南京大学计算机学院副教授蒋炎岩在《生成式软件工程》课程的PPT上写下一句引人争议的话：“没有 Token 的 CS 学生应该立即退学。”这句话被学生上传至社交媒体后，迅速引发广泛讨论。蒋炎岩随后在知乎关注了相关评价问题，试图澄清自己的真实意图——他并非真的认为学生应因缺乏Token而退学，而是想强调在AI时代，Token已成为一种需要被认真对待的资源。

随着生成式AI在软件行业的应用日益普及，CS学生接触AI工具已不再是选择题，而是必答题。然而，AI工具的使用成本——尤其是Token的消耗——正成为新的教育资源分配难题。家境优渥的学生可以随意订阅多个付费模型，频繁试错；而经济条件有限的学生则不得不在生活费和Token费用之间权衡，甚至因此限制了对AI工具的使用。这种差异正在形成一种新的“使用鸿沟”，让教育公平面临新的挑战。

美国高校的研究已证实这一现象的存在。Middlebury学院的调查显示，超过80%的本科生使用免费AI工具，仅少数人订阅付费服务；哈佛大学的研究则进一步指出，付费用户与免费用户在使用频率和对AI输出的信任度上存在显著差异。这种差距不仅体现在经济层面，更可能影响学生的技能培养和职业竞争力。过去的教育不平等主要体现在师资、教材等可见领域，而Token带来的不平等则隐藏在代码与算法背后，更难被察觉和解决。

面对这一难题，责任该由谁承担？若让学生自行承担全部费用，无疑会加剧不平等；若由学校统一提供，又可能面临浪费和分配不均的问题。蒋炎岩曾考虑为学生报销部分费用，但选课人数超出预期，计划难以实施。OpenAI曾在期末季向北美学生免费开放ChatGPT Plus，这种临时性措施虽能缓解焦虑，却非长久之计。有研究者建议，学校可集中采购Token后按需分配，既节省成本又避免浪费，但这又可能让不同高校之间因资源差异形成新的鸿沟。

在业界，过度使用Token的现象被戏称为“tokenmaxxing”，即通过刷高用量来证明能力。然而，这种做法是否真正有助于学习？蒋炎岩在课堂中提出，写代码并非无限试错的游戏，学生应学会在独立思考和借助AI之间找到平衡。有限的Token资源或许能倒逼学生更高效地使用工具，减少盲目尝试。这种观点为教育者提供了新的思路：AI时代的技能培养，不仅需要技术训练，更需要资源管理能力的提升。

教育公平的挑战远不止于此。当高校纷纷开设“具身智能”“脑机科学与技术”等新兴专业时，很少有人关注这些专业的学生是否能用得起必要的AI工具。华东理工大学停招部分易被AI替代的专业，北京理工大学推行“AI+专业”升级，这些举措虽紧跟技术趋势，却可能忽视了一个关键问题：如果教育只是不断更换筛选标准，而忽视不同学生从起点就不平等的现实，那么所谓的“改革”不过是将旧的不公平换上新包装。

大学生对未来的焦虑正与日俱增。他们入学时选择的专业，可能在毕业前就被调整；曾经稳定的职业，如今被反复质疑是否会被AI取代。在这种不确定性中，学生不得不提前思考：自己埋头苦练的技能，究竟是独一无二的能力，还是机器早已能做得更快更好的任务？蒋炎岩的《生成式软件工程》课程或许提供了一种答案：这门不计入保研成绩的选修课，采用Pass/No Pass的评定方式，鼓励学生通过实践探索AI的边界。他甚至不要求学生按时到课，而是希望他们利用录播视频自主学习，将课堂时间留给真正需要讨论的问题。

“没有 Token 的 CS 学生应该立即退学”这句话虽显极端，却意外地成为讨论AI时代教育资源分配的起点。它让人们看到，当技术变革与教育公平碰撞时，问题远比一句玩笑复杂得多。评判一位老师或一门课程，不能仅凭某句话的表面意思，而需深入理解其背后的教育理念——在AI时代，如何让技术成为缩小差距的桥梁，而非加剧不平等的工具，仍是教育者需要共同探索的课题。