AI什么都能查，学生还需要死磕基础知识吗？答案不是“更低”，而是“换了赛道的更高”。

先破一个流行的错觉

    “知识不重要了”“专业没门槛了”——央视网评论直接称之为“一种普遍、危险的错觉”。AI拉平的是知识获取门槛，不是人的差距；某种意义上，AI会放大差距，因为它是杠杆：会用的人本事滚雪球，不会用的人越抄越懒。

    中国工程院院士金涌的表述更精准：“不是知识不重要了，而是对人知识的广度、深度和灵活运用能力要求更高了。”

    为什么？因为AI的本质是数据统计分析和概率优选，它不具备真正的逻辑推理能力。它能给方案，但不能替你做判断；能给答案，但不能替你经历真实的探究过程。北京市第三十五中学科技教育中心主任杜春燕举了一个真实案例：学生用AI生成实验方案，AI给出的操作步骤有时会违背化学基础常识，甚至存在安全风险。没有扎实的基础知识，学生连AI在“胡说”都识别不了。

数据比直觉更诚实

    PISA2025覆盖91个国家和地区、超过76万名15岁学生，是AI真正走向普及之后首次进行的同类调查。结果耐人寻味：

    用AI代写作业、写文稿——使用越多，成绩越低。用AI完成文本概括、写作或研究任务的学生，科学成绩平均低于不使用者约20分；而把AI当作思考工具的学生，成绩与不使用者基本没有差别。

    适度且有意图地使用AI辅助学习——成绩反而略高于不使用者。而且如果学生经常接受“如何判断AI生成信息质量”的训练，这种优势会进一步扩大。

    OECD学习与技能主管施莱歇尔在报告中的判断值得反复读：“学习不会像看体育比赛那样通过被动接收内容发生，而是来自大脑与新材料之间的积极认知斗争。当技术能够增强这种斗争时，学生会进步，反之则会削弱学生的发展。”

    这解释了一个关键机制：AI工具提供现成答案，可能恰恰移除了驱动学习的“费力参与”过程。学生在使用AI后往往对结果持积极态度，却没有任何学习增益，甚至意识不到AI损害了自己的学习。这正是校长们所说的“虚假掌握”——你以为你懂了，其实你只是“像答案”当成了“真答案”。

要求变了，不是变低了

    知识是批判性思维的地基。认知科学研究反复验证：批判性思维不能脱离事实性知识独立存在。培养深度理解、批判性思维和创造性解决问题等能力，离不开扎实的基础知识，它如同大厦之地基，需要千锤百炼的练习和锲而不舍的记忆。你不可能“批判”一个你完全不了解的领域。

    知识是深度阅读和语言能力的根基。当“词穷”成为不少年轻人面临的语言困境，这绝非简单的词汇贫乏问题，而是深度思考能力衰退的征兆。图灵奖得主希发基斯的警告更尖锐：“语言和概念退化时，价值观就开始崩塌。”

    知识是有效使用AI的前提。大腦内拥有的内化知识愈多，操作AI的指令才会愈精准，并能进行真正的创新。缺乏内化知识者使用AI仅是平庸化。全国人大代表刘庆峰的表述最直白：“基础的数理能力、基础的认知能力、基础的科学常识，这些知识的学习时间是省不掉的。”

    知识是识别AI幻觉的武器。AI生成的回答往往结构清晰、表达流畅，人很容易放松核验，把“像答案”当成“真答案”。中科院院士赵进东强调，基础教育阶段是认知方式形成的关键期，不能用AI替代系统的知识积累与思维训练。没有足够的知识储备，学生甚至没有能力判断AI是否在编造。

真正变化的，是知识的形态

    过去要求的是“库存型”知识：记住尽可能多的事实和标准答案。现在要求的是“资本型”知识：把知识组织成可迁移的框架、可连接的节点、可验证的证据链。

    刘庆峰给出了一个清晰的标准：“现在孩子既要学好基础知识，做到即便没有任何模型帮助，也能完成相关任务；同时，也要善于利用新技术手段，来完成复杂任务、更有创意的任务。”两条腿缺一不可。

    换句话说：知识积累的量可能不需要无限膨胀，但知识的结构质量、调用速度和判断价值都在大幅升级。AI可以替你查，但不能替你懂。你懂的东西越多、越深、越成体系，AI对你才越有用。

    你现在的学习，是在囤积会过期的信息，还是在积累可调用的知识资本？评论区聊聊你的观察。