigo这类工具的核心突破不是更聪明，是更"耐操"。它能同时记住几千个学生的错题模式，凌晨两点秒回提问，语气永远稳定。

哈佛实验里，学生用AI在宿舍自学，效果吊打"主动学习课堂"——那种让学生讨论、动手、师生互动的新型教学法。这很反直觉：被认为最先进的教学法，输给了一个聊天机器人。

但研究者没说的是：这些学生本来就是哈佛水平，自学能力和动机都是筛选过的。AI家教放大了他们的优势，不等于对所有人都管用。

人类教师的隐藏技能

六大陆的研究正在拼凑一个更复杂的答案。机器擅长的是"精熟"——知识点的反复打磨、即时反馈、个性化路径。这确实是Bloom证明最有效的那部分。

但学习不只是知识传递。实验室和课堂数据显示，人类教师在几件事上仍不可替代：识别学生什么时候在装懂、用眼神或语气传递"我相信你能行"、根据课堂氛围临时调整策略、处理一个学生突然的情绪崩溃。

这些能力很难量化，所以很少出现在论文里。但它们决定了学生是"学完"还是"学进去"。

真正的剧本可能是解放

更可能的未来不是取代，而是分工。AI接手精熟学习的苦活——批改、答疑、追进度、个性化练习。人类教师腾出手来做只有人能做的事：设计挑战性的真实项目、组织同伴协作、处理复杂的人际动态。

这对教师是解脱。过去几十年，他们被行政事务和标准化测试压得喘不过气。如果机器能扛住"让90%学生达到前20%水平"的硬指标，教师或许终于能回归"育人"而不是"育分"。

当然，前提是这个转变被主动设计，而不是被动发生。政策、培训、评价体系的调整，比技术本身慢得多。

如果你是教育科技从业者，现在该盯的不是"AI能不能教"，是"教完之后，人还能创造什么价值"。这个答案会决定下一轮产品的方向。如果你是教师，测试一下你手里的AI工具——不是看它多聪明，是看它能不能帮你省出时间，做你真正想做的那部分工作。