AI恐慌正在退潮
其实过去两年，我每年都会来一趟美国，跟一些教育界的朋友有沟通。
那聊起AI与大学教育，我有一个非常明显的感觉，就是2026年大家虽然都在说AI的能力提升非常快，但是言语间明显少了很多焦虑。
特别是我两年前来的时候，不少朋友都跟我说大学教育要完了，AI啥事儿都可以干，老师没啥可以教的，学生也没啥值得学的了。但是今年，每个人的感受反而更加理性。
也许是因为大家对AI理解得越深，就越知道人身上有哪些能力是AI无法替代的。
同一位老师，两套AI规则
举个例子，在卡内基梅隆，我和两名中国学生聊到了一个特别有意思的细节。
两个人是室友，但专业不一样，导师不一样，所以他们使用AI的规则也完全不一样，也并没有一个学校级别的要求，说一定要怎么怎么使用AI。其中一个学生的分享更有意思。
他说，他同一位导师教两门课，一门是传统的C语言编程，老师明确禁止使用AI，代码必须一行一行自己写；另一门课，老师又专门教学生怎么用AI做Agent编程。
你可以想想看，同一位老师，一边要学生古法手搓代码，一边又把最新的工具搬进课堂，教学生如何让AI更高效地完成编程，自己一行代码都不用写。
表面上看，这态度有点左右横跳，时间长了，不知道这位老师会不会自己陷入恍惚。但就是这个细节，反而让我真正开始想：一门课，到底要让学生练什么？
走完这几站，我觉得再讨论「大学让不让学生用AI」「大学生应不应该用AI」这些问题，已经太过时了。
至少在我聊到的这些案例里，大家正在从「要不要封禁」的恐慌，转向一个更具体的问题：一项任务里，哪一步可以交给AI，哪一步必须由学生亲手完成？
这里先跟你说一句，我今天和你分享的，是四个还不成熟的观察。
我就是咱们得到AI学习圈同学的哨探，比大部队多跑了几里，把个人看到的几个信号先报回来，可能不够准确，但绝对鲜活。
AI正在成为大学的工具层
第一个观察是，AI已经从一件需要被特别监管的「危险品」，变成了大学里的工具层。
我在纽约大学和一位主修教育、辅修经济的大三学生聊天时，这位学生说了一句很有意思的话：
教授也知道我们会用ChatGPT写作业，所以现在老师尽量在课堂上讲清楚，要么不留作业，要么只留那种ChatGPT没法干的作业，比如面对面互动和需要动手的研究型任务。
当然，这只是一位学生的课堂体验，不能代表全校。但我觉得它透露出一个很重要的变化：老师已经默认AI在场了，也不再妄图把AI赶出课堂了。对于老师来说，除了防止AI作弊之外，还要重新设计作业。
学校开放工具，课堂保留边界
而斯坦福的做法，更像一个校级对待AI的信号。
2024年，斯坦福通过一个叫AI Playground的项目，接入了ChatGPT、Claude和Gemini等多家主流模型，向教师、学生、博士后和员工开放。
这三家一般被我们称为AI领域的「御三家」，是全球主流的三大AI工具。
而对于斯坦福来说，多家主流AI一起上，不需要让全校先押中某一家，也不需要每个人分别去订阅不同的AI工具。
这个项目试图处理的，正是统一入口、数据保护、费用和使用门槛这些现实问题，也尽量避免同一个班的同学，因为支付能力不同，只能使用能力不同的AI工具所造成的差距。
但斯坦福的公告也特别提醒学生：学校给你开了账号，并不代表每门课都允许你用。课堂里能不能用，还是由老师根据教学目标来定。
开通账号是校园层面的事，一份作业让不让用，是教学层面的事。
所以，把AI当工具层，不等于学校放任不管。反而通过这种方法，把「能不能用」和「要不要用」变成了两个边界更加清晰的问题。
规则不统一，未必是混乱
第二个观察是，规则不统一未必是混乱，可能是学校终于把问题想具体了。
我原来会觉得，两个同校学生，却在AI使用上面对完全不同的规则，这会不会很混乱？但再想一层，当你不再用一句「可以」或「不可以」管理整所学校，规则本来就会细化到一门课，甚至一项作业里的某一步。
规则越来越细，看上去比以前更乱。但这也说明，有些学校已经暂时放下「AI是好还是坏」的大争论，回到了一个更朴素的问题：这一步到底要训练什么？
加州大学洛杉矶分校的一位助教朋友跟我说，现在AI发展这么快，对老师的要求也更高了。确实，因为过去不少大学老师的教学，准备好一份课件，其实教初级课程就没啥难度了。
但是现在AI的能力非常高，不少学生在AI的帮助下，会研究很多非常深入的问题。
那么，老师无论是备课还是课程设计，也得深度使用AI才行。甚至老师能不能更好地使用AI，学生给出的口碑评价也会不一样。
大学不能只看最终成品
第三个观察是，AI越会做出漂亮的成品，大学就越不能只看成品。
过去很多考核，默认用最终成品反推学生是否理解。现在这个默认已经不成立了。
纽约大学的朋友给我介绍，他们商学院做了一个有意思的尝试。有两位教授发现，他们的学生交上来的商业项目分析很完整，但在课堂里随机追问一个关键决策，拿到满分的学生却解释不出来。
于是，他们在一些作业之后加了一次二十多分钟的个性化口试，就是让学生和语音AI对话，聊这个项目的理解和细节。
相当于每周都可以让AI来做一次口试，然后交给多个模型进行初评，如果不同模型给出的差异太大，再提醒老师进行人工复核。
这个试验目前只覆盖了几十名学生，还不能说它的学习效果好不好。但它想确认的东西很直接：这个项目既然是你做的，你能不能讲清楚？
所以口试、课堂演示、版本记录、过程说明，这些看上去很传统、甚至有些笨的方法，可能都会重新回到课堂。
AI让答案越来越便宜，反而会让「你是怎么得出答案的」变得越来越贵。
判断和责任，仍然属于学生
第四个观察是，大学最该保留的，是学生在新工具面前仍然拥有的判断和责任。
把真实项目带进课堂
我去了南加大一个很小、很年轻的学院，叫做Iovine and Young Academy，简称IYA。
这个学院2014年首次招生，两个创始人并不是学者出身，一位是说唱歌手兼音乐制作人安德烈·杨，一位是音乐制作人兼唱片公司高管吉米·艾欧文。
如果同学们里有数码爱好者，一定知道他们的产品，就是耳机品牌Beats，也就是后来被苹果收购的那个。
他们做这个学院的初衷，是发现专业的设计人才、技术人才或者商业运营人才都可以找到，但是如果想招一个这三方面能力都很强的人，反而非常难。所以他们就跟南加大合作创立了这个学院。
这个学院的核心专业名称就很长，叫做「设计、技术与商业创新」，等于把设计、技术和商业放在一起来培养。
这个理念放在十年前还挺超前，不过到了今天，一听这专业的名字，简直就是给现在最流行的AI人才准备的。
这所学院的学生从大一开始，就会几个人组队做真实命题，可能是来自企业的真实项目，也可能是自己的创业项目。
在这样的前提下，要不要用AI和要不要教AI，根本不值得讨论，它更像各种项目里随手就会用到的一件工具。
最后要验收的是：你能不能把一个想法做成真实的东西？
新工具进来，老手艺没有消失
而在另一所院校，艺术中心设计学院（ACCD），我又看到了另一组特别有意思的反差。
一边是全彩3D打印机、数字制造设备和各种可循环材料实验室，另一边却还保留着一整套黑白胶片暗房设施。
我去参观的时候，正好有教授带着学生亲手调显影药水，学怎么把一张黑白胶片冲出来。这个画面一直留在我脑子里。新工具进来，并不等于老手艺就要被全部扫地出门。
无论是新工具还是老工具，重要的是人在这个过程中起到什么作用，人要能主导、能判断，这才是手艺人应该担起的责任。
此外，当时参访时还有一个细节：不少独立工作室里，老师和学生正在忙碌，但按现场要求不能拍照。现场有人告诉我，里面进行的不少是包括特斯拉、苹果在内的企业真实项目。
从这也能看出来，学校看重的不只是课堂内的评价，更是作品能否经得起真实世界的检验。
好，第一篇观察笔记先到这里。
我现在到了硅谷，接下来还会去斯坦福，也会走进几家非常典型的企业，和一些硅谷的朋友好好聊聊，继续看AI这波浪潮在不同人眼中到底发生了哪些改变，接下来会往哪个方向去。
8月8日-8月18日，罗老师和快刀青衣老师将前往美国硅谷进行实地调研。
关于AI、教育和未来，说法很多，但真实情况是什么样？还得到现场去看、和一线的人聊。这一次，他们会走进硅谷的公司和实验室，探访美国名校，对话行业专家，把第一手的见闻和思考带回来。
如果你对这些内容感兴趣，欢迎扫码进群！群内会同步罗老师和刀哥硅谷行的实时动态，现在进群还能抢先获取「罗振宇 × 快刀青衣硅谷行程总览」。
