黄仁勋谈 AI 与教育:基础能力,到底能不能交给工具?

AI 观测档案 · 本期观察

作业写得更顺，分涨了；考试闭卷一考，分掉了。

一场访谈，掀开了 AI 进校园之后最让人不安的那张底牌。

先抛一个判断：AI 把学习这件事的“交付环节”提速了一大截，但它顺手抽空的，是学生还没长好的那块肌肉。

最近Ezra Klein 跟黄仁勋做了一场接近两小时的访谈，其中谈到 AI 与教育。主持人在这一段抛出了一组数字，来自一项覆盖中国两万六千多名初高中生的研究——AI 采用之后，作业分数涨了 18%，写作业的时间少花了 30%，听起来是好事。但往后再看：大约半年内，月度闭卷考试成绩掉了 20%，高中入学考更是跌了近 24%。

提速与失分，同时发生在一群孩子身上。

这组数字把很多家长心里那种模糊的不安给具象化了——不是“AI 会不会让孩子变懒”这种笼统的焦虑，而是“快和省”和“会与不会”之间，正在以一种很安静的方式交换。

01｜先别慌——这项研究到底说了什么，边界在哪

这个研究的全称是 CEPR 的工作论文 DP21577，数据量很大，跟踪了 26，811 名中国 7 到 12 年级学生，时间跨度 30 个月。方法上不是简单的问卷，而是用了“错峰采用”的设计：同一所学校里，有些班级、有些年级先用上 AI，有些晚一点用，研究者通过这种自然形成的时间差来对比变化。

换句话说，它不是把孩子随机分成“用 AI 组”和“不用 AI 组”去做对照实验，而是观察现实世界里 AI 渗透的节奏。这是它结论有参考价值的地方，但也是必须划线的地方——它告诉我们“在这种情况下”，不直接等于“对所有孩子都成立”。

再看数字本身：作业分数 +18%，耗时 -30%，月度闭卷考试约 6 个月内 -20%；高中入学考和高考类标准化考试分别掉了 24% 和 18%，而完整幅度大概在两年后显现。不是一夜之间塌方，是慢慢发生的。

还有一个关键细节：作者估计，约八成 AI 使用者呈现与“作业外包”相符的行为特征，学习损失主要集中在这一类用法。也就是说，孩子把作业甩给 AI、自己只负责抄和交，风险更值得关注。如果 AI 只是辅助查思路、验答案，代价没那么大。

所以这是一张有边界的图：研究覆盖的是中国初高中生、用的是错峰设计、损失集中在“代写式”用法。它不是判决书，更像一份提醒单。

02｜作业分涨、考试分掉——这两件事为什么不矛盾

很多人第一反应是：那是不是作业分数本身虚高了？

更可能的解释是——它们在测量两件不同的事。

作业这件事，本质是“交付”。老师布置一道题，孩子要的是交出一份完整的答案，过程对不对、有没有真正理解，老师其实很难逐题检查。AI 把这条交付链路大幅压缩了：解法写得比孩子自己写还规范，步骤还清晰，耗时还短。作业分数，自然就上去了。

但月度闭卷考试不一样。它不允许查资料，不允许问 AI，不允许边做边搜。它测的是大脑在“没有外援”的情况下，能不能调出那些学过的概念、解法和套路。

这就出现了非常拧巴的局面：“会做”和“能做出来”之间，被 AI 拉开了一道缝。孩子不是没学过，而是那条从“看到题目”到“自己写出答案”的神经通路，没被反复走过。

打个比方：以前写作业像练肌肉，每一题都是一组弯举；现在 AI 直接替你把杠铃举完了，肌肉没练到，但成绩表上写着“完成度优秀”。考试那天把 AI 关掉，才发现——肌肉其实一直在那根杆的另一头，没怎么动过。

所以这两组数字不仅不矛盾，还互相印证了同一件事：AI 提的是交付效率，吃的是练习密度。

03｜黄仁勋的“抽象上移”——这话听着爽，但套在孩子身上要小心

访谈里，黄仁勋面对教育者的担忧，给出了一个非常工程师式的回答——大意是：忘掉长除法、乘法表、手动开平方很正常，这是历史必然。他甚至自嘲，连自己的邮编和电话都记不住。

他举了个自己行业的例子：早年他做芯片，能记住芯片上全部 200 个晶体管的名字；而现在的工程师面对的是上百亿晶体管的规模，早就不用关心底层细节，而是去做更高层的“系统思考者”。他的结论是：人类放弃低维手工操作，是为了跃升到高维抽象调度。（以上为原始访谈文字整理的概述，未做逐字还原。）

这套逻辑放在工程领域，是成立的，而且很优雅。

但请注意一个隐含前提：他那个“系统思考者”的跃升，是建立在工程师本身已经掌握了底层知识之后才发生的。是他先记住了 200 个晶体管，然后才“主动放弃”去思考更大的系统。一个还在打基础的孩子，并不处于这个阶段。

换句话说，黄仁勋讲的是“从熟悉到放手”的过程，而很多孩子现在的真实处境是“还没熟悉，就已经放手了”。这两件事的差距非常大。

还有一个容易被忽略的点：工程师放弃记晶体管，代价是“在芯片设计层面可能少一种直觉”；而一个还没长出数学直觉的孩子放弃练习，代价是“后面所有高阶抽象都站不稳脚”。数学不是一个个孤立技巧，它是一张网，底层没练熟，上层抽象就是空中楼阁。

所以黄仁勋的逻辑可以借鉴，但不能直接搬运。工具替代的是“计算步骤”，而学习者真正要形成的，是“概念”和“练习”——这两件事目前 AI 还替不了，未来很长一段时间也替不了。

04｜那家长和老师能做什么——把 AI 用成教练，不是代写

研究里有一个很关键的细节：损失主要来自约 80% 的“外包式”用法。这其实是一条非常清晰的行动指引。

第一条：让孩子先自己想，再让 AI 接手。做题之前至少独立思考 5 到 10 分钟，哪怕只写一个大概思路，再让 AI 来补全或检查。这样 AI 介入的是“反馈环节”，不是“生产环节”。

第二条：把 AI 当成出题官和错题本。让 AI 围绕薄弱点出题、变式题，做完之后 AI 不直接给答案，而是提示思路，让孩子自己跑通最后一步。考试考的不是答案，是思路能不能从脑子里调出来。

第三条：每周留出固定“无 AI 时间”。哪怕只是一周两次，每次半小时，关掉所有工具，纯做纸笔练习。这段时间里没有任何外援，练的就是那条神经通路。

第四条：老师可以在作业设计里加入“过程分”。比如让学生提交解题思路、录音讲解、甚至让 AI 出题让学生反向批改——这样考核的就不再是结果，而是理解深度。

这些做法不复杂，但需要家长和老师愿意一起调整。AI 时代的学习，本质不是“用不用 AI”，而是“在哪个环节用、用多大比例”。

05｜写给正在焦虑的你

如果你看到这里心里有点沉，那很正常。

但我想说的是：这份研究不是一份判决书，更不是“AI 不能用”的禁令。它讲的是一种用法失衡之后会出现的代价，论文没有检验哪些干预能让成绩回升，因此不能承诺调整后一定恢复；它能支持的结论是，AI 的使用方式与学习结果有关，值得继续验证。

AI 不会突然把这一代孩子全部淘汰掉。它只是把“什么是真正学到了”这件事，变得更难伪装了。这其实对真学的人是好消息。

访谈整理中关于“工具替代基础运算”的观点，提醒我们不要把工具便利与知识掌握混为一谈：先真正练会，再决定哪些步骤可以交给工具。

研究来源：CEPR 工作论文 DP21577；CEPR 作者解读。访谈观点依据来源帖整理，并非逐字引文。

评论区聊一聊：你家孩子或你自己，平时用 AI 做作业的比例大概是多少？是把它当草稿纸、当老师，还是直接当答案？