AI制造的'高分低能'将成为学生党'认知外包'的账单

“用AI辅助上课是好事，用AI‘帮’写作业是坏事。”—— Ethan Mollick，沃顿商学院教授

【摘要】一项覆盖中国一个县、追踪26811名中学生长达30个月的研究，给出了一组让所有人都不舒服的数字：大规模使用豆包、DeepSeek等AI工具后，学生的作业平均分涨了18%，写作业的时间缩短了将近三分之一，但闭卷月考的成绩比不用AI的同龄人低了约20%。过去，作业是考试的预告片；现在，高分作业反倒成了考试崩盘的预警信号。

本文试图拆解研究背后的机制：同一款工具，为什么有人用崩了、有人没事；再走出教室，对照医生、程序员和知识工作者身上的平行证据；最后回答一个所有人都绕不开的问题：当AI替你完成任务，它到底替代掉了什么？

【机构与术语速览】

《The Generative AI Learning Penalty》（《生成式AI的学习惩罚》）：CEPR讨论论文第21577号，2026年6月发布，本文核心研究。

三位作者：David Strömberg（斯德哥尔摩大学）、Victor Lei与Yanhui Wu（香港大学）。

《经济学人》：2026年8月18日报道了这项研究，本文多处细节转引自该报道及其转述。

双重差分法：一种计量经济学方法，可以粗略理解为把“开始用AI的学生”和“同期没用AI的学生”做前后对照，把差异归给AI。

Ethan Mollick：沃顿商学院教授，AI与教育研究领域被引用最多的学者之一。

一、作业从未这么好，考试从未这么差

先说场景。在那个县里，学生的作业从来没有看起来这么好过。

研究在中国中部一个人口超过百万的县。五所初中、四所高中参与进来，覆盖26811名中学生，约占全县中学生的九成。研究者拿到的不是问卷回忆，而是行为数据：九门课的作业得分和完成时间来自线上作业系统，月考和升学考试成绩调自档案，AI使用情况的问卷回收率超过96%。追踪窗口30个月，从2022年9月到2025年6月。

这30个月，恰好是生成式AI进入中国课堂的全过程。2022年9月，县里几乎没有学生用AI；到2025年6月，这个比例爬到了80%。中间有两波明显的采用高峰，时间点与DeepSeek两次重要版本的发布大体对应。豆包、DeepSeek、文心一言、通义千问，都出现在学生的工具清单里。

工具普及之后发生的事情，得拆成两半看。

采用AI之后，学生的作业平均分提高了18%，单次作业的平均耗时从64分钟降到45分钟，缩短约三成。只看这一半，AI简直是完美的教育创新：效率更高，分数更好。

反转在另一半。闭卷月考里，这些学生的成绩比同水平、不用AI的同学低约20%。再看更长的时间线，中考、高考这类高风险升学考试受到的冲击需要两年左右才完全显现，在使用超过两年的学生里，降幅在18%到24%之间；摊到全部使用者，平均约7%。

作业的数字和考试的数字，不只是分开了，而是背道而驰。过去作业是考试的预告片：平时作业什么样，考试大体就是什么样。在这项研究里，高分作业成了反向指标。

信号为什么会整个颠倒？研究往下挖了一层，挖到的是用法。

二、同一款工具，两种用法，两种命运

如果只停在“AI有害学习”，就错过了这项研究最有价值的部分。三位作者没有把AI用户当成铁板一块，而是按使用方式把他们拆开，裂口出现在这里。

一种是论文里说的“作业外包”：完成时间骤降，作业分数却很高。这类使用的特征在数据里显眼到无法忽略。新用户里的外包比例是58%，五个月后升到81%，完全外包的比例从34%涨到50%。还有一个更狠的数字：完全采用AI六个月之后，整个样本里没有任何一个学生写作业还能超过65分钟。

另一种人，写作业的时间保持得和不用AI的同学差不多，只把AI拿来解释自己不懂的概念。这一组的考试成绩，与不用AI的人几乎没有差别。

把账算出来，比例悬殊：大约80%的学习损失，集中在外包组身上。换句话说，考试崩没崩，差别不在用AI的时长，而在是让AI替你思考，还是让AI帮你把思考跑得更快。

社区里有条对这项研究的评论，比喻给得扎实：这就像在健身房里用叉车举重。杠铃上的数字确实变大了，但你的肌肉不会增长。作业分数就是杠铃上的那个数字，AI举起来的不是知识，是任务本身。而一旦习惯了叉车，就很少有人再愿意回到杠铃前，这也解释了65分钟那条线为什么守不住。

这个比喻还有个更扎心的后续，藏在下一组数据里。

三、跌得最狠的，恰恰是尖子生

如果以为AI的受害者是那些偷懒抄答案的孩子，数据给出的画面正好相反。

按此前成绩分三档看，垫底的一档下滑16%，拔尖的一档下滑24%，尖子生受到的冲击约为底部学生的1.5倍。按学科看：社会科学损失最大，约27%，数学22%，英语17%，语文9%。答案越开放、越依赖写作和论证的科目，跌得越重。初中阶段的损失比高中高约四成，男生比女生更明显。

为什么尖子生反而跌得最狠？研究没有给唯一答案，下面是我基于论文机制的推断。一种解释是边际价值：尖子生原本的作业时间里，含有更多高强度练习，那些与难题的缠斗、自查和订正，恰恰是被AI挤掉的部分。另一种解释是信号失真：作业分数一直是学生校准自身水平的依据，分数虚高之后，学生对自己的判断也会跟着虚高，该补的没补，先塌的就是那份建立在假分数上的自信。

研究里还埋了一个容易被忽略、却非常要紧的细节。作业耗时能保持在65分钟以上的学生，学习损失与不用AI的人相差无几。工具本身并不伤人，伤人的是工具把练习时间压缩掉了。但现实紧跟着补了一刀：完全采用六个月之后，没有人还能守住65分钟。“正确使用”这个均衡，是不稳定的，自律跑不过一个默认就给你答案的产品。

如果这只是学生的故事，文章到这里就可以收尾了。但研究者很快意识到，这组数据真正的分量在工作场景里：成人没有月考，看不见的损耗比看得见的更危险。

四、离开教室：没有月考的成人世界

把过去两年陆续公布的证据摆在一起，成人世界里发生的是同一种倒挂，只是显影更慢。

一组波兰医生。19名资深消化科医生，每人做过2000多次肠镜。有AI辅助时，腺瘤检出率上升；取消AI辅助、回到普通肠镜之后，检出率从28.4%掉到22.4%，相对下降约两成。学生用了半年才显影的惩罚，医生在脱离辅助的那一刻就显影了。

麻省理工媒体实验室的一场写作实验。54名学生分组写文章，一组全程用ChatGPT。脑电数据显示，ChatGPT组的神经连接强度最多比手写组低55%；交完文章，83%的人说不出自己那篇文章的原文。研究团队给这个现象起了名字：认知债务。活干完了，债留下了，还债的时间是工具不在场的时候。

程序员的版本更反直觉。非营利研究机构METR对资深开源开发者做随机对照实验：在熟悉的代码库里干活，用AI工具的一组平均反而慢了约19%。但实验结束后，开发者自评的感受是快了20%。慢的人觉得自己快，这比慢本身更麻烦。

再补一份知识工作者的问卷。微软研究院与卡内基梅隆大学调查了319名知识工作者：越信任AI的输出，越少自己动手验证。

四份证据摆在一起，结构是一样的：有AI在场，产出变好；AI不在场，能力变差。而每一个场景里，当事人自己都不知道。学生好歹还有一场闭卷月考当最后的晴雨表，疼，但看得见数字。成人连月考都没有，健身房还在营业，只是计数器被拆掉了，没有人再记账。损耗不是不存在，是显影变慢了。

学生不能全怪，那接下来的问题是：是谁设计了这套奖励“完成”、却不给“理解”定价的规则？

五、真正的病灶：评价体系在给“完成”定价

把这场讨论停在“孩子不自律”的层面，我认为是误诊（这是判断，不是论文结论）。

把学生的选择放回他们的激励结构里看：作业制度奖励的是完成和正确率，不奖励得出答案的过程。作业分数进成绩单、进教师评估、进家长的安心程度。当一个体系只为结果付费、不问过程，最高效的策略一定是找到产出结果最快的路径。AI恰好是人类有史以来最高效的智力替代品。80%的外包率，与其说是自律的集体溃败，不如说是对激励的理性反应。

这在经济学里有个现成的说法，古德哈特定律：一个指标一旦变成目标，就不再是好指标。作业分数就是如此。它被当作学习证据的那一天起，就在失去证明学习的能力，AI只是把这个失效从缓慢释放变成了瞬间引爆。

但要强调一句：研究作者和引用它的经济学家，几乎都反对简单禁止AI。因为实验已经指出了第三条路。

一项发表在PNAS上的随机实验，对象是约1000名土耳其高中生。放开使用GPT-4写作业的那组，练习成绩大涨48%，但移除AI之后，考试成绩反而比从未用AI的对照组低17%，和中国县城里发生的一模一样。另一组把GPT-4改造成辅导模式：不直接给答案，只给提示，引导学生自己解。这一组练习成绩涨得更多，127%，移除之后考试毫发无损。两组之间的差别不在模型能力，在一行产品规则：答案交不交出来。

大学里有类似的证据。达特茅斯学院把一款叫Phosphor的AI辅导工具嵌进课程，工具批改学生的练习并给反馈，报道中的考试效应量达到0.71到1.30个标准差，在教育干预研究里很少见到这么大的量级。

这些证据拼起来，政策含义并不模糊：问题不在学生用不用AI，在AI给不给答案。限制直接给答案，允许提示、批改、追问和练习；学校把闭卷测试和过程性评价的权重加回去；个人层面，研究作者给了一个极简的自检办法，讲回测试：合上AI，你能不能自己把那个答案讲出来。

这里必须补一笔批评。辅导模式需要产品设计，也需要制度设计，而豆包、DeepSeek这类面向大众的聊天机器人，默认就是直接给答案的产品，它们的增长逻辑并不奖励“忍住不给答案”。护栏要么由教育系统加，要么由采购合同谈，靠产品自发的善意，恐怕等不来。这个判断也许悲观，但它符合前面那条外包率曲线：没有任何自律，能一直赢过一个为你准备好答案的默认设置。

看清了病，最后回到那座健身房。

六、不需要联网也能运转的那部分

把开头的场景再说一遍：一个AI用户的作业从未这么好，考试从未这么差。

这项研究真正值得盯住的，不是20%这个数字本身，而是作业分数与真实能力的脱钩。一个体系如果只为看得见的产出付费，看不见的能力就会被悄悄掏空。学生显影在考场上，医生显影在检出率上，程序员显影在连自己都察觉不到的耗时里。

这也是为什么，这件事比表面上更严重。如果你让AI替你思考以节省时间，那么省下的每一分钟其实都是一笔贷款，以认知退化为计息单位，分期偿还。还款通知会出现在闭卷月考里，出现在脱离辅助的肠镜里，出现在没有工具在场、你必须当场做出判断的那一刻。

AI原生时代的竞争力是什么？不再是调动工具得出答案，这项能力正在变得无限便宜。

最后剩下的，是你脑子里那块不需要联网也能运转的逻辑底层：

AI不在时定义问题的能力，AI在场时一眼看出它哪里错了的能力，以及被迫独立思考时，还能思考的能力。

叉车只会越来越强。问题只有一个：叉车被开走的时候，你还举不举得动自己的杠铃。

The End

【讨论话题】

你有没有把某项工作“外包”给AI？离开AI再干这件事的时候，你的能力还在吗？
如果你的孩子要用AI写作业，你会禁止，还是像土耳其实验那样只留提示、不给答案？
护栏应该由谁来设计：学校、家长，还是AI公司自己？