肖云：AI时代的教育变革少谈颠覆，多从小场景切入

　　近几年，“AI颠覆教育”的讨论铺天盖地。主流声音动辄把教育和医疗并列，视其为最容易被AI彻底重塑的行业，甚至有人断言未来将不再需要教师和课本。

　　但另一边，担忧也如影随形：孩子天天跟AI聊天，会不会变得孤僻?会不会丧失跟真人交流的能力?

　　深耕教育行业22年、曾任新东方学校校长、原朴新教育联合创始人兼COO，现任拾光文化创始人的肖云，带着这些疑问于今年4月赴硅谷进行了深度调研。

　　最近，结合硅谷的真实案例与数据，肖云通过直播分享了自己的观察与思考，他再次强调：“不要高估现在，也不要低估未来。”他以此前“龙虾”概念从盲目炒作到迅速退潮为例，指出大众极易陷入对AI当前能力的过高期待。

　　在肖云看来，在AI与教育领域，真正的变革不在于用AI包装传统模式，而在于从场景需求出发，小切口切入，重塑工作流，用AI调配资源，而非替代人的情感与思考。

　　01 硅谷290亿美金砸出的行业反思

　　当国内还在热议AI教育的无限前景时，硅谷的投资人听到教育科技(EdTech)项目，眉头已经皱了起来。

　　这背后是冷冰冰的数据。从2010年起，硅谷风投在教育科技领域累计砸下了290亿美元，结果却极少有项目能成功杀出，回报率低得可怜。

　　AI工具的发展也不尽人意，可汗学院官方数据显示，其AI助手上线整整三年，愿意主动跟它互动的学生最高不超过15%。

　　学校已批量采购可汗学院的优质视频，然而实际使用效果一般。根据其抽样调查，仅有约9%的学生能达到每周30分钟以上的使用量。这远低于平台建议的“有效剂量”：可汗学院认为，每周使用30分钟(或全年累计18小时)，与学生成绩比预期提高约20% 之间存在显著相关性。

　　大佬办学也频频受挫，由普莉希拉·陈与马克·扎克伯格发起的公益学校The Primary School(TPS)对外宣布：东帕洛阿尔托与东湾两处校点将在2025-2026学年结束后永久关闭。

　　为什么看似完美的逻辑，落地却这么难?

　　肖云引用了谷歌对此的评论：现在多数看似优秀的AI教育产品，只是在传统教育模式外包了一层AI的壳，并没有真正提升效率。

　　更核心的原因在于，学习本身是一个“逆人性”的过程，往往伴随着痛苦。 并不是把AI推到学生面前，学生就会自动产生学习意愿。家里买了跑步机往往吃灰，因为缺乏健身房的氛围。AI再聪明，没有匹配的学习氛围，学生根本“不启动”。

　　02 AI教育如何突破瓶颈?

　　在肖云看来，把AI当成写讲义、搜题的“普通工具”，或者指望它成为“无所不能的专家”，这两种定位都偏了。这就好比在马车的逻辑下拼命改良，永远也发明不出汽车。

　　肖云认为，AI教育要突破瓶颈，需要走对三步棋：

　　第一，路径逻辑要从场景倒推技术，而不是拿着技术找场景。

　　以往的做法是：我有了AI生成技术，我去看看哪个老师能用上。结果呢?强行让习惯了传统面授的老师用AI，反而拉低了效率。这在医疗界也有先例，斯坦福研究发现，医生和AI强行搭伙，诊断效率反而不如各自单独工作。

　　正确的做法是：先看教育场景缺什么，再用AI去赋能。

　　第二，交互方式要从“被动等提问”变成“主动牵引”。

　　现在有些A产品要学生主动去查、去问。但学生本来就懒得学，怎么会持续互动?

　　最近爆火的AI产品OpenClaw(龙虾)有个“心跳机制”就很值得借鉴：每隔半小时主动问候、引导。AI教育也得学会有眼色，主动向学生提问、沟通，通过互动把学生一步步往前带。

　　第三，内容生成方面，别总想从零生成资源，多去调配资源。

　　行业总觉得大模型生成内容便宜，其实算力、训练都是成本，更别提硅谷至今没能完全解决的“AI幻觉”(胡说八道)问题了。

　　与其让AI去冒着出错的风险重新生成教学视频，不如让它去当“调度员”。名师的优质视频都是现成的，让AI精准匹配给适合的学生，并引导学生讨论，效果反而更好。

　　03 小场景切入：把小事做透，好过宏大叙事

　　AI+教育真正聪明的做法是从小场景切入，把一个环节优化到极致。

　　● 比如只聚焦练习模块： 过去刷题靠代码打标签，现在大模型能更精准、更快地完成题目归类，把错题推送做到极致。

　　● 比如口语练习场景： 英语机构不需要AI替代老师，老师负责讲方法、提纲挈领，AI负责24小时陪学生练口语，扬长避短。

　　这就是“5%原则”：在每个关键环节仅优化5%的体验，整体效果就能远超同行。 比如现在的Vibe coding，这是一个非常细分的小场景，但催生了万亿市值公司。

　　04 边界与温度：有些东西，AI永远给不了

　　即便在擅长的小场景里，AI也有跨不过去的边界。大语言模型基于概率预测，它需要一个“非对即错”的确定性标准。

　　但人类的情感和成长，从来没有标准答案。

　　在学生情感沟通、家庭矛盾调解这些场景下，AI很难胜任。电影《吾乃母亲》里，机器人按照完美算法培养人类，结果多代都失败了，人类最终选择逃跑。机器人最后意识到：只有人类培养的人类，才能成为真正的人类。

　　面对批评，我们在自我满足时听到是帮助，在心情低落时听到就是雪上加霜。这种因情境而异的温度，算法算不出来。

　　当然，AI在提供情绪价值上确实有一套。比如和“豆包”聊天，它经常能给出直接、扎心却又极具安慰感的回答。

　　肖云举例，自己曾因写书胖了10斤，豆包安慰说“书能卖30万册，胖10斤也值了”。

　　但真实的社交是复杂的，冲突、沮丧、失落同样是成长的养分。 就像《鹿鼎记》里的建宁公主，听惯了周围人的奉承，直到遇见不把她当公主的韦小宝，才体会到真人交往的价值。

　　因此，AI在教育中的分工应当是：AI负责帮助学生实现知识的高效吸收与输出，而人类负责陪伴学生完成情感沟通与灵魂的唤醒。

　　05 企业与个人的生存法则

　　AI要在教育或任何一个行业真正落地，绝不是给员工发个账号那么简单，而是需要工作流的重塑(Workflow Reinvention)。

　　在肖云看来，工作流重塑的核心就两条：

　　1. 以前需要人完成的工作，现在不需要了。

　　2. 以前需要多个人完成的工作，现在只需要一个人。

　　肖云看到硅谷发生的具体变化是：

　　一方面，从技术细分工到全栈工程师，如5-8人完成以前50人的代码工作。

　　比如，谷歌正在经历这样的变化，现在80%的代码已经由AI编程工具生成;微软也透露了类似的趋势。

　　另一方面，教育科技团队，从教研经理到产品经理。

　　过去的核心是“教研经理”，从教师视角研发教材、培训授课;而现在则需要转向“产品经理”，从学生视角设计产品，用AI规划内容。

　　“人的核心节点变了，组织的架构也必须跟着变。”肖云说。

　　最后，针对网友们常讨论的“AI是否会导致人类思考能力退化”的问题，硅谷的观念正在发生深刻转变：

　　在AI爆发前，投资人对工程师的要求是 “Talk is cheap, show me the code”(别光说，看代码产出);而大模型普及的今天，这句话变成了 “Code is cheap, show me the talk”(代码不值钱，让我看看你的思考过程)。

　　在肖云看来，当代码、内容都能被AI成批量自动生成时，人类的思考过程反而成了最稀缺的资产。AI的到来不会让思考退化，反而抬高了思考的门槛。 未来教育的核心方向，绝不是教孩子如何去跟AI比拼记忆和生成，而是培养下一代更强大的、不可被算法定义的思考能力。