在這個(gè)時(shí)代重新理解教育和人類的價(jià)值。

作者｜張一甲、張鵬、潘亂

整理｜沈伊人

2025 年，大模型又一次刷新了人類的認(rèn)知邊界，AI 模擬高考成績大幅躍升，已達(dá)到清華、北大的錄取線。但另一方面，這也讓人感到些許焦慮。

如果 AI 都能考上清北了，那人類的努力還有什么意義？我們又該如何繼續(xù)創(chuàng)造價(jià)值？這是一個(gè)不小的命題。

7 月 3 日，極客公園創(chuàng)始人&總裁張鵬、「亂翻書」主理人潘亂、甲子光年創(chuàng)始人兼CEO 張一甲，三位長期關(guān)注 AI 行業(yè)的觀察者，換了個(gè)視角，不談參數(shù)、不談迭代，而是從人的角度、社會(huì)的角度，回到每一個(gè)個(gè)體的現(xiàn)實(shí)處境中，從“AI 考上清北”這一熱點(diǎn)現(xiàn)象出發(fā)，就 AI 與教育這一議題展開對(duì)談。

• AI 的能力在過去一年，產(chǎn)生了怎樣的變化？
• AI 應(yīng)用帶來了怎樣的機(jī)遇？
• 我們又應(yīng)該如何在這個(gè)時(shí)代重新理解教育和人類的價(jià)值？

這個(gè)話題聽起來或許有些沉重，但我們希望以輕松的方式聊出一些希望。

以下是這場(chǎng)對(duì)談的實(shí)錄，希望能為你帶來思考與啟發(fā)。

1.AI高考成績背后，大模型能力在過去一年的進(jìn)步

AI高考

張鵬：我們先從最近 AI 模擬高考的成績說起。不知道你們有沒有注意到，大模型最近又考了一次高考，分?jǐn)?shù)漲得特別快。2024 年測(cè)試的時(shí)候，AI 能夠考上一本了，而 2025 年的測(cè)試，AI 能夠考上清北了。字節(jié)的模型，一下子漲了 150 分，都快夠上北大清華的線了。你們聽到這個(gè)消息時(shí)，感覺怎么樣？會(huì)覺得意外嗎？

潘亂：如果是第一次看到這個(gè)新聞，我肯定會(huì)很意外。但其實(shí)這之前已經(jīng)有不少鋪墊了，比如志愿模擬、做題測(cè)試等等。要是放在兩三年前，大家可能會(huì)覺得震驚，但現(xiàn)在 AI 已經(jīng)普及了一段時(shí)間了，很多人可能都會(huì)覺得很厲害，但也在預(yù)期之中。可能大家沒想到會(huì)這么快。但基于 AI 一直以來在邏輯和知識(shí)上的積累，它本來就在這方面有優(yōu)勢(shì)。

張鵬：我能感覺出來，你現(xiàn)在已經(jīng)完全對(duì) AI 不設(shè)防了。你覺得它能做到這件事是遲早的事，無非就是今年還是明年而已。那我想聽聽一甲怎么想的。畢竟你是北大的學(xué)霸，而且數(shù)學(xué)是特長，你聽到 AI 考到你當(dāng)年那個(gè)水平，有沒有覺得被“冒犯”到？

張一甲：說實(shí)話，沒有被冒犯（笑）。因?yàn)槲移鋵?shí)沒參加過高考，當(dāng)年是通過數(shù)學(xué)奧賽提前拿到了北大數(shù)學(xué)系的錄取通知。所以在這個(gè)話題上，我多少有點(diǎn)“班門弄斧”，但可以試著聊聊。

今年 AI 的高考分?jǐn)?shù)出來時(shí)，我其實(shí)更震驚的是，真人考生的分?jǐn)?shù)也很高。不知道你們有沒有注意到，很多省市 700 分以上的人數(shù)特別多。我去查了一下，可能跟新高考制度，比如“賦分制”有關(guān)。但總的來說，真人的能力也在變強(qiáng)，競(jìng)爭(zhēng)越來越激烈。

至于 AI，我和潘亂看法差不多。這是一個(gè)必然現(xiàn)象。高考其實(shí)是非常適配大模型能力的場(chǎng)景：結(jié)構(gòu)化強(qiáng)、邏輯鏈清晰、題庫干凈、垂直度高，非常適合 AI 發(fā)揮。而且它有巨大的社會(huì)關(guān)注度，自然成了大模型的一個(gè)理想試煉場(chǎng)。今年模型進(jìn)步快，考生成績也好，在我看來是可以預(yù)期的。

張鵬：對(duì)，其實(shí)你想想看，高考最終是一個(gè)打分體系，尤其像數(shù)學(xué)這種偏理科的科目，模型在這方面的“天賦”本身就比人更強(qiáng)。它訓(xùn)練的數(shù)據(jù)量更大，邏輯計(jì)算也更精準(zhǔn)，再加上強(qiáng)化學(xué)習(xí)，很多能力都能對(duì)齊,甚至超越人類。

張一甲：我先回應(yīng)一下剛才張鵬說的。其實(shí)從早期的生成式模型，到現(xiàn)在推理能力大幅增強(qiáng)的模型，發(fā)展是非常明顯的。原本我們覺得文科更適合大模型，但現(xiàn)在 AI 在理科上的表現(xiàn)更強(qiáng)，原因就在于它的深度推理能力優(yōu)化得特別快。這其實(shí)是認(rèn)知結(jié)構(gòu)范式的一次躍遷。所以在理工科領(lǐng)域，大模型未來一定還有更大的發(fā)揮空間。

張鵬：對(duì)，今年高考數(shù)學(xué) AI 的得分好像已經(jīng)突破 140 了，滿分 150，基本就是頂尖水平了。是不是可以說，在數(shù)學(xué)這個(gè)領(lǐng)域，大模型已經(jīng)接近人類滿分水平了？這也因?yàn)閿?shù)學(xué)是個(gè)封閉的體系，可以通過強(qiáng)化學(xué)習(xí)反復(fù)訓(xùn)練。那你們覺得，大模型能拿高分，是因?yàn)樗娴摹奥斆鳌保€是因?yàn)樗鼤?huì)刷題？畢竟它特別適合刷題。

潘亂：這個(gè)讓我想到當(dāng)年的 AlphaGo，一開始它也是靠不斷練棋譜。大模型的早期，可能也得靠“刷題”，比如把“5 年高考 3 年模擬”全做一遍。人類學(xué)生一周能刷幾套題，它一天能做完過去幾十年的題庫。所以它可以模仿人類的學(xué)習(xí)路徑。再進(jìn)一步，它甚至可以像 AlphaGo 那樣，自我對(duì)弈、自我進(jìn)化。這個(gè)過程其實(shí)是非常快的。

張鵬：是的，高考數(shù)學(xué)題對(duì) AI 來說可能都太簡(jiǎn)單了。我們看到它拿到 140 多分，那它和人的數(shù)學(xué)能力相比，到底差在哪？因?yàn)閺姆謹(jǐn)?shù)看，已經(jīng)很接近人類頂峰水平了。

張一甲：首先，人類的數(shù)學(xué)能力和高考數(shù)學(xué)其實(shí)是兩個(gè)完全不同的概念。高考屬于初等數(shù)學(xué)，高考成績更像是一種訓(xùn)練結(jié)果。說白了，我們不需要太多地去思考“為什么”，只要掌握足夠多的方法和定理，多刷題，成績自然就能提高。

剛才潘亂也提到，AI 實(shí)際上就是在加速這個(gè)過程。它沒有人的精力限制，可以刷最多的題、讀最多的資料，在一個(gè)有特定的數(shù)據(jù)庫，又結(jié)構(gòu)化、依賴邏輯和套路的環(huán)境下，高考數(shù)學(xué)對(duì) AI 來說根本不是難題。

但如果我們往前推，在人類數(shù)學(xué)這條長軸上進(jìn)入高等數(shù)學(xué)領(lǐng)域，那就完全不一樣了。高等數(shù)學(xué)需要非常強(qiáng)的抽象思維能力，對(duì)復(fù)雜概念的理解能力，最重要的是，可能你隨著從本科到研究生到博士，你要定義一個(gè)問題。那你定義這個(gè)問題的能力很多時(shí)候依賴的是一種“直覺”，甚至是一種“審美”。這類能力是題海戰(zhàn)術(shù)無法培養(yǎng)出來的。

舉個(gè)例子。當(dāng)年我們一起參加數(shù)學(xué)競(jìng)賽的一個(gè)朋友，后來去了哈佛讀數(shù)學(xué)博士。有一次我問她：“你的研究方向，全世界大概有多少人能看懂？”她說不到 20 個(gè)。

在這么窄的領(lǐng)域里，不可能有成熟的數(shù)據(jù)，甚至連現(xiàn)成的方法都沒有。她需要自己定義問題、定義工具，才能把研究往前推進(jìn)一步。更別說數(shù)學(xué)作為一個(gè)幾千年歷史的學(xué)科，光是“爬上巨人的肩膀”都可能耗盡一生。所以我一直對(duì)數(shù)學(xué)家充滿敬意。

張鵬：我其實(shí)挺好奇的。一甲當(dāng)年打奧賽成績很好，直接保送北大。那像你剛才說的，從學(xué)生一路走到數(shù)學(xué)家的那個(gè)“象限”，人是怎么修煉出來的？這種能力是天生的，還是可以通過訓(xùn)練或某種機(jī)制被激發(fā)？如果說大模型是靠數(shù)據(jù)驅(qū)動(dòng)的，那人類在這條路上靠的又是什么？

張一甲：說實(shí)話，走數(shù)學(xué)競(jìng)賽這條路，大概可以分成兩類人：一類是“科班出身”的種子選手，比如人大附這種名校，從小就有頂級(jí)教練，甚至國家級(jí)的資源帶著他們系統(tǒng)訓(xùn)練；另一類就是像我這樣的“野路子”。

我可能花三個(gè)月苦思冥想才琢磨出一個(gè)方法，他們的教練可能一個(gè)下午就講完了。如果你當(dāng)成競(jìng)賽來訓(xùn)練，其實(shí)是有一整套成熟方法論的，前人的經(jīng)驗(yàn)會(huì)在一開始就“喂”給你，像是模型一出生就 train 得很好，帶著預(yù)設(shè)知識(shí)和套路。而我這種“野路子”，更多靠的是興趣、天賦和直覺。

比如看到一道抽象題，我可能沒學(xué)過太高級(jí)的方法，但會(huì)直覺地想到是不是該補(bǔ)一條輔助線，或者換個(gè)解法。這種感覺很難用語言清晰描述，但確實(shí)是有些“非標(biāo)準(zhǔn)路徑”的認(rèn)知方式。所以說，不同的人有不同的成長路徑，可能也需要不同的培養(yǎng)方式。

張鵬：“科班出身”的選手，其實(shí)就是從小被訓(xùn)練，在大腦中早早植入方法論，沿著這些思路去延展和突破。而一甲你這種“野生型”的，更像是人類內(nèi)部的“涌現(xiàn)”現(xiàn)象，可能某種程度上是天賦或基因驅(qū)動(dòng)的。模型是基于數(shù)據(jù)的涌現(xiàn)，你這種或許可以說是人類里的“基因涌現(xiàn)”。

潘亂：那如果再說回考試，比如高考，雖然你沒參加過。但我們可以認(rèn)為，高考這種考試，是有方法可循的。加上勤奮訓(xùn)練，大概率能搞定。畢竟中國這么多年，絕大多數(shù)人都是靠這個(gè)路徑走出來的。但如果說要成為數(shù)學(xué)家，那就不是光靠方法了，可能天賦也很關(guān)鍵。

張一甲：我覺得不能簡(jiǎn)單歸結(jié)為“方法”或“天賦”。更重要的是你對(duì)這件事有沒有一種沉浸式的癡迷和好奇心。比如北大數(shù)學(xué)系的韋東奕，他完全沉浸在自己的數(shù)學(xué)世界，外界的聲音對(duì)他幾乎是無感的。這種專注力和驅(qū)動(dòng)力，才是最核心的東西。

而且像高考數(shù)學(xué)或者初級(jí)競(jìng)賽，更多是限定時(shí)間內(nèi)完成足夠多的題，強(qiáng)調(diào)答題效率和準(zhǔn)確率。但到了像中國數(shù)學(xué)奧林匹克這種級(jí)別，一場(chǎng)考試 4 個(gè)半小時(shí)、三道題，兩天六道題。時(shí)間是充裕的，關(guān)鍵是你能不能真正“解”出這些題。一道題你會(huì)就是會(huì)，不會(huì)真的就是不會(huì)。這個(gè)階段考察的是你沉浸研究一個(gè)問題的能力，它和高考那種快速反應(yīng)、程式化訓(xùn)練就完全不一樣了。

推理能力提升

張鵬：一甲這個(gè)描述很好地回應(yīng)了我們一開始的問題：今天 AI 在數(shù)學(xué)考試?yán)锬玫搅撕芨叩姆郑呀?jīng)超過了大部分人類，甚至接近頂尖水平。但如果我們講的是“成為數(shù)學(xué)家”，你會(huì)發(fā)現(xiàn)，光有天賦或勤奮還不夠，最核心的是motivation，也就是內(nèi)在驅(qū)動(dòng)力。

很多領(lǐng)域的頂尖人物，真正拉開差距的是他們內(nèi)在的動(dòng)力。而這正是目前 AI 無法具備的東西。它是被動(dòng)“召喚”出來執(zhí)行任務(wù)，它沒有自己的動(dòng)機(jī)。至少現(xiàn)在的模型還做不到自我驅(qū)動(dòng)。所以在這一點(diǎn)上，AI 和人類之間仍有根本的差異。當(dāng)然未來會(huì)不會(huì)有變化，我們可以繼續(xù)觀察。

那我們不妨接著往下聊，剛才說了理科、數(shù)學(xué)。一甲其實(shí)也提到過，這幾年大模型最大的突破，其實(shí)就是在推理能力上的躍升。

我想先問問潘亂。你有沒有明顯感受到這幾年大模型推理能力提升后，不管是你用到的產(chǎn)品，還是你和AI之間的互動(dòng)方式，有什么變化？說說你的親身體驗(yàn)。

潘亂：影響很大，幾乎方方面面。我舉個(gè)最生活化的例子：我前陣子在東京上野公園的國家博物館，耳朵上戴著字節(jié)出的Ola智能體耳機(jī)。看到一個(gè)日文雕塑看不懂，我就直接問耳機(jī)“這是誰？”它立刻就能給我講清楚。這種無縫的信息獲取體驗(yàn)已經(jīng)成了我的日常。比如我騎電動(dòng)車時(shí)不方便掏手機(jī)，就直接問它各種事，有事沒事都問幾句。

在工作上，AI 也帶來了很多改變。過去半年，我感覺自己變得更“勤奮”了。這種勤奮不僅是做得更多，也是在工作內(nèi)容上有了更多發(fā)散。不同產(chǎn)品的表現(xiàn)也不一樣，比如年初讓我震撼的是 DeepSeek；后來Claude、ChatGPT、豆包、元寶等都在這半年里進(jìn)步飛快。

就比如，以前整理訪談速記非常痛苦，現(xiàn)在用Claude，像我們今天直播完，10 分鐘內(nèi)它就能幫我校對(duì)錯(cuò)字、加小標(biāo)題、提煉結(jié)構(gòu)，雖然還要修改，但已經(jīng)非常高效了。還有像豆包和元寶，我會(huì)給它一個(gè)大方向、幾個(gè)零散的想法，讓它幫我串起來，做出提綱。

現(xiàn)在我還在寫兩本書，一本是小說，一本是網(wǎng)絡(luò)小說。比如網(wǎng)絡(luò)小說，我會(huì)先問豆包、元寶，然后再拿去問 GPT。像我寫了一版以東吳孫權(quán)為主視角的小說，我讓模型整理孫權(quán)和四大都督的主線、再加上孫尚香、吳國太、步練師、大喬小喬等人的情感線，還融入曹魏和蜀漢的故事背景。我還讓它模仿《漢武大帝》這種歷史劇的結(jié)構(gòu)，聚焦哪些關(guān)鍵節(jié)點(diǎn)。模型一下子就能生成大量內(nèi)容。我拿去給一位編劇朋友和導(dǎo)演朋友看，他們都驚掉了，甚至開始質(zhì)疑自己的職業(yè)定位。

張鵬：你這太壞了，不光提升了自己效率，還摧毀了別人飯碗。我記得當(dāng)年剛認(rèn)識(shí)你時(shí)，問過你為什么公眾號(hào)更新不穩(wěn)定，你說你喜歡交流、信息量大，但最難的是整理內(nèi)容。現(xiàn)在 AI 顯然把你從這件事里徹底解放出來了。不但公眾號(hào)更新頻率上來了，還有精力去搞小說、搞虛構(gòu)、搞全新視角，確實(shí)能看出你整個(gè)狀態(tài)不一樣了。

我想順著問問一甲。你肯定也在用 AI，但你同時(shí)也在觀察更廣的行業(yè)場(chǎng)景，比如企業(yè)、組織、團(tuán)隊(duì)，特別是新一代的創(chuàng)業(yè)公司。很多人其實(shí)已經(jīng)把 AI 嵌入到了日常工作流里。從你的觀察看，當(dāng)推理能力顯著增強(qiáng)后，AI 在這些實(shí)際應(yīng)用中產(chǎn)生的價(jià)值是不是也顯著放大了？你覺得主要在哪些方向體現(xiàn)得最明顯？

張一甲：我覺得推理能力的增強(qiáng)，對(duì)我們這種類型的工作確實(shí)是幫助很大。鵬總的信息源可能更多來自人脈和交流，而我過去是靠大量研究、跟人聊天，現(xiàn)在發(fā)現(xiàn)我的交流對(duì)象越來越多是 AI。我的面對(duì)面交流少了，但學(xué)習(xí)一個(gè)新領(lǐng)域知識(shí)的效率反而變高了。

真的，我感覺自己從 E 人變成了 I 人。因?yàn)楝F(xiàn)在很多時(shí)候，AI 給出的信息質(zhì)量和思維過程，其實(shí)比我身邊的人更有幫助。一方面，它知識(shí)廣、反饋快，節(jié)省了我找資料的時(shí)間；另一方面，它的推理過程也幫我理解問題，不只是看結(jié)果，而是看它“是怎么想的”。這件事本身就很有啟發(fā)。

潘亂：我特別同意。在正式工作流里，我現(xiàn)在最常用的是兩個(gè)產(chǎn)品，一個(gè)是飛書的“知識(shí)問答”，另一個(gè)是 Google 推出的 NotebookLM。我覺得這倆就是給人的大腦裝上外掛，甚至可以說是“作弊器”。

張一甲：剛才鵬總還問到 AI 更廣泛的行業(yè)嵌入。目前來看，AI 正在逐步進(jìn)入 B 端企業(yè)的實(shí)際工作流，但這才剛開始。這件事不僅僅需要技術(shù)背景的人，也需要懂行業(yè)背景的人來推動(dòng)。因?yàn)槊總€(gè)行業(yè)的流程不同，容錯(cuò)率、合規(guī)性、安全性、ROI 都是關(guān)鍵因素。譬如說有的行業(yè)它的容錯(cuò)率非常低，這就需要有很基礎(chǔ)的安全保障。AI 要真正落地，需要理解行業(yè)的運(yùn)行機(jī)制，這有點(diǎn)像是數(shù)字化轉(zhuǎn)型的“下一階段”。但從整個(gè)從 B 端來講，商業(yè)模式上現(xiàn)在還沒有出現(xiàn)真正跳脫式的顛覆打法。

多模態(tài)突破

張鵬：你看，話題已經(jīng)聊到了“怎么賺錢”上了。我們已經(jīng)能看到，它在商業(yè)和企業(yè)效率提升上的應(yīng)用已經(jīng)在廣泛展開，而且成效顯著。過去這兩年，推理能力的躍升，確實(shí)讓今天的 AI 和當(dāng)年我們剛見到 ChatGPT 時(shí)完全不一樣了，已經(jīng)發(fā)生了本質(zhì)性的進(jìn)化。

除了推理能力，多模態(tài)也是近兩年 AI 的一個(gè)重要突破。今年高考我特別留意了一類題目——有圖的題。過去幾年大模型一碰到圖形題基本就掛了，今年雖然還算不上優(yōu)秀，但進(jìn)步已經(jīng)非常明顯。這一點(diǎn)特別有意思。

你會(huì)發(fā)現(xiàn)，高考中的圖題，某種程度上反映了模型多模態(tài)能力的進(jìn)展。因?yàn)闆]有足夠強(qiáng)的推理能力，數(shù)學(xué)肯定考不好，但圖題這種事又不僅僅是邏輯，還得靠模型的多模態(tài)能力。一甲你應(yīng)該很有感受，你最近在關(guān)注的圈子里，多模態(tài)的發(fā)展是不是也進(jìn)入了一個(gè)加速期？你怎么看未來這一塊的發(fā)展？

張一甲：我覺得是的，多模態(tài)基本已經(jīng)成了所有 AI 公司必須具備的底層能力。它的本質(zhì)是把人和機(jī)器之間的交互門檻拉低了。過去的大模型，prompt 要寫得好，才能得到好答案，一般人如果不會(huì)提問，效果就很差。但現(xiàn)在因?yàn)槟Ｐ偷耐评砟芰υ鰪?qiáng)了，即使你的問題不完美，它也可以引導(dǎo)你怎么去提一個(gè)更好的問題。

但這仍然是基于文本交互的。多模態(tài)的意義在于，不再是只有文本，圖像甚至是視頻，也能成為模型理解世界的輸入方式。不再要求人類必須把一切抽象成語言。你看今年高考里，像生物、化學(xué)這種題很多就是圖表題。過去模型理解題意本身就很吃力，現(xiàn)在它在圖表上的理解能力提升了，分?jǐn)?shù)能上來也就順理成章了。

張鵬：多模態(tài)也是今年高考反映出的一個(gè)重要進(jìn)展點(diǎn)。潘亂你平時(shí)在使用大模型時(shí)，有沒有感受到多模態(tài)能力提升帶來的變化？

潘亂：有啊，挺明顯的。比如前幾天小米發(fā)布會(huì)，雷總講車之前還介紹了小米眼鏡，這些設(shè)備就體現(xiàn)了多模態(tài)能力的增強(qiáng)。還有像 NotebookLM，它能把 YouTube 視頻的音頻轉(zhuǎn)成文字，再翻譯成中文，本質(zhì)上就是一次多模態(tài)的鏈?zhǔn)睫D(zhuǎn)換。

再比如識(shí)圖，現(xiàn)在幾乎是所有 AI 產(chǎn)品都在發(fā)力的方向。五年前淘寶就說他們搜圖是市場(chǎng)第一，很多人拍個(gè)圖就能搜同款。十年前微軟也出過“識(shí)花”，幫你識(shí)別植物。但現(xiàn)在，這類識(shí)別已經(jīng)擴(kuò)展到幾乎所有物體，甚至可以幫你認(rèn)路、識(shí)別環(huán)境。

我最近一個(gè)人去旅游，語言不通，但完全沒焦慮。我覺得未來再往前推進(jìn)一步，我甚至都不用讀懂路標(biāo)或聽懂外語，只要打開一個(gè) AI 產(chǎn)品，打開實(shí)時(shí)通話功能，它就能幫我理解身邊的一切。其實(shí)很多場(chǎng)景，比如同聲翻譯，今天已經(jīng)做得相當(dāng)不錯(cuò)了。

張鵬：你看，以前我們出去旅游還有個(gè)動(dòng)力是“怎么也得學(xué)兩句外語”。但現(xiàn)在，像潘亂這樣直接就沒有這個(gè)動(dòng)力了，因?yàn)榭诖锎е謾C(jī)，手機(jī)連著 AI、大模型，去哪都不怕。各種語言、各種模態(tài)它都能處理。其實(shí)從終局看，大模型就像一個(gè)模態(tài)轉(zhuǎn)換的魔法盒。你把任何東西扔進(jìn)去，文字、圖像、聲音甚至視頻，它都能識(shí)別，然后輸出你想要的結(jié)果，不管是哪種模態(tài)。

潘亂：對(duì)，我覺得現(xiàn)在很多領(lǐng)域都在用新技術(shù)推進(jìn)，比如教育。AI火起來之前，其實(shí)在線教育已經(jīng)很熱門了，吸引了很多玩家。你看像作業(yè)幫的“拍照搜題”，其實(shí)就很像是早期的多模態(tài)AI了，雖然能力還沒現(xiàn)在這么強(qiáng)。現(xiàn)在的AI不僅能拍照搜題、找同款、翻譯，還能滲透到生活的方方面面。

張鵬：是的，最大的不同在于現(xiàn)在的AI具備通用能力，而且可以在各種模態(tài)間原生轉(zhuǎn)化。理解和生成都更自然，這是AI帶來的巨大飛躍。我最近在刷短視頻，已經(jīng)有很多AI生成的內(nèi)容，占了我視頻流的大概15%。你有沒有感覺，AI已經(jīng)在根本性地改變短視頻內(nèi)容了？

潘亂：確實(shí)。其實(shí)從剪映時(shí)代、抖音做模板開始，變化就已經(jīng)很明顯了。現(xiàn)在像剪映、即夢(mèng)、GPT……甚至能做出帶聲音的內(nèi)容。我最近看到很多人用AI做拿刀去切各種東西的視頻，比如玻璃水果，還用AI加了擬音效果，很有趣。我的朋友還做了一個(gè)“AI Talk”，讓喬布斯和愛因斯坦對(duì)話。

我特別關(guān)注“蘇超”，現(xiàn)在已經(jīng)不僅火在江蘇了。很多文旅部門其實(shí)是最早、最勤快使用AI的一群人，不光愿意花錢，還愿意主動(dòng)嘗試。像最近江蘇搞足球聯(lián)賽，各地文旅號(hào)紛紛用AI做視頻，什么“太湖三傻”“徐州大戰(zhàn)南京”“真假美猴王”層出不窮。你要我隨便說個(gè)AI熱點(diǎn)，我腦子里想到的就是蘇超。我感覺他們發(fā)的視頻里有一半以上都是AI做的。

張鵬：一甲，你對(duì)國內(nèi)做視頻模型和生成產(chǎn)品的團(tuán)隊(duì)挺熟的吧？你是不是也覺得，現(xiàn)在他們的內(nèi)容已經(jīng)很廣泛地出現(xiàn)在我們?nèi)粘Ｋ⒌降囊曨l里了？我最近刷到一些AI視頻，讓我覺得很 amazing，一看就是AI做的，但我不排斥它。

張一甲：我還沒到這個(gè)階段。如果這個(gè)視頻AI感很重，你還會(huì)很沉浸地看它嗎？

張鵬：我現(xiàn)在已經(jīng)開始接受了。我在抖音上刷到一個(gè)賬號(hào)，會(huì)用AI介紹各種貓狗品種。內(nèi)容從圖像到配樂全是AI做的，編排也很好，還用英文唱歌介紹學(xué)名。我知道是AI生成的，但覺得有趣又長知識(shí)，畫面又特別萌，就很愿意看。以前看到AI內(nèi)容會(huì)覺得套路感太強(qiáng)、沒意思。現(xiàn)在已經(jīng)不一樣了，內(nèi)容發(fā)散了，交付質(zhì)量也更高。你和這些做視頻生成的團(tuán)隊(duì)聊過嗎？他們是不是最近也在加速發(fā)展？

張一甲：是的。現(xiàn)在是大模型的底層能力在進(jìn)步，水漲船高，誰先做出一點(diǎn)新東西，別人很快就能跟上。但我個(gè)人刷到的AI內(nèi)容比例不高，可能推薦算法不同。我現(xiàn)在有點(diǎn)“逆反心理”，AI內(nèi)容太多的話，我反而更想看真人內(nèi)容，哪怕是粗糙的。我剛開始會(huì)很喜歡AI生成的圖、視頻、音樂，但看久了就失去審美興趣。現(xiàn)在我反而更愛看真人綜藝、真人秀。

張鵬：哈哈，你看我們倆剛好相反。你剛才說，有了AI之后，很多研究可以不必依賴人與人的交流，效率和質(zhì)量還更高。我雖然喜歡和AI合作，但我還是更enjoy和人聊天、碰撞的感覺。不過在視頻領(lǐng)域，我是很開放的。只要作品好，哪怕是AI做的，也依然打動(dòng)我。

我覺得關(guān)鍵還是在于內(nèi)容背后有沒有“靈魂”。不管是真人還是AI，只要它能打動(dòng)你，激發(fā)你、讓你覺得有趣，本質(zhì)上都是在追尋那個(gè)“有表達(dá)的靈魂”。

潘亂：說到底就是表達(dá)。我舉個(gè)例子，大家現(xiàn)在都刷抖音，但你們知道抖音出來之前，全球最流行的短視頻形式是什么嗎？其實(shí)就是MV。抖音本質(zhì)上也還是MV——音樂加畫面。在它流行之前，最流行的短視頻是“圖片PPT加BGM”。像我們80后大學(xué)畢業(yè)時(shí)，最流行的就是把四年的照片做成幻燈片，加上《青春紀(jì)念冊(cè)》。雖然只是輪播圖，但它承載的是情感和表達(dá)。

張鵬：你這么一說我想起來了，2010年極客公園第一次做創(chuàng)新產(chǎn)品評(píng)選時(shí)，我剪了一個(gè)MV，把50個(gè)產(chǎn)品的logo配上音樂。那時(shí)候這些創(chuàng)業(yè)團(tuán)隊(duì)還很小沒人幫他們做，我就自己剪了個(gè)視頻，現(xiàn)場(chǎng)放的時(shí)候，大家眼里都放光了。我覺得這是內(nèi)容帶來的情感連接。今天我們借助AI，能把這種內(nèi)容做得更豐富。

潘亂：有一個(gè)點(diǎn)就是真實(shí)，比如讓老照片“動(dòng)起來”這件事，在老年用戶中付費(fèi)意愿特別強(qiáng)。只需要一張照片，就能做出幾秒鐘的動(dòng)態(tài)，很多人都會(huì)被打動(dòng)。

張鵬：我發(fā)現(xiàn)現(xiàn)在每年大模型都像是在“考一次高考”。今年我們注意到，大模型在視頻理解類題目上的表現(xiàn)還不太行。不一定是高考，但很多學(xué)校考試會(huì)用到，比如聽一段音頻，看一段視頻后作答。這類題目，大模型基本都應(yīng)付不過來。我不知道你怎么看，為什么模型在視頻理解上這么難突破？

張一甲：視頻其實(shí)就是一連串的圖像幀，數(shù)據(jù)量巨大，對(duì)算力要求非常高。而且還涉及長時(shí)記憶、多模態(tài)對(duì)齊等復(fù)雜問題，遠(yuǎn)比處理圖片難得多。我記得Sora剛發(fā)布時(shí)，我看他們的論文，最讓我印象深的是怎么把視頻tokenize，也就是把高維的圖像數(shù)據(jù)變成LLM可以處理的token。這個(gè)過程比后面的訓(xùn)練還費(fèi)勁。視頻對(duì)模型來說，認(rèn)知成本和處理難度都是最高的。

張鵬：潘亂，你有沒有注意到，模型在視頻理解這塊還是有些短板？

潘亂：最簡(jiǎn)單的看法就是看文件大小。視頻是幾百兆，圖片幾兆，壓縮后可能只有幾百KB，文字連KB都用不上。處理成本的差距就是這么大。

當(dāng)然，除了模態(tài)本身復(fù)雜，我覺得根本原因還是算力的問題。但平臺(tái)也在進(jìn)步，比如抖音、YouTube、視頻號(hào)，它們?cè)诟髯陨鷳B(tài)內(nèi)都有提升。比如我剛才說的NotebookLM，就能把YouTube視頻里的內(nèi)容抓下來，先提取音頻，再做語種轉(zhuǎn)換和語義理解。抖音也在推AI版抖音，微信里還能加“元寶”這個(gè)AI助手。現(xiàn)在我刷到長視頻，還會(huì)丟給AI來幫我解讀。

張鵬：我最近和搞技術(shù)的朋友聊到視頻理解這個(gè)問題，發(fā)現(xiàn)視頻比圖像和文本更容易出現(xiàn)“幻覺”。他們提到兩個(gè)關(guān)鍵點(diǎn)：

第一是“注意力漂移”。視頻是連續(xù)的內(nèi)容，模型每一步都是基于概率的預(yù)測(cè)，注意力機(jī)制如果發(fā)生偏移，整個(gè)模型就會(huì)跑偏。大模型的核心機(jī)制就是注意力，一旦漂移，就容易產(chǎn)生連鎖幻覺。

第二個(gè)是“連續(xù)性理解”。視頻不僅要處理空間信息，還得理解時(shí)間線。現(xiàn)在模型還不具備完整的時(shí)空連續(xù)理解能力，導(dǎo)致動(dòng)作邏輯常常斷裂，context 不連貫。所以我們會(huì)看到動(dòng)作不自然、順序錯(cuò)亂。這些看似簡(jiǎn)單的人類能力，對(duì)AI來說其實(shí)還很難，需要底層技術(shù)和架構(gòu)的突破。

所以現(xiàn)在這個(gè)現(xiàn)象很有意思：我們看圖片和視頻，覺得差不多，但對(duì)模型來說，完全不是一個(gè)難度級(jí)別的事。

AI創(chuàng)作

張鵬：對(duì)，時(shí)空線的本質(zhì)其實(shí)是因果鏈。視頻出錯(cuò)往往是因?yàn)椤暗构麨橐颉保雌饋磉壿嬀蛠y了。這也說明AI在這一塊還有很多不確定性和創(chuàng)新空間。

我們回顧三年前看到ChatGPT、今年年初看到DeepSeek，最開始震撼我們的都是它們?cè)谡Z言文字方面的能力，特別是文風(fēng)。但有意思的是，今年我們看到AI在理科上的提升非常顯著，反而是文科得分沒漲多少。這也讓我疑惑：為什么AI在理科進(jìn)步更快，而文科的成長卻相對(duì)緩慢？潘亂你覺得原因是什么？

潘亂：我之前聽一位清華老師說，“文科”這個(gè)詞的英文是liberal arts，意思是“自由的藝術(shù)”；而理科是“找規(guī)律”。理科通常有標(biāo)準(zhǔn)答案，文科更多是關(guān)于自由、藝術(shù)、發(fā)散性思維。

文科講的是情感、價(jià)值觀、人與社會(huì)的互動(dòng)，是非結(jié)構(gòu)化、非標(biāo)準(zhǔn)的。而大模型本質(zhì)上就是在做模式識(shí)別和效率優(yōu)化，它更擅長處理有結(jié)構(gòu)、可量化的問題。就像計(jì)算器對(duì)比珠心算，它追求的是準(zhǔn)確、高效。而文科追求的是溫度、表達(dá)。你看，現(xiàn)在所有科技公司都在說“我們是有溫度的科技公司”，這其實(shí)是科技和人文之間的張力。極客公園門口那塊牌子就寫著“站在科技與人文的十字路口”，這原本就是喬布斯說的。每個(gè)象限都有自己的極限，只有結(jié)合才可能更完整。

AlphaGo下圍棋很厲害，但讓它去畫畫就未必行。尤其是畫“鬼”比畫“人”難，因?yàn)椤肮怼边@個(gè)概念不清楚。文科的難點(diǎn)就在于它牽涉到文化經(jīng)驗(yàn)、價(jià)值判斷、情感體驗(yàn)等大量非標(biāo)準(zhǔn)的東西，AI很難完全駕馭。

張鵬：一甲，你怎么看？你在北大，又學(xué)數(shù)學(xué)，這兩個(gè)方向結(jié)合起來，你在科技和人文的理解上可能更有獨(dú)特視角。我想問的是：為什么現(xiàn)在大模型在理科上進(jìn)步更快，文科相對(duì)慢？換句話說，未來到底應(yīng)該是學(xué)理科還是學(xué)文科，在AI面前能留下更多的價(jià)值？

張一甲：這種終極的東西本身就是偏文科的東西。先說前面那個(gè)問題，數(shù)學(xué)分不同階段，如果以高考為節(jié)點(diǎn)，大模型特別擅長數(shù)學(xué)。因?yàn)樗臄?shù)據(jù)充分、推理結(jié)構(gòu)清晰，還有統(tǒng)一標(biāo)準(zhǔn)答案，完全符合模型的長項(xiàng)。

文科也有些部分能被模型掌握，比如有明確答案的題。但比如作文就很難，它涉及情感表達(dá)、價(jià)值立場(chǎng)、社會(huì)批判，評(píng)價(jià)標(biāo)準(zhǔn)都很主觀。我自己當(dāng)過改卷老師，不同老師看同一篇作文，打分可能差異很大。還有閱讀理解，作者自己都未必能答出“標(biāo)準(zhǔn)答案”。

張鵬：所以理科更偏向一個(gè)確定的、客觀的結(jié)果，而文科更講求解釋的豐富性。這種豐富不是要收斂，而是開放的。比如語言學(xué)，其實(shí)很理科化，但文學(xué)完全不同，重在一人稱體驗(yàn)和情緒表達(dá)。模型目前更適合做確定性的事，對(duì)解釋力豐富的任務(wù)反而還不如人。這也挺有意思的。潘亂你經(jīng)常寫東西，你覺得大模型在寫作上這些年有進(jìn)步嗎？

潘亂：進(jìn)步非常大。但我覺得像 DeepSeek 的進(jìn)展還不夠快。剛開始用的時(shí)候很驚艷，用久了就覺得更新跟不上了。AI發(fā)展太快了。DeepSeek 還是會(huì)幻覺，比如講量子力學(xué)和拓?fù)涞亩巫映霈F(xiàn)頻率太高。

但大模型給我的幫助還是非常大的，尤其是在總結(jié)、發(fā)散和頭腦風(fēng)暴方面。比如像我們聊完這場(chǎng)，飛書妙記能自動(dòng)生成會(huì)議紀(jì)要，極大提升效率。以前整理錄音太痛苦了，現(xiàn)在快多了。還有就是你給它一個(gè)模糊方向，它能幫你搭出結(jié)構(gòu)、出提綱、寫概要，非常管用。

再比如半年前，大家都還在討論模板化寫作。現(xiàn)在我明顯感受到模型的推理能力進(jìn)步了很多。去年底我還經(jīng)常吐槽它沒用，根本不能陪我腦暴。現(xiàn)在不一樣了，我?guī)缀醢阉?AI 工具都充了會(huì)員，每天開著好幾個(gè)窗口，隨時(shí)用它們發(fā)散想法，組織素材。它作為“頭腦風(fēng)暴搭子”，已經(jīng)非常合格，但說它能寫得多好就夸張了。

而且我發(fā)現(xiàn)一個(gè)很有趣的現(xiàn)象。很多頂級(jí)音樂人團(tuán)隊(duì)都在研究怎么用 AI 創(chuàng)作，但沒人會(huì)公開說自己用過 AI，因?yàn)橐徽f就顯得廉價(jià)。就像一甲說的，有些人對(duì) AI 內(nèi)容有天然的排斥。尤其在創(chuàng)作圈，用 AI 不丟人，但“被看出來用了 AI”就很掉價(jià)。

張鵬：確實(shí)，都有“鄙視鏈”了。那你怎么避免讓別人看出來你用了 AI 呢？你天天讓 AI 陪你腦暴，總得有方法吧？

潘亂：我覺得要像寫程序一樣用它。不能讓它一口氣寫整篇文章，那是新手的做法。稍微有經(jīng)驗(yàn)就會(huì)自己搭結(jié)構(gòu)，把它拆成一塊塊來寫。AI 寫作的問題是文風(fēng)太容易識(shí)別，它真正的價(jià)值還是在發(fā)散思維這塊。對(duì)很多人來說，表達(dá)不是難點(diǎn)，難的是“寫什么”“怎么寫”。我覺得 AI 在這方面可以像“備菜”，你要做一道宮保雞丁，它能幫你切好料、準(zhǔn)備配方，甚至指導(dǎo)你怎么炒，但你要是直接把所有原料丟鍋里，那肯定不行，這就顯得你沒水平了。

張鵬：一甲，你們團(tuán)隊(duì)創(chuàng)作也多，你怎么看AI寫作？

張一甲：我們用 AI 更多是用于調(diào)研、分析和頭腦風(fēng)暴。但寫成文這一步我們非常慎重。就算它寫得通順，但經(jīng)常有事實(shí)錯(cuò)誤，缺乏“求真”的精神，容易出問題。所以我們一般不會(huì)用它來直接生成文章，而是提高前半段的效率。就像炒菜一樣，AI 可以準(zhǔn)備食材、給出各種做法，但最后的火候還得靠人。我們這個(gè)行業(yè)寫的內(nèi)容結(jié)構(gòu)化、知識(shí)密度高，AI 幫得上忙；但你要跨到藝術(shù)創(chuàng)作領(lǐng)域，依賴 AI 可能就要更審慎。我覺得 AI 是“普惠型工具”，它能提升整個(gè)行業(yè)的基礎(chǔ)水平，但它不能替代真正的專家。

張鵬：我也有個(gè)比喻。我覺得 AI 像“金”，人像“玉”。你不能直接甩一坨金子上去，那太粗糙；但如果把金作為外圈框住玉，就是“金鑲玉”，能形成支撐與包裹的關(guān)系。

AI 能提供結(jié)構(gòu)、邏輯、信息支撐，但核心的價(jià)值和判斷，還是得靠人。這是我現(xiàn)在一直遵循的方法論。比如寫文章，模型能幫你梳理思路、架構(gòu)甚至總結(jié)信息，但最初的問題是誰提的？最終想表達(dá)什么立場(chǎng)？這還是人的事。AI 是你背后的支撐，不是替代核心表達(dá)的主體。我現(xiàn)在也和潘亂一樣，整天和各種 AI 工具腦暴，像一甲說的，有時(shí)候不懂就搜索聯(lián)網(wǎng)，效率確實(shí)比以前高很多。但最終還是得把這些東西“變成自己的”。

我們今天聊了一個(gè)多小時(shí)，從高考分?jǐn)?shù)出發(fā)，梳理了近兩年 AI 在教育和創(chuàng)作能力上的發(fā)展。我覺得下面可以聊更重要的話題了。比如，這場(chǎng) AI 革命到底會(huì)怎么影響我們個(gè)人的未來。

2.AI上清北了，人類怎么辦？

專業(yè)選擇

張鵬：從 ChatGPT 火到現(xiàn)在才兩年，我腦子里都覺得過去了三年多。DeepSeek 也就出來幾個(gè)月，潘亂已經(jīng)開始喊“你進(jìn)步太慢了”。AI發(fā)展這么快，逼得我們不得不思考：人類接下來該怎么定位？比如一個(gè)很現(xiàn)實(shí)的問題，現(xiàn)在的孩子，到底該學(xué)文科還是理科？潘亂，你有沒有朋友問你這事？一甲你更不用說了，肯定經(jīng)常被咨詢。

潘亂：我建議他們學(xué)個(gè)手藝。因?yàn)楝F(xiàn)在中產(chǎn)崗位，無論文理科，都在被 AI 快速侵蝕，成了最卷的領(lǐng)域。考試改變命運(yùn)的邏輯還在，但很難轉(zhuǎn)變。結(jié)果就是，這條路變成一場(chǎng)無限內(nèi)卷。但如果你能掌握 AI 暫時(shí)做不了的事情，比如做金鑲玉、雕刻，那就另說了。

張一甲：你其實(shí)是在說，最終人要回到“手藝人”的角色。所有工業(yè)化、可復(fù)制、方法論化的工作， someday 人都絕對(duì)會(huì)被 AI 超越。

潘亂：對(duì)。尤其是我這種二本出身、來自蘇北農(nóng)村的人，面臨現(xiàn)實(shí)生存問題的人，沒資源、不能犯錯(cuò)，怎么安全地獲得收入就是首要問題。所以這建議不一定適合所有人，但確實(shí)適合一部分人。

張鵬：我明白了，潘亂是在說在未來什么樣的東西才是有人的獨(dú)特價(jià)值的。那一甲呢？有沒有人問過你，AI 時(shí)代該怎么選專業(yè)？

張一甲：有。我當(dāng)年也糾結(jié)過這個(gè)問題。清華讓我任選專業(yè)，反而更迷茫。當(dāng)時(shí)對(duì)什么工作、職業(yè)、就業(yè)完全沒有概念。后來一個(gè)哥哥建議我，大學(xué)四年一定要學(xué)最難的，要么數(shù)學(xué)要么物理。因?yàn)楫厴I(yè)后很難再有沉浸式挑戰(zhàn)一個(gè)難學(xué)科的機(jī)會(huì)。這對(duì)專注力、意志力、思維方式都是極大鍛煉。我覺得有道理，就選了數(shù)學(xué)。

至今我給別人的建議也是這樣：不要從實(shí)用主義出發(fā)。一旦以“實(shí)用”為出發(fā)點(diǎn)，大家都選熱門，那只會(huì)更卷。而且人和人真的是不一樣的。即使分?jǐn)?shù)相同，興趣、天賦、好奇心也完全不同。未來志愿填報(bào)可能會(huì)有 AI 甚至基因分析幫你算最優(yōu)解，但那個(gè)“最優(yōu)”可能不是你真正想做的。

潘亂：是啊，這類問題特別依賴個(gè)人的家庭背景、性格，以及興趣，所以基本上說出任何一個(gè)答案都是錯(cuò)的。

張鵬：說到底，家長更該關(guān)心孩子自己想學(xué)什么。motivation 是人類最后的陣地，AI 沒法擁有原生的熱愛。圍著興趣走，大概率能走得更遠(yuǎn)。

還有一點(diǎn)，要早點(diǎn)讓 AI 參與到孩子的學(xué)習(xí)里。就像你們剛才說的，AI 能大大提升效率。這個(gè)效率是所謂學(xué)習(xí)的效率，但不等同于拿高分的效率，是更好地探索興趣的效率。今天喜歡一個(gè)方向，明天試試另一個(gè)。以前一生換三次方向，現(xiàn)在可能三個(gè)月?lián)Q三次，效率就是被 AI 推上去的。

潘亂：這個(gè)前提是孩子不僅僅是為了謀生，而是思考怎么過好這一生。我之前和一個(gè)教育公司創(chuàng)始人聊過，聊到教育的本質(zhì)到底是啥？其實(shí)是“實(shí)現(xiàn)人的自我發(fā)展”。但現(xiàn)實(shí)里大家只強(qiáng)調(diào)“發(fā)展”，幾乎忽視了“自我”。

張鵬：確實(shí)是，在 AI 越來越強(qiáng)的時(shí)代，反而更該關(guān)注“自我”。發(fā)展拼不過 AI，那我們就做自己。人類未來的使命就是“做人”本身，而不是成為哪個(gè)崗位的螺絲釘。AI 會(huì)成為全領(lǐng)域的無限供給。既然如此，我們只能在“自我”這塊找到不可替代的位置。

潘亂：我現(xiàn)在才真正體會(huì)“日新月異”這個(gè)詞。DeepSeek 才幾個(gè)月，就已經(jīng)讓我覺得它進(jìn)步太慢了。但技術(shù)進(jìn)步越快，人類成長反而顯得越慢。尤其教育，它的節(jié)奏比科技產(chǎn)品要慢得多。更別忘了，學(xué)習(xí)本來就是痛苦的事。這么多年“快樂學(xué)習(xí)”從沒實(shí)現(xiàn)過。真讓你學(xué)得太快樂，很可能方向就錯(cuò)了。關(guān)鍵還在于批判性、自律、主觀能動(dòng)性，這些比技術(shù)更重要。

應(yīng)試教育

張鵬：那我問個(gè)問題：AI 都能上清北了，我們這么多年搞應(yīng)試教育還有意義嗎？AI 一下子超越 99.99% 的人類，那我們以前的這套“苦讀”還有必要嗎？這可能也會(huì)引發(fā)一波反思。應(yīng)試教育到底還有沒有價(jià)值？

張一甲：我想為應(yīng)試教育“平個(gè)反”。大家提起它總帶負(fù)面印象，比如死記硬背、題海戰(zhàn)術(shù)。但其實(shí)頂尖的應(yīng)試選手靠的不是這個(gè)。他們訓(xùn)練出來的是系統(tǒng)思維、快速學(xué)習(xí)能力、專注力和延遲滿足。應(yīng)試教育在高維智力篩選上效率極高。

而且 AI 本身就是應(yīng)試教育的終極形式。它干的事情，本質(zhì)上就是應(yīng)試——標(biāo)準(zhǔn)答案、模式識(shí)別、推理。最近 Meta 收了一整個(gè) AI 核心團(tuán)隊(duì)，主力成員幾乎全是中國人。這些人基本都是應(yīng)試教育體系下成長起來的，所以我們能看到，最強(qiáng)的 AI 科研團(tuán)隊(duì)，大多也是應(yīng)試教育的產(chǎn)物。應(yīng)試和 AI 之間不是矛盾，而是高度相關(guān)。

張鵬：潘亂你怎么看應(yīng)試教育？大家現(xiàn)在爭(zhēng)議挺大的。

潘亂：我覺得我們剛才說教育的最終目的是“人的自我發(fā)展”，這和應(yīng)試教育是有沖突的。如果我們從“自我”出發(fā)，教育就不該只是篩選誰能上大學(xué)，而應(yīng)該培養(yǎng)未來能與 AI 共處的人。所以教育的目標(biāo)一定要改變。

我是江蘇人，我們那中考是硬篩 50%，也就是說有一半孩子直接失去上高中的機(jī)會(huì)。這些孩子去哪兒？去職高？但今天大部分家長是不敢把孩子送去職高的。這種應(yīng)試篩選邏輯對(duì)社會(huì)分配資源確實(shí)高效，但犧牲的是大量孩子的發(fā)展機(jī)會(huì)。即便篩出來的那部分人，回頭看自己的一生，真的滿意嗎？

我之前聊過一些人大附中畢業(yè)十年的人，他們最終都集中在幾個(gè)選擇上：進(jìn)大廠、做金融、高薪行業(yè)。即使是進(jìn)了 Meta、OpenAI 的頂尖華人研究員，從更大視角看，這也是一種“優(yōu)秀的平庸”。當(dāng)然我這種是屬于站著說話不腰疼。

所以我覺得教育的最終目的應(yīng)當(dāng)是“自我”比“發(fā)展”更重要。當(dāng)然，應(yīng)試機(jī)制依然有必要，它推動(dòng)人去學(xué)習(xí)系統(tǒng)的知識(shí)，否則就是一張白紙。就像“人人都是工程師”這種說法，其實(shí)你沒有產(chǎn)品、設(shè)計(jì)或編程的基礎(chǔ)，用 AI 編程也干不了什么。能不能用好 AI，其實(shí)取決于你過往的積累。再比如藝術(shù)，你如果沒有基本的藝術(shù)修養(yǎng)，去了美術(shù)館也只能說“好棒”，找不到別的詞表達(dá)。你對(duì)世界的感知、解讀，是建立在“看過世界”的基礎(chǔ)上的。中國那句古話，“觀千劍而后識(shí)器，操千曲而后曉音”，就是這個(gè)意思。

所以我們還是需要基礎(chǔ)教育，讓孩子掌握必要的知識(shí)。沒有這個(gè)過程，哪怕你有 AI，也用不出什么。像把“狼孩”直接放進(jìn)現(xiàn)代社會(huì)，即便給他最好的 AI，也無用。

張一甲：我是覺得潘亂在聊教育這件事情上，感覺比聊科技更有passion。你是不是選錯(cuò)行業(yè)了？其實(shí)教育比科技難多了。你說教育是為了“自我發(fā)展”，可“自我”怎么找到？很多人一輩子也沒找到。

我對(duì) AI 的美好期待是：它能提升整體生產(chǎn)力，改善教育資源分配的不平等，比如通過 AI 教師讓優(yōu)質(zhì)教育更普惠。社會(huì)基礎(chǔ)能力提升后，我們也許就有更多精力去尋找“自我”，而不是一味“發(fā)展”。

潘亂：對(duì)，即使是在“發(fā)展”這個(gè)維度，人也不是純靠 AI 就能搞定的。比如我們以前帶內(nèi)容團(tuán)隊(duì)，覺得靠譜和認(rèn)真比什么都重要。這種品質(zhì)靠 AI 是無法取代的。

所以我還是支持應(yīng)試教育，它讓大家系統(tǒng)性地接觸不同學(xué)科，也促進(jìn)了邏輯推理能力的形成。而且因?yàn)榇蠹叶荚趯W(xué)校，才能培養(yǎng)人與人溝通的能力。最終我們還是要靠主觀能動(dòng)性、自驅(qū)力、終身學(xué)習(xí)的能力。AI 是工具，但人本身的能力才是關(guān)鍵。未來衡量一個(gè)人，也絕不會(huì)只看你會(huì)不會(huì)用 AI 三件套。

教育平等

張鵬：聽起來你們倆到后面都有共識(shí)了。應(yīng)試教育是必要的，教育更是必需的。只是未來如何在 AI 時(shí)代重構(gòu)“應(yīng)試”和“教育”的關(guān)系，這是個(gè)開放問題。你們支持孩子盡早在學(xué)習(xí)中使用 AI 嗎？

潘亂：我覺得得看年齡段。大學(xué)生用 AI 沒問題，甚至中學(xué)生也可以嘗試。但小學(xué)生不建議，他們的批判性思維和主觀能動(dòng)性還在發(fā)展中，太早依賴 AI 可能有害。五年前拍照搜題就引發(fā)過類似討論，現(xiàn)在國家已經(jīng)禁止了。學(xué)習(xí)本身就是痛苦的事，像鍛煉肌肉一樣需要反復(fù)撕裂重塑。如果 AI 把一切都代勞了，學(xué)習(xí)的真正意義也就沒了。

張鵬：對(duì)，就像我們坐車代替走路，慢慢喪失了攀爬的能力。未來學(xué)習(xí)會(huì)變得像健身一樣，是一件你得主動(dòng)堅(jiān)持的事，而不是生活所迫的必要過程。我不知道一甲同不同意這個(gè)觀點(diǎn)，就是孩子用 AI 這件事要分年齡段，即便用AI，用 AI 的目的要想清楚。

張一甲：我覺得這個(gè)事就沒法選擇，它一定會(huì)發(fā)生。你不能阻止小孩接觸 AI，你想分年齡段，你分不了的。沒有人可以創(chuàng)造一個(gè)真空的環(huán)境，就像你不能阻止他們上網(wǎng)一樣。所以不如正面應(yīng)對(duì)，默認(rèn) AI 無處不在，思考“在 AI 環(huán)境下，學(xué)習(xí)到底是什么”。

我認(rèn)為 AI 在孩子成長中的角色會(huì)逐漸進(jìn)階，比如說從查詞典，到搜索引擎，到 ChatGPT，最終變成思維導(dǎo)師或合作伙伴。所以那個(gè)時(shí)候它對(duì)孩子的學(xué)習(xí)不再是一種空心化的代替，也許會(huì)是一個(gè)啟發(fā)式的提升，這個(gè)我覺得是有可能的。

怕就怕在什么地方呢？你看起來在學(xué)習(xí)，聽起來在學(xué)習(xí)，結(jié)果也像是在學(xué)習(xí)，但可能實(shí)際啥都沒學(xué)進(jìn)去。你寫了一篇文章，但你其實(shí)不會(huì)寫作；你做了一個(gè)科幻創(chuàng)意，但思路完全不是你自己的。這才是最可怕的事。所以未來我們更需要用更高標(biāo)準(zhǔn)去判斷一個(gè)孩子到底學(xué)進(jìn)去了沒有。

張鵬：對(duì)，今天對(duì)于家長們其實(shí)是在提出一個(gè)空前的挑戰(zhàn)。過去只要配合應(yīng)試教育、照顧好孩子就行了。但今天 AI 加入后，家長需要引導(dǎo)孩子更高效地使用 AI，不是提高“交作業(yè)”的效率，而是提升真正的學(xué)習(xí)質(zhì)量。教育最終是為了“自我發(fā)展”，所以重點(diǎn)在于過程而非結(jié)果。家長要轉(zhuǎn)變關(guān)注點(diǎn)，不是看孩子有沒有交作業(yè)，而是了解他是怎么完成的、用 AI 的過程中得到了什么。比如看他是否主動(dòng)設(shè)定了目標(biāo)、定義了有意義的問題、經(jīng)歷了從發(fā)散到收斂的思維過程。這才是教育的價(jià)值所在。現(xiàn)在 AI 已經(jīng)足夠強(qiáng)大，結(jié)果不難達(dá)成，真正重要的是過程中孩子有沒有成長。

我再引申一個(gè)問題：AI 究竟是促進(jìn)教育平權(quán)，還是制造了新的不平等？以前，小鎮(zhèn)青年可以靠勤奮考上名校，改變命運(yùn)。現(xiàn)在 AI 的普及是不是削弱了努力的價(jià)值？潘亂你怎么看，小鎮(zhèn)青年未來的機(jī)會(huì)是變多了還是變少了？

潘亂：我覺得對(duì)于主觀能動(dòng)性強(qiáng)的人，AI 會(huì)讓他們機(jī)會(huì)更多。但對(duì)大多數(shù)人來說，數(shù)字鴻溝會(huì)拉得更大。AI 是個(gè)輸入輸出系統(tǒng)，你得會(huì)提問、會(huì)使用。可現(xiàn)實(shí)是，大多數(shù)人連好問題都提不出來，這就造成了嚴(yán)重的能力分層。就像今天，你看抖音的日活是百度的多少倍？很多人沒條件去學(xué)怎么用 AI，沒資源、沒人指導(dǎo)，也沒有那份主動(dòng)性。對(duì)個(gè)別有驅(qū)動(dòng)力的人，AI 是“逆天改命”的機(jī)會(huì)。但對(duì)大多數(shù)人來說，現(xiàn)實(shí)環(huán)境讓他們更難跟上。這個(gè)差距會(huì)越拉越大。

現(xiàn)實(shí)中，時(shí)間的朋友是懶惰、拖延和健康惡化。你要對(duì)抗這些，需要主動(dòng)去學(xué)習(xí)、鍛煉、克服困難。但這是很難的事情。大多數(shù)人并沒有那么強(qiáng)的自律，也缺乏一個(gè)支持他們成長的環(huán)境。所以說，AI 本身是個(gè)強(qiáng)大的平權(quán)工具，但因?yàn)楝F(xiàn)實(shí)世界的不平等，它可能反而會(huì)加劇這種差距。

張一甲：這是個(gè)很深的問題。我的直覺是：在義務(wù)教育階段，AI 會(huì)提升普惠性，比如讓偏遠(yuǎn)地區(qū)也能接觸到優(yōu)質(zhì)教育資源。就像基礎(chǔ)醫(yī)療，它會(huì)隨著技術(shù)的發(fā)展，以邊際成本很低的方式去滲透。但往上走，這個(gè)事情是真的充滿不確定性。

比如現(xiàn)在有算力的公司和沒有算力的公司，差距已經(jīng)很明顯了。未來可能變成，可能存在一些高階的 AI ，被少數(shù)人擁有著，但它有著巨大的杠桿效應(yīng)，以至于這部分少數(shù)人可以分配到更多的社會(huì)資源，我覺得會(huì)存在著這種可能。但這種不平等具體是個(gè)什么面貌，我們還沒有辦法想象出來。這可能就像過去有房和沒房的區(qū)別。只不過現(xiàn)在我們還不知道未來那個(gè)“分水嶺”到底會(huì)是什么。

張鵬：你說得很關(guān)鍵。這會(huì)影響社會(huì)中每個(gè)人能實(shí)現(xiàn)“自我”或“發(fā)展”的路徑。教育本身也逃不開這個(gè)大環(huán)境。

張一甲：我還想補(bǔ)充一點(diǎn)，其實(shí)教育很大程度上是教人如何適應(yīng)環(huán)境。人類一出生就是早產(chǎn)兒，完全沒有生存技能，教育就是幫助個(gè)體逐步建立起面對(duì)復(fù)雜環(huán)境的能力。而 AI 的加入，讓未來的不確定性更大，所以適應(yīng)性變得比以往任何時(shí)候都更重要。

張鵬：對(duì)，AI 帶來的不只是技術(shù)變革，更是對(duì)整個(gè)社會(huì)結(jié)構(gòu)的重構(gòu)。不管是生產(chǎn)資料、生產(chǎn)力還是生產(chǎn)關(guān)系都在被重新定義。這對(duì)追求“穩(wěn)定路徑”的家庭來說，是挑戰(zhàn)；但對(duì)愿意擁抱不確定性的人來說，也是機(jī)會(huì)。因?yàn)樵谶@種混沌中，會(huì)誕生新的力量和路徑。誰能在變化中找到自己的定位和意義，將會(huì)是關(guān)鍵。以前我們有一個(gè)“模板”，未來這個(gè)“模板”可能完全不同。

潘亂：所以除了技能、工具、AI，更重要的是人的“靠譜”“認(rèn)真”“勇氣”和“自我驅(qū)動(dòng)”。這些才是更根本的能力，決定你能不能在未來持續(xù)迭代、找到自己的位置。AI 是加速器，但能不能用好它，還是看人。

自身定位

張鵬：我們今天其實(shí)聊得挺發(fā)散，從AI 考高考聊到教育、公平，還是想從人的視角出發(fā)，不談技術(shù)、不談產(chǎn)品，看看這些變化對(duì)我們意味著什么。最后一個(gè)問題想請(qǐng)大家從自身出發(fā)聊聊：你如何在 AI 時(shí)代找到自己的位置？你怎么看待“自我”和“發(fā)展”？AI 對(duì)你意味著什么？潘亂你先來，你經(jīng)歷了 AI 的發(fā)展，也和它頻繁協(xié)作，現(xiàn)在怎么看你和 AI 的關(guān)系？你有沒有擔(dān)心過被替代？

潘亂：AI 對(duì)我來說是個(gè)很好的工具，它讓我變得更勤奮、更深入地使用各種 AI 產(chǎn)品。對(duì)我來說，它是協(xié)作伙伴，而不是威脅。

張鵬：我再問得直接一點(diǎn),你真的完全沒有被替代的焦慮嗎？

潘亂：一丁點(diǎn)兒都沒有。有兩個(gè)原因。

第一，AI 只改變了創(chuàng)作效率，但平臺(tái)的分發(fā)機(jī)制、變現(xiàn)模式、受眾連接方式這些都沒變。今天的創(chuàng)作者仍然依賴已有的內(nèi)容平臺(tái)，沒有新的流量生態(tài)。所以變化的是效率，不是結(jié)構(gòu)。

第二，AI 是工具，關(guān)鍵還是人提出什么問題。你有沒有定義問題、驅(qū)動(dòng)問題、結(jié)構(gòu)化解決問題的能力？這才是核心。就像雷軍問傅盛，做成 360 安全助手這個(gè)事情，你跟周鴻祎誰的功勞更大一點(diǎn)啊？傅盛說是周鴻祎，周鴻祎厲害在于把一個(gè)開放性問題變成了可以解決的封閉性問題。

AI 能做的事很多，但你給出的“輸入”是關(guān)鍵。人與人之間的輸入質(zhì)量不一樣，自然語言是不平等的資源。我現(xiàn)在也在反潮流，比如開始訂閱付費(fèi)雜志，去精進(jìn)我的輸入質(zhì)量。站在潮流的反方向，可能反而能走得更遠(yuǎn)。

張鵬：那一甲你怎么看？怎么找到自己在這個(gè) AI 時(shí)代的Destiny？

張一甲：首先我覺得咱們?nèi)齻€(gè)都不太會(huì)被替代，剛才你說到周鴻祎和傅盛那個(gè)例子，我很有感觸。我們作為公司的負(fù)責(zé)人或者 IP 的主理人，是需要在開放世界中定義問題、作出選擇，并為此承擔(dān)風(fēng)險(xiǎn)的。AI 可以執(zhí)行步驟，但無法回答“為什么做”以及“愿不愿意為這個(gè)目標(biāo)長期堅(jiān)持”。這些是人類獨(dú)有的責(zé)任感和決心。站在人與 AI 這兩個(gè)大命題之間，我依然相信人。

時(shí)間是熵增的，但生命是熵減的，我覺得生命自有蓬勃之力，即便AI的各個(gè)技能可能比人好，人還是會(huì)憑借生命力和意義感，找到屬于自己的道路的。我站在人類這一邊。

張鵬：一甲像一束陽光，照亮了人類的前程。我其實(shí)反而希望被 AI 替代，當(dāng)然是“引號(hào)式”的希望。比如，我希望 AI 把我已經(jīng)熟練掌握的事替代掉，這樣我就能有機(jī)會(huì)去探索新的東西。以前我們可能用一生只完成一件事，因?yàn)楝F(xiàn)實(shí)摩擦太大。未來如果 AI 能幫我們減輕負(fù)擔(dān)，我們或許能活出多個(gè)“人生版本”。所以我真的希望 AI 跑得再快一點(diǎn)，好讓我去嘗試更多。

但我覺得最核心的是要捍衛(wèi)“無知無畏”的力量。很多有意義的事情，正是因?yàn)槲覀儾恢浪卸嚯y，才敢去做。如果一開始就知道那是坑，就不會(huì)跳了。所以很多創(chuàng)新，其實(shí)源于無知。AI 的價(jià)值或許在于，它讓我們更有勇氣去無畏，因?yàn)橛兴С郑愕奶剿鞔鷥r(jià)變小了。人類真正的希望，可能就藏在這種“有底氣的無知”里。所以我覺得面對(duì) AI 的未來其實(shí)很值得期待。AI 快跑，我們做自己，沒問題。今天我們聊了很多，其實(shí)就是想把希望帶回來。

也感謝潘亂和一甲，以及所有朋友今晚的陪伴。如果你覺得今晚有收獲，歡迎關(guān)注極客公園的今夜科技談、甲子光年和潘亂的「亂翻書」。我們不止聊技術(shù)產(chǎn)業(yè)，也聊人、聊社會(huì)、聊生活的更大命題。