夜雨聆风
未来最重要的，不是孩子会不会使用强大的工具，而是他是否知道什么问题值得解决，并有能力一步步把它解决掉。
写在前面：全文无广，篇幅略长。本文从苏姿丰 MIT 毕业演讲与近期教育政策信号出发，讨论 AI 时代普通孩子真正该补上的能力。
如果说李飞飞提醒我们，AI正在从语言走向真实世界；那么苏姿丰这场 MIT 演讲提醒家长，孩子真正要培养的不是工具崇拜，而是面对真实难题时的拆解、试错、判断和承担。
这两天读到 AMD CEO 苏姿丰在 MIT 的毕业演讲，最打动人的不是“AI浪潮”本身，而是她反复讲到的一种能力：面对看似无解的问题，把它拆开，一步一步推进，直到找到路径。
她把这种能力称为 engineer's instinct，工程师的本能。
这个词很适合放进今天的教育讨论里。
因为当“人工智能全学段教育”“科学素养”“批判性思维”“创新能力”“提出问题和解决问题能力”开始频繁出现在政策语言里，家长最容易产生一个误解：是不是孩子又要多学一门 AI 课？是不是又要多报一类编程班？是不是以后每个孩子都要成为技术型人才？
这可能把问题看窄了。
AI教育的核心，不是让每个孩子都去追逐一个工具，而是让孩子具备在复杂世界里提出问题、拆解问题、解决问题的能力。
苏姿丰真正讲的，不是成功学，而是“迎着难题上”
苏姿丰在演讲里回忆，她17岁进入 MIT，自以为数学不错，很快发现周围有太多真正厉害的人。最初的习题集、实验室、无尘室、晶圆、一次次失败的实验，都让她从“会学习的人”，慢慢变成“会解决问题的人”。
这中间的变化很关键。
很多孩子在学校里接受的是“先学会，再考试”的训练。问题是被设计好的，条件是给定的，答案是存在的，评价标准也是明确的。
但真实世界里的问题不是这样。
真实世界经常没有标准答案，甚至一开始连问题本身都不清楚。它要求一个人先判断方向，再收集信息，再拆解任务，再试错，再调整，最后在不确定中往前走。
这正是“工程师本能”的价值：不是马上知道答案，而是在不知道答案时，仍然相信自己可以把问题拆开、推进、解决。
苏姿丰后来接手 AMD，也是在一个高风险节点。她选择下注高性能计算，带领团队在长期技术路径上持续推进。这个过程并不浪漫，它更像一场长期工程：看清问题、组织资源、承受失败、反复验证、等待结果。
这比“励志”更值得家长认真看。
因为孩子未来真正要面对的，可能不是一道更难的题，而是一个更复杂的世界。
政策讲“AI素养”，家长不能只理解成“学会用AI”
近期关于教育发展规划的公开报道中，有一句话很值得家长单独拎出来读：推进人工智能全学段教育，提升学生人工智能素养，增强提出问题、解决问题的能力。
这句话的重点，不只在“人工智能”。
更重要的是后半句：提出问题，解决问题。
如果家长只盯着“AI全学段教育”，很容易把它理解成又一轮工具学习：小学学图形化编程，初中学 Python，高中学机器学习概念，谁学得早谁占优势。
但真正的 AI 素养，不应该止步于会使用某个工具。
AI时代的孩子，最需要的不是对工具的顺从，而是对问题的敏感、对答案的判断、对结果的责任。
AI可以生成方案，但它不能替孩子决定什么问题值得解决。
AI可以提供资料，但它不能替孩子判断哪些资料可靠。
AI可以加速探索，但它不能替孩子承担一个判断带来的后果。
苏姿丰在演讲中也强调，技术本身不能决定未来的样子，真正决定未来的是懂得如何使用技术的人。
这正好把政策语言和顶尖工程人才的成长路径接在了一起：未来教育不是简单增加一门 AI 课，而是要重建孩子面对问题的方式。
普通孩子最该补的，不是“更早接触AI”，而是“更早接触真实问题”
家长最容易焦虑的是起跑线。
别人家孩子是不是已经学编程了？是不是已经做AI项目了？是不是小学就能用英文讲科技演示了？
这些当然可以成为孩子能力的一部分，但更底层的问题是：孩子是否真的接触过真实问题。
真实问题和练习题最大的不同，在于它不一定干净。
它可能信息不完整，变量很多，进展很慢，结果不稳定，也没有人提前告诉你“本题考查什么知识点”。
真实问题训练出来的孩子，不是更会表演，而是更能承受不确定。
一个孩子能不能为了一个小实验失败三次还继续调整？
能不能在资料互相矛盾时做判断？
能不能和别人合作，把一个任务拆成几步？
能不能在结果不好时复盘，而不是马上归因为“我不行”？
这类能力，才是 AI 时代真正重要的底层能力。
它不一定短期反映在一次考试里，但会反映在孩子面对难题时的姿态里。
小初阶段，可以从五件事训练“工程师本能”
工程师本能并不只属于理工科孩子，也不意味着每个孩子都要去造芯片、写代码、读工程。
它更像一种通用的成长能力：遇到难题不逃走，遇到未知不慌乱，遇到失败能复盘，遇到复杂问题能拆解。
第一，让孩子保留动手经验。 搭建、实验、修理、种植、做饭、运动、模型、机器人，都能让孩子知道世界不是只靠语言和概念运行。
第二，训练拆解问题。 遇到一个大任务，不要只问“会不会”，而要问：它可以分成几步？第一步是什么？哪里最容易出错？需要哪些资源？
第三，允许低成本失败。 很多孩子不是不能失败，而是从小被训练得太怕失败。实验失败、作品不好、比赛失误，都可以变成数据点，而不是自我否定。
第四，增加真实表达。 不只是写作文，而是把自己的问题、方法、证据、结论讲清楚。真正的表达，是把思考组织给别人听。
第五，选择有难度的任务。 不一定要很宏大，但要让孩子感到需要踮脚。太容易的任务只能带来熟练，难题才会暴露能力结构。
这五件事做久了，孩子会慢慢形成一种稳定感：我不一定马上知道答案，但我可以想办法。
这种稳定感，比一时的领先更珍贵。
真正好的AI教育和研学，不是展示工具，而是把孩子带进问题现场
这也解释了为什么未来的 AI 教育、科学营、海外夏令营，不能只做成“看起来很前沿”的体验。
如果孩子只是听一场讲座、看一所大学、拍几张照片、学几个软件指令，收获可能停留在表面。
真正有价值的项目，应当让孩子进入一个具体问题现场。
比如医学与AI项目，不只是介绍AI诊断，而是让孩子理解一个临床问题如何被提出、数据如何被收集、模型如何被验证、伦理边界如何被讨论。
比如工程与城市项目，不只是参观实验室，而是让孩子观察交通、能源、建筑、环境这些真实系统如何互相影响。
比如美国大学夏令营，不只是打卡名校，而是让孩子感受“mind and hand”这一类教育传统：深入思考，也亲手构建；理解概念，也测试想法。
好项目不是让孩子回来多一段履历，而是让孩子多一种面对问题的能力。
这也是未来留学规划会越来越看重的部分。
不是活动数量，而是经历质量。不是包装得多漂亮，而是孩子是否真的在一个问题中投入过、失败过、修正过、表达过。
AI时代真正的分水岭：孩子是否敢走进“不知道怎么办”的房间
苏姿丰在演讲结尾提醒毕业生：未来某一天，你会走进一个房间，完全不知道自己在做什么。
这句话非常适合送给今天的孩子。
因为未来不确定性不会减少。AI会带来更多工具，也会带来更多新问题。很多职业会变化，很多知识会更新，很多路径会重新打开，也会重新关闭。
真正能支撑孩子的，不是某个固定答案，而是一种面对未知的能力。
AI时代最重要的教育，不是让孩子永远准备好，而是让孩子在没有完全准备好时，也能开始解决问题。
这不是鼓励冒进，也不是贬低基础。
基础要更扎实，阅读要更深，数学和科学要更有结构，英语要真正成为获取信息的工具，体育和健康要托住长期学习的能量。
但所有基础最终都要指向一个目标：让孩子有能力进入真实世界，面对真实问题。
未来真正有力量的孩子，不只是会使用AI，而是知道该把AI用在什么问题上，并愿意为自己的判断负责。
这才是政策所说的“提出问题、解决问题能力”，也是苏姿丰所说的工程师本能。
所以，家长不必把 AI 时代理解成又一轮“提前学工具”的竞争。
更值得做的，是让孩子早一点接触真实问题，早一点经历低成本失败，早一点学会拆解和复盘，早一点知道：世界不是只由答案构成，也由难题构成。
一个孩子如果从小只习惯被安排，他可能会很适应标准任务。
但一个孩子如果从小被允许观察、提问、动手、失败、调整和表达，他会慢慢获得另一种底气。
不知道答案，也可以往前走。
遇到难题，也可以拆开看。
第一次失败，也不代表自己不行。
这不是鸡娃的另一种包装。
这是在一个变化越来越快的时代，给孩子一套更长久的生存能力。
资料参考
苏姿丰 MIT 2026 毕业演讲
PC Gamer: AMD CEO Lisa Su gives MIT commencement address
央视新闻相关教育规划报道摘录
