机构·驻美观察| CMC机构留学驻美团队出品。我们在美国波士顿设有公司，从哈佛、MIT、斯坦福的实验室，到硅谷的产业现场，把正在发生的前沿，第一时间写给中国家庭。
八月，斯坦福纪念礼堂。
几天前，Jeff Dean在这方舞台上度过了他创业后的上班第一天。这一天，同一块大屏前，站着一位年过七旬的老人。白衬衫，没有讲稿，身后的PPT朴素得像上个世纪的课堂讲义，没有动画，没有酷炫大图，全是密密麻麻的手打文字。
（机构老师拍摄AASF现场图片）
台下依旧座无虚席。这是AASF 2026前沿与先锋峰会的教育科技场，一整个下午，所有人都在谈AI如何改变教育。而组委会把压轴的主旨演讲，留给了这位几乎不带一点“科技感”的老人。
他叫Carl Wieman。主持人介绍嘉宾时念了很长一串头衔，台下的掌声在其中一个词出现时明显热烈起来——诺贝尔物理学奖。
九十分钟听下来，我们越来越确定一件事：这场演讲值得原原本本讲给国内的家长听。因为他的每一页PPT，都在回答此刻中国家庭最焦虑的那个问题：AI时代，孩子到底该怎么学习？
01先认识他：拿到诺奖之后，他把后半生押在了怎么教书上
2001年，Wieman因为在实验室里造出“玻色-爱因斯坦凝聚态”，一种接近绝对零度、堪称宇宙中最冷的物质形态，获得诺贝尔物理学奖。按照剧本，他的后半生应该继续留在物理学的顶峰。
但他做了一个让同行错愕的决定：把研究对象从原子，换成了学生。
他要回答的问题，朴素到近乎天真：人到底是怎么学会的？什么样的教学，真的有效？
2002年，他创办免费在线互动模拟实验平台PhET，如今已惠及全球数千万学习者；
2010到2012年，他进入白宫科技政策办公室出任科学副主任，把学习科学带进美国的科学教育政策；
如今，他是斯坦福大学物理系和教育研究生院的双聘教授，还在2020年拿下全球教育领域奖金规模最大的奖项之一——一丹奖（教育研究奖）。
换句话说：站在台上的这个人，既登顶过人类智力的最高峰，又用四十年时间研究“普通人怎样才能学得会”。谈“学习”二字，全世界很难找出比他更有资格的人。
02他讲了什么：一场对赌，两个人性弱点，一道代际分水岭
九十分钟信息密度极大，我们把现场十几页笔记，浓缩成三段。
第一段：41分vs 74分，一场让名师输掉的对赌
Wieman先讲了一个他亲手参与设计、发表在顶刊Science上的实验。
在加拿大UBC的大一工程物理课上，两个各270人的平行班：一个班，由一位教学评分很高的资深明星教授，用传统讲授法上课；另一个班，交给一位刚毕业的年轻物理博士——他唯一的优势，是受过“研究型教学法”的训练。同样的内容，同样的一周，考同一份由两位老师共同出题的突击测验。
结果贴出来，全场安静：讲授班平均得分率41%，实验班74%。而且不是几个尖子生拉高的——整条分数分布，整体右移，每一档学生都在进步。
（机构老师拍摄AASF现场图片）
输的那一方，有经验、有口才、有多年好评；赢的那一方，只有方法。这个方法说穿了并不神秘：课前先读基础材料；课堂上不再“听讲”，而是不断抛出问题——学生先独立作答，再和邻座争论，老师在人群中巡走，听学生“哪里想错了”，然后针对错误集中讲解。一句话：把课堂时间从“老师表演”，换成“学生练习像物理学家一样思考”。
他紧接着补上第二组数据：加州大学圣迭戈分校的计算机系，同样的老师、同样的课程，只是换了教法——四门课的挂科率，平均从20%降到7%。
同样的老师，同样的学生，改变的只有方法。
第二段：学习的真相——大脑只学会它反复练习的思考
为什么讲授法效果这么差？Wieman放出了全场最“扎心”的一页PPT。
左边，是延续了几百年的旧模型：知识像汤一样“灌”进大脑，能吸收多少看天分——所以教育的重心是“挑出最好的脑子”。这一页，被他画上了一个大大的红叉。
右边，是研究给出的新答案：入学时，学生的大脑其实相差不大；真正的学习，是靠高强度思考去改变神经元的连接方式。学习不是往容器里注水，是给大脑重新布线。
（机构老师拍摄AASF现场图片）
他放出两张脑成像图：执业放射科医生和医学生看同一张X光片，大脑被激活的区域完全不同。训练，真的会改变大脑的物理结构。
“The brain learns the thinking it practices——大脑只学会它反复练习的那种思考。”
那该练什么？他的团队跟踪研究了50位顶尖科学家和工程师解决真实问题的全过程，发现一个惊人的规律：无论物理、医学还是工程，所有专家的解题过程，都围绕同一套29个决策展开。该用什么概念？做什么简化？怎么把问题拆成小块？还缺什么信息？手里的信息可靠吗？能得出什么结论？
复杂能力不是靠多做题碰运气磨出来的，而是像学钢琴：拆成组件，逐个刻意练习。这29个决策，就是科学思维的琴键。
第三段：AI，以及一道正在划开的代际分水岭
铺垫完这一切，他才谈AI。也正因为有了前面的铺垫，他对AI的判断格外锋利。
好处，他只用了一页PPT：AI可以给每个学生配一个随叫随到的一对一辅导员；而且研究发现，学生向AI提问，比问老师、问同学的心理负担小得多。
（机构老师拍摄AASF现场图片）
然后，是那句被我们重重记进笔记本的话：
“AI直接把答案递过来——它在‘短路’（short-circuit）学习的过程。”
真正的学习长什么样？想错→发现自己错了→挣扎着修正。神经元恰恰是在这个“难受”的过程中完成重新连线的。而AI最擅长的，就是替你跳过这个过程。
更麻烦的是，这个风险被两个根深蒂固的人性弱点放大了——
第一，大脑天生节能：能直接要到答案，就绝不自己想。
第二，人类极不擅长分辨“熟悉”和“理解”：听AI给出一段流畅漂亮的解释，那种感觉和我学会了一模一样，直到考试、直到面试、直到需要用它解决一个新问题，才发现什么都没留下。他的原话是：“听AI的回答，就像听了一场精彩的讲座，你以为你学会了，其实没有。”
接着，他说出了那个让全场安静下来的词：generational problem，代际问题。
在AI出现之前完成学习训练的人，早已练出怀疑自己、也怀疑答案的本能。对他们来说，AI是效率倍增器；而在AI喂养下长大的一代，可能永远没有机会发育出这种能力。他的原话是，AI可能成为“一根把他们带偏的拐杖”（a crutch that leads them astray）。
他没有停在警告。他的团队正在做的事，恰恰是造一个“不直接给答案”的AI导师，像优秀的人类导师那样，用反问引导学生自己想通。但他坦率承认了三个困难：AI的天性就是想给答案，要靠大量提示工程去拦；好导师脑中有一张“学生思维地图”，AI没有；最要命的是，学生越困惑，AI的表现越差。也就是说，最需要帮助的学生，恰恰是AI帮得最差的学生。
“目前看来，人工智能仍然需要大量的人类智能来引导。”这句半开玩笑的话，是他给这一轮AI教育热潮的定调。
03台下：一个高中生的提问，接住了四十年的研究
问答环节同样精彩。有斯坦福的学生起身提问，也有教育者问：要不要干脆让孩子远离AI？他的回答很清醒：这一代孩子注定在AI中长大，隔离不是办法。他们需要的，是如何正确使用AI的引导。
最打动我们的，是一位嘉宾分享的案例：一个高中女生，自己读长文章有困难，却动手开发了一个帮助阅读障碍同学的学习网站，把长文按认知特点拆解成一个个小模块。台上这位诺奖得主认真听完，没有客套地夸一句了不起，而是坦诚地说：这正是研究还没跟上的空白地带。
一个高中生的动手尝试，和一位诺奖得主四十年的研究，在同一个问题上接上了头。这个画面，恰好是整场演讲最好的注脚：真正的学习，从动手解决一个具体而真实的问题开始。
04我们想对家长说的三件事
坐在台下，我们想到的还是那些熟悉的面孔：被网课和培训班填满日程的孩子，和刚刚开始用AI写作业的孩子。三点，讲给正在做规划的家长。
第一，给所有课程和项目，装一面“41 vs 74”的照妖镜。
名师、名校背景、讲得精彩，这些都是“41分班”也有的东西。真正决定学习效果的，是课堂的另一半：孩子开口了吗？动手了吗？想错之后，有人揪着他的错误讲吗？
以后替孩子挑课程、挑夏校、挑科研项目，别只看师资页，去问一个问题：一节课里，孩子费劲的时间占多少？全程听得很舒服的课，多半是41分班。这也是我们这些年评估科研和活动项目时死守的一条红线：孩子必须真做、真懂，因为招生官面试的追问，就是那场突击测验。
第二，别禁AI，给孩子立一套AI家规。
Wieman的研究给出了清晰的边界：AI给答案，是毒药；AI来提问，是良药。具体到家里，可以是四步：先自己做，卡住为止；把卡点讲清楚再问AI，并要求它别给答案，先反问我；得到启发后，用自己的话把思路完整复述一遍；最后换一道新题验证。
文书同理：AI代笔的文书，就是那场“精彩的讲座”，孩子自以为烂熟于心，招生官两个追问就现出原形。
第三，代际分水岭反过来读，就是这一代孩子最大的机会。
当大多数同龄人习惯被AI喂着答案长大，那些练出先挣扎、再求助、永远怀疑答案能力的孩子，会成为Wieman口中前AI专家式的稀缺品，AI于他们是杠杆，不是拐杖。
而这件事等不到大学再补：大脑练习什么，就长成什么样子。从初中到高中的每一次作业、每一个项目，都是在给大脑布线。十年后拉开差距的，不是谁会用AI，所有人都会，而是离开AI，谁还会思考。
05结尾
散场时，大屏定格在最后一页：研究已经告诉我们，有效的学习长什么样；AI既可能成全它，也可能毁掉它，方向盘握在使用它的人手里。
（机构老师拍摄AASF现场图片）
一位登顶过物理学最高峰的老人，用四十年时间研究人是怎么学会的，最后站在AI浪潮的中心告诉所有人：教育里最贵的东西，从来不是答案，而是孩子自己走到答案面前的那段路。
做家长的，总忍不住替孩子把路修平：更好的老师、更贵的课、更快的答案。但那天下午的斯坦福讲台写得很清楚——挣扎不是学习的代价，挣扎本身，就是学习。
而AI时代的升学规划，说到底是同一道题：哪些环节该让AI提效，哪些环节必须让孩子亲手挣扎，这条边界划在哪里，才是真正的专业所在。这些答案没有写在任何官网上，只能有人替你坐在现场，一页一页记下来。
申请是一时的，眼界是一生的。
