当人人都用 AI 提高分数：教育会更轻松，还是更加内卷？

1. AI 最有价值的地方，不是让孩子做更多题

• 不喜欢应试教育，并不等于可以忽略考试。中考、高考仍是选拔性考试，较好的成绩会带来更好的学校、教育资源和选择。学历虽然不能完整代表能力，也会误判，但大学与雇主不可能花几个月深入了解每个人，仍会用成绩、学校和学历低成本地推测学习能力、自律程度与竞争表现。因此，对许多个体而言，提高成绩仍是一项回报率相当高的投资。关键在于取得这张门票要花多少时间：能用五六个小时完成原本十个小时的任务，就没有必要仅为学满时数而继续。
• AI 有机会把“先刷题、再猜问题”改成“先诊断、再针对性练习”。几十道同类题做下来仍无进步，原因可能是读题方式不对、固定步骤算错，或以为听懂了却从未独立完成整套推理。传统方式可能先做一百道题，再根据结果猜问题；AI 则能整理错题、分析错误类型、生成适当难度的练习，并换种方式解释概念。得到答案后，它还能追问“为什么这样判断”“这一步的依据是什么”“条件变了，结论还成立吗”，把反馈落到推理过程。
• 提速也可能制造理解错觉。若孩子只向 AI 索取答案，做题更快并不意味着真正理解。有效的过程仍要求他先独立思考、讲清推理、接受反馈，再核对 AI 的答案。作者看重的是减少重复、低效、缺少反馈的训练，用更少时间达到足够好的效果。假设每天十小时的升学准备缩短到六小时，省下的四小时用来做什么，比还能多出多少题更重要。

2. 当人人都使用 AI，竞争并不会消失

• 苏老师把问题推到工具普及之后：少数人使用顶级 AI 时可能有优势，人人都用时会怎样？假设一百个孩子竞争十个名额，AI 让所有人效率提高 50%，学校仍只招十人。学生可能懂得更多、平均分更高，录取人数却不变。选拔主要比较相对位置；当多数人都用顶级 AI，它就可能像搜索引擎一样，从优势变成基本工具。
• 相对竞争可以通过三种途径继续升级。第一，试题变难：过去掌握 80 分的内容足够，普及后可能继续考到 90 分甚至更难。第二，准备更早：从初三、高三集中训练，前移到初一、高一，甚至小学；学得快不一定更早停下，也可能更早参赛。第三，评价更多：除成绩外，再比较竞赛、科研、社会实践、体育、艺术、作品和个人陈述，内卷可能从一张试卷扩展成十份材料。这些活动更依赖家庭信息、资源与规划，未必比考试公平。
• 学习提效与终结竞争是两个问题。作者认为前者潜力很大，后者却很难。只要优质教育、理想岗位和社会机会仍稀缺，新工具就不能自动消除竞争。AI 能改变竞争方式，无法凭空消除稀缺。

3. AI 可能让教育更轻松，也可能让内卷更高效

• 个体理性未必导向更好的集体结果。对一个家庭而言，别人都用 AI，自己不用可能吃亏，因此使用它是理性的；但若所有家庭都增加投入以避免落后，就像军备竞赛，最后时间和资源花得更多，相对位置却未必变化。
• 节省的时间可能被新的排名目标吞掉。AI 每天节约三小时，有些家长想到的未必是早点睡觉、运动或发展兴趣，而是用它从全班第十名冲到第一名。过去做一百道题，AI 筛出最有价值的二十道，家长却再加八十道更难的题。技术进步了，孩子并没有获得时间。
• 两条路径的分岔在于人能否停下来。一条是减少重复，以较低成本达到合理目标，把时间给睡眠、运动、阅读和探索；另一条是全体把节余时间重新投入考试，平均成绩上升，学校提高要求，竞争更激烈。减负还是加速内卷，不完全由技术决定，还取决于家庭与学校是否愿意在提效后停下来。

4. 有些能力，考试和 AI 都很难替代

• 评价形式可能从机械记忆转向开放问题、综合任务、现场表达和过程评价，AI 也可能成为正常可用的工具。但“什么问题值得解决”的能力不会过时。AI 能回答，却不会自动决定一个人真正关心什么、愿意投入几年做什么，或在几个不错的方向中选择哪一个。答案越容易获得，问题选择越重要。
• 判断可信度仍须由人练习。流畅、完整的回答不等于正确，孩子需要判断来源、识别逻辑漏洞、区分观察与推论，并知道何时相信 AI、何时查证、何时向真实的人求助。
• 无标准答案的选择不能把责任外包。选专业、选合作对象、是否坚持困难的事情，以及怎样处理责任、利益和关系，AI 可以协助分析，却不能替人承担后果。
• 执行能力包含模型无法代劳的现实阻力。AI 会写计划、列步骤、生成文案，人仍须联系他人、面对拒绝、协调资源、反复修改，最终做成事情。作者判断，未来更稀缺的可能是“真的能做到”，而不只是“知道怎么做”。
• 合作与人格也不能只在屏幕中获得。体贴对话可以模拟，值得信任的人却需要孩子自己去成为；人生建议可以生成，“想怎样生活、愿为什么负责、希望成为什么人”仍要自己回答。重要差异将更多体现为提出好问题、可靠判断、做成实事与建立信任。

5. 省下来的时间，可以用来做什么？

• 把时间还给孩子，不等于完全不管或全部用于游戏、短视频，而是把一部分时间从分数竞争中拿出来，给难以用考试衡量、却长期影响成长的事。首先是睡眠、运动和休息，包括发呆、散步、户外活动及无明确目标的自由时间。长期缺觉、焦虑和高强度安排，会伤害注意力、情绪稳定与学习能力；孩子首先是需要正常成长的人，其次才是考生。
• 阅读与探索帮助兴趣逐渐生成。小说、历史、科学、社会议题、音乐、电影、手工和自然观察未必立即提分，却能让孩子发现方向。兴趣不必一开始就表现为天赋，往往在反复接触和尝试后形成。
• 真实项目把知识带到没有标准答案的世界。可以规划家庭旅行，采访长辈并整理家族故事，运营小公众号，研究社区问题，组织活动，完成小实验，或为真实的人解决具体问题。它们未必让考试多得五分，却能训练规划、沟通、判断、执行与复盘；真实事情做得多，未来处理开放问题也更有办法。
• 人际关系本身就是成长。和家人聊天、同朋友做事、参与团队、照顾别人、处理冲突，都在练习与不同性格、背景和利益的人合作，这些能力很难靠刷题获得。
• 不必立刻把节省的时间重新排满。适当不安排，也是一种重要安排；兴趣、问题意识和自主性，很难从密不透风的时间表里长出来。

6. 家长不必什么都会，但需要给竞争设定边界

• 家长不需要成为所有学科的老师，也不必精通每一种兴趣。更重要的是和孩子制定目标、创造学习环境、陪伴提问与复盘，守住健康和生活底线。AI 可以辅助：例如孩子喜欢天文，无须家长先学几年变成专家，可以让 AI 设计四周项目，依次了解基本概念、观察夜空、研究一颗行星，最后做小型展示。
• 把 AI 设置为追问和复盘的伙伴。读完书后，不让它直接总结，而让它层层提问，帮助孩子说明自己的理解；做完活动后，用它回看原定目标、实际发生的事、错误判断和下次调整。家长也可明确要求：先问孩子怎么想，出错先提示并追问依据，最后由孩子自己总结。
• 使用边界要具体：不能把生成内容冒充自己的作品，不能一遇困难就交出任务，还须保护个人信息、核对重要事实。重点不在漂亮提示词，而在于把 AI 当思考伙伴，避免让它取代思考。
• 家庭可以提前约定考试的“够用线”。这不是放弃努力，而是结合能力、兴趣、健康与现实条件，设定合理目标区间。具体商量成绩目标、每日备考时间上限、睡眠健康底线，以及留给运动、阅读、朋友和探索的时间。最难的是：达到阶段目标后，真的停下来。 从前十到前五、再到第一，达到旧的升学目标又追逐新的目标，若没有预设边界，节省的时间最终仍会被竞争吞掉。
• 作者拒绝在完全拒绝应试与把全部时间押在考试之间二选一。更现实的路径是承认考试重要，用 AI 减少低效训练，以较少时间达到合理目标，同时保住不被竞争占用的成长空间。AI 能加速通过不得不参加的考试，不能决定教育的目的：时间全投下一轮刷题，它就是内卷加速器；时间用于睡眠、运动、阅读、兴趣、关系与真实世界，它才可能增加自由。最终的问题是：孩子更快得到答案以后，我们希望他用省下的时间成为什么样的人？

思想框架

讨论先承认考试对个体的现实回报，再用诊断与反馈说明 AI 怎样减少无效训练；苏老师的问题把视角转向名额稀缺，揭示全体提效无法消除相对竞争。军备竞赛与追加练习解释节余时间为何会被吞回去，随后文章展开考试与 AI 难替代的判断、执行与关系能力，并给出时间用途和家长支持的实例。最后，“够用线”把技术效率转化成家庭可以执行的边界，使教育目的重新成为决定时间归属的依据。