作者｜Li Yuan

編輯｜ 鄭玄

高考季剛剛過去。

人類的高考結束了，其實 AI 的高考也剛剛結束。極客公園對多款主流大模型的高考水平做了一次測評，結果相當震撼：AI 已經能夠輕而易舉地考上 985 重點大學。字節跳動 Seed 團隊對豆包大模型 1.6 最新版的測試成績，甚至可以達到清華、北大的錄取水平。

AI 的進步讓人興奮。但對于人類而言，也不免有些沉重：當 AI 已經發展到能考上清北，考試成績遠超人類的平均水準，那寒窗苦讀的學子們，未來該如何定義自己的價值？這成了一個值得認真討論的話題。

7 月 3 日，在極客公園《今夜科技談》欄目，極客公園創始人張鵬與「亂翻書」主理人潘亂、甲子光年創始人兼 CEO 張一甲，從 AI 在高考中展現出的能力聊起，一路聊到教育、家長能做些什么，聊到人類的價值和社會公平。

不聊技術，不聊產品，他們更想聊聊這些現象背后，對人的影響。

以下是這場對談的節選，希望你能從中獲得一些思考與啟發。

01

人類數學家靠自驅力深度思考，

AI 數學家靠刷題

張鵬： AI 的能力已經可以在高考上取得清北的成績了，兩位聽到這個消息是什么感受？意外嗎？

潘亂： 如果這件事放在兩三年前，或者我是第一次知道這個事情，我應該會非常意外。不過其實這件事行業中也鋪墊了很久了，大家現在對 AI 在邏輯、知識領域的優勢也有預期了，所以沒有那么意外?；蛟S唯一的意外只是它來得如此之快，但其發生本身是必然的。

張一甲： 對于 AI 高考，我的看法和潘亂類似，這是一個必然現象。從技術角度看，高考幾乎是為大模型能力量身定做的場景。 首先，它是一個高度結構化的任務；其次，它對邏輯推理能力要求極高；最后，它所需要的知識庫內容干凈且垂直。這些條件為大模型提供了一個絕佳的發揮舞臺。 因此，AI 取得好成績是順理成章的。

說實話，相比 AI 的高考分數，今年真人考生取得的高分更讓我震驚。許多省市由于采取了賦分制，700 分以上的考生數量非常多。我去查了一下，可能跟新高考制度，比如「賦分制」有關。但總的來說，真人的能力也在變強，競爭越來越激烈。

張鵬：尤其是這次的考試， AI 在數學上的得分進步非常大，基本上都是一百四十多分，接近滿分一百五十分。張一甲作為曾經的北大數學系特長生學霸，怎么看這件事？這是不是意味著 AI 已經是頂尖的數學生，甚至數學家的水平了？

張一甲： 首先必須明確一點：在高考中取得高分，和具備頂尖的人類數學能力，是兩個完全不同的概念。高考數學屬于初等數學范疇，其核心是掌握固定的方法與定理，通過大量重復性訓練即可提高成績。AI 恰好能將這條路徑走到極致，在依賴邏輯與套路的結構化環境中，攻克高考數學并非難事。

但人類數學的真正前沿，即高等數學與數學研究，則完全是另一回事。它需要高度的抽象思考能力、對復雜概念的深刻理解，以及最重要的一點：定義問題的能力。這種能力更多源于數學家的直覺甚至是一種科學審美，是無法通過題海戰術培養的。

比如當年我們一塊做數學競賽的一個朋友，他后來一直讀到了哈佛的數學博士。我就有一次問他， 你的這個研究方向全世界大概有多少人理解？他說不到 20 個人。

頂尖數學研究往往在極狹窄的領域內進行，那里沒有現成的數據集和方法論，研究者必須自己定義問題、概念乃至工具，才能推動學科前行。數學是一門有數千年歷史的深厚學科，這種創造性的、開辟新領域的能力，是目前 AI 與人類數學家之間最根本的差距。

頂尖的數學家本身也非常值得敬畏，光是爬到巨人的肩膀上本身，可能就是普通人窮其一生都很難做到的了。

張鵬：那這樣頂尖的人類數學家，本身是怎么訓練出來的？

張一甲： 以數學競賽為例，國家級的數學奧林匹克競賽，一共考兩天，每天四個半小時做三道題，一共六道題。換句話說，你有充足的時間回答每一道題，一道題的答案可能也就幾行或者一頁，考的就是你沉浸式地去研究一個問題的能力，而不是高考的快速反應，程式化訓練。

頂尖的人類選手可以分為兩類：科班出身與「野路子」。科班選手自幼便接受頂級教練的系統化訓練，被前人經驗濃縮而成的方法論高效「喂養」。而像我一樣的選手，則更依賴于與生俱來的興趣、天賦和直覺，能夠在沒有太多工具輔助的情況下，憑感覺找到解題的突破口。

張鵬： 這種分野可以被解讀為兩種不同的「涌現」?？瓢噙x手是在植入方法論的基礎上進行延展，而「野路子」則更像是一種基于天賦的「人類涌現」，這與大模型基于數據的涌現形成了有趣的對照。人類在這兩種路徑上都能誕生頂尖的人才。

潘亂： 如果說標準化考試可以通過方法論加勤學苦練來攻克，那么要成為真正的數學家，究竟是方法更重要，還是天賦更重要？

張一甲： 我覺得可能它不能被概括為方法或者天賦。 如果你站在成為一個數學家的角度，你會發現關鍵要素既不是完全靠勤奮，也不是完全靠天賦，最后很重要一點是你的動力和自驅力。

最關鍵的要素是一種沉浸式的、近乎癡迷的興趣與好奇心。就像前面說的奧林匹克比賽，能不能沉浸式地去研究一個問題。而 AI 目前還解決不了動力的問題，或許未來會有變化，但是目前 AI 是都需要被召喚出來做一些事情，沒有自己的動力。

張鵬：我們看看這次 AI 高考的成績，其實里面有很多有趣的結論。其中一個點就是，2024 年到 2025 年，在沒有開聯網的情況下，模型在理科上提分了很多，這主要是模型的推理能力的變化導致的。折射到我們整個 AI 行業的發展而言，模型的推理能力的進步，也是 AI 行業過去一年發展中比較重要的一個點。兩位有觀察到有觀察到推理能力的變化，對整個 AI 行業和 AI 應用方面帶來了哪些直接的改變嗎？

潘亂： 我的感受是方方面面的。

在生活里，它就像一個隨身的向導。前段時間我在東京上野公園，看到一個日文介紹的雕塑，我直接通過 Ola Friend 的耳機問 AI 這個人是誰，它就能立刻告訴我，幫我游覽。我常一個人騎著電動車，不方便掏手機，就掛著耳機隨時問它問題。

在工作流上，AI 也讓我變得更勤奮了。一個例子是，過去「整理速記」對我來說是件非常痛苦的活?，F在用 Claude，一場直播聊完，它能在 10 分鐘內幫我改錯別字、加小標題、凝練觀點，直接給出一個近乎可用的版本。我還可以給豆包或元寶一個大方向和一些零散的點，讓它幫我「點串成線」，設計出整個提綱。

除了做的更多，能做的事也更多了。

我最近還在用 AI 寫一本網絡小說。我以孫權為主視角，讓 AI 把東吳的幾條核心故事線——比如他與四大都督、與幾位女性角色、與曹魏蜀漢的關系——全部串聯起來，甚至讓它模仿《漢武大帝》的結構去生成內容。當我把這些東西分享給編劇和導演朋友時，他們都完全驚掉了，開始對自己的工作產生了嚴重質疑。

AI 進步真的非常快，今年年初 DeepSeek 讓我非常震撼，而這半年來，Claude、豆包、元寶、GPT 這些產品又都有了巨大的進步。

AI 產品頁非常多，我想重點提兩個產品，飛書的知識問答和谷歌的 NotebookLM，這兩個工具真的像是給人的大腦加上了外掛和作弊器。

張鵬：我記得早年認識潘亂時，他就說自己很喜歡跟人交流，但整理信息是個巨大的痛點，導致公眾號更新速度很不穩定?，F在看來， AI 確實給了你巨大的解放。我不但看到你的公眾號更新頻率上來了，甚至還有「余力」去搞一些自己想寫的、全新視角的小說。這個改變確實非常明顯。那么一甲呢，無論是個人，還是行業內，有沒有看到因為推理模型發生了一些變化？

張一甲： 首先對我個人而言，有巨大的幫助。過去我需要通過和大量的人交流來獲取信息，但現在，我的主要交流對象變成了 AI。我發現自己待在電腦前的時間變多了，但學習一個新領域知識的速度卻大大加快了。

這種改變，源于 AI 能極大拓展我的知識寬度，它能快速搜集海量資料，省去了我過去需要「單點去湊知識」的時間。更重要的是，它的「思維鏈」對我啟發很大。我不僅看它給出的結果，更關注它「到底是怎么去想這個問題的」，這個過程能幫助我建立對一個問題的深度理解。

張鵬： 這聽起來像是把一個 E 人（外向者）變成了 I 人（內向者），因為你發現 AI 這個頭腦風暴的對象，在很多時候給出的信息質量遠高于身邊的人。

張一甲： 的確如此。而根據我的觀察，AI 進入更廣的商業世界，進入 B 端產業的工作流，這件事才剛剛開始。

它需要懂行業的人來推動，因為這不僅是技術問題。首先，你需要花大量時間去理解一個行業的特定工作流；其次，不同行業有不同的限定條件，比如有的行業「容錯率非常低」，對安全和 ROI（投資回報率）的計算非常嚴格。

所以，AI 在 B 端的落地，不僅僅是 AI 能力的體現，它更像是「數字化轉型的下一階段」。整個商業模式目前還沒有出現顛覆性的、跳脫的打法，還需要在具體的行業場景中慢慢去磨。

02

AI 理解視頻，比人類差太多了，為什么？

張鵬：除了推理模型的進步，今年 AI 高考中反映出的一個巨大進步，在多模態領域。我特別關注了那些帶有圖表的題目，前幾年大模型遇到這種題基本就亂了套，但今年進步非常明顯。這說明，沒有足夠強的推理能力，數學考不好；而要攻克圖表題，就必須依賴多模態。你們對大模型在多模態領域的進展怎么看？

張一甲： 我覺得多模態最終會成為所有 AI 公司都必須具備的基礎能力。

多模態交互的本質，是讓人與機器打交道的門檻變得更低。 過去我們需要很強的提問技巧才能獲得好答案，現在多模態讓 AI 可以直接理解這個真實的世界，而不需要把所有信息都抽象成文本。無論是圖像還是未來的視頻，都是在降低我們與 AI 交互的門檻。

今年高考中，像生物、化學很多題目本身就是圖表，過去 AI 可能連理解題干都困難?，F在多模態理解能力變強，相關的提分也是一個正常的結果。

潘亂： 多模態的進步，其實已經體現在我們生活的方方面面。比如，很多人都在用 AI「生圖」做頭像，或者用它來創作歌曲。

更典型的應用是「識圖」。這項能力從早年電商的「拍照搜同款」，到微軟的「識花」應用，再到今天，已經可以識別生活中的萬事萬物。我甚至覺得，離我們打開一個 AI 應用，讓它實時閱讀周邊陌生世界的那一天，已經不遠了。

這次我一個人去語言不通的地方旅游，心里就非常有底，沒有任何不安。因為我知道，AI 能幫我讀取、翻譯周邊的所有信息。

張鵬：過去我們為了旅游可能還會學幾句外語，現在這個動力可能就沒那么強了。因為我們兜里揣著 AI ，到哪兒都不怕。

我感覺，大模型最終就是一個模態轉換的魔法盒。你可以把任何模態的信息扔進去，它都能識別，然后再以你需要的任何模態輸出來。

除了剛才提到的拍搜這類跟圖片相關的，我還關注到最近 AI 視頻也很火，至少在我個人的抖音上，這類內容可能已經占到了 15% 左右。你們是否感覺到一樣的現象？

潘亂： 確實如此。但其實從剪映、抖音模板的時代開始，短視頻領域就已經發生了很大的變化。今天，像剪映、即夢，包括 GPT 等工具，都各有代表性的 AI 元素，Gemini 甚至能生成帶聲音的視頻。我最近刷到很多「切刀」的視頻，AI 可以模擬出切各種東西的聲音。

最近我特別關注「蘇超」（江蘇足球超級聯賽），你會發現各地文旅部門是使用 AI 最勤快的一批人，他們不僅付費意愿強，主動使用 AI 的意愿也很強。比如，在蘇超聯賽期間，你能看到各種地方文旅賬號用 AI 制作的視頻，內容天馬行空，徐州和南京打架、真假美猴王等等等等，展現各種可能性。我覺得在蘇超相關內容里，至少一半是由 AI 生成的，尤其是各地文旅部門發布的內容。

張一甲： 我作為個人視頻用戶，刷到 AI 生成內容的比例并不高，可能是推薦算法根據個人偏好有所不同。我個人如果看到 AI 內容比例過高，反而會更傾向于看一些真人甚至略顯粗糙的內容。早期我對 AI 作圖、生成視頻很感興趣，但后來發現，再美的圖如果一眼就能看出是 AI 生成的，我就失去了審美和獲取愉悅感的動力，反而是我現在看真人秀這類綜藝節目的比例有所上升。

張鵬： 那我們正好相反。對我來說，和 AI 一起做研究相對少一點。但在視頻內容上，好的 AI 創作作品我完全可以接受。我在抖音上刷到一個專門介紹貓狗品種的系列視頻，它把每一種動物的特點，比如邊牧犬的英文全稱，都編成了一首歌，配上特別萌的 AI 畫面，整體感覺非常好。我現在每天都會看，覺得既能長知識，又很有趣。

雖然我明確知道這是 AI 做的，但我依然看得很沉浸。第一階段好像一看到是 AI 做的，就覺得只有那幾種套路沒意思，現在我覺得 AI 在發散地交付出更好的結果。

潘亂： 核心在于表達。比如大家都在刷抖音，但在抖音流行之前，全世界最流行的，大家自己能做的短視頻類型就是簡單的 MV。對于我們 80 后來說，畢業時最常見的就是把大學照片做成 PPT，配上一首流行歌曲，那就是青春的回憶。雖然那時的 MV 很簡單，只是圖片輪播，核心還是承載了情感和表達。

現在 AI 時代，我們看到老照片動起來，老照片復活，其實也是一樣的邏輯。原來可能大家要費很大力氣才能做的事情，現在 AI 時代變得更容易了。

張鵬：我們這次也試圖讓 AI 用視頻對話來答題，但是效果就不是那么好。為什么對視頻要去做理解、基于它再去做一些生成，比如生成一些答案、解決一些問題，現在還做不太好。這里面核心的原因是什么？

張一甲： 首先視頻你可以理解為非常多幀的圖片，它是多幀的連續信息。處理起來的數據量和對算力的需求，跟圖片完全不是一個數量級。而且這里面還涉及到模型的長時間記憶、上下文的理解能力、不同模態的對齊等，這些比圖片要高了一個甚至很多個維度。

我記得當時 Sora 出來的時候，我試圖去看他們出的論文，里面其實給我印象最深的倒不是說有什么很強的算法，而是它怎么把視頻和圖片 tokenize，把這個多維的表達形式轉換成可以讓 LLM 處理的 token。其實說白了就是把一個看起來很高維的東西變成 token。這個過程本身的工作量可能大于你把它處理好之后再去訓練它。所以視頻作為一個模態，對于模型來說，它的認知成本、處理難度，以及花的錢，都是最高的形態之一。

潘亂： 最簡單的，一個視頻文件大小可能幾百兆，一個圖片幾兆，壓縮后甚至只有幾十 KB。文字呢？用 KB 來形容都抬舉它了。你就是看文件大小，就知道為什么多模態發展這么慢。

當然這也不只是多模態的問題，更核心的還是計算能力的限制。但今天不管是抖音、YouTube，還是視頻號，你會發現它們其實在這塊能力上都有進步。音頻的提取，然后語種轉換，再到語義理解，這些都是已經可以做到的。

張鵬： 從我最近和一幫做技術的同學聊下來，我覺得在視頻層面的問題，有兩個很重要的點。 第一個叫注意力漂移。因為視頻是一個連續的東西， AI 是概率模型，在一個連續的概率過程中，注意力會逐漸漂移。整個大模型今天最重要的機制就是注意力，一旦漂移就會造成幻覺疊加幻覺，然后問題就出來了，今天還沒有特別好的解決方案。

第二個問題就是連續性。 剛才一甲也說了，我們可以把視頻理解為一幀一幀的圖片，但它不僅要理解空間，還有時間這條線。今天的模型不具備時空連續的完整理解能力。所以就會導致 context 不連續，視頻里的動作顯得很怪異，沒有按正常順序走。

雖然 AI 考大學已經考得很高了，但它在人類看來很簡單的事還做不好。對于人類來說，看一張照片和看一段視頻其實差不太多，但是對 AI 就差很多。我覺得這反而挺讓人興奮的，因為還有不確定的東西，還有創新的機會，很有意思。

03

AI 寫作如同做菜：AI 可以給你備輔料，

但寫作者一定還要自己掌握火候

張鵬：我們最早看到 ChatGPT 的時候，今年年初看到 DeepSeek 的時候，都是先被它的語言文字能力震撼。最開始我們感受到的是它在文科上的能力。但今年我覺得一個有意思的點是，我們看到 AI 高考，AI 理科漲分非常多，文科好像反而沒怎么漲。這為什么呢？

潘亂： 文科這個詞的英文是 liberal arts，自由的藝術。從這個角度看，其實理科是找規律，文科找自由。大部分理科有標準答案，文科是自由，是藝術，是發散。如果你強調邏輯、數據、推理、效率、標準化，那就像計算器和珠心算一樣，它一定更高效、更不出錯。理科追求規律和效率，但文科是關于自由的藝術，自由指的是人的情感、價值觀、跟社會的互動和表達。讓它去繪畫、去創作，就不一定比人強。

大家以前常說畫人容易畫鬼難，因為鬼我們不知道長什么樣。所以文科跟人的文化經驗、情感體驗、立場判斷相關，充滿了非標準的東西。

張一甲： 文科中有些部分是可以的，比如有標準答案的題目 AI 也能做，因為它可以讀書破萬卷，把很多東西背下來。但像寫作文就不一樣了。作為作文改卷老師，幾個老師看同一篇作文，標準也不一樣。寫作文除了優美、引經據典之外，還需要情感投射、立場、價值觀、社會批判性、矛盾張力。這些評價維度都不確定，更何況創作維度。閱讀理解也很難。

理科追求客觀的正確結果，文科更多是一種解釋的豐富性，它要豐富而不是收斂。比如 語言學其實很偏理科，但文學更多講的是解釋的豐富性、第一人稱體驗的投射。 每個人描述不同場景、情緒時，那種美和力量是不一樣的。

張鵬：我們也都是內容工作者，平時工作中會考慮用 AI 處理一些文字內容嗎？有沒有觀察到 AI 在寫作上目前會出現的問題？

潘亂： AI 寫作其實最近是進步很大的。我一開始覺得 DeepSeek 很好用，現在已經開始覺得它進步太慢了，還經常出現幻覺。比如量子力學、量子糾纏、拓撲這些詞經常莫名其妙出現，一看就知道是 DeepSeek 寫的。

模型在發散、總結、頭腦風暴上非常好用。比如我們今天聊完，用飛書妙記可以總結提煉會議紀要。以前整理錄音是很痛苦的事，現在效率提升很多。它能幫你做提綱、拆解、概要，你給它一個模糊方向，它可以連點呈現。這跟推理能力的進步有很大關系。去年年底我還在吐槽它沒啥用，但今天我幾乎給所有產品都充了會員，電腦里開著一堆，天天在用。

不過模型作為頭腦風暴助手已經很稱職了，寫出來的文章還是容易被看出來是 AI 寫的?，F在其實好的創作者都在研究怎么用 AI，但沒人會公開說自己用 AI 創作。因為一旦說出來就貶值了。文章也一樣，在創作者圈子里，如果看出來是 AI 寫的，那你在我心里絕對是貶值的。

所以現在的狀態是，你斷不能讓它生成一整篇文章。稍微有經驗的人會把它當作一個結構化的助手，一點一點搭起來，最后還需要自己掌握火候。 AI 寫作的價值在于它的發散，幫你發散思考。

表達對很多人來說是個門檻，有的人不知道寫什么、怎么寫。 AI 可以幫你做菜，食材準備好、配比調好，但最后炒出來的過程和火候還是你自己掌握。全部交給 AI 就沒水平。

張一甲： 對我們來說，AI 更多用于調研、分析、頭腦風暴。最后成文這一步我們比較審慎，不完全信任 AI，因為它可能有事實性錯誤，缺乏反復檢查的的嚴謹性。前半程效率提升很大，但成文還是依賴人。

我們這個行業寫的東西更結構化、更專業知識驅動，文風倒不是特別重要。但藝術、電影、音樂這些更依賴創作者本身。我覺得 AI 更像是給行業普惠的工具，把基礎能力拉高，但很難在局部領域突破天花板。能稱得上什么「家」的角色，AI 干不了，但它可以成為大家基礎的工具，就像計算器。

張鵬：我覺得這是一個「金鑲玉」原則：金子是 AI 的能力，我把它當作一個框架去支撐內核，內核還是我們自己。大塊金子扔出來顯得低俗，但金鑲玉之后就不一樣。最終人還是在中心，AI 是外部的支持體系，不能代替內核。

我現在也跟潘亂一樣，天天開著各種 AI 一起腦暴，像一甲一樣，有些問題不懂就問 AI，還開著聯網搜索，效率還不錯，但最后，這些 AI 的東西，還得變成自己的東西。

04

后 AI 時代的教育：人類該往哪里去？

張鵬： AI 的能力這兩年也進步地非?？?，一開始我們說可能先替代文科生未來的一些工作，結果 AI 的理科能力很快也都跟上來了。這對于未來人們的職業發展會有怎么樣的變化？最基本的，現在懂 AI 的家長，應該怎么幫助持孩子報志愿？

潘亂：我會推薦他們學個手藝。高薪的中產文理科工作會很快被 AI 侵蝕 ，這一定是最卷的領域。因為大家對「學習改變命運」的信仰慣性很難轉變，也未必需要轉變。這是社會的最大公約數，意味著這是一個無窮無盡的卷的道路。無論學文還是學理，最后都落在這個象限里。所以不如學個 AI 干不好的，比如學怎么做金鑲玉、雕刻玉器。

所有工業化、批量化、方法論化的東西，某一天都絕對會被 AI 超越。像我這樣的二本學生，來自蘇北農村，沒什么社會資源、沒有成本犯錯，需要先考慮生存、獲得收入。我的建議只是其中一種可能性，也許會被別人噴，但這是現實。

張一甲： 我當時報志愿的時候，其實也困惑要選什么專業，后來一個哥哥建議我，，大學四年要選最難的專業，比如數學或物理。因為人生很少有四年時間沉浸式地搞一個非常艱難的學問，這對腦力、思維、專注力、意志力都是極強的訓練。我覺得有道理，就選了數學。

到今天我也不希望別人只從實用主義出發選專業。越實用越卷，熱門方向很快也變得更卷。而且同樣分數的兩個孩子，他們的天賦、興趣、好奇心都不同。外部的計算可以越來越精確，比如 AI 報志愿、基因檢測，但最終還是看你想成為什么樣的人。

張鵬： 結論上唯一正確的就是：家長首先要關心孩子想學什么。motivation（自驅力）是人類最后的陣地。我們對某些東西的熱愛，是 AI 不具備的原生特質。

同時可能要圍著興趣走，早點把 AI 配在孩子身邊，用 AI 提升效率，不只是拿高分，而是探索、強化學習曲線。哪怕換方向也沒關系，以前人一輩子可能只能換三次，現在很快就能換。

潘亂： 我想起我之前跟一個教育公司的創始人聊的時候，我們就聊到教育的本質是什么？教育的本質是為了實現人的自我發展。自我和發展這其實兩碼兩個事情。

我們所有人都側重點在后一條，都是在側重發展這一條，但是在自我這一條就是大家其這其實關注度就是很少很少。其實現在是一個需要開始關注自我的時代了。因為你再發展你也發展不過 AI。

AI 未來是無限的供給，在所有的領域里它都會發生作用。我們未來的發展是要關心自己，而不是一直關心，我這個社會里面去做哪個牛馬和螺絲釘能夠有最高的效率，哪的需求供給不夠，我就適配哪個。

張鵬：今天 AI 還會有這不行，那不行的時候，長期來看，如果要過兩年再上大學，過五六年再進入社會，那個時候世界可能已經發生了重大變化了。所以更好的策略是首先關注自我。

那說到這個話題，AI 在考試上已經超過 99.99% 的人類了，輕而易舉地超過了我們多年的寒窗苦讀，那應試教育本身，還有意義嗎？

張一甲： 我想先為應試教育「洗個白」。從小我們提到應試教育，總帶著負面色彩，比如死記硬背、題海戰術、工具化學習等，但其實應試教育在高維度智力篩選上是高效的。

它篩選出來的尖子生，通常不是靠死記硬背，而是訓練出了一套完整的學習方法、系統性的思維、快速掌握知識的能力，以及專注力、意志力、延遲滿足等品質。應試教育的目標不等于死記硬背，它培養出的頂尖學生思維能力往往更強。

第二點，AI 本質上就是應試教育的終極形式。AI 所做的事，本身就是一個超高效的「應試機器」。所以我們看到，最近 Meta 挖人，也是挖到了很多中國人，他們早期就是中國應試教育的佼佼者。這是很合理的。應試教育培養出來的最強的學生，篩選出的能力，恰好和 AI 的能力其實是正相關的。會應試的人，可能也比較會搞 AI 應試。

潘亂： 首先我也認同應試教育不等于死記硬背。

但我們前面聊到了，接下來的教育，就是要自我發展。從這個角度出發的話，教育的目的就絕不應該是繼續篩選更多人進入高等學府，而是要培養更多的人，適應未來社會，在今天可能加上，與 AI 攻錯。

如果真的繼續按應試教育進行篩選，我是一個江蘇人，然后你知道我們那邊中考就是篩掉 50%，有 50% 的孩子他是沒機會去讀高中的。對，真的是一半啊。那這部分人他能去哪送？真的送去職高嗎？我們現在對職高也還有一些刻板印象。

應試教育做篩選很有效率，能快速篩出一批人，但是從社會層面上，它也在讓更多的人受害。

而且即使是被篩出來的人，他們也不見得在回望這一生的時候，更幸福。我們之前聊教育的時候，找到了人大附中的一些畢業了十年的同學。他們會說最后其實大家的選擇都集中在了某幾個象限，大廠、金融等等。大家都很高薪、優秀，但是也平庸，選擇非常接近。即使是進了 Meta、OpenAI 的頂尖研究院，從某個更大的歷史視角上，也是另外一種優秀的平庸。

因此 我們如果去考慮人的自我發展，再看應試教育，我覺得讓大家都有基礎的知識和素養是更必要的。

就像那句古話說的，「觀千劍而后識器，操千曲而后知音」。你得先看過一千把劍，才知道哪一把是好劍；彈過一千首曲子，才能真正懂得音樂。

如果你沒有這些基礎，那么去看好的電影、聽好的音樂會，可能翻來覆去也只會說那兩個字，因為你沒有更豐富的詞匯去形容和解讀。你連世界都沒見過，又哪來的世界觀呢？

未來也不可能人人都是產品經理，人人都是工程師?，F在你如果想干好 AI 編程，你原本不是工程師的話，也仍然是很難的。

所以，基于應試的這一套標準，讓孩子們去學習必要的知識，是非常有必要的。否則，人就是一張白紙，你就算把 AI 扔給一個在叢林里長大的「狼孩」，又有什么用呢？

張鵬：對于家長來說，有一個終極問題： AI 幫孩子寫作業，已經越來越普遍了。你們怎么看這件事，應該鼓勵嗎？

潘亂： 我的觀點是，要分年齡段。

大學生當然應該用，但對于心智還未成熟的小學生，過度依賴 AI ，就像當年的「拍照搜題」一樣，會讓他們失去獨立思考和克服困難的能力。

學習本身就是一個「痛苦」的過程，就像鍛煉肌肉，需要經歷撕裂和重塑。如果你用 AI 輕易就繞開了所有痛苦，那可能也就失去了真正的成長。

張一甲： 我覺得這根本「沒得選」，限制孩子使用 AI 是行不通的，就像我們無法在移動互聯網時代禁止孩子上網一樣。與其圍堵，不如接受「AI 無處不在」這個現實，然后去思考，在這種環境下，學習到底是什么。

AI 在孩子成長中的角色會不斷演進，從詞典，到搜索引擎，再到思維伙伴。我真正擔心的，是學習的「空心化」——你看起來在學習，也交付了學習成果，但知識和能力完全沒有進入你的大腦。這比用不用 AI 本身更可怕。

張鵬： 我非常同意。今天的教育，對家長的挑戰是空前的。 我們必須從關心「結果」，轉向關心「過程」。孩子用 AI 交出一份作業，結果可能很完美，但我們要問的是：你在這個過程中學到了什么？你和 AI 共同探索時有什么啟發？你有沒有定義一個好問題？

因為 AI 能輕易地給出結果，所以「過程」就成了人類獨有的、真正有價值的教育陣地。

05

你希望 AI 能力未來更強嗎？

張鵬：那我再延展一個話題：你們覺得現在的 AI 究竟是在拉平還是在加劇教育和信息的鴻溝？對于小鎮青年們、孩子們，未來的機會是變大了還是變小了？

潘亂：主觀能動性更強的那些人，他的機會是變得更大，但是對于絕大部分人來說，他們會被這個數字鴻溝拉到非常后面去。

今天大家主要提問來使用 AI，對吧？你給它一個問題，給它一個輸入，它是一個輸入輸出系統。大部分人是沒辦法去想出一個好的問題的。抖音的日活是百度的多少倍？

用好 AI 需要很多前提：你要會提問、能抵抗娛樂內容的誘惑、有付費能力和好的網絡環境。對于那些有主觀能動性的年輕人，AI 會對他來說是一個巨大的幫助，他可以就是身處陋室，依然可以跟這個世界去發生共振。

而大多數人，很難去對抗「時間的朋友」?！笗r間的朋友」是誰？是懶惰、是熵增，大部分人需要與之對抗才能進步，這太難了。

所以，AI 理論上是拉平鴻溝的工具，但現實中，它會放大已有的不平等。

張一甲： 我覺得這個問題很深刻，我直觀的答案就是，不一定。

在義務教育和基礎醫療這樣的普惠層面，AI 會極大地促進公平?？赡茏悴怀鰬艟湍芨永斫馐澜缌恕?/p>

但再往上，社會可能會形成新的分配形態。比如今天，一個公司「有算力」和「沒算力」就是巨大的不平等。 未來，可能會有少數人掌握著具備巨大杠桿效應的「高階 AI 」，從而分配更多的社會資源，別人只能做數據提供者和應用者。

就像過去有人有房，有人沒房，就有了巨大的社會不平等。這個新的「分水嶺」具體是什么我們還不知道，但它很可能會存在。

張鵬： 一甲說的這個很關鍵，因為就是 這個世界里邊最重要的生產資料，到底未來是什么， 最終會落到生產關系上，這個社會里邊的價值流轉的結構，最后又會是什么？現在還不知道。這最后會和整個大環境相關，是一個很復雜的問題。

張一甲： 我覺得就進化論一樣，我覺得教育很大程度上是要建立一個人的適應能力。人類都是早產兒，跟其他動物相比，是所有技能都沒有的，其實父母教給孩子的就是基礎的生存技能，然后靠它自己對大自然、對變化的這種適應能力。

我覺得 AI 極大程度上增強了未來的不確定性，未來的個體要擁有更高的適應性，才能生存。

潘亂： 你的靠譜、你的認真、你的勇氣、你的膽識，人的自我迭代，自學能力，這些是永遠重要的。

張鵬：我覺得最后一個問題是大家都可以分享一下，從自己出發，當這個技術出現之后，最終我的位置是什么？你們擔心自己被替代嗎？

潘亂：我一丁點沒有被替代的恐懼。 因為兩個點。

第一個點是，剛才聊了生產力跟生產關系，AI 發展到現在，社會的資源在當下它并沒有變得更多，也沒有一個新的平臺冒出來。那其實意味著什么？就是沒有新的流量分配，就是也沒有新的變現模式，我們作為創作者群體，應對的平臺的各個要素都沒有變化。

只有一個事情發生了變化，那就是大家創作內容的效率發生了變化，其實 AI 只變了這一個事情，讓我們變得更有效率了。

那在已經有一定連接關系，已經占優的人，其實是處于一個更好的升位的，我們也用一個說法叫你有 IP，有 IP 你可以變得更勤奮，有更多產能，嘗試更多的事。

另外一個點，AI 的核心能力在于「輸入」，也就是提出好問題的能力。我一直記得雷軍問傅盛的那個故事，傅盛說 360 的成功，周鴻祎功勞更大，因為是他把一個開放性命題，變成了一個封閉性的問題——「如何做好一款安全軟件」。人的「輸入」能力是不均等的，我需要做的，就是不斷夯實我的輸入能力。

我今天已經逐漸地開始選擇用付費墻的方式，我去訂閱一些雜志了，有點逆潮流，但實際上讓你處在了一個更好的位置上。

張一甲： 首先我認為我們三個都不會被替代。

就像剛才潘亂說的例子，我們作為一個公司的負責人或者 IP 的主理人，我們其實是需要在開放環境定義一個封閉的問題的——我們做什么、不做什么，并為之承擔風險。這個過程需要的是信念和堅持，是 AI 無法替代的。

AI 可能會給你幫助，但是為什么做，能堅持多久，能不能克服一些局部的問題完成長期的目標，是要我們自己承擔的。

另外，我對人本身有信心。生命是熵減的，有自由蓬勃的力量。即便 AI 在各項技能上都超越人類，但人作為生命體，一定會發揮其獨特的生命力，去尋找到「生而為人」的意義感。我永遠站在人類這邊。

張鵬： 我也分享一下。我其實特別希望被替代。但是我要加個引號，我的意思是，我希望 AI 能夠替代某些我已經熟悉的事情，讓我能被解放出來，去探索更多未知的新領域，讓我們的一生能活出幾輩子的精彩。

這個世界的摩擦力是很大的，做一件事就要一個復雜系統來支持你，很難把一個階段已經做成的事放在那里，自由地去探索自己的另外的可能。

我認為，人類最寶貴的是無知無畏的力量。所有偉大的創造，都源于此。AI 應該支持我們的無知無畏，它知道我們所不知道的，能降低我們探索的代價。所以，我希望 AI 能夠大步快跑，幫我們捍衛自己內心的那股力量，那才是生命最本質的、熵減的狀態。

*頭圖來源：豆包生成

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO