AI高考满分来袭,学生还要苦读吗?

需要说明的是：目前没有任何AI能在高考中拿到满分，所以不必过于担忧。

需要认清的是：AI的高考成绩正不断逼近满分，持续超越越来越多的考生，这是客观事实。

2024年夏季，上海人工智能实验室对一批大语言模型进行了全科目高考测试。采用当年新课标Ⅰ卷，全程闭卷。结果显示：文科最高546分，超出一本线；理科最高468.5分，超出二本线。数学未及格，最高66分。[1]

2025年夏季，字节跳动的Seed团队重复了这项测试。这次豆包（Seed 1.6-Thinking）文科取得683分，换算到山东赋分体系约690分，全省前80名，足以报考清华北大。DeepSeek R1的数学达到145分，距满分仅差5分。理科最高分是Google Gemini 2.5 Pro，655分。[2]

2026年，情况再次变化。GPT-5.2 Thinking在日本高考中9科满分、15科平均96.9分。国内这边，MiMo v2.5 Pro获得总分第一，Kimi k2.6以0.01分之差位居其后。国产大模型全面崛起，热闹非凡。[3]

两年，从"勉强及格"到"清北水平"；两年，从"清北水平"到"多科满分"。而且成绩仍在持续提升，而站在它面前的人类正在越来越少。

如果你今年正好读高三，或者你家里有正在拼命的高三学生，你该怎么想？每天早上五点半起床，晚上十一点熄灯，中间十七八个小时塞满了课程、试卷、排名、家长的焦虑——所有这些努力、所有这些价值，会因为一个高考拿了满分的AI而消失吗？

如果会，那消失的到底是什么？如果不会，那剩下的又是什么？

这不是关于未来的科幻问题。这是一个关于现在的、必须被认真对待的问题。因为，高三的拼搏已经有足够多的人质疑过了，而满分AI的逼近只是把这场质疑推到了最尖锐的位置。

要回答这个问题，我们有必要来拆解一下"为什么要学习"这个问题。

最底层，就是学历。

考大学，拿文凭，找份好工作。这是上千年科举传统留在中国人骨子里的逻辑，虽然现在社会这一层作用已经越来越弱，但对于广大没有家庭人脉背景的普通人来说，在这个日益僵化且充满惯性的现实世界中，这个作用依然不能忽视。

这个逻辑在经济学里早就有一个名字：信号理论。最初的框架是Michael Spence在1973年提出的，大意就是说：雇主没法在面试那几分钟里判断你这个人到底行不行，但学历文凭可以帮他们做判断。[4] Spence论证的核心不是"学历能证明你学到了什么"，而是"学历能证明你有能力完成一些高成本的事"。哈佛文凭值钱，不是因为哈佛的课讲得比其他学校好多少，而是因为能被哈佛录取并且撑到毕业这件事本身，已经把一群人从另一群人里筛出来了。

这就是所谓的"信号功能"：你为考试拼命，不是在学知识，而是在用血肉之躯发射一个信号：我能扛、我能忍、我够聪明、我愿意为了一个长期目标吃短期的苦。

这篇文章发表了五十年了，到了今天，情况虽然有了不小的变化，但一个基调却没有改，那就是除非受其影响的若干代全部都不在这个世界上了，或者不再拥有管辖权，否则惯性将一直保持下去。

2018年，George Mason大学的经济学家Bryan Caplan在《The Case Against Education》里用大量美国劳动力市场数据做了一件事：把教育回报拆成"人力资本效应"（你真的学到了东西所以更值钱）和"信号效应"（你只是证明了你能干）。结论是，高达80%的教育回报来自信号，不是技能增长。[4b] 你上学不是在学东西，你是在参加一个极其昂贵、极其漫长的信号测评。

波恩大学的Renske Stans团队在2025年做了一个更贴近当下的实验，他们让HR评估虚构求职者的简历，唯一的不同是学历那一栏。结果很直白：学历信号依然在起作用，但它的边际效益在泛化。当太多人持有同一级别的文凭时，HR开始往简历的下半部分看：你具体做了什么项目、解决过什么问题。[4c] 换句话说，学历信号的"分辨率"在贬值。本科学历过去能筛出前10%的人，现在只是"你接受了正常教育"的证明。

在我国，情况则更特殊一点。

华东师范大学杜育红团队在2025年发的一篇实证研究里提出了一个概念叫"弱筛选"。我们的劳动力市场存在显著的学历筛选，但这种筛选并不依据学校培养的"能力"，而只是依据文凭本身对人群的粗糙分层。[4d] 也就是说，企业招人的时候看的不是你在大学里学了什么，而是"你能考上什么档次的大学"这件事在被大学录取那一刻就已经完成了。后面四年的课程内容几乎不影响这个信号的内容。

从这个角度看，学校里的拼命根本不是在学习，而是在参加一场大型的社会筛选仪式。你流的每一滴汗、熬的每一个夜，都是信号的内容。

2025年的高考报名人数是1335万，复读生超过160万。[5] 1335万人同时往一个方向挤，不是因为这个方向通向真理，是因为这个方向通向社会认可。这是一场沉默的集体契约：大家一起承认，高考分数是有意义的，985/211的标签是值钱的。

但这个契约正在松动。

IBM已经取消了80%岗位的学历门槛，改用"技能徽章"来筛选候选人。荷兰一家招聘机构的调查显示，2025年有53%的企业不再设学历门槛，而这个数字一年前只有30%。[6] 国内的猎聘数据更直白：具备AI技能的岗位年薪平均高出7.8万元。大家的关心重点正在从你的毕业院校转向你"能解决什么问题"。[7]

所以学历这块敲门砖，不是被AI砸碎的，它在AI到来之前就已经开始脆化了，AI只是让风化加速。当雇主可以用AI以极低成本完成大量初级认知工作，一个应届本科生的学历信号还在，但接收方的耳朵已经不太想听了。

当然，这并不表示学历最终会变得一无是处。在医学、法律这样的专业壁垒领域，学历依然是硬通货。学历没有死，它只是在贬值，而且是分层贬值——985的含金量下降速度比普通本科慢，但方向是一样的。

在敲门砖之上是知识，这也是受AI冲击最直接的一层，是大多数人觉得"学习没用了"的直接原因。

语文要背古诗词、文言实词，数学要记公式和题型，英语要词汇量和语法，历史要年代，地理要地名，政治要术语。过去这些被统称为"知识"，是各级考试考查的最基本内容，也是学生花最多时间死磕的东西。可现在时代变了，这些知识的重要性正在飞速下降。

2024年的测试里AI数学不及格，因为推理链没打通。于是2025年DeepSeek R1的推理架构一出来，数学直接飙到145，接近满分。同年，九章大模型（一个教育垂类模型）更是在数学Ⅱ卷上拿了满分150。[8] 在纯知识检索和运用层面，最顶尖的人类学生和最顶尖的AI之间的差距，已经不是在缩小，而是在逆转。而且逆转之后，距离只会越拉越大。

这事其实以前就发生过，而且还不止一次。

上世纪七十年代，计算器开始进入学校。当时老师和家长的恐慌和今天一模一样：孩子们如果依赖计算器，算术能力会废掉。有些地方甚至禁止计算器进考场。几十年后回头看呢？计算器确实废掉了人类的心算能力。你现在去街上拉个人，让他在脑子里算两位数乘以两位数，十个里有八个会面露难色。但教育没有崩溃，它只是把重心从计算本身转移到了对问题的建模、对数值关系的理解、对结果的合理性判断。

2000年代，搜索引擎来了，引发了又一轮恐慌：学生有了谷歌和百度，还会有人背东西吗？或者我们可以问一个更深入一点的问题是：知道答案和会用搜索有什么区别？

在这条路上，丹麦人走得更远：2009年，他们在部分考试里允许学生使用互联网（但不能使用通讯工具）。[9] 丹麦人的逻辑很简单：既然真实世界里人人都能上网查，为什么考场要假装世界不是这样的？他们要考的不是"你知道什么"，是"你拿这些信息能做什么"。

现在轮到了AI。

所以知识层的崩塌不是第一次发生，也不会是最后一次。每一次技术让某类知识变得廉价易得，教育都会经历一场撤退和重组：撤退的是机械记忆，重组的是信息的筛选、整合、批判和创造性应用。

一个学生花几个月背下来的文综知识点，AI一秒就能调出来。这不是这个学生的失败，这是"记忆"这种功能从人脑中外化到机器上的又一个里程碑。和计算器废掉心算一样，搜索引擎废掉了知识记忆，AI废掉的将是事实调用——那些不需要思考、只需要检索的知识。

所以，如果我们只看"获取知识"、"记住知识"这点的话，AI带来的冲击只是将知识搜索的门槛进一步降低：搜索引擎时代你还需要考虑搜索关键词怎么写，现在这一步由AI代劳了。因此，AI给这方面带来的冲击其实并不比搜索引擎更剧烈，但我们也不能因此掉以轻心，毕竟如果脑袋里什么知识都没有的话，我们也不能指望一个人可以干出更加"有创造力"或"更高等级"的事来。

那么，AI废掉知识记忆之后，什么能力会被推到前面来？

纯粹的知识之上，就是思维或者说思考能力了。

怀特海在《教育的目的》里写过一句话："教育是习得利用知识的艺术。"[10] 翻译成大白话：知道一件事和能在对的时候以对的形式运用这件事，中间差着一个太平洋。

杜威说得更干脆，他把知识叫做"储存起来的学问"，智慧则是"运用学问去改善生活的各种能力"。[11] 一个是你脑子里的库存，一个是你调用库存的能力。库存可以外包，调用没法外包。

这种能力、这种经历，每个人上学的时候其实都经历过，只是当时不知道叫什么。

你拧了一道解析几何题一整个晚自习，最后发现答案的时候手心有点出汗。这个"出汗"的瞬间不是在获取知识——椭圆的第二定义式和韦达定理在书上明明白白写着呢，你看一眼就知道了——你是在把两个毫无关系的知识点焊在一起解决第三个问题。这种感觉，就是你脑子里的智慧在长。

这种"焊接"没法通过看答案来速成。你看一百遍参考答案，"焊接"的地方还是松的。你得自己焊一遍，而且往往是第一遍糊了，敲掉重来，第二遍才能焊住。

这就是老话说的"纸上得来终觉浅，绝知此事要躬行"。

Manu Kapur把这种现象叫作"有益的困难"（Productive Failure）。[12] 他的研究发现，那些先被丢进难题里挣扎一番、失败了、然后再听老师讲解的学生，比那些直接听老师讲解的学生学得更好——不是在执行层面更好，是在理解深度和迁移能力层面更好。他们不是学会了怎么解这道题。他们是学会了怎么在解不出题的时候依然保持思考和调整策略。

这就是学习的底层价值之一：不是那些天还没亮的时候你背进去的知识点，那些东西AI一秒钟就消化了，而是你在整个过程中被打磨出来的思维品质与思考方式，比如遇到完全没思路的题时不放弃的习惯，在多个解法中选最优路径的判断力，对一个模糊命题给出"我认为应该是…"这种暂时性判断然后去验证的能力。

这些不是"知识"，是"智慧"。知识告诉你地球绕着太阳转，而智慧告诉你当有人说太阳绕着地球转时你应该先问"你有什么证据"而不是直接骂他蠢。知识和智慧最根本的差别就在这里：知识是第二手的，别人已经整理好的；智慧永远是一手的，你自己的脑子烧出来的，任何人都没法替你烧，AI不行，搜索引擎不行，计算器不行，邻居家的孩子更不行。

六祖慧能说："诸佛妙理，非关文字。"[13] 老子说："为学日益，为道日损。"[14] 这两个人隔着近千年，说的是同一件事：真正要紧的东西不是积累而来的。积累是"学"的范畴——那是AI最擅长的。而"损"是往回的，是去掉那些多余的、表面的、别人的东西之后，剩下的那一点点自己琢磨出来的明白。这个，AI拿不走。

2025年《教育学报》发过一篇关于教育内在性的文章，直接点明当下教育的核心问题：太"外在"了——追求数据、追求排名、追求可以被量化的指标，而忽略了教育真正的内在价值是个体意义的生成和自我建构。[15] 换句话说，我们花了太多精力去追逐那些AI最容易替代的东西，而忽视了那些AI根本够不着的东西。

所以AI冲击不了学习，但对学校里那张排名榜、分数榜来说，那绝对是屠榜级的冲击。

所以如果有人说"AI能考满分了所以学习没意义了"，他说的"学习"只包括第五层和第六层——知识获取和学历信号。他说的是对的，如果学习就只有这两层，那它确实正在被AI碾过去。但这两层从来不是学习最值钱的部分。学习最值钱的部分，是那些就算你知道答案也必须亲自走一遭的东西。就像你知道坚持跑完马拉松对身体好，但"知道"和"真的练了半年跑完42公里后站在终点喘得说不出话"，这两件事天差地别。

如果说第四层的思考能力的锻炼是一个人和学习材料之间的单向交流，那么在这一层就是一个更加动态与双向的过程：人们能在相互交流的过程中，从他人身上学到东西，而不仅仅是从早已固化下来的知识上学到什么。

维果茨基在1930年代提出过一个在当时相当激进的观点：所有高级心理功能，包括逻辑推理、元认知、自我调节，最初都不是在个人脑子里独立发生的。它们先是出现在人与人之间的互动中，然后才被"内化"成个人的能力。[16]

翻译一下：你不是自己学会思考的。你是看着别人思考、跟别人争论、听别人解释、被别人纠正，然后慢慢把这一套流程装进自己脑子里的。你现在的思维方式，遇到问题时先分类再求解、看到一个论断先找前提再检查推理，这些不是你天生就会的。这是你从小到大在课堂上、在聊天中、在无数次的"你怎么想的？""我不同意，因为…"中一点一点偷来的。

班杜拉的社会学习理论从另一个角度说了类似的事。他的实验证明，人类学习不只是"做对了被奖励、做错了被惩罚"这么简单——我们靠观察就能学到大量东西。[17] 看一个人怎么解决一个问题，比看懂答案更重要。因为答案只告诉你结果，而观察一个正在思考的人，你能看到他犯错、犹豫、调整策略、推翻重来——这才是思维真正的长相。

从这一层来看，上学不是你一个人坐在桌前闷头刷题。是整个教室六十多个人一起在某个闷热的下午听数学老师讲一道导数题，他讲了三遍，换了两个角度，在某个地方停了一下说"这里有点意思"，然后全班最不爱说话的那个男生举手说"老师我有一个不一定对的想法"。那个时刻里发生的事，是一个AI在任何一个私人辅导的对话中都复制不了的。

为什么复制不了？

因为维果茨基描述的"最近发展区"不是一种信息传递——如果是，AI早就搞定了。最近发展区是一种微妙的、动态的互动：你知道的和你不知道的交界处，刚好有一个人（可能是老师，也可能是同学）在那个位置搭了一把手，这一把手的力度、时机、方式，都需要人对人的敏感。更重要的是，你可以从他人处理某一件事的行为或者思考中，学会如何改进自己的想法、提升自己的思维，正所谓"三人行必有吾师焉"。

而这是和AI的交互过程中很难完成的，因为AI的思路往往人类无法习得——不说现在的AI的思路和结果之间往往南辕北辙，实验中已经看到大量思考过程充斥着与最终输出完全无关的内容这样的现象了——更重要的是，如果AI发展到了足够强大的程度，其思考很可能是人无法学会的，就比如哪一天AI跑出一个100页A4纸的"优美且简洁的万物至理公式"，再用一公里厚的A4纸来告诉你它是如何思考的，这样的"手把手教"对人来说真的有用么？答案不言自明。

因此，如果人无法从AI中学到它的经验或思考方式的话，那对人来说AI再强又有什么意义呢？

这就是第三层的不可替代性：你学会思考的过程，本身是通过跟其他正在思考的人待在一起完成的，而满分AI虽然可以很好地写出一篇优美的作文、做出一道道超难的数学大题，但无法和你一同思考、一起成长，所以于你来说并无补益。

再往上一层，便是与人社交了。

杜威在一个世纪前就说过，学校不只是上课的地方，它是"社会生活的一种形式"，是一个微型共同体。[18] 小孩在学校里不止学算术和地理，他们还在学怎么跟人相处——怎么合作、怎么处理分歧、怎么在群体中找到自己的位置、怎么在被排挤或被误解的时候保护自己又不伤害别人。

这些是废话吗？不是。你去问问任何一个三十多岁的成年人，问他学生时代学到的最有价值的东西是什么。他大概率不会说什么三角函数或化学方程式。他会说某个老师某句话、某次跟同学的矛盾怎么解决的、某次被公开表扬或公开羞辱之后自己怎么走出来的。

2025-2026年有一组很说明问题的数据。

教育部在2025年12月发布的"减考令"里明确提到：中小学生年均考试超50次，每周测验班级的学生焦虑指数是普通班级的2.3倍，67%的学生出现考试焦虑伴随的应激症状。[19] "早6晚11"的作息下，每日学习时长超过15小时，青少年焦虑症和抑郁症的检出率持续攀升。[20]

造成这种局面的当然不是学习本身，罪魁祸首是学生在其中学习的那个环境，将正常的社交、娱乐和放松统统抽离了。当学校不再是共同体，而是一个以名次为唯一货币的交易市场，学生之间的每一次互动都变成零和博弈——你多一分，我就少一名。在这种环境里，第二层被彻底搅碎，而失去社交的人，从心理到身体，都会饱受摧残。学生没有学到怎么与人相处，他们学到的是怎么在竞争中保护自己。

满分AI的到来，在这一层可能产生两种截然相反的效果。

悲观的一面：如果AI导师真的普及了，一个人在家就能接受全中国最好的"教学"，那学校的社交功能会进一步萎缩。你不需要去学校就能学到知识，那为什么还要去学校？如果在家里对着屏幕效率更高，那同学之间的打闹、没意义的闲聊、上课时偷偷传的小纸条——这些东西会不会被当成"低效"而被优化掉？更重要的是，失去这么一个缩微版的社交场来磨练学生与他人交流的各种技巧和心理承受力，在AI的顺从与奉承之下"学习"与成长，最后当真的来到现实社会后，会发生什么呢？会有多脆弱呢？

乐观的一面：如果AI把知识灌输和应试训练的效率做到极致，那么学校和课堂反而可以从这些机械功能中解放出来，去做它本来最该做的事——成为真正的微型共同体。老师不用再花六成时间在知识讲解和作业批改上。学生不用再用所有醒着的时间刷题。人和人之间终于有时间了。时间用来聊天、用来争论、用来一起做点什么傻事——这些看似"没用"的事，才是第二层真正的营养。

那么最后到底是走向乐观的一面还是悲观的一面呢？

技术无法回答，AI也无法回答，能回答的只有人类自己。

而在这五层之上，则是学习能力本身。

一个很显然的事实，是没有一个人可以在学校里就把一辈子需要的知识、经验、技能等等全部都学完，因此离开学校后，总是需要学习的。

因此，培养学习的能力，学会如何学习，就是早期学习的一个重要职责。

同样的说法中国教育科学研究院院长李永智和OECD教育司司长Andreas Schleicher在2025年合写的一篇文章也提出过："能力超越知识将成为AI时代最本质的教育变革驱动力。而元认知——对自身学习过程的理解和调节——是其中不可替代的枢纽。"[21]

听起来挺绕的。其实就是一句话：你得知道你什么时候没搞懂、你哪里没搞懂、以及搞不懂的时候你该做什么，要么能解决问题，要么能学会如何搞懂前两个问题，要么兼而有之。这叫"学会学习"，或者用更学术的词叫"元学习能力"。

这件事在2025年被华盛顿大学的Ian Schnee教授做了一个简单的检验。在他教的200人哲学逻辑课上，他每周花15分钟专门教学生元认知技巧，教"你怎么知道自己学没学会逻辑"以及"没学会的时候该怎么办"而非具体逻辑知识。结果是，大家的成绩整体提升了一个等级。[22]

15分钟，一个字母等级。

这说明大部分学生的"学不会"其实不是因为智商不够或者不够努力，而是因为他们从来没有被人教过"怎么学"这件事本身。他们坐在课堂里十二年，每门课都在教内容，但没有一门课在教"学习"这门手艺。

学校里的学习，如果从"元学习"这个层面去理解，有一个很特别的矛盾在里面。

整个应试教育体系逼着你在持续加码的压力下去完成一个越来越复杂的认知任务——同时管理多门课的知识体系、在限时条件下做出准确判断、在长期疲劳状态下保持心智运转。高三是这一整条试练之路上的最高峰，一座压力测试的修罗场。做得好的学生，在这个过程中会天然地发展出一些元认知策略：时间分配、难度预判、弱点诊断、考场状态管理。这些能力拆出来单看，每一项都能移植到未来人生中任何一件需要"自学新东西"的事情上。

但这个体系也同时在破坏元学习。它不鼓励你"知道自己没搞懂"——它鼓励你在没搞懂的时候先背下来应付考试再说，这从小学就开始了。它不鼓励"调整学习方法"——它鼓励你跟着统一的节奏走，掉队了就自己想办法。它本质上是一套"外部驱动的元认知替代系统"：你不用自己判断该学什么、怎么学，老师已经排好了。你只需要执行。这套系统的最高形态就是高考工厂，但它的操作手册从一年级第一天就已经发到每个学生手上了。

所以整个在校教育对元学习的影响是分裂的。对一部分人来说，它确实是"学会怎么在高压下组织自己的学习"的训练营，从小学的周测到初中的月考到高中的模拟考，层层加码，也层层锻造。但对另一部分人来说，它彻底摧毁了学习的自主性。毕业那天，这些人的元学习能力不是被锻炼了而是被废止了，进入大学后突然没人管，反而完全不知道该学什么该干什么了。每所大学的一年级都有这样的人，你在图书馆里能看到他们：坐一整天，一本书摊开在面前，但不知道"学习"两个字的下一步到底是什么。

满分AI的到来，会让这个矛盾变得更加尖锐。有AI导师的学生，可以随时获得最精准的学习诊断和最个性化的学习路径推荐。AI能指出你哪个知识点没掌握，然后给你推三道针对性练习题。AI能把你的错误模式识别出来，告诉你"你在概率题上总是忽略条件概率的判断"。

这很棒，效率极高，但它同时也是元学习能力的最大杀手。当"判断自己哪里没学会"这件事也外包给了AI，学生连"知道自己不知道什么"的能力都在退化。

这才是AI在"学习"这件事上最深的悖论：它能帮你学得更快，但也可能让你永远学不会怎么自己学。一个人越依赖AI来组织自己的学习，他离开AI之后就越像一个白痴。这个悖论没有完美的解法。它只要求一件事：你得有意识地保护自己的"学力"，就像保护你的视力一样——你不会因为有了放大镜就把眼睛闭上，那你也不该因为有了AI就把元认知关掉。

现在，你可以看得很清楚了：满分AI对每一层的冲击程度是不一样的。

敲门砖层，学历，受冲击程度中高。信号在贬值，但在体制内和专业壁垒领域，学历依然有效，所以它不会消失，而是会分化：985的溢价下降得比二本慢，但方向是一样的。

知识层，受冲击程度接近100%。知识获取和记忆变得彻底廉价，历史先例已经指得很明白了：计算器和搜索引擎踩过这条路，AI只是把最后一块人工记忆的高地推平。

思维层，受冲击程度几乎为零，甚至逆向增强。AI能给你答案，不能替你经历"求不得答案"的痛苦。而思维的成长恰好依赖这种痛苦。AI越能快速给出正确答案，"在不知道答案时依然保持思考和尝试"就越是稀缺、越是珍贵。

相互学习这层，冲击程度低。AI可以模拟高质量的思维对话，甚至可以扮演苏格拉底式的提问者。Georgia Tech的实验[23]证明，AI追问"为什么"能让大约40%的学生开始更多地质疑自己的假设，但它不能替代一个真实的老师在你皱眉的时候多解释一遍。它的"理解"是对你的文本做语义分析，不是对你这个人的感知，而它的"思路"很可能并不能增进你的理解，有时反而会起到反效果。

社交层，冲击程度极低。GPT-5.2可以在日本高考拿九科满分，但它没法在你被同学排挤的时候偷偷递过来一张写着"没事"的纸条。这个维度上的学习，除了真人和真人在一起，没有替代方案。

元学习层，冲击方向取决于你怎么用AI。用它来替代自己的判断，它会废掉你的学力；用它来增强自己的反思，让它分析你的错误模式、挑战你的推理、暴露你的知识盲区，则能让你的学力更快成长。工具是中性的，但工具的诱惑不是，AI的诱惑是"你可以不用想"，而对抗这个诱惑需要你自己选。

这六层冲击图谱有一个清晰的特征：越靠近"外部功能"的层面，AI替代性越强；越靠近"内部建构"的层面，AI替代性越弱，甚至反过来增强了其价值。敲门砖和知识在最外层，它们被冲击得最狠。思维和元学习在最内层，它们不仅没被削弱，反而因为外层被冲击而变得更加核心。

这就是为什么"AI能考满分所以学习没用了"这个说法是错的。它只看到了外层，然后推断整个球都是空心的。但其实外层被剥离之后，内层才第一次真正暴露在所有人的视野之中。

这个"外层包裹内核"的结构不是凭空来的。它有一套完整的制造工艺。

德国的教育哲学有一个词叫Bildung，不太好翻译。它的大致意思是：一个人通过各种学习经历，在心智、品格和判断力上达成的一种全面的成熟，不是学会了什么技能，而是成为了什么样的人。[24] 洪堡（Wilhelm von Humboldt）在19世纪初主导普鲁士教育改革时，把Bildung作为大学的核心理念：教育的目的不是培养有用的公务员或技工，而是帮助每一个人完成其"自我发展"——发展他的全部潜能，成为他能成为的最完整的人。

这是一个极其理想主义的设想。

然后工业革命来了。

19世纪中后期到20世纪，现代学校教育体制在全球铺开。它从普鲁士的军事训练模式中借来了统一的课程、标准化的考试、按年龄分级的班级、铃声响了就下课的时间管理——这些东西设计出来的时候，就没打算培养独立人格。它们的设计目标非常明确：批量生产能识字、能算数、能服从指令的工厂工人和办公室职员。

伊凡·伊利奇在1971年写过一本书叫《去学校化社会》，他的批评直到今天读来依然刺耳。他说，学校卖的是一种叫"课程"的商品——统一包装、统一质量、统一价格。学校不是让人学会思考，是让人学会把"被教"当成"学习"的唯一形式。[25] 最隐蔽的地方是"隐藏课程"——那些不写在教学大纲里但每个学生都刻进骨头里的东西：准时、服从、等级意识、对权威的信任。你上课迟到要罚站，这不是在教育你，这是在训练你接受未来打卡考勤的生活。

伊利奇的批评有道理，但他忽略了一个关键的事实：工业社会确实需要大量的"螺丝钉"。不是比喻意义上的螺丝钉，是真实的社会分工结构决定了——生产线需要大量能重复执行标准化操作的人，科层组织需要大量能处理标准化文书的人，整个现代经济需要大量的标准化劳动者。学校批量生产标准化的人，不是某个阴谋家在背后操纵的结果，而是经济结构对教育系统的硬约束。

这个硬约束，在我们这儿力道更直接：2025年高考报名1335万人，复读生超160万。1335万人同时参加同一场考试，争夺有限的985/211席位，且这个竞争在很大程度上是"绕不开"的。对大多数普通人来说，这是你能参与的为数不多的相对公平的竞争之一。不管你多有独立思想、多有创造力，你都得先过这一关。然后进了大学再慢慢发现，社会上留给"有独立想法的人"的岗位其实远比你想象的少，而需要"能按时交活、不出错、不顶嘴"的、"把人当机器人用"的岗位，多的是。

从这个角度看，学习的社会功能（帮助人在分工体系中获得一个位置）其实早就被削弱了，跟AI没关系。教育社会学有一个概念叫"过度教育"：大量受过高等教育的劳动者在做着并不需要高等教育水平的工作。中国2026届高校毕业生预计达1270万人。[26] 1270万人拿着大学文凭涌入就业市场，而市场上并没有1270万个"需要大学知识"的岗位在等着他们。文凭只是一个筛子，不是因为它能证明你学到了什么，而是因为它能把人分堆。

AI高考满分的真正意义，可能不在于"AI可以代替学生学习"，而在于它加速了教育功能的内化。

当学历的信号彻底失效了，当知识的记忆完全被机器接管了，当"为了找到一份好工作而学习"这个逻辑链断了——学习还剩下什么？它只剩下那些从一开始就不能外化的东西：你的判断力，你的审美，你面对不确定时保持冷静和持续行动的能力，你理解自己为什么愤怒或悲伤的能力，你在孤独时不逃避的能力。这些东西没有任何外部权威能给你发一张证书。也没有任何AI能替你做这些功课。

这不全是坏事。事实上，这是教育自从被工业化绑架以来，第一次有机会回到它本来的位置上。Bildung，不是职业培训。

满分AI推倒了"学习是为了考试"这面墙，露出墙后面一片更大的空地。站在空地中间你会害怕——什么都没有了你往哪儿走？但空地从来不是"什么都没有"。空地上有的是一切不能被打分、不能被排名、不能被证书量化的东西。这些东西一直都在，只是之前被墙挡住了。

还有一个影响，可能是所有影响中最直接的：当AI能在高考中拿满分，它就已经是一个比所有人类老师都强大的"知识传授者"了。

或者，更准确地说，是一座满是"知识金矿"的"知识山脉"。

这不是夸张。

虽然AI导师的思路未必是人类学生能理解的，它那过于温顺乃至奉承的教学方式也并不能提升人类的抗挫折能力，可它的知识量是庞大的，知识的实时性甚至准确性也都能超出人类——这里不单单有诸如医学领域的AI看片比人类更准这种准确性，更是指现代的各种方法已经能让AI的幻觉度降到极低，甚至比人类还低，而在满分AI到来的时候这种幻觉更是可以压到最低——所以它可以被视为一座庞大的金山，人类要做的是掌握如何从山脉中挖出金子的技巧。

用以前流行的话说，就是提示语工程；用现在流行的话说，就是Vibe和Harness学习；而在更加本质的层面，指的是要掌握如何让这座金山能为我所用，而不是看着它的光芒发呆。

这可能就是未来"学习"的传承的奥义了：每一代人都要先教会下一代如何"挖矿"。

2025年的一项研究发现，AI导师在结构化领域（比如数学题的逐步辅导、语法错误的检测和纠正、编程练习的自动批改）中已经超过了人类老师的效果。带AI导师的学生表现出更强的学习动机和更高的知识掌握程度。[27]

与此同时，全球教师的AI使用率正在飙升。2024-2025学年，60%的美国教师使用了AI工具，而一年前还只有40%。在使用AI的教师中，每周平均节省了5.9小时用于重复性任务的时间。[28] 在中国，北京从2025年秋季起在全市1400余所中小学全面开设AI通识教育课，覆盖183万余名学生。[29]

OECD在2026年的教师展望报告中指出，AI正在让教师队伍分化为两种类型：一种是"生存型"——感到威胁、压力倍增、逃避变革；另一种是"发展型"——主动学习AI工具、将教学重心从知识传授转向对学生思维品质和情感的培养。[30]

"生存型"教师在恐惧一件正确的事：如果我的全部价值就是"我知道得比学生多"，那AI确实已经让我过时了。"发展型"教师则在拥抱另一种可能性：AI把知识搬运的工作全接了，我终于有时间去关心每一个学生在想什么了。

满分AI不是老师的替代品。它是让老师从"不得不做知识搬运工"中解放出来的工具。一个历史老师在课堂上不用再花四十分钟念课本了——AI可以在每个学生的手机上提供更丰富的史料、更立体的时间线、更个性化的拓展阅读。老师剩下来的时间用来干什么？用来问学生："你看完这段史料之后有什么感觉？你觉得这个人为什么会做这个决定？要是你，你会怎么做？"

更重要的是，老师要不断修正学生的惰性思维：学习不是让AI为你回答问题，学习是学会如何向AI提出正确的问题与任务，让AI更好地协助自己。

而这一点也从根本上改变了"老师"的定义：它不再是知识传承的重要渠道和媒介，而是要发现学生有没有走错方向、如果有则及时纠正的"卫道人"。

当AI可以在高考，乃至所有人类参与的考试中拿到满分，那人类学习还有什么意义？

这个问题相信现在已经有了一些答案了。

就好比AI已经可以写作的当下，人类写作的意义是什么呢？一个最基本的意义就是，别人写的终究是别人的，自己写的才是自己的。

同样的，甚至更是如此的，别人学习比自己牛逼又能如何呢？那始终是别人的知识，别人的技能，别人的经验，别人的智慧，和你并没有关系。

所以，就算AI高考拿满分又怎么样？就算超人高考拿满分又能怎么样？就算邻居家的孩子高考拿满分又能怎么样？那都是别人的，不是你的。