工业革命催生了现代学校制度，从师徒制和精英私塾转向大规模标准化教育。AI 时代可能需要另一次同等量级的转变

小米 MiMo 大模型负责人罗福莉最近说，她现在更倾向于招大二、大三的本科生。原因很直接：这些学生还没有被传统培养路径"固化"过。

与此同时，另一种声音也在流传：AI 正在消灭初级白领岗位，而这些岗位恰恰是年轻人培养专业素养的隐性训练场。

两种判断构成了一个矛盾。要理解它，需要先把一个长期混在一起的区分说清楚。

技和能，是两件事

学编程，写代码是"技"。但在这个过程中训练出来的结构化思维、把模糊需求拆解成可执行步骤的能力，是"能"。

学外语，做翻译是"技"。但理解一封日语商务邮件背后没说出口的意思，感知英语学术论文里修辞策略暗含的学派立场，需要的不是翻译技术，而是文化判断力——这是"能"。

做数据分析，跑 Python、理口径、做图表，是"技"。但"这组数据到底在说什么"“哪个异常值背后藏着真正的商业故事”——这是"能"。

AI 在每个领域做的是同一件事：大规模替代"技"，同时放大"能"的价值。

AI 这一刀，不是按职级砍的

直觉上会以为：AI 先冲击初级岗位，资深的人暂时安全。事实不是这样。

今年校招里，各大科技公司争抢的不是 GPA 高、技术栈完整的"好学生"，而是那些拿到一个模糊需求就知道怎么把它变成 AI 可以执行的结构化指令、能判断 AI 输出哪些可信哪些需要修正的候选人。这批人是少数，但大厂为他们争得气喘吁吁。

与此同时，那些资历深厚、职级不低的人也没有"稳如磐石"。他们多年积累的，很大一部分是流程性操作、格式化写作、套路化分析框架。这些曾经构成专业壁垒的东西，在 AI 面前迅速贬值。

Meta 数万名工程师全员用 AI 编程工具，内部甚至出现了"token legend"的非官方头衔。顶尖工程师——那些能判断"什么值得做"的人——极度稀缺；大量只会执行已定义任务的工程师正在失去不可替代性。

切割线不是初级 vs 资深，而是技 vs 能。

好消息：能是可以培养的

这里有一个关键问题：如果判断力、好奇心、想象力主要是天赋决定的，讨论教育转型就没意义。

认知科学的证据比通常以为的更乐观。大五人格研究的元分析显示，“开放性”（与好奇心和创造力高度相关）是五个维度中最不稳定的——也就是最容易被环境和干预影响的。11 年重测相关仅约 0.4，远低于其他四个维度。好奇心不是刻在基因里一辈子不变的东西。

创造力训练的研究也发现，基于认知过程的训练（概念组合、类比推理、跨领域建立联系）对发散思维有显著正效应。弗林效应则提供了更宏观的佐证：全球 IQ 每十年上升约 3 分，时间太短不可能是基因变化，只能是环境塑造的结果。

“能"可以培养。但这对教育提出了一个尖锐的问题。

现代学校是工业革命的产物

这是一个常被忽略的历史事实。

18 世纪末到 19 世纪，普及教育的核心目的是为工厂和现代企业培养有基本读写算能力和纪律性的劳动力。标准化课程、统一考试、按年龄分班、以知识记忆和操作技能为主的评价标准——这套体系的底层逻辑是：大规模、低成本地生产具备标准化"技"的劳动者。

两百多年过去了，当 AI 可以比人更快、更便宜地执行绝大多数标准化的"技"时，这套逻辑的适用条件正在消失。

讽刺的是，以培养"能"为核心的教育并不是什么新发明。孔子"不愤不启，不悱不发”，是在等待和催化学生自己的认知突破。苏格拉底从不直接给答案，只用一连串追问来暴露学生思维的盲点。两种相隔万里的传统，指向同一个共识：真正的"能"不是靠灌输培养的，而是靠启发式互动唤醒的。

启发式教育被标准化教育取代，不是因为前者不好，而是因为它太贵了——一个老师一次只能面对几个学生，在要覆盖几亿人的系统里根本不可行。

AI 正在改变这个成本约束

当每个学生都可以拥有一个不知疲倦的 AI 学习伙伴时，个性化的启发式互动在技术上开始变得可行。

不是说 AI 可以替代好老师，而是说：那些因为资源限制从未获得过高质量一对一引导的学生，现在多了一种可能。如果 AI 能在日常学习中扮演"苏格拉底式追问者"的角色——不给答案，通过提问帮助学生发现自己思维的盲点——那么"能"的培养至少不再完全受制于师生比这个硬约束。

真正的出路在教育，但不是加量，而是换轨。需要调整的不只是学制年限和投入规模，而是围绕"能"重新设定教学方式、考核标准，以及与职业体系的衔接逻辑。

工业革命催生了现代学校制度，从师徒制和精英私塾转向大规模标准化教育。AI 时代可能需要另一次同等量级的转变。

参考：当 AI 把"技"和"能"拆开，袁媛，Qoderwork，2026-04-28