第六篇 · 我们的教育训练了什么样的人
第五篇讲的速度鸿沟和能力错配，最终把问题引向了教育——一个人在 AI 时代的处境，很大程度上由他的教育塑造了什么样的能力决定。
而中国的教育系统，在过去几十年里，精心训练了一组和 AI 即将免费提供的能力高度重叠的能力。
这不是一个修辞性的判断，是一个可以列出来的事实清单：
| 中国教育训练的能力 | AI 已经做得比人好的能力 |
|---|---|
| 大量记忆 | 信息检索 |
| 标准答案输出 | 文本生成 |
| 在框架内做题 | 模式化推理 |
| 服从指令完成任务 | 指令跟随 |
| 把自己装成考官想要的样子 | 用户期待对齐 |
这个清单几乎是一一对应的。我们用整整一代人的时间，把人训练成了 AI 即将免费提供的东西。
这件事不是某个人的过错，也不是简单的“教育落后了”。它是一个有具体历史脉络的、可被理解的过程——但理解它不等于原谅它（实则根本没招），因为它的代价正在被现在的年轻人和未来几代人承担。
Article 06
教育训练过度贴近了 AI 免费提供的能力
如果一个人只被训练为标准答案输出器，他会和 AI 最容易重叠。
一、三个历史阶段
中国教育在过去七十年里大致走过三个阶段，每个阶段有自己的合理性，但都在某种特定的逻辑里塑造了某种特定的能力。
扫盲与功能教育阶段（1949–1980 年代）。
这个阶段的核心任务是把一个文盲为主的国家变成识字劳动力的国家。教育被设计为大规模、标准化、可考核——目标是让最大数量的人在最短时间内获得基本的可雇佣性。
这个任务在当时是必要的、成功的、不可替代的。一代人通过这个系统从文盲变成了能读报、能写字、能进工厂上班的人，这是真实的成就。
但它埋下了一个伏笔——教育被定义为“传授可考核的知识”，而不是“培养可判断的人”。这个定义在物质极度匮乏的年代很合理（因为可考核的知识是国家急需的），但它的惯性会延续很久。
权威教育与服从训练阶段（贯穿整个时期）。
这个特征不是某个具体年代的，是中国教育里持续存在的底色。
知识由上而下传递，学生的任务是接收、记忆、复现——不是质疑、不是修正、不是创造。课堂结构是老师讲、学生听；老师问、学生答（答案预设）；考试考标准答案，而不是独立判断。
这种结构有一些文化基础——尊师重道、长幼有序、不可越级。这些文化资源本身不是坏的，它们在传统社会里维护了知识的连续性和秩序的稳定。但在现代教育系统里，它们被单向地利用了——主要用来强化服从，而较少用来培养真正的师生对话。
这种训练的副作用是：学生从小被训练得害怕自己的判断和权威不一致——因为代价很高（考试丢分、被老师当作反面例子、被同学边缘化）。
判断力的本质是敢于和权威不一致。一个被训练成“判断要和权威一致”的人，本质上是没有被训练判断力的——他被训练的是猜测权威想要什么的能力。
应试驯化与精细化分层阶段（1990 年代至今）。
在权威教育的基础上，加入大规模标准化考试作为筛选机制。
这套系统的实际效果是把“服从”变成了“高效服从”——能在最短时间内、最准确地猜中考官想要什么的学生，获得最好的资源。整个社会的精英筛选机制都建立在这个能力上。
它的核心特征是：训练对外部标准的敏感性，而不是对自身判断的可靠性。
即使是这套系统里最优秀的学生，他们的优秀也是“在他人定义的标准里做到最好”——而不是“在自己定义的方向上走得最远”。这种区别看起来抽象，但它决定了一个人在 AI 时代的位置。AI 在“按外部标准做事”上做得比绝大多数人都好；它做不好的恰恰是“自己定义方向”。
二、组织异化在中观层的展开
教育不是孤立的。它和商业、政治、媒体一起，构成了一个塑造现代中国人的更大系统。这个系统的每一个组成部分都有自己的“驯化方向”，它们相互强化。
教育的服从性驯化。 上面已经讨论过——训练人对外部标准敏感、不质疑权威、把考核当作判断力的替代。
商业的工具化驯化。 一个人进入职场后，受到的训练是把自己变成“可被量化的生产力单位”——KPI 决定一切、流程决定行为、可被替代是基本预设。这套训练在 AI 时代之前就让人变得像机器，AI 时代只是把这种“像机器”暴露出来——因为机器现在真的来了。
媒体与公共话语的认同性驯化。 一个人在公共领域的言论被持续训练为对齐某种主流话语——什么话能说、什么话不能说、什么话听起来“政治正确”。这种训练让人在公共表达上变得谨慎、平衡、像 AI——讽刺的是，AI 现在比真人更擅长这种“谨慎平衡的公共表达”（亦或者是最直白、最不绕弯子、最一针见血地表达）。
这三种驯化合在一起，塑造了一种特定类型的现代中国人——他在标准化考试里表现优异、在职场里高效执行、在公共表达里平衡得体、在和权威打交道时知道分寸。这种人在前 AI 时代是被推崇的、是被认为有成就的，他们在 AI 时代也能混得不错，但价值权重下降了，这是价值重构的一部分。
这种人在 AI 时代是最容易被替代的那一种。
不是因为他不聪明，是因为他被精心训练的所有能力，都是 AI 即将免费提供的能力。他对外部标准的敏感性变成了竞争劣势——AI 比他更敏感；他的高效执行变成了竞争劣势——AI 比他更高效；他的平衡得体变成了竞争劣势——AI 比他更平衡得体。
而更多基数的大多数耗材（包括我在内）——他们在标准化考试里表现平平无奇、在职场里墨守陈规一板一眼、几乎在公共表达中失能、在和权威打交道时惊慌失措。他们失去的，是那些重复性强的、决策链路短、难度低、责任更轻、出错代价更小的工作机会，因为这些工作如前所述更容易被用 SOP 所模块化、标准化、规范化，结合不断深化的 AI 自动化方案给完美与低成本承接。
就像去年四月份我嚷嚷着我能干掉客服这个岗位那样。
时间维度在这里的关键体现在这种驯化不是某个突然降临的政策的产物，是几十年里一点点累积起来的。每一代人比上一代人被训练得更精细——考试更标准化、KPI 更精确、公共话语更同质。等到 AI 来的时候，被驯化得最深的恰好是最年轻的一代——他们从小学开始就在这套系统里，没有缝隙。
三、真正缺失的能力
回到第四篇讨论的四个不可替代价值（判断、信息输入、转译、执行层管理），看看中国教育几乎没有系统培养过哪一类：
判断价值需要在不完整信息下做选择并承担后果——但中国学生在二十二岁之前几乎没有过任何“自己做选择并承担后果”的真实经验。所有重大选择都被父母、老师、考试规则预先安排了。一个二十二岁的中国大学毕业生第一次为自己的选择承担后果时，常常已经晚了——他没有那种从小积累起来的“判断力肌肉记忆”。
信息输入价值需要深耕一个具体共同体、把缄默知识显性化——但中国教育鼓励的是“脱离地方、向上流动”。年轻人被训练得轻视自己的具体性——觉得自己来自的小城市、家庭、行业是要被超越的，而不是要被深入的。结果是有大量年轻人离开了能形成深度地方知识的环境，进入了一个反而没法形成深度知识的城市生活。
而 AI 时代会让这件事变得更难解——AI 资源、AI 人才、AI 应用机会高度集中在几个一线城市，错配期会把既有的城市化分化进一步放大成“城市化 + AI 变量”的双重马太效应。小城市跟不上 AI 的速度，离一线城市越远的地方，错配期越长。被 AI 边缘化的不只是岗位，还有地方里的人。
转译价值需要在抽象和具体之间反复切换——但中国教育的标准答案文化把所有问题都压平为“对/错”或“是/否”，消除了“具体语境下的转译空间”。一个被训练成只会做对错题的人，在面对真实世界的复杂语境时常常失语。
执行层管理价值需要处理非常规情况——但应试训练的核心就是“识别并解决常规题目”，非常规题目反而是被回避的（因为它们不利于公平考核）。一个被训练得擅长解常规题目的人，恰好是 AI 时代最容易被替代的那种执行者。
这里推导与陈列四个不可替代价值（人的不可替代性还有很多，具体是哪些方面欢迎参与补充），中国教育系统都没有针对性地系统培养。这不是说中国学生中没有具备这些能力的人——总有少数人通过家庭、阅读、个人经历积累了这些能力。但他们是绕过大众教育系统积累的，而不是被教育系统培养的。
四、一个客观批判的边界（合规处理）
在继续之前需要明确一件事——这一部分内容不是在说中国教育“坏”，这些困境在全世界的很多国家都有迹可循。
中国教育在过去几十年完成了它被设计来完成的事——把一个农业国变成了世界工厂、培养了规模空前的工程师群体、让无数家庭实现了阶层跨越。这是真实的成就，不应该被低估。
它的问题不是“它做错了什么”，而是“它做对的那些事，在 AI 时代不再有同样的价值”。
这是所有应试主导教育体系都在面对的问题——日本、韩国、新加坡、印度的教育也在面对类似的处境。只是中国因为规模大、变化快、纠错机制慢，面对得更剧烈。
而且这个问题的复杂性在于：教育系统的惯性极大。一个老师、一个家长、一个校长的认知更新，远远跟不上 AI 的发展速度。改革的政治成本高——任何对应试体系的实质性改革，都会动到既得利益（已经在系统里成功的人）和家长焦虑（不知道孩子怎么办的家长）。
这意味着教育系统的调整会是缓慢的、滞后的、不充分的。
五、个人不能等系统改革
教育系统会调整，但调整速度跟不上 AI 的速度。这意味着：
对正在系统里的学生——你不能等系统改变。在你毕业之前，系统不会变成你需要的那个样子。你可以在系统提供的训练之外，主动给自己补一些课（我不希望自己参与说教与建议，但这部分基于内容完整性应该存在）：
- 补判断——主动做一些没有标准答案的事，承担小一点的后果，让判断力有锻炼的机会
- 补转译——主动接触不同的具体共同体（一个行业、一个地方、一个家庭），让自己对“具体”有真实的感觉
- 补真实经验——主动经历一些会犯错的事，让经验有积累的载体
- 补独立思考——主动读那些和主流不一致的东西，让自己习惯于“和权威不一致”这种状态
这些补课不能替代系统教育（系统教育给了你识字、写作、基础知识等真实价值），但它们填上系统教育留下的空白。
对已经离开系统的成年人——我们不能等社会变成新的样子。在 AI 加速的速度面前，社会的调整会落后很多年。这几年里，你的能力结构是否适合 AI 时代，决定了处境的走向。
这意味着我们需要主动检查自己的能力结构——那些被训练得最好，甚至引以为傲的能力，是不是恰好是 AI 即将免费提供的能力？如果是，在原本的能力结构之外，需要刻意培养那些 AI 学不到的能力。这种培养不是上一个网课就能完成的，它需要把自己投入到真实的、会犯错的、有后果的处境里。
对教育者和家长——改革是迟滞的。即使不能改变整个系统，但能改变你和具体一个学生（或自己孩子）的关系。一个老师可以在自己的课堂里给学生留出真正思考的空间；一个家长可以在自己的家里允许孩子做一些没有标准答案的选择。这些个体层面的努力不会改变系统，但会让某些具体的人不被系统塑造得那么彻底。
这听起来像是把责任全推给了个人。它确实是，因为我悲观地预感那些时代车轮碾过身躯的体感应不咋地，而具体真实感受首先需要我们自己承担。
但 AI 时代的速度不允许等待。一个人如果等系统改革，他大概率会等到自己已经被系统训练得不再适应这个时代的那一天。主动给自己补课——这是个体能做的、唯一不依赖系统调整速度的事。
而做不做这个补课、补到什么程度——这就是第七篇要讨论的具体行动指南。
回看我们当下： 我们被训练得最好的那几样能力——记忆、考高分、按要求完成任务、把自己装成考官想要的样子——恰好是 AI 现在做得比我们便宜、比我们快、比我们稳的那几样。这个事实不能改变我们过去 20 年学了什么，但它决定了我们接下来 20 年要补什么。