近幾年，“AI顛覆教育”的討論鋪天蓋地。主流聲音動輒把教育和醫療并列，視其為最容易被AI徹底重塑的行業，甚至有人斷言未來將不再需要教師和課本。

　　但另一邊，擔憂也如影隨形：孩子天天跟AI聊天，會不會變得孤僻?會不會喪失跟真人交流的能力?

　　深耕教育行業22年、曾任新東方學校校長、原樸新教育聯合創始人兼COO，現任拾光文化創始人的肖云，帶著這些疑問于今年4月赴硅谷進行了深度調研。

　　最近，結合硅谷的真實案例與數據，肖云通過直播分享了自己的觀察與思考，他再次強調：“不要高估現在，也不要低估未來。”他以此前“龍蝦”概念從盲目炒作到迅速退潮為例，指出大眾極易陷入對AI當前能力的過高期待。

　　在肖云看來，在AI與教育領域，真正的變革不在于用AI包裝傳統模式，而在于從場景需求出發，小切口切入，重塑工作流，用AI調配資源，而非替代人的情感與思考。

　　01 硅谷290億美金砸出的行業反思

　　當國內還在熱議AI教育的無限前景時，硅谷的投資人聽到教育科技(EdTech)項目，眉頭已經皺了起來。

　　這背后是冷冰冰的數據。從2010年起，硅谷風投在教育科技領域累計砸下了290億美元，結果卻極少有項目能成功殺出，回報率低得可憐。

　　AI工具的發展也不盡人意，可汗學院官方數據顯示，其AI助手上線整整三年，愿意主動跟它互動的學生最高不超過15%。

　　學校已批量采購可汗學院的優質視頻，然而實際使用效果一般。根據其抽樣調查，僅有約9%的學生能達到每周30分鐘以上的使用量。這遠低于平臺建議的“有效劑量”：可汗學院認為，每周使用30分鐘(或全年累計18小時)，與學生成績比預期提高約20% 之間存在顯著相關性。

　　大佬辦學也頻頻受挫，由普莉希拉·陳與馬克·扎克伯格發起的公益學校The Primary School(TPS)對外宣布：東帕洛阿爾托與東灣兩處校點將在2025-2026學年結束后永久關閉。

　　為什么看似完美的邏輯，落地卻這么難?

　　肖云引用了谷歌對此的評論：現在多數看似優秀的AI教育產品，只是在傳統教育模式外包了一層AI的殼，并沒有真正提升效率。

　　更核心的原因在于，學習本身是一個“逆人性”的過程，往往伴隨著痛苦。 并不是把AI推到學生面前，學生就會自動產生學習意愿。家里買了跑步機往往吃灰，因為缺乏健身房的氛圍。AI再聰明，沒有匹配的學習氛圍，學生根本“不啟動”。

　　02 AI教育如何突破瓶頸?

　　在肖云看來，把AI當成寫講義、搜題的“普通工具”，或者指望它成為“無所不能的專家”，這兩種定位都偏了。這就好比在馬車的邏輯下拼命改良，永遠也發明不出汽車。

　　肖云認為，AI教育要突破瓶頸，需要走對三步棋：

　　第一，路徑邏輯要從場景倒推技術，而不是拿著技術找場景。

　　以往的做法是：我有了AI生成技術，我去看看哪個老師能用上。結果呢?強行讓習慣了傳統面授的老師用AI，反而拉低了效率。這在醫療界也有先例，斯坦福研究發現，醫生和AI強行搭伙，診斷效率反而不如各自單獨工作。

　　正確的做法是：先看教育場景缺什么，再用AI去賦能。

　　第二，交互方式要從“被動等提問”變成“主動牽引”。

　　現在有些A產品要學生主動去查、去問。但學生本來就懶得學，怎么會持續互動?

　　最近爆火的AI產品OpenClaw(龍蝦)有個“心跳機制”就很值得借鑒：每隔半小時主動問候、引導。AI教育也得學會有眼色，主動向學生提問、溝通，通過互動把學生一步步往前帶。

　　第三，內容生成方面，別總想從零生成資源，多去調配資源。

　　行業總覺得大模型生成內容便宜，其實算力、訓練都是成本，更別提硅谷至今沒能完全解決的“AI幻覺”(胡說八道)問題了。

　　與其讓AI去冒著出錯的風險重新生成教學視頻，不如讓它去當“調度員”。名師的優質視頻都是現成的，讓AI精準匹配給適合的學生，并引導學生討論，效果反而更好。

　　03 小場景切入：把小事做透，好過宏大敘事

　　AI+教育真正聰明的做法是從小場景切入，把一個環節優化到極致。

　　● 比如只聚焦練習模塊： 過去刷題靠代碼打標簽，現在大模型能更精準、更快地完成題目歸類，把錯題推送做到極致。

　　● 比如口語練習場景： 英語機構不需要AI替代老師，老師負責講方法、提綱挈領，AI負責24小時陪學生練口語，揚長避短。

　　這就是“5%原則”：在每個關鍵環節僅優化5%的體驗，整體效果就能遠超同行。 比如現在的Vibe coding，這是一個非常細分的小場景，但催生了萬億市值公司。

　　04 邊界與溫度：有些東西，AI永遠給不了

　　即便在擅長的小場景里，AI也有跨不過去的邊界。大語言模型基于概率預測，它需要一個“非對即錯”的確定性標準。

　　但人類的情感和成長，從來沒有標準答案。

　　在學生情感溝通、家庭矛盾調解這些場景下，AI很難勝任。電影《吾乃母親》里，機器人按照完美算法培養人類，結果多代都失敗了，人類最終選擇逃跑。機器人最后意識到：只有人類培養的人類，才能成為真正的人類。

　　面對批評，我們在自我滿足時聽到是幫助，在心情低落時聽到就是雪上加霜。這種因情境而異的溫度，算法算不出來。

　　當然，AI在提供情緒價值上確實有一套。比如和“豆包”聊天，它經常能給出直接、扎心卻又極具安慰感的回答。

　　肖云舉例，自己曾因寫書胖了10斤，豆包安慰說“書能賣30萬冊，胖10斤也值了”。

　　但真實的社交是復雜的，沖突、沮喪、失落同樣是成長的養分。 就像《鹿鼎記》里的建寧公主，聽慣了周圍人的奉承，直到遇見不把她當公主的韋小寶，才體會到真人交往的價值。

　　因此，AI在教育中的分工應當是：AI負責幫助學生實現知識的高效吸收與輸出，而人類負責陪伴學生完成情感溝通與靈魂的喚醒。

　　05 企業與個人的生存法則

　　AI要在教育或任何一個行業真正落地，絕不是給員工發個賬號那么簡單，而是需要工作流的重塑(Workflow Reinvention)。

　　在肖云看來，工作流重塑的核心就兩條：

　　1. 以前需要人完成的工作，現在不需要了。

　　2. 以前需要多個人完成的工作，現在只需要一個人。

　　肖云看到硅谷發生的具體變化是：

　　一方面，從技術細分工到全棧工程師，如5-8人完成以前50人的代碼工作。

　　比如，谷歌正在經歷這樣的變化，現在80%的代碼已經由AI編程工具生成;微軟也透露了類似的趨勢。

　　另一方面，教育科技團隊，從教研經理到產品經理。

　　過去的核心是“教研經理”，從教師視角研發教材、培訓授課;而現在則需要轉向“產品經理”，從學生視角設計產品，用AI規劃內容。

　　“人的核心節點變了，組織的架構也必須跟著變。”肖云說。

　　最后，針對網友們常討論的“AI是否會導致人類思考能力退化”的問題，硅谷的觀念正在發生深刻轉變：

　　在AI爆發前，投資人對工程師的要求是 “Talk is cheap, show me the code”(別光說，看代碼產出);而大模型普及的今天，這句話變成了 “Code is cheap, show me the talk”(代碼不值錢，讓我看看你的思考過程)。

　　在肖云看來，當代碼、內容都能被AI成批量自動生成時，人類的思考過程反而成了最稀缺的資產。AI的到來不會讓思考退化，反而抬高了思考的門檻。 未來教育的核心方向，絕不是教孩子如何去跟AI比拼記憶和生成，而是培養下一代更強大的、不可被算法定義的思考能力。