我研究了全球5所AI学校，发现未来最该消失的不是老师

本文来自微信公众号： 乡村笔记BTC ，作者：汪星宇

未来学校·全球调研

我研究了全球5所AI学校，发现未来最该消失的不是老师

当AI开始讲课、批作业、制定学习路径，学校真正需要回答的，已不再是“怎么把AI放进课堂”，而是“为什么还要把孩子聚在一起”。

上午十点，得克萨斯州奥斯汀的一间教室里，没有老师站在讲台上。

孩子们戴着耳机，各自在电脑前学习数学、阅读和科学。有人还在补昨天没掌握的分数，有人已经跨进高一个年级的内容。系统根据每个人的速度调整难度；成年人不讲整堂课，也不忙着批作业，而是在教室里来回走动，观察谁开始泄气，谁在敷衍，谁需要一次真正的谈话。

中午以前，传统学校一天里最“正经”的学科学习结束了。下午属于公开演讲、团队项目、创业、运动和生活技能。

这是Alpha School最吸引眼球的地方：它声称，基础学科每天只需要两小时。

听起来像教育界的“无人驾驶”。也因此，它很容易被包装成两个极端：支持者说，AI终于把孩子从流水线课堂里解放出来；反对者说，一所没有传统教师的学校，正在拿孩子做实验。

但我看完五所学校的课程、招生材料、学习制度和公开报道后，发现真正发生的事，比“AI取代老师”复杂得多。

AI最先替代的，不是老师这个人，而是老师身上那些机械、重复、可计算的工作。它逼迫学校把被拖延了一百多年的问题重新摆到桌面上：如果传授知识不再是稀缺品，学校究竟为何存在？

Alpha School学生进行电脑解谜活动。摄影/图源：Texas Standard/KUT；版权归原权利人，本文作案例评论使用。

01我们熟悉的学校，是为“知识稀缺”设计的

今天的学校制度，很多部分仍带着工业时代的印记：同一年龄的人在同一时间进入同一间教室，用同一进度学习同一份内容，再用一张试卷判断谁更接近标准答案。

这种制度并不愚蠢。在优秀教师、教材和信息都稀缺的年代，把知识集中起来，由一名教师同时教几十个学生，是成本最低、覆盖最广的办法。

可AI改变了知识的经济学。

它可以不厌其烦地换一种说法；可以在几秒内生成十道难度相近的练习；可以发现一个孩子并非不会乘法，而是前面的位值概念有缺口；也可以让学生在凌晨、在乡村、在没有名师的地方得到一次近似一对一的解释。

当“解释一道题”越来越便宜，真正昂贵的东西就浮出了水面：一个孩子有没有学习的动力，能不能判断信息的真假，能不能和不同的人合作，遇到挫折会不会继续，是否知道自己想解决什么问题。

换句话说，AI把知识从学校的中心推开了一点，也把“人的成长”重新推回中心。

这五所学校，正沿着五个不同方向，拆解传统学校。

02Alpha School：先把“讲课—练习—批改”交给机器

Alpha的激进之处，不是让学生偶尔用ChatGPT，而是把个性化软件和AI辅导放进基础学科的主流程。学校把传统教师改称“Guide”，他们不负责统一备课和讲授，更像教练：维护动机、建立习惯、提供情绪支持，并组织下午的生活技能与项目。

它试图解决的，是班级授课制最难处理的矛盾：同一间教室里，有人嫌慢，有人已经掉队。统一进度看似公平，实际上经常让两种孩子同时失去注意力。

Alpha给出的答案是“掌握后再前进”。学会了就走下一步，没学会就停下来补，不必为了全班的日历假装自己已经懂了。

但最值得警惕的，也恰恰在这里。Alpha的学习成效多来自校方公开信息，其收费、学生来源和筛选效应，使它很难直接证明这套模式可以平移到普通公立学校。高度数据化的学习还会带来隐私、屏幕依赖，以及“可测量的内容越来越重要”的风险。

Alpha是一个强烈的提醒，不是一个已经盖章的答案：课堂里大量重复劳动确实可以被重新分配，但教育不能只剩效率。

03Unbound Academy：学校可以不再是一栋楼

如果说Alpha拆掉的是讲台，Unbound拆掉的则是“固定校园”。

这所面向青少年的在线学校，把自定进度的学科学习、导师支持和兴趣项目放在一起。学生不必每天按铃声换教室，而可以围绕自己的节奏安排学习，把时间留给体育、创作、旅行或一个真正想完成的项目。

Unbound School官网展示的远程学习与创作场景。图源：Unbound School官方网站；版权归原权利人，本文作案例介绍使用。

它触碰了一个常被忽略的事实：传统学校不仅统一内容，也统一时间和空间。一个早上思维最活跃的孩子，和一个下午状态更好的孩子，被要求在同一节课里完成同一件事；一个正在深入写小说的孩子，也会因为下课铃响而立刻切换到化学。

Unbound把“在哪里学习、何时学习”交还一部分给学生。可自由不是免费的。没有稳定的家庭支持、可靠的网络和成熟的自我管理，弹性很容易变成失序；线上共同体也难以完全替代真实相处中的冲突、友谊和归属。

它让我们看见：未来的学校可能是一套关系和服务，而不一定只是一栋建筑。但越没有围墙，越需要强大的连接。

04David Game College的Sabrewing：把AI变成一门“可质疑的学科”

不少学校的AI教育，停留在教学生写提示词、做图片、做演示文稿。伦敦David Game College推出的Sabrewing课程，更值得注意的地方，是它把AI素养放在计算机科学、数学、伦理、创意表达和真实任务的交叉处。

David Game College校园与学生。图源：David Game College官方博客；版权归原权利人，本文作案例介绍使用。

学生不只是问“它能帮我做什么”，还要问：模型为什么会犯错？数据里有什么偏见？答案由谁负责？当AI参与招聘、医疗、司法和内容生产，什么应该交给机器，什么必须由人承担？

这条路线的价值，在于拒绝把AI神化。一个会熟练调用工具却不能识别幻觉、操纵和利益关系的人，并不真正具备AI素养。他可能只是把判断权更高效地外包了出去。

未来学校的“信息技术课”，不会只是软件使用说明书，而应当成为一种新的公民教育：既会使用，也会审问；既能创造，也知道边界。

05School of Humanity：不按学科目录，而按人类问题组织学习

School of Humanity的课程设计，从另一端动手。它不把世界先切成语文、数学、物理、历史，再让孩子分别记住；它更愿意从气候、城市、公平、健康、未来技术等真实议题出发，让学生在解决问题时调用多个学科。

School of Humanity学习者参与讨论。图源：School of Humanity官方网站；版权归原权利人，本文作案例介绍使用。

现实从来不按学科出题。改善一条被污染的河流，需要化学，也需要统计、政策、沟通和利益协调；为老人设计一项服务，需要技术，也需要同理心、田野调查和商业判断。

项目式学习最迷人的地方，是让知识重新有了对象。学生不再只问“这会不会考”，而会问“它能不能帮助我把事情做好”。

当然，项目也可能变成热闹的手工作业：展示很漂亮，概念并不扎实。真正成熟的项目制，必须有明确的知识骨架、过程反馈和高质量导师，否则“跨学科”很容易成为“每一科都学得浅”。

它的启示不是取消学科，而是让学科从终点变成工具。

06Tomorrow University：大学不再出售课程，而是陪人完成挑战

Tomorrow University把这种改变推到高等教育。它强调“挑战式学习”：学生围绕气候、可持续商业、领导力与社会创新等问题组队，在导师、同伴和真实任务中形成能力。

Tomorrow University学习共同体。图源：Tomorrow University官方网站；版权归原权利人，本文作案例介绍使用。

这里最有意味的变化，是学历逻辑的松动。过去，大学的核心产品是课程与学位；当世界级课程、论文解释和个性化辅导随手可得，单纯“听完多少课”越来越难证明一个人能做什么。

未来更有分量的，也许是一组可验证的证据：你解决过什么问题，如何和陌生人协作，怎样面对失败，能否把复杂判断讲清楚，以及你的工作给真实世界带来了什么变化。

但挑战式大学也有边界。并非所有知识都适合在项目中自然遇见，基础理论仍需要系统训练；如果只追逐当下热门的社会议题，也可能牺牲那些短期无用、长期重要的深知识。

未来大学或许不会消失，但它必须从“知识仓库”转向“能力发生器”和“可信的成长证明者”。

07五条路线，其实都在回答同一个问题

Alpha：用AI重做学习效率与个性化。

Unbound：重做学习的时间、空间与节奏。

Sabrewing：重做AI时代的基础素养与判断力。

School of Humanity：重做课程的组织方式，从学科转向真实问题。

Tomorrow University：重做大学的价值，从上课拿证转向完成挑战。

它们方向不同，却有四个明显的共同点。

第一，标准化内容正在退到后台。

知识仍然重要，但获取、练习、反馈越来越可以由技术按个人节奏完成。课堂时间不必继续被整齐划一的讲授全部占满。

第二，教师从“内容播放器”变成“关系设计者”。

当机器能够回答“是什么”和“怎么做”，成年人更要负责看见一个具体的人：他为何放弃、害怕什么、擅长什么、如何加入团队、什么时候需要挑战，什么时候需要被接住。

第三，作品和行动开始取代一部分分数。

考试善于测量标准化答案，却很难测量一个人如何定义问题、处理模糊、整合资源和影响他人。项目、作品集、公开展示和真实反馈，开始成为另一套成长证据。

第四，自主性从口号变成课程。

自由安排时间并不等于放任。目标管理、情绪调节、延迟满足、求助和复盘，本身都需要被训练。未来学校不是少管孩子，而是教会孩子逐渐管理自己。

真正的分水岭，不是“用不用AI”

未来可能同时出现两种AI学校。

一种学校用AI进一步提高控制效率：更密集地监测，更精确地排名，更早预测谁会落后；孩子得到一条看似个性化、实际上由系统决定的窄路。每一步都有反馈，却很少有真正的选择。

另一种学校用AI释放人的时间：把机械训练交给工具，让成年人更有余力陪伴、提问、组织合作、进入社区和真实世界；孩子不只是更快完成课程，而是逐渐知道自己是谁、愿意为何负责。

AI进入学校，未必自动带来自由。它既可以成为更细密的流水线，也可以成为拆掉流水线的工具。区别不在算法，而在学校如何理解“人”。

所以，评价一所“AI学校”，不能只看它用了什么模型、屏幕多先进、学习速度提高多少。更应该追问五件事：

一，孩子是否拥有真实的选择，而不是只得到更精准的推荐？

二，学习结果是否包含作品、关系、判断与行动，而不只是分数？

三，教师是否获得更多时间去理解人，而不是变成数据看板的执行员？

四，学校是否保护隐私，允许质疑系统，并保留退出和申诉的权利？

五，这套模式能否服务普通家庭，还是只为资源最丰富的人制造一种新特权？

尤其是最后一个问题，决定了创新究竟是教育进步，还是教育奢侈品。

我猜想，未来的学校会更像一个“成长共同体”

它仍会有空间，但不再只有教室；仍会有课程，但不再完全按学科和铃声切割；仍会有考试，但考试只是众多证据中的一种；仍会有教师，而且好教师会比今天更重要。

孩子每天可能用一小段时间，在AI支持下完成必要的基础训练。余下的时间，他们进入工作室、实验室、田野和社区，围绕真实问题做事。年龄不再是唯一的分组标准，能力、兴趣和任务会让不同的人重新组合。

每个孩子既有AI学习助手，也有长期陪伴他的真人导师；既有个人路径，也必须进入共同体，和不那么相像的人一起解决问题。学校不只保存分数，还保存一个人的作品、失败、反思、贡献与成长轨迹。

在这样的学校里，最该消失的不是老师，而是老师被迫扮演的那台“人肉复读机”。

被AI拿走的，是备重复课、改标准题、抄统计表和维持统一进度的时间；被还给老师的，应该是观察、对话、示范、判断和陪伴。

而学生也不再只是“完成教育的人”。他要逐渐成为自己教育的共同设计者。

学校最重要的产品，从来不是一张成绩单，而是一个人离开学校以后，仍愿意理解世界、敢于开始、能够合作，也知道自己不能把什么交给机器。

五所学校都还在实验中。它们的宣传需要被核实，它们的局限必须被看见，它们也没有资格代表唯一的未来。

但它们共同敲响了一记钟声：当知识不再稀缺，学校若仍只以传递知识为中心，就会越来越像一座保存完好的旧工厂。

未来学校真正要教的，不是如何与AI比赛，而是如何成为一个不会轻易把人生交给AI的人。

如果这篇文章让你重新想了一遍“学校为什么存在”，欢迎转给一位家长、教师或正在选择教育道路的朋友。

资料与延伸阅读

1.Alpha School FAQ；以及KUT/Texas Standard对奥斯汀校区的现场报道。

2.Unbound School官方网站。

3.David Game College：Sabrewing Programme公开材料与校方博客。

4.School of Humanity官方网站。

5.Tomorrow University：Challenge-based Learning与校方学习手册。

6.本文所述模式多处于持续迭代阶段；校方自述、媒体报道与独立研究的证据强度不同，文中已尽量区分事实、主张与作者判断。