我在硅谷感受到一种“反科技”情绪：我们用错AI了吗？|中小学科技|反科技|学校|教学|教师|教育|硅谷

题图：《Silicon Valley》

作为活跃于硅谷AI社区的教育科技从业者和观察者，过去一年，小叶频繁穿梭于学校、创业公司、行业会议和教育科技社群之间。

在她看来，美国K-12教育圈最近发生了一种微妙的变化。越来越多家长担心孩子被屏幕包围；越来越多学校重新审视数字设备在课堂中的作用；越来越多教育工作者开始追问：用了这么多软件，为什么学习效果并没有如预期般发生？学校究竟是在teaching，还是在babysitting？

尤其是在那句“I couldn't see the Ed in the Tech.”在行业内广泛传播之后，小叶的目光从Technology转向Learning。未来能够留下来的，未必是那些最像科技公司的教育公司，也未必是那些不断制造新功能、新概念的产品，而是那些真正理解Learning Science、Pedagogy、Attention以及Human Development的团队。否则，再先进的Technology，也可能只是某种“电子安抚奶嘴”。

一、Tech越来越多，Ed在哪里？

小叶三年级时随家人来到美国。此后，她在康州、纽约州、加州等地长大、求学，从小学一路读到硕士。毕业后，她进入科技行业，先后在高通、微软以及AI教育科技创业公司工作，也做过商业分析、产品管理和社区运营。

小叶曾担任MLOps Community湾区组织者，该社区现已成为Linux Foundation AAIF的一部分。她长期参与技术会议、开发者活动和AI工作坊的策划与组织，接触创业者、工程师、研究者，也接触教师、校长和教育科技从业者，并在小红书等社交媒体记录对美国教育科技与AI教育的观察。

过去几年，小叶的大部分时间浸泡在一种加速度的氛围里。每周有新的模型发布，新的创业项目出现，新的应用场景被讨论。开发者社区还是投资圈谈论的几乎都是：AI在改变什么？

按照这样的逻辑，教育似乎理所应当成为率先被改变的领域之一。知识可以生成，作业可以辅助，个性化可以无限复制，从技术角度看，AI天然适配教育。

然而，当AI成为最热门的话题之后，教育圈讨论的却未必尽是AI：

Technology真的改善了学习吗？
学生完成任务，是否等于真正学会？
学校里越来越多的设备和软件，到底创造了什么？

在教育科技播客《EdTech Insiders》的一期节目里，一位嘉宾提到，“I couldn't see the Ed in the Tech.”“我看到了Technology，却没看到Education。”小叶觉得，这句话精准触碰了许多人心中的困惑。

在美国，越来越多家长开始担心孩子的屏幕时间；一些州推动校园手机限制政策；一些学校评估课堂中的数字设备使用；教育研究者重回注意力发展、阅读能力以及学习科学。那些曾被视为教育进步象征的技术工具，被再度审视。

在中国，AI是最热门的话题，没有之一。人们讨论着如何把AI带进学校，如何利用AI提高效率，如何借助AI重构教育产品。而小叶在美国教育圈看到的另一面是：从过去十几年默认Technology会带来Learning，到越来越多人意识到，二者并不是同一件事。Technology没有离开教育，但Learning回到了讨论中心。

小叶与创业者、内容创作者Andrew共同举办关于“AI创业公司如何破圈传播”的分享活动。Andrew曾任投资银行从业者，后转型创业与内容创作，全网拥有超过80万关注者。活动围绕AI产品、内容分发与早期用户增长展开。

二、完成了，不代表学会了

小叶引用了一个教育圈经典案例：

老师布置阅读一篇文章，很多学生并不会完整读完内容，而是先浏览题目，再返回原文搜索关键词，最后，他们顺利完成了阅读理解。此时，系统记录给出的评价是任务完成，成绩达标。至于学生的阅读能力是否提升了呢？很难回答。

类似问题在AI时代被进一步放大。学生利用ChatGPT完成作业，让AI帮助总结内容，甚至直接给出答案。从结果上看，一切都显得高效。但教育工作者们追问：如果绕过了思考过程，学习究竟发生在哪里？

今年，一篇被广泛引用的AI教育研究论文被正式撤稿。这篇研究给出的结论是：ChatGPT能够显著提升学习效果。后来，研究方法和数据质量受到质疑，最终被学术期刊撤回。这件事在教育圈引发广泛讨论。不仅因为一篇论文出错，还因为它暴露了一个更大的问题：关于AI如何影响学习，人们其实知道得没有想象中多。

这也是为什么，一些教育工作者正在重新区分两个概念：Performance和Learning。Performance是外部可见的表现，Learning则是内部发生的改变。成绩、活跃用户数量、完成率和参与度属于Performance，这些指标能证明学生正在使用产品，却未必能证明学生正在学习。

围绕这一现象，有两种声音。有人认为：Technology harmed learning。技术本身伤害了学习，屏幕、通知、碎片化信息和即时反馈不断侵蚀注意力，让人难以进入深度思考。也有一些人倾向于：Bad implementation harmed learning。问题并不在Technology本身，而在Technology进入课堂的方式。伤害学习的，可能是糟糕的课程设计、错误的使用方法，以及人们对于技术能力的过度乐观。

当AI把获取答案的成本降到趋近于零，教育圈不得不面对一个古老问题：如果一个学生能够轻易得到答案，学校究竟应该评价什么？是答案本身，还是抵达答案的过程。

三、好产品，为什么没有带来好结果？

小叶观察到一个案例：

几年前，可汗学院（Khan Academy）曾在印度启动一个项目，希望利用数字化学习工具帮助当地学生提升学习效果。从产品角度看，这几乎是一个理想案例：平台成熟，内容成熟，技术成熟，参与学校超过100所。然而项目推进过程中，一些学生注册了账号，也登录了平台，却没有持续使用。最终，参与学习的学生不到一半。

一些研究者发现，问题不完全出在产品身上，那些取得明显效果的学校，往往存在一个共同点：有人持续推动这件事。这个人可能是校长，可能是教师，是学校里的项目负责人。这些人不断提醒学生使用平台，帮助他们解决问题，跟踪学习情况。同样的工具产生完全不同的结果。

这个案例之所以被反复提起，因为它挑战了教育科技行业一个长期存在的假设，好产品并不一定带来好学习。

很长时间里，教育科技行业习惯把注意力放在产品能力上，模型是否更强，界面是否更好，内容是否更多。事实上，一个孩子为什么持续学习，为什么愿意投入时间又为什么放弃，不仅仅是产品能解释的问题。影响结果的，往往是产品进入学校之后发生了什么：谁在推动它，谁在使用它，谁在监督它以及它最终如何融入真实的教学环境。

技术当然重要，但技术从来不会独立发挥作用。最大化发生作用的，往往是围绕技术建立起来的组织、关系和制度。某种意义上，美国教育科技行业最值得关注的变化之一，并不是创造出更强大的Technology，而是人们开始确信，Technology不能脱离Education而存在。

一些原本需要教育科技公司开发的功能，正被教师自行完成。教师们直接使用AI制作课程大纲、练习题、动画讲解、防AI作弊作业设计和课堂工具。教育从来不是一个单纯的产品问题。无论工具多么先进，平台多么智能，最终决定学习是否发生的，仍然是具体的人、具体的学校，以及具体的教育场景。

回头看，可汗学院印度项目留下的或许不是一个产品案例，它是一道提醒：也许，人们曾经确实高估了Technology，更准确地说，人们低估了Education。

小叶参与组织在湾区Computer History Museum举办的AI Dev Conference，活动吸引了400多位工程负责人、开发者和AI创业者参加，嘉宾包括Claude Code共同创作者、Warp创始人、LangChain创始人等AI技术和创业代表。

四、学校到底需不需要那么fun？

过去很长时间里，“让学生喜欢学习”几乎是美国教育改革的重要目标之一。从项目制学习（Project-Based Learning）到个性化学习（Personalized Learning），从社会情感学习（SEL）到各种教育科技产品，许多改革围绕这一方向展开。

Progressive Education（进步主义教育）逐渐成为教育领域的共识。许多人相信，一个好的课堂，应该让学生愿意参与；一个好的学校，应该让学习变得有趣。

与之对应的是，最近几年，美国教育圈讨论的其中一个问题是Engagement（参与度）是否被高估了？学生是否喜欢、是否愿意使用、是否持续活跃，这些被记录的数据是教育科技行业视为成功的重要指标。事实却是，学习本身没有那么容易衡量。

专注、练习、记忆、坚持，这些词听起来“老派”，但它们回到了讨论中心。一些教育研究者认为，美国教育过于强调兴趣、参与和自主探索，以至于忽略了学习本身所需要的纪律、专注和训练。他们主张重新强调课堂秩序、基础能力和系统训练。这被视为一种向Classical Education（传统教育）的回摆。

在另一部分人看来，问题不在于Progressive Education本身。自主探索没有错，项目式学习没有错，个性化学习也没有错。问题在于，很多学校和产品保留了形式，却没有建立足够的支持系统。

于是，一场更深层的讨论出现了。不是在“有趣”和“无趣”之间做选择，而是去问一问，教育究竟该帮助学生获得什么？是即时反馈带来的满足还是面对困难时的坚持？是完成任务的效率还是长期成长的能力？

当Technology大规模进入课堂，这种区分变得更加重要。技术能放大参与，却未必能放大学习，而参与与学习间的距离，或许是教育最难回答的问题之一。

五、学生不是Beta用户

与“所有人都在讨论如何把AI带进教育”相对的是，最近一些学校意识到，它们面临的问题不是缺少AI，而是不知道如何判断AI。

这种变化最早出现在学校采购环节。过去，一所学校评估教育产品时，关注的往往是功能。能做什么？覆盖哪些场景？能不能帮助教师减负？

AI时代后，这几个问题已经不够。一家AI公司进入校园展示产品，学校会提出新问题：学习效果如何证明？数据从哪里来？学生信息如何被使用？模型出现错误怎么办？责任由谁承担？

类似变化出现在投资市场。以往，教育科技创业公司习惯讲述“个性化学习”“AI老师”“改变课堂”的故事。如今，相比那些充满想象力却难以验证的产品，资本开始流向学校运营系统、职业教育以及教育基础设施领域。

在小叶看来，这些变化背后反映的是“AI正在从创新问题变成治理问题”的现实。在美国，学校采购软件比创业者预想得慢得多。许多科技公司习惯了互联网产品的迭代逻辑，先上线，再优化；先试用，再修正，但学校完全不遵循这套规则。在不少教育工作者看来，学生不是Beta用户，课堂也不是可以随意试错的场所。先进当然重要，但可靠更重要。

有研究者梳理大约50款美国K-12常用AI教育产品后发现，80%的产品没有公开说明底层模型来源。对于一个会解释、会建议、会影响学生思考方式的系统来说，这显然不是一个无关紧要的问题。

过去，教育科技行业最关心的是可能性；今天，人们开始关心边界。过去，人们讨论模型能做什么；今天，人们讨论模型应该做什么。过去，人们关注功能；今天，人们关注责任。这种变化影响了教育科技公司的竞争逻辑。

人们没有停止拥抱Technology，但他们确实在用一种更为谨慎的方式拥抱Technology。“如何判断哪些工具值得被使用？”这或许是AI进入教育之后最深刻的变化。当工具不再稀缺，判断变得稀缺。

2026年3月，小叶组织YC AI Founder Night，并与YC支持的AI创业公司Imagined AI创始人交流。

六、我们为什么还要一起上学

在探访Khan Lab School时，小叶印象最深的恰恰是这样一种信任。

学校愿意把责任交给学生，也愿意让学生知道他正在被信任。老师不试图控制每一个行为，而是在帮助学生逐渐学会为自己的选择负责。比如，英语课其中一个学段以科幻文学为主题，学生可以在很大程度上参与决定读什么、怎么读，以及最终用何种方式完成作业。在Khan Lab School，学生可以自行开设课程，学生间互相讲解线性代数或因为有人对Web开发感兴趣，在老师协助下组织相关内容的教学，都是常见之事。

这些东西很难被量化，更不会出现在产品演示页面里。它们出现在教育工作者对于未来学校的想象之中。当教育科技行业普遍讨论效率，如何覆盖更多学生，提供更多内容，降低更多成本，人们发现，教育里始终存在另一部分东西，它们天然不高效，不容易规模化，也很难被数据衡量。比如，信任、责任、合作，比如一个人在成长过程中与他人建立连接的能力。

这些争论，无论是关于Technology、Learning Science、课堂秩序，还是关于AI治理，指向的或许都不是技术本身，而是一个更基础的问题：当技术越来越强大，那些原本属于学习的东西，会不会被忽略。

这些见闻启发了小叶，让她意识到，硅谷最有价值的教育资源未必是一门技术课程，而是创业者、工程师、研究者密集交互形成的生态。她和两位合伙人创立了 Silicon Valley AI Exploration Lab，筹备面向湾区学生的课后和周末工作坊，为海外学生设计冬夏令营。一些问题在这些年轻人之间被认真讨论：