AI教育，缺的是什么环节？

2026 年 4 月这 11 天里，中美两国先后落下两份围绕 AI 时代教育的关键文件：4 月 10 日，中国教育部牵头 5 部委联合发布《"人工智能+教育"行动计划》；4 月 21 日，美国 Thiel Foundation 则把 Thiel 奖学金金额从 10 万美元提升到 25 万美元。乍看之下，这两份文件像是给出了完全相反的“处方”：一方将 AI 嵌入覆盖 2.86 亿在校生的整个学制；另一方却把 12 名最具潜质的年轻人从大学路径里抽出来，直接投入任务与实践。中美的宏观竞争确实存在，但这两件具体动作并非彼此“对招”；更像是各自世界观在同一时间窗里的同时显影。借由这 11 天形成的观察窗口，我们可以追溯两套处方的来路、运作机制、内在张力，以及它们在 AI 时代走向合流的事实——并最终回答我们当下最关心的一个问题：14 亿基础盘已经有了，真正缺位的那一环究竟是什么。

11 天之内，两种世界观同步呈现——这不是角力现场，而是观察窗口。© UThan Zaw / Unsplash

先把事件本身说清楚：它本身并不复杂。

2026 年 4 月 2 日，中国教育部下发《"人工智能+教育"行动计划》，文号教科信〔2026〕1 号，由 5 部委联合发布（教育部牵头、发改委 + 工信部 + 科技部 + 国家数据局）。4 月 10 日正式公开发布，并召开新闻发布会。4 月 21 日，Thiel Foundation 在 Miami 公布 2026 届 Thiel Fellowship：奖金从 10 万美元翻倍到 25 万美元，人数从 20-30 人收紧至 12 人。4 月 28 日，中国教育部又批复 9 所支持高校（北邮、东大、上交、浙大、西交、北航、北理、哈工大、南航）增设「具身智能」新专业，2026 年秋季启动本科首批招生。北航具身智能机器人研究院院长魏洪兴在公开披露中提到：「我们也是第一年招生，有 30 个指标。」

在这 18 天内，两国做的事情形成了一组几乎“教科书式”的对照——

需要先澄清：这两件事并不是中美在教育议题上互相设招。中国 4-10 那份行动计划属于国内政策的落地，与 Thiel 4-21 的翻倍没有直接关联；Thiel 的加码则是私人基金会的常规调整，同样与中国行动计划无关。两者各自推进，只是恰好在 11 天内同步出现，从而提供了一个便于对照的观察入口。

不过，“同步出现”本身就值得停下来认真看。因为文件背后讨论的，其实是同一个时代命题——「AI 时代教育到底该归谁」。中国选择把 AI 纳入 800 年历史的大学体系，美国则选择把最聪明的年轻人从大学路径中拉出来直接干事。两套处方面对的是同一组问题，只不过分别给出了：一边是以 14 亿人口规模为底座的工程化回答；另一边是以 12 人精选为抓手的反向策略。

接下来分四章拆开看：两套处方各自的来路、内部运作机制、双方之间的张力，以及合流的具体过程。最后一章则回答：在这场合流里，中国的位置在哪里——以及 14 亿基础盘之外，缺少的那部分究竟是什么。

现代图书馆的通透空间，30 年“先选种子再压资源”的政策直觉。© Fer Troulik / Unsplash

中国给出的处方其实带着 30 年的历史，它可以理解为一条政策直觉的持续加固。

要真正看清这一点，必须先把那条 30 年的政策脉络梳理一遍。1995 年启动“211 工程”，中央与地方共同投入 180 亿，重点支持 112 所高校。1998 年在 P 大百年校庆讲话中提出“985 工程”，进一步集中资源——覆盖 39 所高校。2009 年，这 39 所中的前 9 所组成 C9 联盟——清北复交浙、中科大、哈工大、西交、南大。2017 年启动“双一流”首批 / 2022 年第二轮——合计 147 所高校，执行周期 5 年，并打破原有“终身制”，形成可进可出。

这条线的底层语法 30 年基本没变：先圈定一批种子（高校），再把资源压进去。9 校在具身智能方向的批复，就是这条线的最新一环——批的仍是 211 / 985 / 双一流体系内的高校，未在“种子库”之外开放进入。这种逻辑可控、也便于考核；代价在于教育部门主导的政策显性资金，主要覆盖的是体制内的人才孵化路径，而不会直接延伸到创投生态的那段环节。

但需要立刻补上一句：这种“不覆盖”更偏向显性资金层面。DeepSeek、字节、拼多多看似来自体制外创投生态，但它们享用的是中国整体的人才供给链、产业生态与基础教育存量——这些都是教育系统过去 30 年积累下来的“间接产物”。这点与张雪机车在采访里提到“一个子儿支持也没有”相一致：表面上没有显性资金扶持，实质上却被完整的人才与产业链环境所托举。因此，“教育系统跟创投生态没关系”的说法本身容易误导；两者通过人才供应链、产业基础设施、政策环境深度耦合，只是教育部的政策杠杆不会直接落到创投环节。

行动计划文本本身同样值得细读。它是 5 部委联合发文，比《国务院关于深入实施"人工智能+"行动的意见》（国发〔2025〕11 号）低一级：后者是国务院层面的国发，前者是部委联合。部委联合发文的指导性文件多半不直接挂预算，资金通常通过既有渠道下沉（例如发改委的 AI 基础设施盘子、教育部双一流存量的再分配）。而这恰恰映射出一个关键判断：行动计划的“真实形态”，是在把 AI 议题装进既有政策容器，而不是另开一个 AI+教育的新池子。

总体目标原文中有一句尤其值得记住——「到 2030 年，人工智能与教育深度融合格局基本形成，构建起纵向贯通、横向联通的人工智能全学段教育和全社会通识教育体系……形成全民人工智能素养培育长效机制……智慧教育新形态基本形成、全球影响力进入前列」。其中最后一句，把教育进一步升格为大国竞争的明确语言。

具体动作可以概括为“三层下沉”。第一层是 K-12 通识下沉（持续完善通识教育指南、由地方负责课时落实）。第二层是高校 AI 公共基础课（按学科专业分类编写课程教材）。第三层则是 9 校学科交叉新专业（如北航 30 个具身智能本科指标 + 配套 30 个工程博士指标 + 「本科-博士八年贯通培养」）。

「立足算力不足、数据不优、模型不强的人工智能发展堵点问题，联合国家发展改革委布局人工智能基础设施体系，向成熟应用、重大任务倾向支持，避免重复建设和一哄而上」。「避免重复建设和一哄而上」——这句话，来自过去几年不少地方 AI 产业政策的反思：2018-2020 年间产业园建设密集，但多份研究报告显示后续运营效果往往不如预期。

必须承认的一面是：中国的处方有其真实务实性，并非无脑“撒钱”。9 校批复延续 211 / 985 / 双一流的“种子库”逻辑，能稳定产出工程师精英——这一点本身就具有价值，不需要被简单苛责。

最尖锐的反方观点来自钱颖一（清华经管学院前院长）在 2018-2019 年间反复强调的论点——「未来的人工智能会让我们的教育制度下培养学生的优势荡然无存」。他认为，AI 替代的恰好不是中国学生的短板，而是中国学生擅长的识别与记忆已有知识积累。

但钱颖一这句话属于 GPT-3 之前的讨论框架。放在今天，现实已经拉开了距离。一个可以摆上桌面的“反方的反方”是：AI 时代未必会让中国教育优势整体贬值，甚至可能触发一次 AI 人才的爆发；若如此，14 亿基础盘的数量优势就恰好成为中国的杠杆点。

然而，这个反方的反方同样还有反方。AI 人才能否在中国发生一次“大爆发”，取决于现行培养机制能否在 AI 冲击下做出足够的适应性调整——这仍是开放问题，没有预设结论。中国教育体系本身具备调整能力（例如 1999 扩招、双一流改革、再到 9 校批复），只是调整的速度与深度能否跟上 AI 时代的需求，还需要时间验证。基础盘的潜力确实存在，激活基础盘的机制变革也同样必须推进；二者并不会互相抵消。

钱颖一的判断有其合理之处。AI 替代确实包含对“识别和记忆已有知识积累”的影响，这部分中国教育优势会被压缩。但行动计划若能真正贯彻“避免重复建设和一哄而上”的精神，把存量资金重新分配到上述具体动作上，它解决的就不是“AI 教育优势”的问题，而是“全民 AI 素养基础盘”的问题。容易被忽略的角度恰好反过来：前者天花板可能不高，但后者地基价值更大。

美国选择的处方也同样不是凭空出现，它背后有一段 15 年历史——可以理解为 Thiel 的矩阵战略在教育领域的第二次反向“加倍下注”。

中文 AI 圈讨论 Thiel 时往往只盯住 Thiel Fellowship 这个项目，但如果把 Peter Thiel 名下与教育相关的布局拉开看，就会发现是一张矩阵式的多杠杆组合——

这是一张美式“资本-权力勾连”的多杠杆矩阵——每个杠杆作用于不同年龄段、不同地理位置与不同制度层。Thiel Fellowship 提供品牌信号与早期资金（Vitalik Buterin 10 万美元改写加密世界，Dylan Field 带 Figma 在 2025 年 7 月以 680 亿美元市值上市，Lucy Guo 共创 Scale AI 后成为最年轻女性自造亿万富翁）。1517 Fund 则在这些 Fellow 成长起来后进行跟投（Fund I DPI 4.41x、TVPI 9.65x，属于顶级一流 VC 的量级）。Cicero Institute 在 30 州推动 175 项立法，把“反学位”写进政策。15 年下来，Thiel Fellowship 累计创造的商业价值估算约 7,500 亿美元，总投入约 3,200 万美元，ROI 约 25,000 倍。

但如果只看资金数字，就会低估 Thiel 矩阵真正的杠杆。中文圈关注 25 万美元与 12 人这个表层结果，而更稀缺的是 Thiel 向每位 Fellow 倾注的非资金资源——人脉网络、品牌信号、推荐机制、董事会接入，以及对下一轮 VC 的直接对接。Vitalik 获得的不只是 10 万美元，而是「Peter Thiel 亲自背书的 22 岁辍学者」这一全球独一无二的身份标签。Dylan Field 早期拿到的也不只是 1517 Fund 的钱，而是 Thiel 网络里所有早期种子投资人优先看见的机会。Thiel 矩阵真正要做的，并不是“奖励辍学”，而是“制造天才”：用资本、人脉与品牌的复合杠杆，让一个少年被加速浮现成时代符号。

在中国其实也有过类似对照。西湖大学 2018 年成立时，施一公等创办人对早期学生倾注的资源，往往远超学费本身：每个博士生由 PI 直接指导、获得与全球顶级实验室合作的通道，课程也具备跨学科的灵活设计。新型研究型大学在早期采取的“创办人个人投入”机制，在结构上与 Thiel 矩阵存在同源性——都是将少数早期受益者加速推到台前。差异在于：Thiel 的矩阵在 15 年中坚持下来，已经形成 6 个互补杠杆的稳定机制；中国的新型研究型大学仍处在第一代创办人主导阶段，能否跨代延续还是开放问题。

不过，必须同时发出警告：这类数字高度体现“幸存者偏差”。媒体只会报道 Vitalik、Dylan Field、Lucy Guo 这几位明星，却不会呈现另外 270+ 名没成大事的 Fellow。Max Chafkin 在 2021 年那本《The Contrarian》中，第一次较系统地揭示了早期 Fellow 可能面临的抑郁、毒瘾、被庞氏骗局牵连等结构性失败。真实“做出大事”的成功率大致在 4-14% 区间；剩下的 86-96% 是无人书写的故事。

2026 年 4 月 21 日将奖金翻倍至 25 万美元，并把名额缩到 12 人——这是 Thiel 对幸存者偏差的一种回应。但他采取的回应不在“降低门槛、提高基数”那条路上，而是反向加码：放大单人押注、同时压缩规模。Thiel 的口号也随之加重：「婴儿潮一代的职业轨道已经不再通往任何值得去的地方。」在本届 12 人中，至少有 3 人直接投身 AI——Harry O'Connor 的 Sentient Machines、Kyler Wang 的 Action AI、Claire Wang 的 C. elegans 神经系统模拟。

但 Thiel 的矩阵代表的是过去 15 年的探索，而过去 12 个月中真正重新浮现的形态，是「AI 公司自办精英计划」这一路径。以 Anthropic Fellowship 为代表。这并不是历史上从无到有的发明：Bell Labs（1925-1980）、Xerox PARC（1970s）、Microsoft Research（1991+）、IBM Research、Google X 都曾出现过类似的自办精英研究员传统。Anthropic Fellowship 的关键创新并不在“AI 公司办”本身，而在于它把 Bell Labs 式的长期 PhD-style 研究员模式压缩成 4 个月的短闭环，并给出明确的转正接续路径。

Anthropic Fellows Program 2026 第一届的待遇——每周 3,850 美元 + 每月 15,000 美元算力补贴，人均年化约 20 万美元 + 算力，周期 4 个月全职。80% 的 Fellow 能产出论文，25-50% 获得 Anthropic 的全职 offer。已公开的成果包括 agentic misalignment 研究、对 ASL3 越狱的快速响应、open-source circuits，以及在区块链智能合约上发现 460 万美元漏洞。OpenAI Residency 在做同一件事的另一种版本。

把 Anthropic Fellowship 与 Thiel Fellowship 放在一起对比，会看到一个有意思的“代差”——

Anthropic Fellowship 的特点是真实任务接口。它并非“先发钱再让你想做什么”，而是“给你 frontier 公司正在解决的真实问题，让你把结果做出来”。这种结构与以色列 Talpiot 项目（IDF 实战 R&D，约 3% 毕业生创造独角兽，且被称为 Stanford MBA 的 5 倍）在逻辑上同源——“精选 + 真实任务 + 短闭环”的混合体。

最锋利的反方来自哈佛前校长 Larry Summers 在 2013 年的一段著名批评——「过去十年最严重的慈善错配，是 Peter Thiel 这个资助学生辍学的特别项目」。AltSchool 烧掉 1.74 亿美元最终失败、Lambda School 在加州 BPPE 受到处罚并被迫改名 BloomTech——美国侧的失败案例同样昂贵且密集。

Summers 的批评更适用于 Thiel Fellowship 的 1.0 版本（2010-2020 年间那种“先发钱再说”的模式）。但它已经难以框定 Anthropic Fellowship 的 2.0 形态。10 年前的判断框架，已经处理不了今天的事实。

到这里，需要做一次对照总结。

中国这边的处方解决的是“14 亿人的基础盘”。清华 MAIC 的“成本是传统 MOOC 千分之一”模式可以在 1 年内被教育部推进到 200 所高校；麦可思研究院 2024 年 10 月对 3,297 名高校师生的调查显示：从未使用过 AI 工具的仅 1%，每天多次使用的比例为 18%。中国很可能是全球人均 AI 工具使用频次最高的大国。复旦校长金力 2025 年 12 月在教育部发布会宣布「2025 起 AI 课程覆盖全体本研学生」。这条路径的核心目标，是让 14 亿基础盘中相当一部分人具备 AI 时代的基础能力。

美国这边的处方解决的是“12 个杠杆人才”。Thiel Fellowship 在累计 290 名 Fellow 中，已产出 Vitalik Buterin、Dylan Field、Lucy Guo 等能单人撬动数百亿美元市值的样本。Anthropic Fellowship 的模式是 4 个月闭环 + 25-50% 的转正率：每年加速 10-20 位 frontier-grade 研究员。路径的核心目标，是让最稀缺的杠杆人才被加速“浮现”出来。

把两套方案放在一起看，精英观与人民群众观其实并不对立——它们是统一的。

杠杆人才并不会凭空生成。Vitalik 出现在加拿大并非偶然，背后是计算机教育普及度充分、公开学术氛围浓厚、同时具备创投资本的接入。Sam Altman 出现在硅谷也并非偶然，背后是斯坦福与硅谷生态几十年的积累。文化结构 ⟹ 群众基础 ⟹ 杠杆人才浮现——这是一个完整因果链，而不是“二选一”的选择题。

从这一角度看，14 亿基础盘的真实价值并不是“在 AI 时代被贬值”，而是“为杠杆人才浮现提供土壤”。一个人均 AI 工具使用频次最高的国家，潜在浮现机会从理论上也会比其他地方更多。

那中国缺的到底是什么？

把现有事实摆在桌面上——基础盘 ✓（清华 MAIC 千分之一成本、麦可思 99% AI 渗透率），杠杆人才已显形 ✓（如稚晖君、丁文超、梁文锋等已从基础盘中冒出），现有制度通道也在运转 ✓（体制内拔尖班 + 体制外超学位通道）。从单项拆开看，每一项都不算缺。

真正缺的是：把这些环节之间的“中间过渡”工程化的机制——一种能够从基础盘的下一代潜在杠杆人才中识别出候选、加速成长，并把他们对接到真实 frontier 任务上的过渡通道。

浮现机制，本质上是给土壤里的潜力提供出口——一道梯子，一个被允许的过渡身份。© Jean Vella / Unsplash

真正稀缺的并不是基础盘，也不是杠杆人才本身，而是把基础盘里的潜在杠杆人才识别出来、加速、再对接到 frontier 任务的“浮现机制”。这个判断有边界条件：站在当下这个时间点看。如果 5-10 年后中国能够长出本土版本，那么这条判断就会失效。

这套机制的可能形态或许像 Anthropic Fellowship，也可能像 Bell Labs（1925-1980 那种长期 PhD-style 研究员模式），还可能是一种至今尚未见到的本土新形态。Anthropic Fellowship 未必是唯一最优解，但它至少是一种已经被证明能跑通的形态。

美国侧正在出现一种被中文圈普遍低估的“国家化进程”。比如 Stargate 5,000 亿美元基建项目、Anthropic 与美国国防部的合同、Sam Altman 与 Trump 女婿 Jared Kushner 共同投资的“主权 AI 基础设施”公司、以及 Cicero Institute 在 30 州推动 175 项立法把“反学位”写入政策——这些动作合在一起看，是美式资本-权力勾连的一种新形态，也是美式举国体制在教育领域的版本。它与中国行动计划并非完全“相反”的两件事：两边都在朝“国家+资本+教育”的混合体靠拢，只是路径不同。

再回到中国自身：在这场合流中，我们的落点在哪里？

中国除了行动计划之外，还有两条并行运行的人才通道——

通道一是体制内拔尖班体系。1978 年中科大少年班启动，2005 年清华姚班，2017 年北大图灵班，2019 年清华智班，2024-2025 年三班合并为新姚班并下设 CS / AI / 量子三方向。这套体系的设计逻辑是：体制内最精英的筛选 + 海外读博出口。姚班毕业生中绝大多数先到 MIT / Stanford / Princeton / CMU 等读博，然后再有部分回流——国家培养、海外吸收、部分回流。

通道二是体制外超学位通道。华为天才少年（2019 年启动，最高档年薪 89-201 万）已经培养出一批明星 Fellow——稚晖君离职后创办智元机器人，丁文超创办它的石智航并在 2025 年完成 4.55 亿美元融资。字节跳动 Top Seed 2026 届招募 30 位顶尖博士，月薪 9.5 万 + 期权 65 万 + 3 薪年终（首年综合超 200 万）。腾讯青云、阿里巴巴达摩院青橙、百度 AIDU 全都在正常运转。

如果把华为天才少年与 Thiel Fellowship 放到同一张图里，会发现结构差异非常清楚——Thiel Fellowship 是反学位（22 岁以下 + 必须辍学），华为天才少年则是超学位（通常从博士起步）。中国的超学位通道仍以博士学位为隐性门槛；稚晖君是少数例外（其也仍以硕士 + 顶级作品为前提）。

这两条通道更像“学位精英化补丁”，并没有完成 Anthropic Fellowship 那种结构创新——例如公开选拔 + 4 个月闭环 + 真实任务 + 转正路径 + 跨机构流动的完整组合，中国版还尚未出现。

按 Anthropic Fellowship 的 5 条特征（公司直接办 + 公开选拔 + 4-6 个月短闭环 + frontier 真实任务接口 + 25-50% 明确转正接续）逐条核查 12 个中国候选项目——字节 Top Seed、华为天才少年、DeepSeek、智谱、月之暗面、阿里达摩院青橙、上海 AI Lab、智源 BAAI、上海期智研究院、腾讯青云/犀牛鸟、百度 AIDU——结果是：没有任何一个项目能完全对齐。最接近的是字节 Top Seed，也只满足 2/5 条（缺少“公开选拔不限学历”和“短闭环 4-6 月”，且本质是直接正职 offer 而非 fellowship 转正）。

中国当然有人才项目，但缺的是某种特定形态。中国 AI 公司用“砸钱锁定应届博士”（字节 Top Seed 80-220 万、华为天才少年 89-201 万、百度 AIDU 以“薪酬无上限”吸引）在一定程度上替代了“短期试错 + 对赌转正”。前者效率高，但筛选维度收敛到博士学历，从而关闭了 self-taught、跨界、退学者等非典型路径的入口；后者效率低，却保留了非典型路径研究者的接入空间。

这代表两种不同的人才哲学。Anthropic Fellowship 那种“让背景多元的研究者用 4 个月做真活，再由双方匹配度决定是否绑定”的过渡形态，在中国体系里缺少制度位置：既不完全等同于校招（往往要求应届），也不完全等同于猎头（往往需要经验），更不完全等同于学界（要求博士学位），也难以等同于天才少年（需要 wow factor 已被验证）。这种“过渡身份”本身，就是中国体制不擅长生产的类型。

可以联想到一个至今仍未被中文教育语境充分翻译的概念——gap year。西方教育体系里，gap year 通常指高中到大学、本科到研究生、读书到工作之间允许且被鼓励的一段“过渡身份”。而中国教育-就业系统几乎不留这个空位：简历里出现“间隔年”往往会被理解为有问题、不连续、缺规划。Anthropic Fellowship 的“4 个月公开 fellow”在结构上就是 gap year 的工业化版本——给一个被认可的“过渡身份”。中国不擅长生产这种身份，是教育-就业制度连续性约束在起作用。

需要补充一句：Anthropic Fellowship 未必是最优答案。它的 5 条特征（短闭环 + frontier 任务 + 转正接续 + 公开选拔 + 公司主导）只是当前美国 frontier AI 公司收敛出来的一种形态。中国若要建自己的浮现机制，可以参考但不必照搬——大学+公司的组合（西湖大学 + DeepSeek 联合）、政府+市场的混合体（上海 AI Lab + 字节联办）都可能是潜在的本土路径。重点不是复制 Anthropic Fellowship，而是回答：我们的浮现机制是什么。

如果未来 5 年这件事在中国发生，最可能的载体会是哪些主体？DeepSeek、智谱、月之暗面、阶跃、MiniMax 等新一代 AI 公司没有传统的人事包袱；小红书 REDStar、字节 Top Seed 已经在往超学位通道做进一步升级；西湖大学 / 上海科技大学与头部 AI 公司联合，则可能是大学+公司的混合体。若 5 年内没有任何一方走通这条路，即便行动计划足够扎实、全民 AI 素养覆盖够广，14 亿基础盘里的潜在杠杆人才仍可能找不到被识别与加速的通道。

我们要的并不是放弃 14 亿基础盘去追求 12 人精英筛选，而是要给 14 亿基础盘装上那套让杠杆人才浮现出来的机制。

这件事目前没有完整答案，但仍有几个值得继续追问的开放问题——

我们到底想要 1 个 OpenAI，还是 1,000 个具身智能毕业生？这两件事并不属于同一个目标函数：前者要反建制叙事的勇气与资本，后者则需要体制化覆盖的工程力。若浮现机制建起来，两件事或许并不矛盾——14 亿基础盘恰好可能浮现出 1 个 OpenAI。但若浮现机制缺位，两件事就会彼此消耗。

行动计划解决的是“全民 AI 素养”基础盘，而 ChatGPT 已经在用免费产品替我们做这件事。更值得追问的是：DeepSeek 等开源路线正在让大模型本身变得极其便宜，那么“全民 AI 素养”的真实瓶颈，可能并不在培训数量，而在是否有人能持续把基础模型做出教育新形态。5 年后该如何衡量行动计划的“成功”？是按招生指标、覆盖率、培训人数这类过程指标，还是按真实杠杆人才产出、独角兽数量、AGI 突破贡献等结果指标？

若中国版浮现机制真要出现，谁来承担建设任务？是华为/字节这种已在做超学位通道的大厂，还是 DeepSeek/智谱这种新一代 AI 公司，亦或是西湖大学/上海科技大学这类新型研究型大学的延伸？制度耐心从哪里来，也是一个关键变量。

11 天窗口已经过去。它不是中美之间的角力战场，而是观察各自世界观的入口。穿过这个窗口，我们最重要看到的，并不是谁赢谁输，而是 14 亿基础盘与 12 个杠杆人才，本来就不必走到彼此对立。