「AI 用多了，人会不会逐渐变笨？」

这应该是过去三年被讨论最多的一个迷思之一，从 ChatGPT 走红那天就有。吵了三年多，两边都拿不出像样的证据：

担心的人只有体感，不担心的人只有立场。

8 月 18 日，《经济学人》给这场争论补上了迄今最硬的一份证据。

报道的主角是 2.7 万名中国中学生。用上 AI 之后，他们的作业分数平均涨了 18%，写一份作业的时间从 64 分钟缩到 45 分钟。到这里全是好消息，直到月考卷子发下来：闭卷考试里，这批学生的成绩比不用 AI 的同学低了 20%。

作业分曾是最可靠的「晴雨表」：作业越好，考试越好。而在用 AI 的学生中间，作业分越高，基本等于 AI 用得越深。于是曲线变成了：用得越狠的孩子，考试跌得越惨。

作业分，第一次开始撒谎。

作业分超过 100 的人之中，不用 AI 的人分数上涨到了 112，用 AI 之后一路跳水到 64。｜图片来源：经济学人

《经济学人》的数据底稿，是斯德哥尔摩大学和香港大学三位经济学家 6 月挂出的论文，标题就叫《生成式 AI 学习惩罚》。

《生成式 AI 学习惩罚》｜图片来源：SSRN

样本来自中国中部一个县，人口超过一百万。论文特意强调它的普通：像沿海之外的大多数中国县城。26811 名初高中生，5 所初中、4 所高中，装下当地九成中学生，从 2022 年 9 月跟到 2025 年 6 月，整整 30 个月。

这个县的作业在线上提交，系统记下每个人的用时；月考、中考、高考的成绩都进数据库——写多快、考多好，第一次成了直接测量的硬数据。谁在用 AI，则来自回收率超过 96% 的全员问卷。

2022 年 9 月，用 AI 的学生几乎为零。到 2025 年 6 月，这个数字是 80%。这条曲线有两次明显跳升，分别踩在 DeepSeek V2.5 和 R1 的发布点上。工具全是熟面孔：豆包、DeepSeek、文心一言、通义千问。

采纳曲线的两次跳升，都踩在 DeepSeek 发版上｜图片来源：CEPR

结论就是开头那组数字：作业 +18%，用时 −30%，月考 −20%，相当于 1.4 个标准差。惩罚在各科并不均匀：社科类最重，跌 27%；数学 22%；英语 17%；语文最轻，9%。初中生比高中生惨四成，男生比女生惨。

看来变笨这件事也不优待聪明人：恰恰是原来成绩最好的那批孩子，跌得最狠。

升学考试的账要算得更小心。6 月底这项研究在中文互联网刷屏时，传播最广的说法是「中考暴跌 24%、高考暴跌 18%」。论文里的原意克制得多：这是用满两年以上学生的完整惩罚，全体 AI 用户的平均效应只有 7% 左右。

但这份「克制」本身才是更坏的消息：惩罚需要两年才长满。作者们专门点了一句，眼下那些几星期、几个月的短期研究，都在系统性低估 AI 的学习成本。

这项研究 6 月刚出现时，英文讨论中其实还有一个安慰性的结论：有两成学生用 AI 但不外包作业，成绩没受损。所以问题不在 AI，在用法。

论文确实说了前半句。它给「外包」下了一个数值上的定义：作业用时少于 50 分钟算「内包」，少于 45 分钟才算是真「外包」。

刚开始用 AI 的学生里，外包的占 58%。而那些照常花时间写作业、只拿 AI 当家教的孩子，考试成绩和不用 AI 的同学几乎没有差别。

论文甚至发现，在 50 到 65 分钟的重叠区间里，两类孩子花同样的时间，考出几乎一样的分数。AI 本身不带毒性，毒性全在省下来的那段时间里。

如果论文停在这里，它就是一篇「工具无罪、用法有罪」的标准论文。

但论文其实更深一步地探讨了这个问题：用满 5 个月之后，外包的比例从 58% 涨到 81%，完全外包从 34% 涨到 50%。那批花 65 分钟以上认真写作业的「模范用户」，全部是刚上手不到 5 个月的新手。

以及采纳满 6 个月之后，没有一个 AI 学生的作业用时还超过 65 分钟。

26811 人的样本里，「好好用 AI」不是一种稳定的用法，是一个维持不到半年的过渡状态。论文作者的解释很短：AI 挤掉的，是强度最高的那部分努力。

用满六个月后，65 分钟以上的区间空了｜图片来源：CEPR

它不是又一篇「AI 让成绩变差」的论文，它是在撕掉一个安慰的遮羞布：只要教会孩子正确使用，一切都会好起来。

数据给出的回答是，没有人能一直正确使用：毕竟作业分在涨，家长在群里点赞，老师看到的提交记录越来越整齐。每一个反馈都其实都在潜移默化中，形成一个畸形的激励机制：你做得很好，再快一点也没关系。

看到这里，这个研究似乎跟传统我们理解中、大脑已经发育健全的成年人关系不大。但同样的曲线，过去一年多，在成年人身上已经画了四次。

《柳叶刀·胃肠病学和肝病学》去年 8 月发表了一项波兰研究：四家内镜中心的 19 名资深医生，人均做过 2000 例以上肠镜，用了几个月 AI 辅助检查之后，回到没有 AI 的状态，腺瘤检出率从 28.4% 掉到 22.4%，相对下降 20%。

和中学生的月考，同一个数字。

这是医学界第一次在真实临床里测到「用 AI 之后，人的手艺生疏了」，主角还是这个星球上最不该被怀疑基本功的一群人。

第二次在写作者身上。麻省理工媒体实验室去年 6 月的脑电实验里，54 名学生戴着电极帽写作文。用 ChatGPT 那组的神经连接强度垫底，比纯靠自己写的那组最多低了 55%；写完不久，83% 的人连自己文章里的一句话都复述不出来。

研究团队给这个现象起了个名字：认知负债。

第三次在办公室里。微软研究院和卡内基梅隆大学去年调查了 319 名知识工作者，结论一句话就能说完：对 AI 输出越有信心的人，自己动脑核查的投入越少。

第四次在程序员身上。研究机构 METR 去年的对照实验里，资深程序员用上 AI 实测变慢了，自己却觉得快了 20%。今年 2 月它想复测，没做成，原因写在报告里：大多数开发者已经拒绝在没有 AI 的情况下工作。

和那个再也没人肯花 65 分钟写作业的教室，一模一样。

脱离 AI 之后，检出率没有回到从前｜图片来源：METR

临床、脑电、问卷、对照实验，四次预警说的是同一件事：AI 在场，产出变好；AI 离场，能力变差。

回到开头那个吵了三年多的问题。这些研究给出的答案，比一句「会变笨」更难受：AI 没有降低任何人的智商，它是把「变聪明」的那道工序抽走了。分数照涨，产出照交，只是那份本该在 64 分钟里长出来的能力，没有长。

认知科学管这个叫「认知卸载」：把本该在自己脑子里跑的过程，交给外部工具。卸载不新鲜，计算器和导航都是。新鲜的是位置：AI 接走的不是运算和记路，是打草稿、试错、推演，恰好是心智模型长出来的那道工序。

落到日常工作上，这变化听着甚至像升级：从「写代码」变成「审代码」，从执行者变成把关人。

但把关的前提，是脑子里有一份自己的底稿。没亲手推演过的人，审的其实是个黑箱，AI 的逻辑链一旦错在深处，他连该从哪里起疑都不知道。学生的版本更简单：作业是草稿，考试是 Debug。草稿外包出去，Debug 那天就露馅。

区别只有一个。学生每个月都有一场闭卷考试，把这条曲线摆到台面上。而大多数成年人的工作，没有月考。

论文的最后留了一点余地。把时间拉长看，AI 学习惩罚正在收窄：同样用满 5 个月，2023 年初的学生平均损失 25%，2025 年 6 月只有 16%。

同样用满 5 个月，惩罚从 25% 收窄到 16%｜图片来源：CEPR

师生在适应，工具侧其实也有人想办法，比如逼 AI 给答案时同步展示推演过程。但按作者们的判断，损失在变小，却没有归零的迹象。

9 月 1 日开学。全国的教室里，这场 26811 人的实验，会以更大的样本重跑一遍。

以后看到孩子的作业天天 100 分，也许得先问一句：这 100 分是孩子挣来的，还是豆包挣来的。

下一次把方案交给老板之前，这个问题，不妨也先问自己一遍。